【摘 要】
：
象鼻溞（Bosmina）是一类世界广布性的小型枝角类浮游动物。象鼻溞以细菌、浮游植物和有机碎屑为食,同时又是鱼虾的生物饵料,是富营养化水体中优势的浮游动物种类,因此在淡水生态系统中起着重要作用。本研究首先单克隆大量培养脆弱象鼻溞（Bosmina fatalis）,采用Illumina Hiseq4000平台进行测序,对其线粒体全基因组组成特点、结构特征等进行分析,并对脆弱象鼻溞系统进化进行了探讨,
论文部分内容阅读
象鼻溞（Bosmina）是一类世界广布性的小型枝角类浮游动物。象鼻溞以细菌、浮游植物和有机碎屑为食,同时又是鱼虾的生物饵料,是富营养化水体中优势的浮游动物种类,因此在淡水生态系统中起着重要作用。本研究首先单克隆大量培养脆弱象鼻溞（Bosmina fatalis）,采用Illumina Hiseq4000平台进行测序,对其线粒体全基因组组成特点、结构特征等进行分析,并对脆弱象鼻溞系统进化进行了探讨,以期为脆弱象鼻溞的培养和脆弱象鼻溞的分类、系统进化等提供分子水平依据。探索了脆弱象鼻溞的培养条件。挑取单个雌性脆弱象鼻溞进行单克隆扩大培养,然后分别设置4个食物密度梯度0.05×106、0.1×106、0.2×106、0.4×106cells/mL的蛋白核小球藻和斜生栅藻,在温度25℃,光照强度2000 lux,光周期L:D=13 h:11 h的条件下,培养脆弱象鼻溞。结果显示,相比于蛋白核小球藻,斜生栅藻更适合作为脆弱象鼻溞的培养饵料,喂食密度为0.2×106cells/mL的斜生栅藻,脆弱象鼻溞种群密度和种群增长率最大。对脆弱象鼻溞线粒体全基因组结构进行了分析。采用Illumina Hiseq 4000平台,对扩大培养的单克隆脆弱象鼻溞（1.0 g左右）进行线粒体全基因组测序,结果显示,脆弱象鼻溞线粒体全基因组序列总长度为15209 bp,包含13个蛋白质编码基因（PCGs）,22个转移核糖核酸（tRNA）基因,2个核糖体核糖核酸（rRNA）基因和一个非编码控制区。其中23个基因位于J链,14个基因位于N链。A（腺嘌呤）和T（胸腺嘧啶）的碱基含量之和为69.13%,G（鸟嘌呤）和C（胞嘧啶）的碱基含量之和为30.87%,表现为明显的A+T碱基偏倚性。了解了脆弱象鼻溞在枝角类中的进化关系。在从Genbank中下载了 9条枝角类浮游动物线粒体全基因组序列,发现脆弱象鼻溞线粒体基因组的长度与碱基组成比例,与溞属的5种枝角类浮游动物线粒体基因组接近。采用邻接法（NJ）和最大似然法（ML）构建系统进化树,结果显示,脆弱象鼻溞与溞属（Daphnia）动物的亲缘关系比其他枝角类浮游动物更近。本研究为脆弱象鼻溞的种类鉴定、进化等提供了分子生物学数据,也为培养脆弱象鼻溞作为鱼虾开口饵料提供了借鉴。
其他文献
新型冠状病毒（SARS-Co V-2）是一种RNA病毒,其Spike蛋白的受体结合域（RBD）与人类ACE2受体结合,从而介导病毒进入细胞。随着新型冠状病毒在全球的持续爆发,出现了大量RBD区域组合突变（相对于野生株）的新毒株。已有研究表明,RBD-ACE2的结合亲和力与新型冠状病毒的侵染能力相关。然而,通过生物试验方式获取突变毒株RBD-ACE2结合亲和力费时费力,且远远落后于突变株序列的积累,
纹理合成是计算机图形学领域的基础研究课题之一,随着多媒体技术的发展,纹理合成也在许多新型领域中得到应用,如游戏建模、电影渲染、虚拟绘制等。基于样本的纹理合成方法要求合成与样本图像尽可能相似的纹理,传统方法在实现这一目标方面取得了显著进展,然而对于复杂的纹理图案,已有的方法由于提取特征能力不足而导致合成结果错误。近年来,深度学习方法被广泛用于图像处理领域,然而,无论是传统的纹理合成方法,还是最近出现
视觉问答任务是一个相对比较新的研究领域,不同于图像分类、目标检测、语义分割等传统视觉任务,视觉问答是将一张图像和关于这张图像的任何形式的问题作为输入,输出一个与问题相关的正确答案。因此视觉问答是一项结合计算机视觉、自然语言处理和多模态特征融合的任务。在医疗领域,自动化辅助系统提供的“第二意见”可以增强临床医生解读复杂医学图像的信心,所以医疗领域的视觉问答技术作为新型数字化智能医疗设备投入临床的应用
视频目标跟踪技术已经应用到了生活的各个方面,如视频监控、自动驾驶、无人机跟踪等。尽管如此,由于各种视频场景的复杂性和不同行业对跟踪的不同要求,目前仍然没有一种能够适应各种复杂场景（如目标遮挡、尺度变化、相似对象干扰等）的目标跟踪算法,尤其是在无人机目标跟踪当中。本文针对相关滤波框架下无人机跟踪算法目前存在的一些问题,从目标函数、模板更新方式、特征提取三个方面进行了改进,主要改进内容如下:（1）在目
随着在线教学逐步发展为高等教育教学的“新常态”,联合国教科文组织也一再强调公平地承认各国学生通过在线学习获得的资历,这为跨境教育的发展和学生流动带来了新的发展路线和突破口。然而,在线教学存在着师生信息素养水平不高、学习自主性差等不容忽视的“质量”问题,为了确保所有人能平等地获得高质量的教育,对于在线教学这种非传统教学模式进行质量保障至关重要。本研究基于亚太地区教育质量保障组织（APQN）的“APQ
近几年硕士生持续扩招政策颁布之下,研究生培养存在量的扩张与质的冲突,从而引发社会公众对研究生教育教研质量的担忧。跨学科硕士研究生作为研究生教育的重要组成部分,他们升学前的经历、学科背景、学习行为和学习需求都具有多元化、与非跨学科硕士生相比具有异质性。因此关注跨学科硕士研究生的成长和发展,既是本研究的主要问题也是影响研究生教育质量的关键。本研究选主要采用了问卷调查法和访谈法,以改编问卷《跨学科硕士研
场景一致性是指场景中的目标与其所处背景之间的一种关系,其主要受场景特征信息和语义信息的共同影响。在现实世界中,场景是指拥有一个或多个目标和背景的综合图像信息,在一致性场景中,目标出现在当前背景是大概率事件,在不一致场景中,目标出现在当前背景中是小概率事件。在目前的相关研究中,动物目标被认为是一种特殊的目标,其在人类的视觉系统中有着特殊的识别机制,从而使得动物目标的识别速度一般快于其他目标的识别速度
卷积神经网络都具有深层的模型深度和数量巨大的参数,这对其在低功耗和硬件资源少的嵌入式设备上应用造成阻碍。FPGA拥有易并行性、高度的灵活性和低能效等特点,降低模型复杂度和参数量将卷积神经网络部署在FPGA上成为近几年研究的热点。本文采用参数量化的方法,提出了一种量化卷积神经网络的方法,将神经网络的参数从浮点精度量化至1-bit等低位宽的定点精度,在向前向后传播时,利用比特卷积核在低位宽的权重、激活
2020年7月,习近平总书记提出要形成以国内大循环为主体、国内国际双循环相互促进的新发展格局,这是党中央立足当前我国经济形势和世界经济发展趋势作出的重大决策部署。总书记强调要坚持扩大内需这个战略基点构建新发展格局,而扩大内需的重点是要扩大居民消费,尤其是农民消费。虽然中央政府出台了一系列政策措施,例如规定粮食的最低收购价、增加转移支付和财产收入来扩大农民消费,但这些政策大多偏离了满足农民消费需求来
近年来,基于骨架的人体动作识别受到研究人员的广泛关注。骨架数据能够鲁棒地适应如相机视角变化和背景干扰等动态的环境变化,因此可以帮助识别方法关注更鲁棒的动作特征。目前的先进方法将人体建模为拓扑图,并利用图卷积神经网络（graph Convolution Network,GCN）提取动作特征。但仍存在一些问题:一方面,动作由骨架姿态的时间序列构成,有效的时空特征易隐藏在冗余的关节顶点或帧中,如何让模型