REV感染SPF雏鸡主要器官病理变化与病毒载量关系的研究

来源 :东北农业大学 | 被引量 : 5次 | 上传用户:ROVINZ
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
禽网状内皮组织增生病(RE)是现今普遍存在于禽类种群中的1种严重的病毒性、免疫抑制性、肿瘤性疾病,该病的大范围流行导致畜禽养殖业的经济损失惨重。目前对于该病的研究较为局限,尤其对该病的免疫抑制机制研究不够全面、系统。本研究以1日龄SPF雏鸡为研究对象,将120只雏鸡随机分为2组,即REV感染组(I组)和对照组(C组)。其中REV感染雏鸡,于1日龄时经腹腔途径感染102 TCID500 REV稀释液,对照雏鸡以相同途径给予等量灭菌PBS,两组雏鸡严格隔离,分别饲养管理。于病毒感染后第1、3、7、14、21、28、35和42天,每组随机抽取6只雏鸡,心脏采血处死,快速采取心脏、肝脏、肺脏、肾脏等非免疫器官和脾脏、胸腺、法氏囊、哈德尔腺、盲肠扁桃体等免疫器官组织,应用分子生物学和透射电镜技术结合传统病理学检测方法,分别对SPF雏鸡感染REV后,其主要器官组织中病毒载量、组织病理和超微病理学变化等进行了较全面系统研究。研究主要结果如下:(1)REV感染1日龄SPF雏鸡后,主要器官组织中不同时间段均可检测出病毒,其中脾脏中病毒载量最高。免疫器官胸腺和脾脏的病毒载量在病毒感染后第14天达到峰值,法氏囊的病毒载量在病毒感染后第7天达到峰值;非免疫器官肝脏和肾脏的病毒载量在病毒感染后第14天达到峰值,心脏和肺脏的病毒载量分别在病毒感染后第3天和第7天达到峰值;(2)REV感染对1日龄SPF雏鸡主要器官均造成不同程度的病理损伤,多表现为充血、出血,淋巴细胞浸润,网状内皮细胞增生以及细胞变性、坏死或凋亡等,其中病变较为严重的为胸腺、法氏囊、脾脏、肝脏、肾脏,其次为心脏和肺脏等。组织病理学变化主要以免疫器官为主,胸腺、法氏囊滤泡萎缩、细胞变性,脾脏红髓区可见局灶性坏死;心肌细胞颗粒变性,肝细胞脂肪变性,肺间质性肺炎,肾小球萎缩,肾小管上皮细胞肿胀,管腔闭塞;(3)REV感染1日龄SPF雏鸡后,主要器官超微病理学变化显著,表现为胞核畸形、固缩,出现核内包涵体样物,染色质边集化明显。线粒体肿胀、脊断裂溶解,滑面内质网空泡化,粗面内质网脱颗粒,网状内皮细胞增生;非免疫器官心肌纤维断裂,肌间隙增宽,肝细胞中多见脂滴,肺泡上皮细胞肿胀,肾小管上皮细胞变性、坏死显著;(4)REV感染后死亡雏鸡器官病变更为严重,免疫器官的病理变化为细胞变性、坏死或凋亡更加显著,细胞数量明显减少,器官萎缩明显;非免疫器官主要是肺脏可见拟似肿瘤样变,淋巴细胞、成纤维细胞增多,肺泡上皮细胞崩解。主要器官的超微病变表现为大面积灶性坏死,细胞溶解。1日龄SPF雏鸡感染REV后,其主要器官病理损伤变化与REV载量密切相关,免疫器官病毒载量明显高于非免疫器官,并且病毒感染后期非免疫器官的损伤持续时间较免疫器官长,且程度也较重。通过上述各项指标的检测,本项目较全面系统的研究了REV感染引起的SPF雏鸡病理损伤与病毒载量的关系,为进一步阐明REV的免疫致病机制和RE防治提供了十分重要科学实验依据。
其他文献
目前,随着GIS的服务领域从地球表面向物理空间、人类经济社会空间、信息空间等多种虚拟空间的扩展,实体对象间需要描述的关联关系种类也将更加丰富,仅面向对象时空特征的关联
传统的小波模极大值结合不变矩法是一种有效的基于内容的商标检索方法,但其进行不变矩计算的边缘定位不够精确,抗噪性不够强,借鉴信号奇异性检测中模极大值线搜索算法思想予以改
随着电网规模的逐渐扩大,输电线路中变电设备越来越多,为了准确获知输电设备的运行状态,在检修过程中需要获取大量输电线路巡检视频。对输电线路巡检视频构建视频摘要可以快
H.264具有更好的编码效率,但其高复杂度无法满足实时应用。针对低码率应用,分析各编码工具的性能并选取合理编码框架,同时利用单指令多数据(SIMD)技术并行实现快速搜索及整数变换。
Frederick算法在通常情况下能够比较好地工作,并且完全符合HLA时间管理的原则.但在特殊情况下,该算法会造成死锁.研究表明,死锁是有规律的.文章分析了文献[5]中对Frederick算
研究了CORBA与Web services技术,完成了用Web Services来封装CORBA对象调用的系统设计,使CORBA服务能穿过防火墙发布到Web上,并成功地对系统进行了验证.在二者技术结合方面做
现在的网络环境中,很多通信应用需要组成员拥有多层次的访问权限。这些应用的访问控制要保证拥有不同层次服务的用户能获得不同的数据。该文提出了一种多重组的访问控制方案,该
提出了一种基于混沌优化和遗传算法的新颖的QoS组播路由算法,该路由算法把混沌系列和遗传算法结合起来,并提供了一种新的编码方式和一种自适应的变异遗传操作,从而克服了传统