基于RNA-Seq技术的湿加松特定时期产脂差异基因筛选及表达分析

湿加松(Pinus elliottii×P.caribaea)是我国南方重要的脂材兼用树种,为挖掘调控湿加松松脂产量的相关基因,在湿加松的产脂高峰期,选取生长量相近但产脂量显著差异的湿加松植株,采集次生木质部组织进行高通量测序,并结合萜类物质合成、转运通路进行分析。结果显示,测序共产生594 108 382条clean reads,经de novo拼接获得190 514条unigenes,有304个unigene与萜类物质的合成有关。经过差异表达分析,得到414个差异表达unigenes,其中183个上调表达,231个下调表达。利用qRT-PCR技术对筛选的基因进行表达量验证分析,发现细胞色素P450、ABC转运蛋白、双功能松脂醇落叶松醇还原酶(PLR)在高脂树中表达量升高,异戊烯基转移酶表达量在低脂树中表达量较高。本研究丰富了湿加松及松科植物的转录本信息,为进一步研究湿加松松脂产量差异的分子机理奠定了重要基础。     

基于多色彩空间的YOLOv5松枯死树检测方法

【目的】针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5松枯死树高精度自动识别新方法。【方法】利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等6种基于深度学习的目标检测算法对数据集进行训练和测试,以精确率、召回率、平均准确率以及F₁分数作为评价指标筛选出最优目标检测算法;然后将采集的RGB图像转换成LAB和HSV色彩空间图像,再将这3个色彩空间的图像分别用最优目标检测算法进行训练,得到目标在每个色彩空间的边界框,使用非极大值抑制算法对这些边界框进行处理,得到最优边界框实现松枯死树自动识别。【结果】6种算法均取得良好效果,其中YOLOv5模型为最优算法,其精准率、平均查准率和F₁分数在6种算法中均最高,分别达到97.58%、82.40%和0.85。通过3个色彩空间融合后,反映漏检情况的召回率由74.54%提高到98.99%,平均准确率提升至98.39%。【结论】基于多色彩空间的YOLOv5模型能够显著提高从无人机航拍RGB影像中检测松枯死树的精度,为松枯死树监测提供了有力工具,也有助于松材线虫病的防治。     

泊松分布在生物学中的应用

泊松分布广泛应用于遗传学的遗传图距计算、生物物理学的辐射生物学的定量分析、病毒学中的病毒感染率计算、分子生物学中一个基因文库所需克隆数的估计、PCR扩增片段保真率的估算以及酵母单双杂交中转化率的估计等学科领域,对此进行了简要评述。     

害虫综合管理研究的样板——美国南方松甲虫决策支持系统简介

扼要介绍了美国南方松甲虫决策支持系统的研究成果,对系统的功能与结构作了说明,并给出了一些重要模型的简短描述.