结果和讨论:在总共617个共培养Calli中,21(3.4%)再生芽表现出三种不同的表型:白化,嵌合和浅绿色;与野生型非转化的再生芽相比。在白化芽中,总叶绿素含量大大降低,并且在嵌合芽中显着降低。在六个CAS9基因确认的再生芽中,两种芽表现出由于插入/缺失(Indels)和ACPDS靶点位置和周围的基于替代的突变而引起的白化表型。深度扩增子测序显示两个SGRNA之间的indel频率显着,范围从1.2%到63.4%,以及53.4%的替代频率。ACPDS基因的突变产生了可检测到的白化病表型,因此确定了ACPDS基因的成功编辑。这是第一次在洋葱中成功建立了CRISPR/CAS9介导的基因组编辑方案,而ACPD基因作为一个例子。这项研究将为研究人员提供进一步的洋葱基础研究和应用研究的必要动力。
洋葱(Allium cepa L.)是一种园艺物种,其灯泡和空中部位被消耗,后者为绿洋葱。洋葱种植受疾病的影响,对水胁迫极为敏感,这大大降低了其产量。这项研究的目的是确定应用微生物财团,由生物肥料,生物刺激剂和生物防治剂组成的微生物财团对catamarca省(阿根廷)的洋葱培养的影响。由生物学真菌trichoderma spp的天然菌株组成的生物输入。和细菌菌株巴西,苏云金芽孢杆菌,根瘤菌豆科植物和Bradyrhizobium sp。被使用。这项研究是在卡帕亚氏菌科罗尼亚·德尔瓦勒(Colonia del Valle)的一个地块中进行的。实施了两种治疗方法:一种接种微生物财团,另一种是用水作为对照。进行了两个叶面应用。评估洋葱作物性能认为总产量,平均鳞茎重量,鳞茎大小,收获指数,生物质产量和植物数。结果表明,微生物联盟的应用增加了洋葱植物的产量,生长和发展。确定所选天然微生物的应用对植物具有生长促进作用,从而提高了洋葱作物的生长和生产力。
参考文献:1。https://www.diabetesaustralia.com.au/about-diabetes/diabetes-in-australia/ 2.Bordoloi,Premila L.&Tiwari,Mansi&Dave,Preeti。(2020)。洋葱的抗糖尿病潜力:评论。https://www.researchgate.net/publication/342643304_ anti-diabety_potential_potential_of_oniona_review/citation/citation/citation/download 3。Airaodion,A.I。 等。 在Alloxan诱导的糖尿病大鼠中,葱(洋葱)鳞茎的低脂肪症和抗糖尿病效力。 ACTA科学营养健康,2020年; 4,73–80。 https://www.actascientific.com/asnh/pdf/asnh-04-0648.pdf 4。 Knekt,P。等。 (2002)。 类黄酮摄入量和慢性疾病的风险。 美国临床营养杂志,76(3):560–568。 https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。 Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/Airaodion,A.I。等。在Alloxan诱导的糖尿病大鼠中,葱(洋葱)鳞茎的低脂肪症和抗糖尿病效力。ACTA科学营养健康,2020年; 4,73–80。https://www.actascientific.com/asnh/pdf/asnh-04-0648.pdf 4。 Knekt,P。等。 (2002)。 类黄酮摄入量和慢性疾病的风险。 美国临床营养杂志,76(3):560–568。 https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。 Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/https://www.actascientific.com/asnh/pdf/asnh-04-0648.pdf 4。Knekt,P。等。 (2002)。 类黄酮摄入量和慢性疾病的风险。 美国临床营养杂志,76(3):560–568。 https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。 Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/Knekt,P。等。(2002)。类黄酮摄入量和慢性疾病的风险。美国临床营养杂志,76(3):560–568。https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/Kobori,M等。(2009)。饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。分子营养和食品研究,53(7):859–868。https://pubmed.ncbi。nlm.nih.gov/19496084/ 6。Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。MSYSTEMS。2021 2月16日; 6(1):E01191-20。doi:10.1128/msystems.01191-20。PMID:33594006; PMCID:PMC8573957。https://pubmed.ncbi.nlm.nih.gov/33594006/
参考文献:1。https://www.diabetesaustralia.com.au/about-diabetes/diabetes-in-australia/ 2.Bordoloi,Premila L.&Tiwari,Mansi&Dave,Preeti。(2020)。洋葱的抗糖尿病潜力:评论。https://www.researchgate.net/publication/342643304_ anti-diabety_potential_potential_of_oniona_review/citation/citation/citation/download 3。Airaodion,A.I。 等。 在Alloxan诱导的糖尿病大鼠中,葱(洋葱)鳞茎的低脂肪症和抗糖尿病效力。 ACTA科学营养健康,2020年; 4,73–80。 https://www.actascientific.com/asnh/pdf/asnh-04-0648.pdf 4。 Knekt,P。等。 (2002)。 类黄酮摄入量和慢性疾病的风险。 美国临床营养杂志,76(3):560–568。 https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。 Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/Airaodion,A.I。等。在Alloxan诱导的糖尿病大鼠中,葱(洋葱)鳞茎的低脂肪症和抗糖尿病效力。ACTA科学营养健康,2020年; 4,73–80。https://www.actascientific.com/asnh/pdf/asnh-04-0648.pdf 4。 Knekt,P。等。 (2002)。 类黄酮摄入量和慢性疾病的风险。 美国临床营养杂志,76(3):560–568。 https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。 Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/https://www.actascientific.com/asnh/pdf/asnh-04-0648.pdf 4。Knekt,P。等。 (2002)。 类黄酮摄入量和慢性疾病的风险。 美国临床营养杂志,76(3):560–568。 https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。 Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/Knekt,P。等。(2002)。类黄酮摄入量和慢性疾病的风险。美国临床营养杂志,76(3):560–568。https://pubmed.ncbi.nlm.nih.gov/12198000/ 5。Kobori,M等。 (2009)。 饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。 分子营养和食品研究,53(7):859–868。 https://pubmed.ncbi。 nlm.nih.gov/19496084/ 6。 Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。 MSYSTEMS。 2021 2月16日; 6(1):E01191-20。 doi:10.1128/msystems.01191-20。 PMID:33594006; PMCID:PMC8573957。 https://pubmed.ncbi.nlm.nih.gov/33594006/Kobori,M等。(2009)。饮食槲皮素减轻糖尿病症状并减少链蛋白酶诱导的小鼠肝基因表达障碍。分子营养和食品研究,53(7):859–868。https://pubmed.ncbi。nlm.nih.gov/19496084/ 6。Aasmets O,LüllK,Lang JM,Pan C,Kuusisto J,Fischer K,Laakso M,Lusis AJ,Org E.机器学习揭示了随时间变化的微生物预测变量,对葡萄糖调节的影响很复杂。MSYSTEMS。2021 2月16日; 6(1):E01191-20。doi:10.1128/msystems.01191-20。PMID:33594006; PMCID:PMC8573957。https://pubmed.ncbi.nlm.nih.gov/33594006/
基于淬灭效果,开发了一种量化槲皮素(QUE)的方法,这种类黄酮对水溶液中3-甲基托托酸(3MPA)CDTE量子点(QDS)的光致发光作用。来自3MPA -CDTE QD的发光(460/527 nm)(估计为1.5×10 -7 mol l -1)产生了在5.0×10 -6和6.0×10 -6和6.0×10 -5 mol l -1之间的发光淬灭信号之间的发光淬灭信号之间的线性关系(r 2 0.990)。在存在其他类黄酮和维生素C的情况下,该方法成功地用于量化Que,检测到3.2×10 -6 mol l -1。10 -5 mol L -1 Que水平的标准偏差为2%。评估了其他类黄酮在QDS发光中的作用,并且在儿茶素和黄酮的情况下未观察到干扰(浓度高达QUE的5倍)。Histeritin,naringenin,kaempferol和Galangin在相同浓度的Que中没有任何干扰。但是,即使在相同浓度的Que中,莫林也会干扰。维生素C的浓度高于Que的10倍的浓度高出10倍。通过提出的方法确定了操纵配方和食物补充胶囊中Que的含量,并将其与HPLC获得的结果进行了比较。最后,使用3MPA-CDTE QDS测定槲皮素,以分析薄层色谱法后黄色和红洋葱提取物,以使Que选择性。
简介:随着人类的移动更加接近在月球上建立可持续的存在,了解月球表面的物理和化学特性变得越来越重要。即将到来的阿联酋农场任务提供了一个独特的机会,可以进行三项创新的实验,旨在探索Lunar Regolith的关键方面。这些实验 - 杂物,洋葱和伊莱克斯(Maglunar,洋葱和伊莱克),以研究雷果石的磁性,有机化合物的降解以及其与各种材料的静电相互作用(图1)。这些是安装在漫游车轮上的实验的材料粘附/磨损检测(MAD)套件的一部分,并将与Regolith直接接触。我们描述了这些实验的目标和方法,并强调了它们对月球探索,空间生物学和未来原位资源利用率(ISRU)的重要性。
将洋葱用作自然药用化合物的天然来源在全球范围内正在上升。但是,其治疗效果受到多种因素的限制,包括溶解度差,生物利用度低等。因此,制定克服这些局限性并增强其治疗潜力的策略是合理的。因此,本研究使用纳米技术方法研究了绿色合成的潜力,以增强洋葱提取物的生物学特性。使用了三种不同的洋葱品种。使用乙酸乙酯和乙醇溶剂混合物(1:1 V/v)切片,风干并分别提取。每种提取物分为两个:普通洋葱提取物和合成的银纳米颗粒(AG-NP)洋葱提取物。这是通过将提取物与硝酸银溶液混合并在60 O C. dpPH(1,1 difenyl-2-苯基 - 氢唑)和过氧化氢清除,总抗氧化剂,红细胞膜稳定剂,蛋白质稳定,蛋白质的抑制作用和热诱导的血液诱导的血液中获得的5小时。这项研究的结果显示,与普通洋葱提取物在≤75.61%时所发挥的值相比,洋葱提取物的合成银纳米颗粒提高了DPPH清除能力。合成的AG-NP的总抗氧化能力范围为0.46±0.6至0.85±0.06 mg AAE/g Dry提取物,而普通洋葱提取物的范围为0.76±0.3至0.96±0.09 mg aae/g aae/g aae/g Dry提取物。合成的Ag-NP抑制蛋白质变性,在61.80±0.09–73.34±0.16%,而普通洋葱提取物则为42.25±0.20–55.08±0.12%。研究表明,使用纳米技术方法的绿色合成可以增强洋葱提取物的抗氧化和抗炎症潜力,从而提高治疗功效。
作为男性父母,事件E1,E2和E5的相对种子集效率分别为37.89%,61.82%和83.76%(表1和补充图。9)。这些发现进一步表明,Accenh3的敲低影响了种子集。差异种子集可能是在相互交叉中观察到的转基因偏置隔离变形的原因之一。我们的观察结果
共聚焦显微镜。根据大脑的尺寸(图像尺寸:775 µm x 775 µm; z-stack size = 10 µm;步骤尺寸= 0.5 µm),从背外侧和内侧纹状体以20倍放大倍率拍摄一到两个图像。为每个图像应用了相同的采集设置。免疫组织化学图像与Neun染色的图像进行比较以可视化缺血核,并排除了缺血性核心外部区域的图像。使用斐济开源图像分析软件(45)的面积分数测量工具(45)对血管化参数和BBB泄漏的量化进行定量。面积密度表示为总图像面积的PDXL和CD13的百分比。通过计算共定位