-
公开(公告)号：CN116855597B
公开(公告)日：2025-03-25
申请号：CN202310855012.1
申请日：2023-07-13
Applicant: 湖南师范大学 , 岭南现代农业科学与技术广东省实验室
IPC: C12Q1/6869 , C12N15/11
Abstract: 本发明公开了鲫鲤杂交子一代Caspase‑6等位基因表达检测方法及其试剂盒。检测方法包括：(1)RNA逆转录；(2)PCR扩增；(3)焦磷酸测序，结果分析，获得杂交鲫鲤F1Caspase‑6等位基因的表达比例。本发明以Caspase‑6‑F：5’‑AGATGGACCACAAGAAACGAGG‑3’；Caspase‑6‑BR：5’‑CATAAGCCTTCACTTCAAATCCC‑3’为特异性引物，对鲫鲤杂交子一代Caspase‑6等位基因表达结果进行分析。本发明具有操作简洁、成本低适合快速检测大量样本。本发明采用的焦磷酸测序方法鉴别杂交鲫鲤F1中亲本Caspase‑6基因型的表达变化，所检测结果不仅能对差异碱基定性，而且可以进行定量分析，检测结果还能实时观察，能快速出具检测结果。
-
公开(公告)号：CN117051117A
公开(公告)日：2023-11-14
申请号：CN202310910078.6
申请日：2023-07-24
Applicant: 湖南师范大学 , 岭南现代农业科学与技术广东省实验室
IPC: C12Q1/6888 , C12N15/11
Abstract: 本发明公开一种与合方鲫体重相关的SNP分子标记及其扩增引物和应用，属于分子标记技术领域。所述分子标记位于DGAT2基因中，所述分子标记的序列如SEQ ID NO:1所示，该序列的第460位核苷酸为SNP位点。本发明通过PCR扩增、sanger法测序分析出DGAT2启动子的SNP，并根据不同SNP类型与性状的关联进行育种过程中的体重筛选，可以在基因水平上筛选出具有高生长潜力的合方鲫。本发明方法具有操作简单、成本低廉、遗传稳定性高、检测和统计方便、易实现自动化等优点，可为合方鲫的生产实践提供技术指导，对于选育具有高生长潜力的合方鲫具有重要意义。
-
公开(公告)号：CN116855597A
公开(公告)日：2023-10-10
申请号：CN202310855012.1
申请日：2023-07-13
Applicant: 湖南师范大学 , 岭南现代农业科学与技术广东省实验室
IPC: C12Q1/6869 , C12N15/11
Abstract: 本发明公开了鲫鲤杂交子一代Caspase‑6等位基因表达检测方法及其试剂盒。检测方法包括：(1)RNA逆转录；(2)PCR扩增；(3)焦磷酸测序，结果分析，获得杂交鲫鲤F1Caspase‑6等位基因的表达比例。本发明以Caspase‑6‑F：5’‑AGATGGACCACAAGAAACGAGG‑3’；Caspase‑6‑BR：5’‑CATAAGCCTTCACTTCAAATCCC‑3’为特异性引物，对鲫鲤杂交子一代Caspase‑6等位基因表达结果进行分析。本发明具有操作简洁、成本低适合快速检测大量样本。本发明采用的焦磷酸测序方法鉴别杂交鲫鲤F1中亲本Caspase‑6基因型的表达变化，所检测结果不仅能对差异碱基定性，而且可以进行定量分析，检测结果还能实时观察，能快速出具检测结果。
-
公开(公告)号：CN118497399B
公开(公告)日：2025-05-16
申请号：CN202410708256.1
申请日：2024-06-03
Applicant: 中国农业科学院深圳农业基因组研究所(岭南现代农业科学与技术广东省实验室深圳分中心)
IPC: C12Q1/6895 , C12Q1/6858 , C12N15/11
Abstract: 本发明公开了一个与茶树叶长宽比数量性状连锁的SNP分子标记位点及其应用。本发明首次发现了与茶树叶长宽比数量性状连锁的SNP分子标记位点，其位于茶树基因组Chr01：22487501上，其基因型与叶长宽比显著相关，AA基因型对应的叶长宽比与GG和AG型相比差异显著。从统计学上判断，当基因型为野生型GG或单突变AG时，则大概率表现为茶树叶长宽比水平较低；当基因型为双突变AA时，则大概率表现为茶树叶长宽比较高。进一步建立检测该位点的检测方法，可用于评价茶树叶长宽比，以进一步用于茶树资源筛选及分子育种。这是开展茶树分子标记辅助选择育种的基础。
-
公开(公告)号：CN118497399A
公开(公告)日：2024-08-16
申请号：CN202410708256.1
申请日：2024-06-03
Applicant: 中国农业科学院深圳农业基因组研究所(岭南现代农业科学与技术广东省实验室深圳分中心)
IPC: C12Q1/6895 , C12Q1/6858 , C12N15/11
Abstract: 本发明公开了一种用于评估茶树鲜叶的长宽比的产品及其应用。本发明首次发现了与茶树叶长宽比数量性状连锁的SNP分子标记位点，其位于茶树基因组Chr01：22487501上，其基因型与叶长宽比显著相关，AA基因型对应的叶长宽比与GG和AG型相比差异显著。从统计学上判断，当基因型为野生型GG或单突变AG时，则大概率表现为茶树叶长宽比水平较低；当基因型为双突变AA时，则大概率表现为茶树叶长宽比较高。进一步建立检测该位点的检测方法，可用于评价茶树叶长宽比，以进一步用于茶树资源筛选及分子育种。这是开展茶树分子标记辅助选择育种的基础。
-
Patent Agency Ranking
公开(公告)号：CN110910405B
公开(公告)日：2023-04-18
申请号：CN201911143349.X
申请日：2019-11-20
Applicant: 湖南师范大学
Abstract: 本发明提供了一种基于多尺度空洞卷积神经网络的脑肿瘤分割方法及其系统，包括：构建多尺度空洞卷积神经网络模型；获取多模态MRI脑肿瘤图像，通过多尺度空洞卷积神经网络模型提取多模态MRI脑肿瘤图像的三维特征图；对三维特征图进行上采样，使提取的三维特征图还原到原始的尺寸；对原始尺寸的三维特征图进行信息融合得到脑肿瘤分割结果。通过构建多尺度空洞卷积神经网络模型，将多模态MRI脑肿瘤图像输入多尺度空洞卷积神经网络模型，输出脑肿瘤分割结果。本发明解决了在三维脑肿瘤分割中信息易丢失的问题，提高了分割的效率和准确率，实现了脑肿瘤的自动分割、检测与可视化，为脑肿瘤的诊断、手术治疗提供直观、量化参考。
-
公开(公告)号：CN110910405A
公开(公告)日：2020-03-24
申请号：CN201911143349.X
申请日：2019-11-20
Applicant: 湖南师范大学
Abstract: 本发明提供了一种基于多尺度空洞卷积神经网络的脑肿瘤分割方法及其系统，包括：构建多尺度空洞卷积神经网络模型；获取多模态MRI脑肿瘤图像，通过多尺度空洞卷积神经网络模型提取多模态MRI脑肿瘤图像的三维特征图；对三维特征图进行上采样，使提取的三维特征图还原到原始的尺寸；对原始尺寸的三维特征图进行信息融合得到脑肿瘤分割结果。通过构建多尺度空洞卷积神经网络模型，将多模态MRI脑肿瘤图像输入多尺度空洞卷积神经网络模型，输出脑肿瘤分割结果。本发明解决了在三维脑肿瘤分割中信息易丢失的问题，提高了分割的效率和准确率，实现了脑肿瘤的自动分割、检测与可视化，为脑肿瘤的诊断、手术治疗提供直观、量化参考。
-
公开(公告)号：CN110689020A
公开(公告)日：2020-01-14
申请号：CN201910960447.6
申请日：2019-10-10
Applicant: 湖南师范大学
Abstract: 本发明公开了一种矿物浮选泡沫图像的分割方法及电子设备。所述分割方法包括：获取待分割泡沫图像；通过提取网络对所述待分割泡沫图像进行特征提取，得到多个特征图；采用处理网络，根据所述多个特征图得到泡沫分割图像。通过提取网络得到待分割泡沫图像的特征图，结合处理网络，解决待分割泡沫图像分辨率低、干扰信息多的问题，基于所述特征图得到泡沫分割图像，能够获得更多的泡沫信息，具有准确性高、可靠性高的优势，解决泡沫图像分辨率低、干扰信息多、泡沫粘连严重带来的分割困难、准确率低等问题。
-
公开(公告)号：CN112419320A
公开(公告)日：2021-02-26
申请号：CN202110086166.X
申请日：2021-01-22
Applicant: 湖南师范大学
Abstract: 本发明提供了一种基于SAM与多层UDA的跨模态心脏分割方法，包括步骤：S1：建立分割网络模型，并利用建立的分割网络模型对图像进行特征提取；S2：利用空间注意力机制对提取特征的相关区域进行增强，对非相关区域进行抑制；S3：在整个分割网络提取特征的低层和高层分别添加多个特征域鉴别器，进行特征细粒度迁移。本发明在对抗域自适应网络的基础上引入空间注意力机制和多层域鉴别器，有效地将从源域和目标域提取的特征进行细粒度对齐。
-
公开(公告)号：CN112419320B
公开(公告)日：2021-04-27
申请号：CN202110086166.X
申请日：2021-01-22
Applicant: 湖南师范大学
Abstract: 本发明提供了一种基于SAM与多层UDA的跨模态心脏分割方法，包括步骤：S1：建立分割网络模型，并利用建立的分割网络模型对图像进行特征提取；S2：利用空间注意力机制对提取特征的相关区域进行增强，对非相关区域进行抑制；S3：在整个分割网络提取特征的低层和高层分别添加多个特征域鉴别器，进行特征细粒度迁移。本发明在对抗域自适应网络的基础上引入空间注意力机制和多层域鉴别器，有效地将从源域和目标域提取的特征进行细粒度对齐。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.061 seconds)
