一种检测嗜肺军团菌毒力的方法

    公开(公告)号:CN108660179A

    公开(公告)日:2018-10-16

    申请号:CN201810317033.7

    申请日:2018-04-10

    Abstract: 本发明提供了一种检测嗜肺军团菌毒力的方法,包括(1)将NF-κB报告质粒(pNFκB-luc)和海参荧光素酶报告质粒(pRL-CMV)转入HEK 293T细胞中。(2)测定军团菌:将嗜肺军团菌浓度调至相同,使用200ul感染转染24小时后的HEK 293T细胞或稳定表达细胞系。(3)肺军团菌感染HEK 293T细胞24h后,用Dual-Luciferase Reporter Assay System试剂盒及GloMax Multi多功能检测仪检测并记录好各项数值。若NF-κB活化水平越高则该待测嗜肺军团菌毒力越强;若NF-κB活化水平越低则该待测嗜肺军团菌毒力越弱。本发明提供的方法能够更加准确的反应军团菌在宿主体内的真实的毒力,具有更大的临床意义和参考价值,并对嗜肺军团菌的预防和控制有积极影响。

    一种具有过氧亚硝酸盐识别功能的AIE荧光探针及其制备方法和用途

    公开(公告)号:CN117003684B

    公开(公告)日:2024-09-17

    申请号:CN202310539903.6

    申请日:2023-05-15

    Applicant: 安徽大学

    Abstract: 本发明公开了一种具有过氧亚硝酸盐识别功能的AIE荧光探针及其制备方法和用途,该探针的结构式为:#imgabs0#本发明荧光探针具有AIE特性,可以比色及比率荧光的方式识别ONOO‑,在日光灯下探针CBD测试液的颜色由橙色变为淡黄色,在365nm紫外灯下可以观察到探针CBD的颜色由红色变成黄绿色,且在其它离子存在的情况下有很好的抗干扰性;同时该探针可以成功地应用于生物体外源性的ONOO‑离子检测,并且该荧光探针对脂滴有着很好的靶向性,有望在工业生产和临床医学中发挥重要作用,具有广阔的应用前景。

    一种双功能AIE新型荧光探针及其在粘度和ONOO-检测中的应用

    公开(公告)号:CN118184602A

    公开(公告)日:2024-06-14

    申请号:CN202410218756.7

    申请日:2024-02-28

    Applicant: 安徽大学

    Abstract: 本发明公开了一种双功能AIE新型荧光探针及其在粘度和ONOO‑检测中的应用,其中双功能AIE新型荧光探针的结构式如下所示:#imgabs0#本发明双功能新型AIE荧光探针可以通过荧光光谱法分别实现对ONOO‑离子和粘度的识别及定量检测。该探针对ONOO‑检测具有优异的灵敏度,检测限低(LOD=6.64nM),并且抗干扰性强、选择性高,能在更宽的pH(4‑10)范围内响应ONOO‑。此外,该探针能够用于细胞内的成像,并且可以在两个通道上检测ONOO‑和粘度,可以有效的消除检测过程中的信号串扰,在检测微量粘度和ONOO‑方面表现出巨大的潜力,显示了其在分子生物学中的潜在应用价值。

    一种可逆检测铜离子和硫离子的荧光探针及其应用

    公开(公告)号:CN117466904A

    公开(公告)日:2024-01-30

    申请号:CN202311424313.5

    申请日:2023-10-31

    Applicant: 安徽大学

    Abstract: 本发明公开了一种可逆检测铜离子和硫离子的荧光探针及其应用,其中荧光探针的结构式如下所示: 本发明荧光探针通过荧光强度的变化能够实现对Cu2+和S2‑的定性或定量检测,并且能可逆识别Cu2+和S2‑。随着Cu2+浓度逐渐增大,538nm处的荧光强度逐渐降低,随着S2‑浓度逐渐增大538nm处的荧光强度逐渐增强。将本发明探针制备成试纸,可以借助于紫外灯快速的检测Cu2+和S2‑,并且也可以在Hela细胞中对Cu2+和S2‑进行检测。

    一种基于多尺度卷积神经网络的茶叶病斑自动识别算法

    公开(公告)号:CN112434662B

    公开(公告)日:2023-04-18

    申请号:CN202011447437.1

    申请日:2020-12-09

    Abstract: 本发明属于基于图片特征的图像分类算法的研究领域,具体涉及一种基于多尺度卷积神经网络的茶叶病斑自动识别算法,包括多卷积神经网络的训练过程:多卷积神经网络的训练过程分为两个阶段:第一个阶段是数据由低层次向高层次传播的阶段,即前向传播阶段;另外一个阶段是,当前向传播得出的结果与预期不相符时,将误差从高层次向底层次进行传播训练的阶段,即反向传播阶段。本算法能够准确地检测四种不同的茶叶病害图像,并且具有较高的识别精度,同时具有较快的识别速度。该特性主要得益于多卷积可以快速提取特征,并且减少训练算法的参数量从而有效防止过拟合,提高了算法的泛化能力。

Patent Agency Ranking