典范趋势面分析及其在山东省沙棘灌丛水平格局分析中的应用

介绍一种综合趋势面的分析方法－－典型趋势面分析。典型趋势面分析是典范相关分析与趋势面分析的结合,它确克服了趋势面分析的缺陷,能同时对单母体空间上的多变量进行分析,拟合一个综合趋势面,通过对山西沙棘灌丛水平格局的分析介绍了典范趋势面分析的应用,并比较了趋势面分析与典范趋势面分析。     

典范趋势面分析及其在山西省沙棘灌丛水平格局分析中的应用

介绍一种综合趋势面的分析方法——典范趋势面分析。典范趋势面分析是典范相关分析与趋势面分析的结合,它克服了趋势面分析的缺陷,能同时对单母体空间上的多变量进行分析,拟合一个综合趋势面。通过对山西沙棘灌丛水平格局的分析介绍了典范趋势面分析的应用,并比较了趋势面分析与典范趋势面分析。     

MATLAB 7.X 生物信息工具箱的应用-- 专用分析工具（ 六）*

序列分析可以获取蕴藏在简单序列中的生物信息,是生物信息分析的基础。通过生物大分子序列差异分析构建的系统树则可为我们提供可视化的物种间的进化关系。MATLAB7.X生物信息工具箱包含了几个图形用户界面设计的专用分析工具,这些专用分析工具交互性好,易于使用。借助于这些分析工具,用户不仅可以对基因序列进行分析查看并能进行相对应的氨基酸序列分析,还可以方便快捷地构建系统发育树。即使用户不会编程也可以进行序列分析和系统发育分析的研究,大大地提高了分析的效率。本文详细介绍了序列分析工具Seqtool和系统发育分析工具Phytreetool在序列分析及系统发育树构建方面的应用,所有操作方便快捷,分析结果可视化程度高。     

微弱发光分析技术原理及应用实例(一)

微弱发光分析技术近年得到迅速发展,在自由基、活性氧分析、化学发光分析、生物的超微弱发光分析、发光免疫分析、生物发光分析等领域得到广泛应用.简要介绍了微弱发光分析技术的测量原理,并以一些研究成果为实例讲解如何应用微弱发光分析技术进行研究和实践.     

景观空间分析的特征和主要内容

在综合前人对景观空间格局与异质性,景观镶嵌动态,尺度,格局,过程相关等景观生态学基本原理的基础上,初步提出了景观空间分析的框架,认为景观空间分析主要包括景观空间形态分析,空间关系分析与空间构型分析,并对景观空间分析的特征及与一般空间分析之间的关系进行了探讨。     

药物分析技术应用研究新进展

通过对2012 年我国学者在国内外发表的有关药物分析技术应用研究论文进行检索和整理,分类综述针对化学药物、基因工程药物以及中药等各类药物或生物样本的过程分析技术、高通量筛选分析技术、固态性质表征分析技术、杂质谱检测分析技术、体内样本分析技术、中药分析技术、生化药物分析技术等的应用研究新进展。     

临床生化标记免疫分析技术的一些新进展

二十多年来,临床生物化学在诊断应用和化学病理学的研究方面有了显著进展,其中起重要促进作用的是同位素、非同位素标记免疫分析技术的推广和应用。有人认为,标记免疫分析技术的建立和应用是生化分析的一次革命。看来这种说法似乎并不过份。本文拟就临床生化工作者所重视的放射免疫分析、酶免疫分析、荧光免疫分析和化学发光免疫分析等标记免疫分析技术有关方法学方面的新进展做一扼要介绍。     

蛋白质序列复杂性简化与非比对序列分析

非比对序列分析是最新发展的一种序列分析方法,具有计算效率高并适用于分析低相似性的序列,已成功用于DNA的序列分析中.但是由于蛋白质序列的复杂性,非比对序列分析对于蛋白质序列分析的准确度却不高.用将20种天然氨基酸残基归类的方法,简化了蛋白质序列的复杂性,并运用到对蛋白质的非比对序列分析中,有效地提高了序列分析的准确性.     

生态模型的灵敏度分析

灵敏度分析用于定性或定量地评价模型参数误差对模型结果产生的影响,是模型参数化过程和模型校正过程中的有用工具,具有重要的生态学意义．灵敏度分析包括局部灵敏度分析和全局灵敏度分析．局部灵敏度分析只检验单个参数的变化对模型结果的影响程度;全局灵敏度分析则检验多个参数的变化对模型运行结果总的影响,并分析每一个参数及其参数之间相互作用对模型结果的影响．目前,在对生态模型的灵敏度分析中,越来越倾向于使用全局灵敏度分析的方法．但国内仍多采用局部灵敏度分析方法,很少采用全局灵敏度分析方法．文中详细论述了局部灵敏分析和全局灵敏度分析的主要方法(一次变换法、多元回归法、Morris法、Sobol’法、傅里叶幅度灵敏度检验法和傅里叶幅度灵敏度检验扩展法),希望能为国内生态模型的发展提供一个比较完善的灵敏度分析方法库．结合国内外的灵敏度分析发展现状,指出联合灵敏度研究、灵敏度共性研究及空间直观景观模型的灵敏度分析将为生态模型灵敏度分析研究中的热点和难点．     

RNA-Seq本地分析平台的构建

目的:构建一个本地化的RNA-Seq数据处理分析平台,为RNA-Seq研究人员提供数据分析平台。方法:在调研现有的RNA-Seq数据分析研究成果的基础上,构建一套本地化的RNA-Seq分析平台,平台首先将测序数据中的低质量数据进行过滤,然后使用Top Hat将过滤后的数据与参考基因组数据进行比对,利用比对结果进行可变剪切分析、基因差异表达分析等,最后通过R语言工具包对分析结果进行可视化绘图。结果:通过对2组小鼠的RNA-Seq测序数据进行分析,构建的分析平台能够较好地过滤低质量测序数据,并且分析出2组数据间的差异表达基因,同时还可以图形化表示这些差异表达基因。结论:分析平台能够实现对RNA-Seq测序数据的质量控制、差异表达分析及分析结果的可视化。