一种大螟的半人工饲料及其制备方法

    公开(公告)号:CN103110009A

    公开(公告)日:2013-05-22

    申请号:CN201310045121.3

    申请日:2013-02-05

    Abstract: 一种大螟的半人工饲料及其制备方法,属于昆虫人工饲料及其制备技术。其特征在于每Kg饲料含有大豆粉21-27克、茭白粉25-60克、稻茎粉18-36克、玉米粉22-30克、麦芽粉16-22克、谷芽粉10-20克、酵母35-70克、蔗糖10-14克、干酪素20-30克、维生素C1.5-2.8克、胆固醇0.05-0.15克、韦氏盐5-8克、山梨酸2-4克、金霉素1.5-3.0克、琼脂12-13克,余量为蒸馏水。该大螟的半人工饲料及其制备方法,饲养大螟初孵幼虫,12天存活率>92%,发育至蛹的比例>85%,可连续饲养10个世代;每代幼虫饲养构成中只需更换饲料一次,简化了操作;原料易得,成本低。

    定量性状多位点振荡搜索全基因组关联分析系统及方法

    公开(公告)号:CN119580831A

    公开(公告)日:2025-03-07

    申请号:CN202411307532.X

    申请日:2024-09-19

    Abstract: 本发明属于生物信息学领域,具体涉及定量性状多位点振荡搜索全基因组关联分析系统及方法。本发明提供一种利用定量性状多位点振荡搜索全基因组关联分析系统进行全基因组关联分析的方法,所述方法目标是找出与特定表型相关的SNP位点即PseQTNs,包括如下步骤:S1数据准备:准备SNP矩阵文件和表型矩阵文件;S2数据预处理:将录入的SNP矩阵去重并按列标准化,对表型矩阵按列标准化;S3关联分析:通过振荡搜索策略,从SNP矩阵中筛选出与表型相关的SNP位点即PseQTNs。本发明在动植物重要性状相关基因挖掘、人类复杂疾病相关基因挖掘等方面有重要、切实应用价值。

    一种烟草花叶病早期无症状诊断方法及自动化多光谱诊断设备

    公开(公告)号:CN119470346A

    公开(公告)日:2025-02-18

    申请号:CN202411534718.9

    申请日:2024-10-31

    Abstract: 本发明提供烟草花叶病早期无症状诊断方法及自动化多光谱诊断设备,通过筛选获得的三个光谱反射波段,能灵敏地检测出烟草植株在感染烟草花叶病初期所表现出的微弱光谱变化,可在感染烟草植株出现病斑症状前区分烟草植株是否感染病毒,真正实现烟草花叶病早期无症状监测,诊断精度超过90%,在实际生产应用中真正实现烟草花叶病的早发现、早防治,有效防止错失最佳防治时机;基于筛选获得的三个光谱反射波段,建立归一化烟草花叶病早期无症状诊断指数,判断烟草植株是否感染烟草花叶病毒,实现对烟草植株的定性区分;此外以527nm、544nm、705nm三个波段为基础,形成相应的自动化多光谱诊断设备,实现实时、快速、无损和大面积烟草花叶病早期监测。

    一种多类别图像识别方法及系统

    公开(公告)号:CN107273932A

    公开(公告)日:2017-10-20

    申请号:CN201710500086.8

    申请日:2017-06-27

    CPC classification number: G06K9/6268 G06K9/6256

    Abstract: 本发明公开了一种多类别图像识别方法及系统,对m类别图像识别问题C={C1,C2,…,Cw,…,Cm},将选自图像识别数据集的训练样本分解为m套样本子集;对每套样本子集经特征选择获得一套特征子集,共获得m套特征子集{Feat_1,Feat_2,…,Feat_w,…,Feat_m};对某待测样本,首先取C1与C2类别样本作为训练样本,以{Feat_1∪Feat_2}为特征子集,构建第一个二分类器,对该待测样本作出预测,假定该待测样本被判为C1类,则取C1与C3中样本为训练样本,以{Feat_1∪Feat_3}为特征子集,构建第二个二分类器,对该待测样本作出预测;依此类推,直到构建m-1个二分类器,最终胜出的类即为最终的图像类别。本发明了提高多类别图像识别的预测精度。

    酚对发光菌毒性预测及评估的新型非线性高效模型构建方法及应用

    公开(公告)号:CN103077313A

    公开(公告)日:2013-05-01

    申请号:CN201310007830.2

    申请日:2013-01-09

    Abstract: 本发明公开了一种酚对发光菌毒性预测及评估的新型非线性高效模型的构建方法及应用,利用非线性SVR技术对源自现有技术的18个酚类化合物对发光菌的毒性表示为log EC50进行QSAR研究。这项工作的目的是基于低维特征数据和高维特征数据,通过非线性化学计量学工具寻找更合理的特征和更可靠的QSAR模型,并详细分析与毒性相关的最有价值模型及其最关键的分子特征。本发明将为设计对发光菌毒性增强或减弱的酚类似物提供有效的理论参考。

    一种大螟的半人工饲料及其制备方法

    公开(公告)号:CN103110009B

    公开(公告)日:2014-07-02

    申请号:CN201310045121.3

    申请日:2013-02-05

    Abstract: 一种大螟的半人工饲料及其制备方法,属于昆虫人工饲料及其制备技术。其特征在于每Kg饲料含有大豆粉21-27克、茭白粉25-60克、稻茎粉18-36克、玉米粉22-30克、麦芽粉16-22克、谷芽粉10-20克、酵母35-70克、蔗糖10-14克、干酪素20-30克、维生素C1.5-2.8克、胆固醇0.05-0.15克、韦氏盐5-8克、山梨酸2-4克、金霉素1.5-3.0克、琼脂12-13克,余量为蒸馏水。该大螟的半人工饲料及其制备方法,饲养大螟初孵幼虫,12天存活率>92%,发育至蛹的比例>85%,可连续饲养10个世代;每代幼虫饲养构成中只需更换饲料一次,简化了操作;原料易得,成本低。

    一种基于深度学习的全基因组选择方法

    公开(公告)号:CN120015110A

    公开(公告)日:2025-05-16

    申请号:CN202510062885.6

    申请日:2025-01-15

    Abstract: 本发明涉及深度学习和动植物分子育种领域,公开了一种基于深度学习的全基因组选择方法EBMGP。本发明结合了基于弹性网(Elastic Net,EN)的特征选择方案来优化特征集,以减少计算负担并提升预测准确性。通过采用双向编码器表示(Bidirectional Encoder Representations from Transformers,BERT)嵌入将SNP模拟为类似人类语言的结构,有效地捕捉了单个SNP以及连锁不平衡区块层面的复杂遗传相互作用。此外,本发明还提出了多头注意力池化(Multi‑head attention pooling)技术,能够在学习来自多个子空间的特征时,智能地为特征分配权重,实现对高层次的语义信息的深入理解。相较于7个参比模型,本发明在五个不同任务中均展现出卓越的平均预测精度。因此EBMGP是一种很有前景的全基因组选择模型。

Patent Agency Ranking