基于ISApl1插入序列构建能表达荧光的自杀型质粒及菌株的方法

    公开(公告)号:CN110129349B

    公开(公告)日:2020-12-11

    申请号:CN201910282838.7

    申请日:2019-04-10

    Abstract: 本发明公开了基于ISApl1插入序列构建能表达荧光的自杀型质粒及菌株的方法。该自杀型质粒的构建方法如下:通过AflII和XhoI双酶切pUC19‑tpm质粒和pUC19‑RP4质粒,然后将电泳后回收的产物用连接酶连接,构建pTFX‑RP4质粒;然后通过EcoRI和Spel双酶切pTFX‑RP4质粒和pBBR1MCS4‑LuxCDAB质粒,再将电泳后回收的产物用连接酶连接,构建能表达荧光的自杀型质粒。再进一步将自杀型质粒转化大肠杆菌WM3064感受态细胞,并将获得的荧光标记的大肠杆菌与目标菌株混合培养,可构建荧光菌株。本发明方法效率高、成本低,适用于构建耐药菌株、药动药效学评价或筛选药物。

    基于mariner转座子构建自杀型质粒及耐药突变菌株的方法

    公开(公告)号:CN110079540B

    公开(公告)日:2020-07-31

    申请号:CN201910282837.2

    申请日:2019-04-10

    Abstract: 本发明共公开了一种基于mariner转座子构建自杀型质粒及耐药突变菌株的方法。该自杀型质粒的构建包括如下步骤:以pCat‑marinerr质粒为模板进行PCR扩增,将获得的扩增产物作为质粒骨架;然后以pUC57‑tpm质粒为模板扩增tpm抗性基因,再将质粒骨架和tpm抗性基因进行同源重组,得到所述自杀型质粒。本发明中的耐药突变菌株是将自杀型质粒转化大肠杆菌WM3064感受态细胞,然后将获得菌株和目标菌株混合培养,再用含有亚碲酸盐的单药板、以及含有亚碲酸盐和原抗性筛选标记药物的双药板进行筛选,得到耐药突变菌株。本发明方法操作简单,可高通量的获得转座突变株,适用于构建耐药菌株或筛选药物。

    大肠杆菌(Escherichia coli)LHM10-1菌株及其应用

    公开(公告)号:CN110055192A

    公开(公告)日:2019-07-26

    申请号:CN201910290884.1

    申请日:2019-04-12

    Abstract: 本发明属于环境污染物生物处理技术领域,具体涉及大肠杆菌(Escherichia coli)LHM10-1菌株及其在降解四环素族抗生素中的应用,大肠杆菌(Escherichia coli)LHM10-1菌株,于2019年3月28日保藏于广东省微生物菌种保藏中心(GDMCC),保藏编号为GDMCC No:60622。本发明大肠杆菌LHM10-1菌株对四环素族抗生素具有良好的降解作用。进一步地,本发明提供的大肠杆菌LHM10-1能够在16小时后降解83.91%的四环素和92.24%的伊拉瓦环素,为四环素族抗生素药物的残留问题提供了安全、高效、环保的解决途径。

    一种快速检测产四环素类抗生素降解酶细菌的方法

    公开(公告)号:CN110031576A

    公开(公告)日:2019-07-19

    申请号:CN201910291334.1

    申请日:2019-04-12

    Abstract: 本发明属于生物检测技术领域,特别涉及一种能够检测产四环素类抗生素降解酶细菌的质谱方法,包括以下步骤:S1.细菌与药物共培养:将待测细菌进行培养,得到培养液,并加入四环素类抗生素标准品溶液(四环素类抗生素的终浓度为140~160μg/mL),混匀后30~40℃条件下孵育6~10h;S2.样品前处理:将孵育好的共培养物离心,吸取上清液,在靶板上进行点靶,自然晾干,随后用α-氰基-4-羟基肉桂酸覆盖并再次自然晾干;S3.样品的测定和数据分析:将步骤S2中经过点靶后的靶板采用质谱法进行检测,分析质谱范围依四环素类抗生素的种类而定。本方法具有灵敏度高、准确度高及分辨率高的特点,适用于产四环素类抗生素降解酶细菌的检测。

    一种运用AI模型快速检测产生碳青霉烯酶菌株的方法

    公开(公告)号:CN109722466A

    公开(公告)日:2019-05-07

    申请号:CN201910090138.8

    申请日:2019-01-30

    Abstract: 本发明公开了一种运用AI模型快速检测产生碳青霉烯酶菌株的方法,通过使用溴百里酚蓝溶液,测定混合溶液的OD值,最后运用AI模型通过分析混合溶液OD值的变化趋势判断菌株是否能够产生碳青霉烯酶;本发明通过检测菌株的OD值随时间变化的趋势降低了误差;通过检测菌株溶液的OD值,能够在极短时间内快速判断菌株是否产生碳青霉烯酶,极大地节省了时间;对于弱产酶的菌株,运用AI模型分析菌株溶液OD值的变化,快速判断出来;将OD值导入到LSTM模型中,即可立刻得到菌株是否能够产酶以及产酶能力的强弱,且能直观的看到一批次中菌株产酶阳性数量与产酶阴性数量的多少,并直接导出产酶结果,不必人工记录实验结果,高效便捷。

    基于深度学习的最低抑菌浓度识别方法

    公开(公告)号:CN108090502A

    公开(公告)日:2018-05-29

    申请号:CN201711191507.X

    申请日:2017-11-24

    Abstract: 本发明公开了一种基于深度学习的最低抑菌浓度识别方法,包括下述步骤:S1、图像切割得到单孔图像:将原始图像处理成模型能够接收的单孔图像;S2、构造样本:给用作训练的单孔图像加上对应标签,构成深度学习模型能够用来训练的样本;S3、构建及训练模型:构建能够用来识别溶液浑浊与否的模型,并用训练样本集进行训练;S4、使用模型判断浑浊与否:模型可以接收训练集以外的图像,判断其溶液是浑浊还是清澈;S5、得到药品对应最低抑菌浓度:根据微孔板中各个圆孔的浑浊/清澈情况得出药品最低抑菌浓度。本发明大大提高了操作人员的工作效率,由于其无需专用设备的特性,能够推广到大多数的工作单位,为工作研究提供方便。

Patent Agency Ranking