玉米籽粒氮含量与品质紧密相关,其遗传机制的解析对玉米品质育种具有重要意义。本研究以252份玉米自交系为关联群体,利用贝叶斯信息与连锁不平衡迭代嵌套式模型(BLINK,bayesian-informationandlinkage-disequilibrium iteratively neste...玉米籽粒氮含量与品质紧密相关,其遗传机制的解析对玉米品质育种具有重要意义。本研究以252份玉米自交系为关联群体,利用贝叶斯信息与连锁不平衡迭代嵌套式模型(BLINK,bayesian-informationandlinkage-disequilibrium iteratively nested keyway)、固定随机循环概率模型(FarmCPU,fixed and random model circulating probability unification)、一般线性模型(GLM,general linear model)、混合线性模型(MLM,mixed linear model)、多位点混合线性模型(MLMM,multiple loci mixed model)和逐步排它性混合线性模型(SUPER,settlement of MLM under progressively exclusive relationship)等方法分别对其籽粒氮含量进行全基因组关联分析。共鉴定到13个与籽粒氮含量显著关联的SNP(P<3.64E-07)。BLINK、FarmCPU、GLM、MLM、MLMM和SUPER方法分别检测到6个、3个、7个、4个、2个和4个SNP位点。其中,S3_8879213在5种方法中均能检测到,S9_146173702在4种方法中均能检测到,S5_114774030和S7_182217338在3种方法中均能检测到,S1_10906326和S1_177528813在2种方法中均能检测到。共挖掘25个相关候选基因,其中Zm00001eb275080和Zm00001eb330700可能是影响玉米籽粒氮含量的重要候选基因。展开更多
【目的】对中国土栖性白蚁地理分布进行准确区划将对我国土栖性白蚁危害的精准防治具有重要指导价值。本研究旨在通过利用数学模型,结合影响土栖性白蚁分布的环境因子,探析中国土栖性白蚁地理分布区划。【方法】遴选影响白蚁分布的温度...【目的】对中国土栖性白蚁地理分布进行准确区划将对我国土栖性白蚁危害的精准防治具有重要指导价值。本研究旨在通过利用数学模型,结合影响土栖性白蚁分布的环境因子,探析中国土栖性白蚁地理分布区划。【方法】遴选影响白蚁分布的温度、降水量、湿度、土壤pH值等环境因子,利用迭代局部搜索算法(iterative local search, ILS)创建中国土栖性白蚁区划模型。【结果】ILS区划模型分区结果与实际的土栖性白蚁分布较为符合,将我国土栖性白蚁密度依次从南至北分为高密度区(D3)、中密度区(D2)和低密度区(D1)。D3最北分界线,东起江苏南京,经安徽芜湖、湖北麻城和沙市、贵州凤岗、四川宜宾,西至云南香格里拉。其北界线基本上沿长江中下游。D2最北分界线,东起江苏盐城,经安徽阜阳、河南驻马店、陕西商州、甘肃成县,西至四川廉定。其北界线东部大致沿淮河形成最后端凸起的曲线。D1最北分界线,东起山东东营,经河北邯郸、山西长治、甘肃华亭和合作、青海玉树,西至西藏日喀则,其北界线基本上沿黄河下游北上,形成一条中间凸起的曲线。【结论】我国土栖性白蚁地理分布已跨过黄河,总体密度呈南多北少和东多西少的特点,从南到北大体以长江、淮河、黄河等自然地理分界划分为高、中、低3个密度区。展开更多
文摘玉米籽粒氮含量与品质紧密相关,其遗传机制的解析对玉米品质育种具有重要意义。本研究以252份玉米自交系为关联群体,利用贝叶斯信息与连锁不平衡迭代嵌套式模型(BLINK,bayesian-informationandlinkage-disequilibrium iteratively nested keyway)、固定随机循环概率模型(FarmCPU,fixed and random model circulating probability unification)、一般线性模型(GLM,general linear model)、混合线性模型(MLM,mixed linear model)、多位点混合线性模型(MLMM,multiple loci mixed model)和逐步排它性混合线性模型(SUPER,settlement of MLM under progressively exclusive relationship)等方法分别对其籽粒氮含量进行全基因组关联分析。共鉴定到13个与籽粒氮含量显著关联的SNP(P<3.64E-07)。BLINK、FarmCPU、GLM、MLM、MLMM和SUPER方法分别检测到6个、3个、7个、4个、2个和4个SNP位点。其中,S3_8879213在5种方法中均能检测到,S9_146173702在4种方法中均能检测到,S5_114774030和S7_182217338在3种方法中均能检测到,S1_10906326和S1_177528813在2种方法中均能检测到。共挖掘25个相关候选基因,其中Zm00001eb275080和Zm00001eb330700可能是影响玉米籽粒氮含量的重要候选基因。
文摘【目的】对中国土栖性白蚁地理分布进行准确区划将对我国土栖性白蚁危害的精准防治具有重要指导价值。本研究旨在通过利用数学模型,结合影响土栖性白蚁分布的环境因子,探析中国土栖性白蚁地理分布区划。【方法】遴选影响白蚁分布的温度、降水量、湿度、土壤pH值等环境因子,利用迭代局部搜索算法(iterative local search, ILS)创建中国土栖性白蚁区划模型。【结果】ILS区划模型分区结果与实际的土栖性白蚁分布较为符合,将我国土栖性白蚁密度依次从南至北分为高密度区(D3)、中密度区(D2)和低密度区(D1)。D3最北分界线,东起江苏南京,经安徽芜湖、湖北麻城和沙市、贵州凤岗、四川宜宾,西至云南香格里拉。其北界线基本上沿长江中下游。D2最北分界线,东起江苏盐城,经安徽阜阳、河南驻马店、陕西商州、甘肃成县,西至四川廉定。其北界线东部大致沿淮河形成最后端凸起的曲线。D1最北分界线,东起山东东营,经河北邯郸、山西长治、甘肃华亭和合作、青海玉树,西至西藏日喀则,其北界线基本上沿黄河下游北上,形成一条中间凸起的曲线。【结论】我国土栖性白蚁地理分布已跨过黄河,总体密度呈南多北少和东多西少的特点,从南到北大体以长江、淮河、黄河等自然地理分界划分为高、中、低3个密度区。
