广西麻鸡FOXL2基因的克隆、序列分析及在高低产蛋量卵巢中的表达

为了研究鸡FOXL2基因的结构和功能,本研究克隆了广西麻鸡FOXL2基因编码区序列,分析了其突变位点及与其他物种的同源性和进化距离,以及在高产组和低产组母鸡卵巢组织中的表达水平.结果 表明:广西麻鸡FOXL2基因的编码区长度为918 bp,共编码305个氨基酸,存在一处错义突变和两处同义突变.通过物种间的同源性分析显示,广西麻鸡FOXL2基因与原鸡(Gallus gallus)、雉鸡(Phasianus colchicus)、绿头鸭(Anas platyrhynchos)、野鸽(Columba livia)、人(Homo sapiens)、小鼠(Mus musculus)的同源性分别为99.7％、98.8％、95.1％、92.0％、75.7％、75.5％.通过种间进化树分析表明,广西麻鸡与原鸡(Gallus gallus)的亲缘关系最近,与小鼠(Mus musculus)的亲缘关系最远.FOXL2在高低产蛋量鸡卵巢中的表达水平结果显示:FOXL2基因在高产蛋组中的表达量显著高于低产蛋组中的表达量(P＜0.05).该研究结果提示鸡FOXL2的序列相对较保守,对卵巢功能的维持和提高产蛋量具有功能性作用.     

川西亚高山针叶林土壤呼吸速率与不同土层温度的关系

采用密闭气室红外CO2分析法（IRGA）,在野外连续定位测定了川西亚高山冷杉原始林的土壤呼吸,并对其不同土层（0、5、10、15和20cm）的温度进行了同步测定．在此基础上,分析了土壤呼吸的日、季节动态变化,及其与不同土层温度的关系和土壤呼吸Q10值变化．结果表明：冷杉原始林土壤呼吸呈现明显的日变化和季节变化．土壤呼吸的日最高值出现在12：00-14：00,最低值出现在8：00—10：00,与土壤表面温度的日变化一致;土壤呼吸的季节变化表明：7—8月的土壤呼吸高于9-11月,与不同土层温度季节变化规律一致;土壤呼吸与不同土层温度呈显著的指数增长关系,土壤呼吸速率与土壤15cm深处温度的相关性明显高于其它土层;利用Q10模型计算0～20cm各土层的Q10值分别为2．36、4．75、4．90、6．27和5．46,表明海拔高、温度低的环境条件下,土壤呼吸的Q10值偏高．     

基于GIS的梭梭年轮测量方法

年轮信息对重建气候和预测环境的动态变化有重要意义。为准确测量梭梭年轮间距等各项参数,研究基于GIS对扫描后的梭梭圆盘PS图像赋予坐标系统,通过ENVI图像分类软件结合GIS测量工具,完成梭梭年轮间距测量;利用WinDENDRO年轮分析系统验证测量结果的准确性。结果表明: 两种方法测量结果差异不显著(P=0.63),配对平均值差值为0.87 μm,测量结果准确可信。研究构建的方法可以用于梭梭年轮间距测量,并为面积、周长等年轮参数的自动化测量奠定了基础。该方法也可替代现有专业树木年轮分析系统用于部分年轮参数测量。研究结果有助于梭梭树轮气候学分析和种群年龄结构调查。     

多枝柽柳年轮生长速率测量及TRGR指标优势分析

灌木对生境和气候变化具有高度敏感性,其年轮资料在认识区域环境演变过程、全球气候变化和环境保护中具有重要作用。灌木植株在生长过程中受遗传和极端环境的影响,年轮常出现偏心和不规则生长,这使得专业年轮分析软件测量的年轮宽度数据难以准确反映其整体径向生长信息。为探讨适合于寒旱区灌木年轮学研究的年轮测量指标和测量方法,研究以该区域荒漠常见植物多枝柽柳(Tamarix ramosissima Ledeb.)为研究对象,通过U-net深度学习方法,获得年轮提取训练模型,自动获取扫描轮盘各年早材区域。轮盘扫描及语义分割后的图像经GIS配准赋坐标、ENVI图像处理后,借助GIS编辑和测量工具,完成多枝柽柳各年年轮生长速率(Tree-ring growth rate, TRGR)、年轮宽度(Tree-ring width, TRW)和树木基部断面积生长增量(Basal area increment, BAI)的测量;研究基于Timesat Savitzky-Golay(S-G)滤波时间序列拟合,获取点样尺度归一化植被指数(Normalized difference vegetation index, ND...     

基于航片的黄土高原丘陵沟壑区沟谷侵蚀定量监测

基于黄土丘陵沟壑区1979和1993年两期航片和地形图数据,采用数字影像测量方法生成数字正射影像图和数字高程模型,以地理信息系统为手段,研究了黄土丘陵沟壑区的一条沟谷在中尺度时间上的面积及深度变化,并对该变化的空间差异以及     

利用偏相关系数算法挖掘遗传相互作用数据中的通路基因

在生物系统中,遗传相互作用指的是两个基因同时突变的表型异于它们分别突变表型叠加效果的现象.近年来,随着高通量技术的发展,遗传相互作用的高通量筛选得以实现,产生了大量遗传相互作用数据.通路基因指的是一组在同一条生物通路上相互协作的基因,它们共同完成某一项生命过程.发掘遗传相互作用数据中的通路基因可以研究基因之间如何进行相互作用共同影响某种表型,是理解生物学通路的结构和功能,生物系统进化规律,和研究复杂疾病的重要途径.然而,由于基因多效性以及高维数据处理困难等问题,如何发现遗传相互作用数据中的通路基因面临着很大挑战.本文中,我们通过计算基因间的条件独立性,即删除掉通路中的已知基因的影响后,研究基因间的相关性.而这些通路中的已知基因将在模型中作为种子基因发掘通路中的其他基因.我们将讨论该算法在模拟数据和实际数据中的计算效果,证明该算法在遗传相互作用数据应用中的有效性.