为深入了解武夷茶树(Camelliasinensis,异名:TheaboheaL.)的遗传多样性与背景关系,收集126个武夷茶树品种/品系与223个来自12个不同地区的优异茶树品种/品系,共349份茶树资源。采用基因分型测序(Genotyping by sequencing,GBS)技术筛选...为深入了解武夷茶树(Camelliasinensis,异名:TheaboheaL.)的遗传多样性与背景关系,收集126个武夷茶树品种/品系与223个来自12个不同地区的优异茶树品种/品系,共349份茶树资源。采用基因分型测序(Genotyping by sequencing,GBS)技术筛选出973个高质量核心SNP进行茶树遗传多样性及背景关系分析。基于模型的遗传结构(Structure)、系统发育树(NJtree)和主成分分析(PCA)结果表明,349个茶树可分为5个亚群,亚群聚类主要是基于茶树之间的亲缘关系,而不是树型或叶形等形态特征。基因流分析表明,从闽南地区到武夷山地区和武夷山地区到浙江地区存在基因渗入。遗传相似度分析显示,在349个茶树中有136对样本的遗传相似系数大于0.9,其中有26对涉及武夷茶树品种/品系。通过两两比对的辨识度分析,从973个SNP标记中筛选出21个可100%识别349个茶树品种/品系的SNP标记,其中18个SNP标记即可100%识别126个武夷茶树品种/品系,并建立遗传指纹图谱与开发鉴定引物。研究结果为今后武夷茶树种质资源的管理和育种提供有价值的信息。展开更多
为减少技术机会分析所需的时间和成本,更快地探索与发现技术机会以支撑相关战略规划,全面系统总结分析大数据视角下技术机会的内涵、热点应用场景和分析方法,基于Web of Science、中国知网中文期刊数据库获取相关中英文文献392篇,根据...为减少技术机会分析所需的时间和成本,更快地探索与发现技术机会以支撑相关战略规划,全面系统总结分析大数据视角下技术机会的内涵、热点应用场景和分析方法,基于Web of Science、中国知网中文期刊数据库获取相关中英文文献392篇,根据文献质量评估标准,通过略读、筛选、精读、补充重要文献等步骤,深度解析精选论文内容,梳理研究热点、空白与前沿。结果发现,技术机会发现与识别方法正在借助大数据分析形成一套系统、规范化的研究范式。研究对象上,专利技术创新机会不再局限于热点、空白点、孤立点、离群点等单一界定方式,其知识表示方法在融入技术创新需求中逐步完善与拓展;数据源来上,多源异构数据提供动态、实时、多元化研究视角,应用场景从回顾性的趋势监测转向未来需求的技术预测与风险评估,但支撑产业和企业实际需求的研究仍较少;分析方法上,组合运用文献计量、社会网络分析与大数据分析,方法创新由单一特征的同质网络向融合特征的异构网络发展,所挖掘的技术细粒度越来越高。最后针对目前研究存在的主要问题,提出充分利用多源信息的多维性和功能的多元化,在综合应用各类方法提高定量分析效度的基础上,面向问题与需求开发“规则+统计+知识库+交互”大数据智能创新工具,结合专家专业知识完善技术机会对象特征、性能指标,从而更深入地揭示技术机会细节,更好地支撑企业、国家的科技战略规划。展开更多
文摘为深入了解武夷茶树(Camelliasinensis,异名:TheaboheaL.)的遗传多样性与背景关系,收集126个武夷茶树品种/品系与223个来自12个不同地区的优异茶树品种/品系,共349份茶树资源。采用基因分型测序(Genotyping by sequencing,GBS)技术筛选出973个高质量核心SNP进行茶树遗传多样性及背景关系分析。基于模型的遗传结构(Structure)、系统发育树(NJtree)和主成分分析(PCA)结果表明,349个茶树可分为5个亚群,亚群聚类主要是基于茶树之间的亲缘关系,而不是树型或叶形等形态特征。基因流分析表明,从闽南地区到武夷山地区和武夷山地区到浙江地区存在基因渗入。遗传相似度分析显示,在349个茶树中有136对样本的遗传相似系数大于0.9,其中有26对涉及武夷茶树品种/品系。通过两两比对的辨识度分析,从973个SNP标记中筛选出21个可100%识别349个茶树品种/品系的SNP标记,其中18个SNP标记即可100%识别126个武夷茶树品种/品系,并建立遗传指纹图谱与开发鉴定引物。研究结果为今后武夷茶树种质资源的管理和育种提供有价值的信息。
文摘为减少技术机会分析所需的时间和成本,更快地探索与发现技术机会以支撑相关战略规划,全面系统总结分析大数据视角下技术机会的内涵、热点应用场景和分析方法,基于Web of Science、中国知网中文期刊数据库获取相关中英文文献392篇,根据文献质量评估标准,通过略读、筛选、精读、补充重要文献等步骤,深度解析精选论文内容,梳理研究热点、空白与前沿。结果发现,技术机会发现与识别方法正在借助大数据分析形成一套系统、规范化的研究范式。研究对象上,专利技术创新机会不再局限于热点、空白点、孤立点、离群点等单一界定方式,其知识表示方法在融入技术创新需求中逐步完善与拓展;数据源来上,多源异构数据提供动态、实时、多元化研究视角,应用场景从回顾性的趋势监测转向未来需求的技术预测与风险评估,但支撑产业和企业实际需求的研究仍较少;分析方法上,组合运用文献计量、社会网络分析与大数据分析,方法创新由单一特征的同质网络向融合特征的异构网络发展,所挖掘的技术细粒度越来越高。最后针对目前研究存在的主要问题,提出充分利用多源信息的多维性和功能的多元化,在综合应用各类方法提高定量分析效度的基础上,面向问题与需求开发“规则+统计+知识库+交互”大数据智能创新工具,结合专家专业知识完善技术机会对象特征、性能指标,从而更深入地揭示技术机会细节,更好地支撑企业、国家的科技战略规划。