基于残差网络的自然环境下蝴蝶种类识别

【目的】蝴蝶属鳞翅目(Lepidoptera)昆虫，其对生存环境敏感，能够作为区域生态环境的指示物种，自然环境下蝴蝶种类自动识别对生态系统稳定有重要意义。现有研究中蝴蝶种类和数量较少，且多以标本图像作为识别对象，鉴于此，本研究构建了自然环境下蝴蝶图像数据集，提出一种以残差网络为基础的蝴蝶种类识别模型LDResNet。【方法】首先，引入可变形卷积，增强网络对不同形状蝴蝶图像的特征提取能力，获得更细粒度的特征；其次，在可变形卷积后嵌入注意力机制，增大蝴蝶特征权重，降低冗余信息干扰；最后，利用改进的深度可分离卷积降低模型参数量。【结果】在自建数据集上实验，LDResNet模型取得了87.61%的平均识别准确率，较原始模型提升了3.14%,模型参数量仅为1.04 MB。【结论】LDResNet模型相较其他模型，在平均识别准确率和参数量方面均有明显优势，本研究模型可为自然环境下的蝴蝶种类自动识别提供技术支持。     

基于双向长短时记忆网络和注意力机制的RNA m5C甲基化位点预测

RNA 5-甲基胞嘧啶(m5C)修饰在许多生物过程中发挥重要的作用，对m5C位点的准确识别有助于更好地理解其生物学功能，所以识别m5C甲基化位点十分必要。尽管已发展了多种识别m5C甲基化位点的机器学习方法，但预测能力仍有待提高。本文基于双向长短时记忆网络和注意力机制，提出了一种预测RNA m5C甲基化位点的深度学习算法。用该方法在人、小鼠、酿酒酵母和拟南芥共4种生物的RNA m5C数据集上进行实验，m5C位点预测AUC值分别达到92.5%、99.7%、93.6%和86.5%。与现有预测方法相比，该方法具有较好的预测性能，并且具有更优的泛化能力，为RNA m5C甲基化位点预测提供了一种新方法。     

毛叶山桐子种子休眠与萌发特性的研究

目的：探究毛叶山桐子种子(Idesia polycarpa Maxim. var. vestita Diels)的休眠类型和解除休眠的最适方法，为生产实践中的种苗繁育提供一种能有效解除毛叶山桐子种子休眠和提高萌发率的方法。方法：以成熟的毛叶山桐子种子为材料，研究种子的水分透性及温度、光照、去垢剂、后熟、层积和植物激素对种子休眠与萌发的影响。结果：(1)种子具有发育成熟的胚，种皮被有蜡质层但具有透水性；(2)在10～35℃和交替光照(12 h光照/12 h黑暗，光强度为144μmol·m^-2·s^-1)下萌发30 d，种子的萌发率低于30%，具有休眠特性；(3)种子在完全黑暗条件下几乎不萌发，是一种需光性种子；(4)4℃和10℃层积30 d显著地增加种子的萌发速率和萌发率，后熟90 d则对种子萌发没有影响；(5)GA3能部分解除种子的休眠和促进萌发，将萌发率提高至56.7%，氟啶酮则没有作用。结论：毛叶山桐子种子的休眠类型为非深度生理休眠，解除休眠和促进萌发的最适方法是将种子在4℃或者10℃中层积30 d，然后在25℃和交替光照中萌发。     

基于注意力机制的RNA碱基关联图预测方法

目的 长链非编码RNA在遗传、代谢和基因表达调控等方面发挥着重要作用。然而，传统的实验方法解析RNA的三级结构耗时长、费用高且操作要求高。此外，通过计算方法来预测RNA的三级结构在近十年来无突破性进展。因此，需要提出新的预测算法来准确的预测RNA的三级结构。所以，本文发展可以用于提高RNA三级结构预测准确性的碱基关联图预测方法。方法 为了利用RNA理化特征信息，本文应用多层全卷积神经网络和循环神经网络的深度学习算法来预测RNA碱基间的接触概率，并通过注意力机制处理RNA序列中碱基间相互依赖的特征。结果 通过多层神经网络与注意力机制结合，本文方法能够有效得到RNA特征值中局部和全局的信息，提高了模型的鲁棒性和泛化能力。检验计算表明，所提出模型对序列长度L的4种标准（L/10、L/5、L/2、L）碱基关联图的预测准确率分别达到0.84、0.82、0.82和0.75。结论 基于注意力机制的深度学习预测算法能够提高RNA碱基关联图预测的准确率，从而帮助RNA三级结构的预测。     

黔北志留系石牛栏组松坎段上部近岸——远岸的相分异

华南板块上扬子区滇黔桂古陆以北的陆表海缓坡带,因海水深度变化导致志留纪兰多维列世埃隆晚期石牛栏组的岩相—生物相差异,这种差异始于松坎段上部沉积期。本文选择2个剖面,分别代表近岸和远岸带的古地理位置,作松坎段上部灰岩岩相学和沉积环境指标分析。余庆大庄村剖面位于近岸带,可频繁出现薄层泥粒状灰岩和颗粒灰岩,属浅水高能带常见的壳相生屑滩堆积;而桐梓水坝塘剖面位于远岸带,偏深水低能环境中的瘤状灰岩和含泥灰岩透镜体多含灰泥和粉砂屑。这些证据从细节上揭示松坎段上部沉积时,靠近黔中古陆近岸带存在壳相动物大量繁衍的生态位,还伴随有钙质微生物形成的叠层石和核形石,但空间展布上可能是狭窄的,大部分陆表海区的海水深度处于最大风浪暴浪基面以下。     

倍性复杂植物的2种倍性鉴定方法的建立及应用(专题约稿）

研究以猕猴桃属内不同植物的幼嫩叶片为材料,利用流式细胞术和全基因组SNP(single nucleotide polymorphism)位点杂合子等位基因深度比率(heterozygous allele depth ratio)分布2种方法进行猕猴桃倍性鉴定。对取样叶片的生长状态、防止细胞核黏连的PVP(聚乙烯吡咯烷酮)浓度、滤网目数及过滤次数、不同倍性样本全基因组SNP分型的参数调整等因素进行探索。结果表明,流式细胞术检测中取未展开的幼嫩叶片获得完整细胞核的数目最多;5%PVP对减少细胞核之间的黏连最适宜;500目滤网过滤3次效果最好。SNP的分型主要与模拟基因组的组装质量和过滤识别SNP的参数设置有关。流式细胞术鉴定倍性的关键技术是使用未展开的幼嫩叶片以保证足够数量的完整细胞核及减少细胞核之间的黏连。同一植物材料的染色体倍性在60Co-γ辐照处理前后未发生改变。全基因组SNP位点杂合子频率分布图判断的倍性与流式细胞术鉴定结果一致。2种鉴定结果可以相互验证,使倍性的判断变得更加准确,为加快猕猴桃育种提供了基础。     

环状RNA计算预测方法的研究进展

环状RNA(circular RNA,circRNA)是一类具有重要生物作用的内源性RNA,大多在可变剪接过程中通过5'端和3'端反向共价连接形成闭合环状结构.目前,环状RNA的识别策略主要分为两大类:一类方法从高通量测序(RNA-seq)数据中检测反向剪接位点,另一类直接从RNA序列中检测成环特征.由于数据本身和识别...     

深度突变扫描技术在蛋白研究中的应用

作为细胞结构与功能的中心参与者,蛋白质一直是生命科学研究的中心主题。分析蛋白质序列变异对其结构、功能的影响,是研究蛋白的重要手段之一。近年一种称为深度突变扫描(deep mutational scanning,DMS)的技术被广泛应用于蛋白研究领域,其通过高丰度DNA文库在蛋白特定区域平行引入成千上万种突变,经筛选后,利用高通量测序为每一种突变打分,从而揭示序列与功能之间的相关性。深度突变扫描以其高通量、快速简易、节省人工等特点,已经成为蛋白质功能研究以及蛋白工程改造的一种重要方法,目前已在蛋白进化、抗体改造、致病突变鉴定等蛋白研究的多个领域广泛应用。本综述简要概括了深度突变扫描技术的原理,重点介绍了其在哺乳动物细胞中的应用,同时分析了目前的技术瓶颈,旨在为相关研究提供参考。