公共文化服务平台

共 5 条记录，以下是 1-4

全选清除导出

排序方式：

不同小麦品种花青素含量多样性及其合成基因表达分析: 2022年; 花青素是植物中广泛存在的一类重要的类黄酮化合物,在植物生长发育和人类身心健康尤其心血管疾病预防方面具有重要价值。小麦作为世界上三大粮食作物之一,其制品是人类膳食的主要来源。筛选富含花青素的小麦种质资源,挖掘其合成调控基因,对培育功能性小麦品种、提高国民健康具有重要意义。本研究以58个不同地区栽培小麦品种为材料,测定其花青素含量,结果显示,不同小麦品种花青素含量差异明显,其中,红麦、紫优6号、Arz、生选6号、宛麦20、紫优5号的花青素含量较高,浙徐福75-3、泡子麦、苏麦3号、淮麦等的花青素含量较低。进一步通过实时荧光定量PCR检测花青素合成通路基因的表达量,结果表明,10个基因在生选6号中的表达量明显高于其他品种,而苏麦3号中TaMYB-7D1、TaMYC-2A1、TaCHI-5D、TaPAL-6D1-T2、TaDFR-3B-T1、TaUFGT、TaCHS和TaF3′5′H基因的表达量最低,且不同小麦品种花青素合成相关基因的表达模式存在差异。本研究结果可为功能性小麦品种培育提供基因资源和种质资源储备。; 苏培森隋超颜君王晨韩磊王舒涵刘晓倩郭尚敬; 关键词：小麦花青素含量

WRKY转录因子的基因组水平研究现状被引量：11: 2015年; WRKY转录因子家族是植物中广泛存在、目前发现最大的转录因子家族之一;参与很多信号转导网络,调控多种植物发育和防御等进程。随着植物全基因组测序技术的兴起,全基因组鉴定和分析WRKY基因家族变得可能。2003-2006年,此类研究主要集中在模式生物拟南芥和水稻中。随着其他植物基因组测序的完成和公布,全基因组鉴定和分析WRKY基因家族的研究报道日益增多,这些研究不仅分析了各个植物WRKY家族的系统进化,而且用实时定量PCR、微阵列芯片、转录组RNA测序等新技术大规模研究了它们涉及到的生物学功能。主要综述了全基因组鉴定和分析WRKY基因家族的研究进展。; 颜君郭兴启曹学成; 关键词：WRKY 系统进化

机器学习方法在植物基因组信息预测中的研究现状被引量：1: 2024年; 随着高通量测序技术的飞速发展,植物基因组学研究目前已经积累了海量多组学数据。因此如何开发和改进相关处理软件工具,从而有效利用这些海量数据发掘有用的生物学信息,成为当下亟需解决的重要科学问题。其中机器学习方法凭借其显著的预测、分类、数据挖掘和集成能力,在此领域受到广泛关注。本文系统综述了不同类型机器学习方法的基本原理和流程,以及这些方法在植物基因组功能预测中的研究进展,重点总结了机器学习模型在植物分子相互作用预测、重要功能位点预测、功能注释、作物育种等方面的应用成果,并展望了该领域未来的发展方向和应用前景。本文有助于植物研究者快速了解和应用机器学习方法,从而推进植物遗传相关机制的研究和作物性状改良。; 张兆旭管思彤林一鸣苏培森黄思罗孟宪勇柳平增颜君; 关键词：蛋白质相互作用功能注释作物育种

机器学习方法在植物表型分析中的应用研究现状: 2025年; 植物表型是基因型与环境相互作用的产物,是植物生命活动的外在表现,涵盖了植物的形态、生理、生化等多层次和多维度特征。植物表型研究是育种的关键环节,对于揭示植物生命活动的相关机制,培育高产、优质、高效的作物品种以及实现农业生产的精准管理具有重要意义。随着高通量植物表型采集技术的发展和应用,植物表型数据呈现出高维、多源、异质、动态等特点,为植物表型分析带来了新的机遇和挑战。机器学习作为一种强大的数据挖掘和知识发现工具,能够从复杂的表型数据中提取有用的特征和模式,为植物表型研究提供了新的思路和方法。本文系统综述了机器学习方法在植物表型研究中的应用和进展,重点介绍了机器学习方法在植物形态结构、胁迫抗性、生化组分等方面分析中的应用,以及在作物改良和产量预测等方面的应用,并对机器学习方法在植物表型研究中存在的问题和未来的发展方向进行了讨论和展望,旨在为今后植物表型研究提供有益的参考和启示。; 管思彤张兆旭林一鸣苏培森黄思罗孟宪勇柳平增颜君; 关键词：作物改良

全选清除导出

共1页<1>

颜君