全文获取类型
收费全文 | 207篇 |
免费 | 28篇 |
国内免费 | 83篇 |
出版年
2024年 | 6篇 |
2023年 | 12篇 |
2022年 | 6篇 |
2021年 | 9篇 |
2020年 | 4篇 |
2019年 | 6篇 |
2018年 | 10篇 |
2017年 | 9篇 |
2016年 | 9篇 |
2015年 | 7篇 |
2014年 | 10篇 |
2013年 | 15篇 |
2012年 | 9篇 |
2011年 | 17篇 |
2010年 | 14篇 |
2009年 | 21篇 |
2008年 | 28篇 |
2007年 | 16篇 |
2006年 | 19篇 |
2005年 | 12篇 |
2004年 | 12篇 |
2003年 | 16篇 |
2002年 | 12篇 |
2001年 | 4篇 |
2000年 | 5篇 |
1999年 | 4篇 |
1998年 | 5篇 |
1997年 | 7篇 |
1996年 | 1篇 |
1995年 | 1篇 |
1994年 | 5篇 |
1992年 | 5篇 |
1991年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有318条查询结果,搜索用时 15 毫秒
261.
两个位点主基因控制的质量—数量性状的遗传分析 总被引:6,自引:1,他引:5
应用极大似然法和EM算法提出了关于两个位点主基因控制的质量.数量性状的遗传分析方法,参照质量性状两位点互作在F_2代的分离比率建立了7种遗传假设及其似然比测验的程序,讨论了应用这一方法时应注意的几个问题. 相似文献
262.
263.
目的 中药马钱子(Strychnos nux-vomica L.,SN)在临床上具有消肿止痛的功效,然而,由于含有生物碱类成分,马钱子具有一定毒性。人们对马钱子毒性所引起的大鼠内源性代谢变化及其对肠道微生物群代谢失调的潜在影响知之甚少,因此,马钱子的毒理学研究对其安全性评价具有重要意义。本研究将代谢组学和16S rRNA基因测序技术相结合来探索马钱子的致毒机制。方法 通过急性、蓄积性和亚急性毒性试验,分别确定马钱子的中毒剂量、毒性强度和毒性靶器官。超高效液相色谱-质谱联用技术用于分析大鼠灌胃马钱子后的血清、肝脏和肾脏样本。利用基于装袋算法的决策树和K最近邻(K nearest neighbor,KNN)模型对组学数据进行分类。从大鼠粪便中提取样本后,使用高通量测序平台对细菌的16s rRNA V3-V4区域进行分析。结果 装袋算法提高了样本分类的准确率。共鉴定出12个生物标志物,这些生物标志物的代谢失调可能是马钱子致体内毒性的原因。拟杆菌、粪厌氧棒菌、颤螺菌、双茎体菌等与肾肝功能的生理指标密切相关,这表明马钱子引起的肝肾损害可能与这些肠道细菌的代谢紊乱有关。结论 本文揭示了马钱子的体内致毒机制,为马钱子临床上的安全合理使用提供了科学依据。 相似文献
264.
探讨基于CT图像数据的肺结节自动检测算法。肺结节提取一般步骤为:CT图像预处理、肺实质分割、肺结节提取。 相似文献
265.
DNA序列功能位点的识别是目前生物信息学领域的一个研究热点,剪接位点的识别就是其中之一.为了充分利用剪接位点的特征模式,从而更好地识别剪接位点,建立了一个基于改进Winnow算法的剪接位点识别系统.与其他方法相比较,改进的Winnow算法具有更好的鲁棒性,适用于高维特征空间,能够融合多种模式信息,即使在包含很多不相关特征的情况下,也能有很好的性能.同时在训练的时候,对特征集进行了剪枝,把一些对识别几乎没有贡献的特征去除,这样做对结果的影响可以忽略,而且提高了算法的效率.通过实验验证,改进的Winnow算法可以很好地识别剪接位点,其多个性能指标达到或超过目前国际上流行的剪接位点识别软件. 相似文献
266.
基于动态规划的快速序列比对算法 总被引:3,自引:0,他引:3
序列比对算法是生物信息学中重要的研究方向之一,而动态规划法是序列比对算法中最有效最基本的方法.由于原有的基本动态规划方法时间和空间复杂度大,不适合实际的生物序列比对,因此本文在分析介绍几种相关动态规划算法的基础上,提出了一种基于动态规划的快速序列比对算法UKK_FA.实验结果表明,该算法有效地降低了时间复杂度,具有一定的实用性。 相似文献
267.
268.
269.
昆虫行为研究中日长的计算 总被引:15,自引:5,他引:10
提供了一种计算日长的算法及其FORTRAN77源程序。经过多年来在观测昆虫起飞行为、计算昆虫迁飞轨迹、确定昆虫临界光周期等行为学和生态学研究中的应用 ,表明该算法简单易行且具有足够的精度 (同于天文年历 ) ,是一种方便的实用工具 相似文献
270.
为提高主基因+多基因混合遗传分析的精度,降低试验误差,采用重复内分组随机区组设计,对低遗传力性状的B1:2和B2:2或F2:3家系平均数资料进行遗传分析.通过AIC准则和适合性检验比较无主基因(A-0)、1对主基因(A)、2对主基因(B)、多基因(C)、1对主基因+多基因(D)和2对主基因+多基因(E)模型以鉴定其遗传模式.采用IECM算法估计混合模型参数.通过油菜HSTC14×宁油7号初花期F2:3家系平均数资料阐明该方法。
abstract:To improve the precision in the genetic analysis of quantitative traits,the B1:2 and 132:2,or F2:3 families in a randomized blocks design were used to identify the mixed major gene plus polygene inheritance model while error variance was estimated from the analysis of variance.Five kinds of genetic models were established,including:one-major-gene model,two-major-gene model,polygene model,mixed one-major-gene plus polygene model,and mixed two-major-gene plus polygene model.The AIC value and a set of tests of goodness-of-fit were used to identify the most fitted model among the possible ones.The iterated ECM (IECM) algorithm was used to obtain maximum likelihood estimates of the parameters in sample likelihood function.An example of the genetic analysis of days from planting to flowering of a rape cross was used to illuminate the above procedure. 相似文献