排序方式： 共有6条查询结果，搜索用时 31 毫秒
1
1.
很多microRNA（miRNA）基因在基因组上聚集排列形成miRNA基因簇。miRNA基因簇在进化上较为保守,有其特殊的生物学意义。miR-302基因簇在胚胎干细胞中特异表达,对胚胎干细胞的自我更新和多潜能维持有重要的作用。本文采用miRBase数据库查询和BLAST同源搜索方法共搜寻并分析了12个物种的miR-302基因簇。生物信息学分析表明,这些物种miR-302基因簇均位于LARP7蛋白基因的内含子区,但转录方向与LARP7基因转录方向相反。序列相似性分析显示,同一物种miR-302簇成员间以及不同物种相应miR-302簇成员间相似性均较高。进化分析表明,基因复制可能是miR-302基因簇进化的主要驱动力。 相似文献
2.
通过对两种不同低氮耐受性苦荞品种{迪庆苦荞(DQ,耐低氮)及黑丰1号(HF,不耐低氮)}的盆栽试验,研究了苦荞根系分泌有机酸(丙二酸、丙酸、草酸、酒石酸、乙酸)对低氮胁迫(尿素,80 mg kg~(-1))的响应机制。分析结果表明:幼苗期时,低氮处理(尿素,80 mg kg~(-1))与常氮处理(尿素,160 mg kg~(-1))相比,HF和DQ土壤含水量分别减少24.2%和14.32%,且这一时期低氮胁迫下DQ耗水量显著高于HF。DQ根际土壤pH值在幼苗期和开花期分别比HF低1.44%和8.44%。裂区分析显示,氮处理对苦荞根际土壤有机酸含量有显著的影响。低氮胁迫下苦荞根系分泌有机酸含量在品种间具有差异,根际土壤中丙二酸与其他有机酸相比含量较多但并未在品种间产生显著差异,DQ根际土壤中草酸含量在各个生育期分别显著高于HF 40.16%、25.24%和41.31%,酒石酸也在开花期和成熟期表现出相同的趋势。综上所述,苦荞可能通过根系有机酸的分泌来调节根际土壤养分有效性以应对低氮胁迫环境,对于未来贫瘠土壤上苦荞的种植应考量其耐瘠性的差异,选育耐瘠性强的品种来增加效益。 相似文献
3.
为了揭示耐低氮苦荞品种在胁迫环境下的优势,以耐低氮的迪庆苦荞（DQ）和不耐低氮的黑丰1号（HF）为材料,采用盆栽试验研究了开花前低氮胁迫下不同苦荞品种种植后造成的土壤养分含量差异。结果表明:低氮处理下两品种差异显著,HF土壤的含水量、pH值以及全氮含量分别比DQ高33.78%,1.43%,50%,而DQ土壤的NO3--N含量、氨氧化酶活性显著高于HF 49.2%,97%。因此,迪庆苦荞可能通过吸收较多的水分、养分来适应低氮胁迫,并且通过提高氨氧化酶活性,加速硝化作用转化出更多的有效态氮供植物吸收利用。所以,对于未来贫瘠土壤上苦荞的种植应考量其耐瘠性的差异,选育耐瘠性强的品种来增加效益。 相似文献
4.
为探究不同耐氮性苦荞在苗期土壤碳转化相关酶活性对低氮胁迫的响应，采用盆栽试验，选用迪庆苦荞（耐氮能力强，DQ）和黑丰1号（耐氮能力弱，HF）两个不同耐氮性苦荞品种，设不施氮（CK）、低氮处理（N1）和正常供氮（N2）3种不同施氮量处理，对苦荞苗期土壤理化性质和3种碳转化酶活性进行研究。结果显示：（1）低氮胁迫下迪庆苦荞具有一定的品种优势，其株高、茎粗、叶面积、土壤有机碳、速效氮（铵态氮和硝态氮）均明显高于黑丰1号，土壤含水量和pH值低于黑丰1号。（2）氮肥处理和品种均对苦荞土壤碳转化相关酶活性产生显著的影响。低氮处理下迪庆苦荞土壤中的单糖酶（β-葡糖苷酶）活性和二糖酶（蔗糖酶）的活性显著高于黑丰1号，迪庆苦荞的单糖酶比黑丰1号高了58.3%，二糖酶为黑丰1号的3.3倍；而在常氮处理下则为迪庆苦荞低于黑丰1号，分别低了19.7%和42.8%。在不同氮处理下迪庆苦荞分泌更多的多糖酶（纤维素酶），3种氮处理下酶活性分别比黑丰1号高66%、40%和22%。综上分析，耐低氮能力强的苦荞品种可以通过调节土壤酶活性来适应低氮的生长环境，并可能通过此种方式来改变其对碳源的偏好。 相似文献
5.
为改善沼渣、牛粪共堆肥低磷和低钾等问题，向共堆肥肥堆中添加生物质飞灰，对堆肥过程中堆体理化特性进行分析。选取飞灰添加量为8%、12%、20%和25%，按四分法每10天取样记录含水率、电导率、总碳、总氮、总磷和总钾等变化，分析研究飞灰添加量对沼渣、牛粪共堆肥的影响。结果表明：当飞灰的添加量由8%增加到25%，堆体的含水率增加，但是当添加量超过12%时，对含水率影响不大，最终维持在58%左右；飞灰中的碱金属等物质的存在，中和好氧发酵过程产生的酸，提高堆体的pH值，同时还提高堆体的电导率，改善堆体的发酵环境；飞灰中的生物炭和钾等成分提高堆体的总碳和总钾含量，60天腐熟后，堆体的总碳含量由37.37%增加到47.81%，总钾含量最大值为35.74 g/kg，但是对总氮和总磷含量的影响不明显。然而过高的飞灰添加量会抑制微生物的生长，从而降低发酵速率和产品质量。 相似文献
6.
生物质直燃发电是目前应用最广、规模最大的生物质能利用方式。然而由于生物质种类繁多、理化性质多变、燃烧不稳定，使得发电量难以准确预计，这为电网调度、安全运行带来隐患。为此，提出一种基于互信息参数优化BP神经网络的生物质发电量预测模型。从生物质电厂收集发电量以及物料参数、锅炉参数、汽机参数、环境参数等实际生产数据，采用平均影响值分析、相关分析和互信息分析对发电量的影响因素进行优化选择，并利用电厂实际数据建立BP神经网络模型。测试结果表明，采用优化影响因素建立的神经网络模型预测误差大幅度降低，其中互信息分析优化效果最佳，平均预测误差从未优化模型的4.59%降至0.66%，且进一步优化神经网络参数后，平均预测误差降至0.50%。 相似文献
1