外来入侵种空心莲子草的RAPD遗传多样性分析

基于随机扩增多态DNA(RAPD)方法,对8个居群空心莲子草Agasicles hygrophila的遗传多样性及分化程度进行分析。10条随机引物扩增出99个可分析位点,多态位点百分比为36．3％。POPOGENE分析发现,空心莲子草居群平均水平的多态位点百分比为26．2％,Nei’s基因多样度为0．0906,Shannon信息指数为0．1609,具有较高的遗传多样性;居群间遗传分化比例为30．88％,居群内遗传分化占69．12％;居群间基因流为1．1189。结合居群遗传多样性及UPGMA聚类分析表明,镇江及南京地区是空心莲子草遗传变异程度最高的中心区,应该作为外来种空心莲子草防治及根除的重点地带,防治的最有效措施是加强对其无性繁殖体临近传播、蔓延和扩散途径的阻断。     

濒危植物华山新麦草(Psathyrostachys huashanica)的遗传多样性及其保护

筛选的12条ISSR引物，对采集于陕西华山3个自然居群、20个亚居群的150个华山新麦草(Psathyrostachys huashanica Keng ex Guo)个体的遗传多样性进行了分析．发现华山新麦草样本ISSR产物的多态位点比率(P)为96．8％；每个位点的平均有效等位基因数(Ae)为1．411；居群的预期杂合度(He)为0．251，大于一般风媒异交植物的平均值0．148；居群的香农多样性指数(I)为0．391；这些结果表明华山新麦草在居群水平上有相对较高的遗传多样性．亚居群间的基因分化系数(GST)为0．304，表明大部分(约为70％)的遗传变异均存在于亚居群内．同时亚居群间具有一定频率的基因流，其遗传相似性也较高，变化范围为0．796～0．974(平均为0．903)．根据上述结果推断，华山新麦草的濒危不是因为遗传多样性稀有，而是由于它对特殊生态环境的要求影响了它的扩散而仅分布于华山这一狭小范围．因此，只要能够保证目前华山的生态环境不被进一步破坏，华山新麦草就能得到很好的保护而不会因种内遗传多样性降低而灭绝．     

子午岭中国沙棘亚居群的遗传多样性研究

应用随机扩增多态性DNA(RAPD)方法对子午岭中国沙棘3个亚居群在小地理范围内的遗传变异进行了研究．结果表明，在居群水平上，子午岭中国沙棘居群存在比较丰富的遗传多样性，多态位点百分率为58．88％，Nei‘s基因多样性h=0．1744，Shunnon‘s多态性信息指数I=0．2687．子午岭中国沙棘居群的遗传变异主要存在于亚居群内，亚居群间的遗传变异占总遗传变异的24．03％(Gst=0．2403)，AMOVA的结果也表明，有18．80％的遗传变异存在于亚居群之间．这一结果符合中国沙棘风媒、异交的繁育系统特点，但亚居群间的基因分化系数仍要高于异交、风媒植物居群间遗传分化的平均值(Gst=0．1930）．该地中国沙棘亚居群间较高的遗传分化与其生活环境和限制的基因流有关．     

双棘黄姑鱼人工繁育群体遗传多样性的RAPD分析

采用22个随机引物对双棘黄姑鱼人工繁育群体的遗传多样性水平进行随机扩增多态DNA（RAPD）分析，共检测出248个位点，其中有104个多态位点，平均多态位点百分率P为41．9％；其个体间的平均遗传距离L为0．0657，平均相似系数S为0．9343，Shannon遗传多样性指数H0为0．2829．通过与其他一些鱼类的RAPD研究结果进行对比，对双棘黄姑鱼人工繁育群体的遗传多样性水平进行了分析评估,文中同时就人工繁育及鱼类种质资源的可持续利用问题进行了初步讨论．     

地黄居群遗传多样性的ISSR分析

采用ISSR分子标记,对地黄（Rehnwmnia glutinosa）14个自然居群、1个栽培居群和属内近缘种5个居群的遗传多样性与遗传结构进行了研究．结果表明：地黄不同居群的平均多态位点百分率（PPB）为40．53％,平均Shannon多样性指数为0．1915,平均Nei’s基因多样性指数h为0．1253,遗传多样性水平较低．AMOVA分析结果和基因分化系数显示遗传变异主要发生在居群内,居群间的遗传分化显著,其遗传分化水平介于异交物种和自交物种之间．地黄居群间的基因交流程度有限（基因流为0．3784）．Mantel检测显示自然居群间遗传距离与地理距离之间没有明显相关性．推断营养繁殖占优势和受人类栽培活动的长期影响可能是导致地黄遗传多样性水平低、居群间遗传分化显著的主要原因．     

基于RAPD标记的罗布麻野生居群遗传多样性分析

利用RAPD技术对采自我国8个省份的9个罗布麻野生居群进行遗传多样性分析.从80条随机引物中筛选出17条引物,共扩增出157条带,其中多态性带108条.物种水平的多态位点百分率(PPB)为68.79%,Nei’s基因多样性指数H为0.2296,Shannon’s多态性信息指数I为0.3390.居群间的遗传分化系数Gst为0.8841,即11.59%的遗传变异来自于居群内,88.41%的遗传变异来自于居群间,居群间的遗传分化水平远高于居群内.居群间遗传距离与聚类结果显示各居群间的亲缘关系与地理分布不完全相关.针对现有罗布麻的遗传多样性现状,建议加强对现有自然居群的保护.     

大蒜种质资源遗传多样性的分子标记研究

本研究利用RAPD和ISSR两种分子标记技术．对中国10个不同地区的大蒜品种进行了种质资源遗传多样性研究．从30个RAPD引物当中．筛选出11个具有多态性的引物．共扩增出多态性带224条．多态性条带比率为41．18％．从12个ISSR引物中筛选出5个具多态性的ISSR引物．共扩增出多态性带121条．多态性条带比率为50．21％．对RAPD和ISSR两种标记分别运用Nei指数法．计算出10个大蒜品种的平均遗传距离为0．28和0．32．根据这两种标记的结果．采用UPGMA进行聚类分析，得到与生物学分类地位基本一致的结果．结果表明，在实验稳定性上．ISSR优于RAPD．且ISSR比RAPD能检测到更多的遗传变异．RAPD和ISSR两种标记可用于大蒜种质遗传多样性的研究．     

冶勒自然保护区垂枝香柏的ISSR遗传多样性研究

利用ISSR分子标记对冶勒自然保护区垂枝香柏（Sabina pingii（Cheng ex Ferré）的6个居群共65个个体进行了遗传多样性的比较分析. 10个引物共扩增出121个多态性位点,物种水平多态性位点百分率（PPB）为98.37%,居群水平的多态性位点百分率相对较低,在37.40%～51.22%间. 居群间遗传分化系数Gst为0.4959,即总遗传变异中有50.41%的变异发生在居群内,49.59%的变异发生在居群间,基因流Nm为0.5083. 居群间及居群内分化均较明显,可能是由于地理隔离     

1731-1900年期间凉水国家自然保护区红松遗传多样性变化的RAPD分析

应用RAPD技术对凉水国家自然保护区的天然红松(Pinus koraiensis)种群的遗传多样性变化和遗传分化进行了分析．共选择77个年龄在100～270年间的红松个体，连续分4龄级．筛选出11个随机引物共检测到71个位点，其中55个多态位点，多态位点比率为77．46％．利用POPGENE分析软件计算了该年龄段凉水地区红松遗传多样性指数，分析了遗传多样性在龄级间变化．研究结果表明，凉水保护区内的红松遗传多样性在1731-1900年的时间段内没有太大的波动；龄级间遗传多样性分化不明显；红松遗传多样性主要存在于龄级内．对照这一时期环境变化，对红松的遗传多样性演化与环境变化关系进行了讨论。     

狭边大叶藓(Rhodobryum ontariense)遗传多样性的ISSR分析

狭边大叶藓[Rhodobryum ontariense(Kindb.)Paris]为真藓科大叶藓属植物,具有治疗心血管疾病的功效。本研究选用ISSR分子标记对分布于河北、河南、四川和陕西四省的9个狭边大叶藓自然居群的遗传多样性进行研究,目的在于揭示狭边大叶藓居群的遗传结构和遗传多样性水平,为其保护和合理开发利用提供科学依据。用8个ISSR引物对9个居群共58个样品进行扩增,共获得47条清晰的扩增位点。POPGENE分析表明,狭边大叶藓居群遗传多样性水平较低(多态性位点比率为37.75%,Nei’s基因多样性为0.153 0,Shannon’信息指数为0.222 8,遗传分化指数Gst为0.299 7,居群间的基因流为1.168 2)。AMOVA分析表明,大多数遗传变异(84.07%)存在于居群内,15.93%的遗传变异存在于居群间(Φst=0.159 3)。UPGMA聚类分析表明,狭边大叶藓居群遗传距离和地理距离没有相关性(r=0.404 95,p=0.979 1)。     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

基于遗传矢量量化和遗传神经网络的说话人识别系统

提出一种基于遗传神经网络的说话人识别系统.将遗传算法和矢量量化技术结合建立说话人模型,然后利用遗传神经网络进行识别.实验结果表明,这种方法既降低了用户的语音数据采集量,有利于话者模板的建立,又提高了系统的识别性能及鲁棒性,较传统方法有明显的优越性.     

Quantitative genetic analysis station for the genetic analysis of complex traits

The Quantitative Genetic Analysis Station (QGAStation) is a software package that has been developed to perform statistical analysis for complex traits.It consists of five domains for handling data from diallel crosses,regional trials,core germplasm collections,QTL mapping,and microarray experiments.The first domain contains genetic models for diallel cross analysis,in which genetic variance components and genetic-by-environment interactions can be estimated,and genetic effects can be predicted.The second domain evaluates the performance of varieties in regional trials by implementing a general statistical method that outperforms ANOVA in tackling unbalanced data that arises frequently in trials across multiple locations and over a number of years.The third domain,using predicted genotypic values as proxy,constructs core germplasm collections covering sufficient genetic diversity with lower redundancy.The fourth domain manages genotypic and phenotypic data for QTL mapping.Linkage maps can be constructed and genetic distances can be estimated;the statistical methods that have been implemented apply to both chiasmatic and achiasmatic organisms.Another part of this domain can filter systematic noises in phenotypic data.The fifth domain focuses on the cDNA expression data that is generated by microarray experiments.A two-step strategy has been implemented to detect differentially expressed genes and to estimate their effects.Except in the fourth domain,the major statistical methods that have been used are mixed linear model approaches that have been implemented in the C language.Computational efficiency is further boosted for computers that are equipped with graphics processing units (GPUs).A user friendly graphic interface is provided for Microsoft Windows and Apple Mac operating systems.QGAStation is available at http://ibi.zju.edu.cn/software/qga/.     

用遗传算法求解旅行商问题时遗传算子的设计

阐述了遗传算法的基本原理和实现步骤,重点介绍了利用遗传算法在解决旅行商问题时采用的交叉和变异算子的设计与实现.     

一种改进的小生境遗传算法

简单遗传算法（SGA）存在早熟收敛和后期收敛速度慢的弱点，基于小生境（niche）技术的改进遗传算法因其较好地保持了种群多样性，显示出更优的性能，但它存在操作复杂、比简单遗传算法更费时的缺陷，因此提出了一种基于自适应的小生境遗传算法。该算法在多模函数的优化中能够保持种群多样度的稳定性，获取合适的子种群规模，从而以更快的收敛速度获得更优的解。仿真结果表明该算法高效、可靠，易于实现。     

一种改进的小生境遗传算法

简单遗传算法（SGA）存在早熟收敛和后期收敛速度慢的弱点，基于小生境（niche）技术的改进遗传算法因其较好地保持了种群多样性，显示出更优的性能，但它存在操作复杂、比简单遗传算法更费时的缺陷，因此提出了一种基于自适应的小生境遗传算法。该算法在多模函数的优化中能够保持种群多样度的稳定性，获取合适的子种群规模，从而以更快的收敛速度获得更优的解。仿真结果表明该算法高效、可靠，易于实现。     

面向agent的并行GA

讨论了面向agent的并行遗传算法(GA)模型,该模型属于粗粒度的并行模型,并提出了算法的实现方法 与经典粗粒度孤岛并行GA的对比分析结果表明,基于该模型的并行GA具有通讯代价小、子群体间信息交换充分等特点 此外,该模型采用多智能体技术,用agent表示群体中的个体,简化了问题,便于实现 图2,参10     

Reconstruction of genetic circuits

The complex genetic circuits found in cells are ordinarily studied by analysis of genetic and biochemical perturbations. The inherent modularity of biological components like genes and proteins enables a complementary approach: one can construct and analyse synthetic genetic circuits based on their natural counterparts. Such synthetic circuits can be used as simple in vivo models to explore the relation between the structure and function of a genetic circuit. Here we describe recent progress in this area of synthetic biology, highlighting newly developed genetic components and biological lessons learned from this approach.