基于多平台基因表达数据的水稻干旱和盐胁迫相关基因预测

基于多平台基因表达数据挖掘水稻胁迫相关基因,可增加关键基因预测的可靠性,获得更具普适意义的结果。本研究从NCBI数据库中收集了与水稻非生物胁迫相关的94份affymetrix基因芯片数据和42份RNA-seq转录组数据。首先对同一类型同一胁迫相关的多个数据集以数据转换法融合,得到干旱胁迫相关的affymetrix数据集D_affy和RNA-seq数据集D_rnaseq,盐胁迫相关的affymetrix数据集S_affy和RNA-seq数据集S_rnaseq;接着对4个数据集分别基于Pearson线性相关系数的经典WGCNA法和基于MIC非线性相关系数的改进WGCNA法进行基因共表达网络分析,共获取胁迫相关的8个Hub基因集;进一步,对同一胁迫相关的Hub基因进行整合分析,得到最终的水稻干旱胁迫相关Hub基因1936个、盐胁迫相关的Hub基因1504个。最后,从预测性能、富集分析、文献报道、STRING在线互作分析和Cytoscape可视化分析等多角度解析Hub基因的生物学意义。结果显示:Hub基因整体预测性能较优,且大多富集到了与干旱/盐胁迫相关的通路上,其中有文献已报道的干旱胁迫响应基因31个和盐胁迫响应基因22个。此外,通过对Hub基因的互作分析,预测得到11个干旱胁迫候选基因和5个盐胁迫候选基因。本研究为“高维度、小样本”的农作物基因测序数据的有效分析提供了新思路,实验结果为抗逆水稻品种研究提供了参考。

莲ARF基因家族全基因组鉴定和表达分析

生长素反应因子(auxin response factor,ARF)是调节生长素表达的转录因子响应基因,与植物生长发育和信号转导等多个过程密切相关。本研究对莲ARF基因家族进行鉴定,从莲的全基因组中共鉴定到30个ARF基因家族成员。分析其理化性质发现它们的氨基酸数介于86aa^988aa,等电点范围为4.61~9.05,大部分表现为酸性且都为亲水蛋白。利用生物信息学软件分析莲的ARF蛋白序列的保守结构域和保守基序,结果显示莲中不是所有的ARF蛋白都含有B3结构域、Auxin_resp结构域、AUX_IAA结构域,但至少具备其中一种结构域,ARF基因家族中预测含有15个保守基序,对莲ARF保守域蛋白序列进行进化树分析,莲中ARF蛋白可以被划分为四组,基因结构进化高度保守。研究结果为后续深入研究莲ARF基因家族的功能奠定了基础。

基于通路分析剖析水稻农艺性状配合力和杂种优势

按照NCII 遗传交配设计构建测交群体,考察包括产量性状在内的9个农艺性状,对水稻农艺性状表型、配合力和杂种优势进行通路分析,以期为水稻品种的培育和改良提供理论基础。结果表明,主穗实粒数与生物调控、千粒重与半胱氨酸和蛋氨酸代谢、主穗长与SNARE 相关囊泡运动、主穗一/二次枝梗与依赖DNA 的转录、株高与大分子代谢过程、主穗颖花数与花粉识别、有效穗数与水解酶活性、单株实粒重与嘌呤核苷结合等通路相关。为获得优良性状,高配合力,杂种优势可以从某一性状的相关通路进行研究,找到调控该通路的相关基因,以期为改良水稻一般配合力和获得杂种优势提供一定帮助。

基于最大信息系数与冗余分摊的特征选择方法

特征选择是机器学习的关键环节,通常采用最小冗余最大相关法进行特征选择,但该方法存在相关性测度与冗余性测度不可比、特征引入无法自动终止等问题。为此,提出一种基于最大信息系数(MIC)与冗余分摊策略的特征选择方法(MIC-share)。以MIC度量相关性测度与冗余性测度,采用冗余分摊策略获取新的特征得分,自动终止特征引入过程,减少最优子集确定所需时间。仿真结果表明,与PLSR、MIFS、KNN-FABC等特征选择方法相比,MIC-share方法得到的回归数据均方根误差更小,分类数据错误率更低。

临沂基地不同食药用菌中6种金属元素的ICP-MS检测

为探究同一基地不同食药用菌子实体及同一食药用菌不同部位的金属元素富集情况,以为食药用菌栽培品种选择、安全性评价及富硒(锌)产品开发提供科学依据,采用电感耦合等离子体质谱分析结合微波消解法,检测临沂某基地的包括灵芝、茯苓、蛹虫草在内的10种食药用菌新鲜子实体及其栽培基质中6种金属元素含量及富集系数。As、Cd、Pb、Cu 4种限量重金属的综合污染指数结果显示,该基地存在一定重金属污染的品种有香菇、凤尾菇、姬松茸和蛹虫草;10个品种中,对As富集系数最高值出现在凤尾菇组(BCF=33.7652),姬松茸则表现出对Cd有较强富集能力(BCF=10.0312),蛹虫草对Pb的BCF值达11.9324,而姬松茸对Cu的BCF值为6.0090。子实体中Zn含量最高值出现在蛹虫草组(145.722±2.574 mg/kg),而Se最高值出现在猴头菇组(0.420±0.021 mg/kg);猴头菇组对Zn的BCF值最高,为3.6535,而对Se富集能力最强的是蛹虫草。灵芝中3种限量重金属含量分布规律均为菌柄>菌盖皮>菌肉层(As除外,菌肉层>菌柄>菌盖皮),茯苓皮中4种限量重金属含量均显著高于茯苓块(P<0.05),凤尾菇中5种重金属含量分布规律均为菌盖>菌柄。表明不同种类或同一子实体不同部位中,金属含量和富集系数都存在较大差异。

基于统计差表与加权投票的高精度剪接位点预测

基于机器学习的高精度剪接位点识别是真核生物基因组注释的关键.本文采用卡方测验确定序列窗口长度,构建卡方统计差表提取位置特征,并结合碱基二联体频次表征序列;针对剪接位点正负样本高度不均衡这一情形,构建10个正负样本均衡的支持向量机分类器,进行加权投票决策,有效解决了不平衡模式分类问题. HS^3D数据集上的独立测试结果显示,供体、受体位点预测准确率分别达到93.39%、90.46%,明显高于参比方法.基于卡方统计差表的位置特征能有效表征DNA序列,在分子序列信号位点识别中具有应用前景.

苦荞14-3-3基因家族生物信息学分析

14-3-3蛋白是普遍存在于真核细胞中的蛋白质,在植物的生长发育、信号传导、抵御胁迫等方面发挥着重要的作用,编码14-3-3蛋白的基因以基因家族的形式存在。本试验利用BLASTp从苦荞全基因组中查找到19个14-3-3基因家族成员,其编码蛋白中ε类蛋白序列8条,非ε类蛋白序列11条。利用生物信息学软件对14-3-3蛋白的氨基酸序列进行理化性质分析,发现它们的长度介于101~242 aa,等电点范围为4.27~9.59,大部分表现为酸性亲水蛋白,通过亚细胞定位预测其存在于细胞质、叶绿体、胞外、细胞核和细胞骨架中。通过对苦荞14-3-3蛋白的结构分析,发现该蛋白以α-螺旋、延伸链、无规则卷曲为主来维持蛋白质结构的相对稳定性且蛋白质序列高度保守,共含有8个保守基序,分布在7条染色体上。根据苦荞14-3-3蛋白的理化性质、结构、进化等方面的分析对其功能进行了初步的预测,推测苦荞14-3-3蛋白在靶蛋白亚细胞定位、基因转录、物质跨膜运输、非生物胁迫、代谢调控中发挥着重要的作用。本研究为后续苦荞14-3-3蛋白复杂结构和生物学功能等方面的深入研究提供科学依据。

藜麦ASR基因家族的生物信息学分析

ASR基因(脱落酸,胁迫,成熟诱导基因)普遍存在于种子植物中,多以基因家族的形式存在,作为糖、脱落酸(abscisic acid,ABA)和胁迫信号通路的共同成分,在植物生长发育、果实成熟和抵御胁迫等方面发挥着重要的作用。为了探究ASR基因家族在藜麦中发挥的功能,本研究在藜麦全基因组数据和蛋白质组数据中查找到19条ASR基因,其编码氨基酸数目在98~235 aa之间,分子量介于11015.73~24485.48 kD之间,等电点在5.04~9.96之间,除XP_(0)21735625.1之外,所有序列均含有2个外显子和1个内含子。另外,藜麦ASR蛋白均为亲水蛋白,其中有9个蛋白不稳定系数小于40,最低值为21.25,具有较高的亲水性和热稳定性。根据亚细胞定位,藜麦ASR蛋白中有4个位于线粒体,其余位于细胞核,推测藜麦ASR蛋白在抵御胁迫和果实成熟上发挥重要的功能。通过构建保守序列标签,藜麦ASR蛋白有两个高度保守区域,一个为靠近N端的富含组氨酸区,一个为靠近C端富含丙氨酸的核定位信号区。通过进化分析,将藜麦ASR蛋白分为Group A~D四组,每组蛋白的二级结构和三级结构相似,保守基序相同,推测发挥相同的生理功能,而组与组之间结构差异较大,推测执行不同的生理功能。本研究通过理化性质分析、进化分析、结构预测等对藜麦ASR基因家族的性质、结构、功能进行了分析和预测,为后续对藜麦ASR基因家族功能的深入研究提供了一定的理论依据。

基于深度学习的轻量化田间昆虫识别及分类模型

由于田间昆虫环境的复杂性、昆虫类别间样本数量的不均衡性,现有田间昆虫自动识别和分类方法存在误识率高、效率低等缺点。本文基于轻量化深度学习模型提出了新的田间昆虫自动识别和分类算法。首先,对田间昆虫图像进行预处理,将其输入到轻量化算法中进行特征提取,通过多尺度特征融合输出不同尺寸的预测网络。然后,引入联合交并比进行田间昆虫自动识别和分类。最后,与其他算法进行了仿真对比实验,结果表明,本文算法的田间昆虫自动识别和分类正确率高、用时少、鲁棒性强,有效解决了昆虫堆积、背景干扰等问题,可实时、在线识别田间昆虫。

基于逐步非线性回归的血管紧张素转化酶抑制肽QSAR建模

线性特征选择方法可提升定量构效关系(QSAR)模型的预测能力,但易忽略特征(理化属性)与分子活性间的非线性关系。本文提出基于支持向量回归(SVR)的逐步非线性回归(SSNR)特征选择算法并用于降血压药物血管紧张素转化酶(ACE)抑制肽的QSAR研究。首先以具有不同背景的5组分子描述符分别表征肽序列,以SSNR实施特征选择,再通过智能一致性模型(ICM)对各组描述符对应子模型的预测活性进行加权整合,获得最终活性预测值。在ACE抑制二肽与三肽两个数据上的应用结果表明,SSNR获得的特征子集结合ICM策略可有效提升模型预测能力(二肽的平均Q_(pred)^(2)为0.675±0.002,三肽为0.663±0.013),优于遗传算法-偏最小二乘(0.538±0.049、0.599±0.047)与逐步线性回归(0.583±0.041、0.675±0.010)。最后基于抑制活性已知肽序列预测所有活性未知肽的活性,分析了高活性肽及其氨基酸偏好性,为人工合成潜在高活性ACE抑制肽提供可能的序列组合。