首页--生物科学论文--微生物学论文--微生物生态学和地区分布论文

艾比湖湿地古生菌群落结构多样性与活性多样性研究

摘要第4-6页
Abstract第6-7页
中英符号缩略词表第10-11页
第一章 文献综述第11-19页
    1.1 湿地与艾比湖湿地第11-12页
    1.2 古生菌的分类第12页
    1.3 土壤古生菌的多样性分析方法第12-15页
        1.3.1 平板菌落计数法第12-13页
        1.3.2 醌指纹法第13页
        1.3.3 Biolog微平板法第13页
        1.3.4 分子生物学方法第13-15页
    1.4 微生物活性多样性分析方法第15-16页
        1.4.1 磷脂脂肪酸(PLFA)分析法第15页
        1.4.2 构建c DNA克隆文库法第15-16页
    1.5 古生菌多样性研究进展第16页
    1.6 微生物活性多样性研究进展第16-17页
    1.7 艾比湖湿地土壤微生物多样性研究进展第17-18页
    1.8 本研究的内容、目的及意义第18-19页
第二章 材料与方法第19-28页
    2.1 材料第19-21页
        2.1.1 样品第19页
        2.1.2 主要仪器与设备第19-20页
        2.1.3 主要试剂第20页
        2.1.4 实验相关引物第20-21页
        2.1.5 相关分析软件第21页
        2.1.6 培养基的配置第21页
    2.2 方法第21-28页
        2.2.1 土壤样品的采集与保存第21-22页
        2.2.2 土壤样品理化性质的测定第22页
        2.2.3 土壤样品总DNA的提取第22-23页
        2.2.4 土壤总RNA的提取与反转录第23-24页
        2.2.5 PCR反应第24-25页
        2.2.6 PCR产物的回收与纯化第25页
        2.2.7 PCR产物与载体的连接第25页
        2.2.8 大肠杆菌(DH5α)感受态细胞的制备第25页
        2.2.9 转化第25-26页
        2.2.10 阳性克隆的检测与PCR产物纯化第26页
        2.2.11 古生菌 16SrDNA、16Src DNA扩增片段的限制性内切酶酶切分析第26-27页
        2.2.12 古生菌 16SrDNA、16Src DNA核酸序列的测定第27页
        2.2.13 数据处理与分析方法第27-28页
第三章 结果与分析第28-65页
    3.1 艾比湖湿地土壤环境理化状况结果与分析第28-31页
    3.2 艾比湖湿地土壤古生菌多样性和群落结构组成分析第31-53页
        3.2.1 艾比湖湿地土壤古生菌 16SrDNA克隆文库构建及酶切分型测序第31-34页
        3.2.2 文库SP1-A中古生菌多样性与群落结构组成分析第34-40页
        3.2.3 文库SP2-A中古生菌多样性与群落结构组成分析第40-45页
        3.2.4 文库SP3-A中古生菌多样性与群落结构组成分析第45-53页
    3.3 艾比湖湿地土壤活性古生菌多样性与群落结构组成分析第53-60页
        3.3.1 艾比湖湿地土壤活性古生菌 16Src DNA克隆文库构建及酶切分型测序第53-54页
        3.3.2 文库SP2-B中活性古生菌多样性指数分析第54-55页
        3.3.3 文库SP2-B中活性古生菌的群落结构组成分析第55-60页
    3.4 艾比湖湿地土壤古生菌群落结构与土壤理化性质之间的相关性分析第60-63页
    3.5 土壤古生菌多样性与活性多样性的差异性分析第63-65页
第四章 讨论第65-69页
    4.1 艾比湖湿地土壤古生菌多样性分析第65-66页
    4.2 与艾比湖湿地土壤可培养嗜盐古生菌之间的差异性分析第66页
    4.3 土壤理化因子对古生菌群落结构的影响第66-67页
    4.4 艾比湖湿地土壤古生菌与细菌多样性比较第67页
    4.5 博乐河入湖口观鸟台草甸区土壤古生菌多样性与活性多样性对比第67-69页
第五章 创新点与展望第69-70页
    5.1 创新点第69页
    5.2 展望第69-70页
参考文献第70-75页
致谢第75-76页
作者简介第76-77页
石河子大学硕士研究生学位论文导师评阅表第77页

论文共77页,点击 下载论文
上一篇:Aβ损伤致PC12细胞AD模型PS1介导的自噬功能研究
下一篇:基于遗传算法优化的RBF神经网络在光伏发电MPPT中的应用