【摘 要】
：
铝毒害是酸性土壤中影响植物生长的主要限制因子之一。水稻是禾谷类作物中抗铝毒能力最强的植物,虽然以ART1(Aluminum Resistance Transcription factor1)为核心调控因子的抗铝机制已得到了较为全面的阐述,但是否存在独立于ART1途径的抗铝机制仍有待探索。氮是植物生长必须的大量元素之一,但氮肥长期过量施用会导致土壤酸化,进而提高土壤中铝的活度,引起铝毒害,而氮营养是
论文部分内容阅读
铝毒害是酸性土壤中影响植物生长的主要限制因子之一。水稻是禾谷类作物中抗铝毒能力最强的植物,虽然以ART1(Aluminum Resistance Transcription factor1)为核心调控因子的抗铝机制已得到了较为全面的阐述,但是否存在独立于ART1途径的抗铝机制仍有待探索。氮是植物生长必须的大量元素之一,但氮肥长期过量施用会导致土壤酸化,进而提高土壤中铝的活度,引起铝毒害,而氮营养是否会通过体内代谢物影响水稻的抗铝性仍不清楚。为了挖掘新的水稻抗铝基因,我们通过筛选籼稻特青(Oryza
其他文献
为了开展高水平的医学研究,往往需要汇集来自多家医疗机构的临床数据,以得到更具可重复性、普遍性和新颖性的研究结果。然而,由于患者信息高度敏感,多中心医学研究中的数据共享存在着隐私泄露的风险,这会给被暴露的患者及其数据提供者带来利益上的严重损失。因此,在避免患者任何敏感信息泄露的前提下开展跨机构临床数据分析具有重要意义。现有隐私保护下多中心临床数据分析方法往往无法同时兼顾高安全性和低精度损失,同时计算
研究背景骨性关节炎(osteoarthritis,OA)与基因、代谢紊乱、饮食作息、肥胖、长期体力劳动及既往关节损伤等多因素相关,发病机理不明从而使其治疗受限。间充质干细胞(mesenchymal stem cell,MSC)可选用关节腔输注手段,进入OA关节腔内,发挥其多向分化优势及旁分泌功能,但易受到局部组织微环境的干扰导致其治疗作用下降。越来越多的基础研究表明:氧化应激参与了OA发病的病理生
研究背景:新生隐球菌脑膜炎(Cryptococcus Neoformans Meningitis,CNM)是由新生隐球菌(cryptococcus neoformans,CN)导致的一种侵袭性真菌病,CNM病情危重,预后差,病死率高。两性霉素B(Amphotericin B,AMPB)是大部分指南推荐的CNM治疗首选药物,但其分子量较大(924.0 g/mol),亲脂性弱(油水分配系数0.95),
背景及目的:慢性乙型肝炎病毒(HBV)感染是全球性的公共卫生问题,肝细胞内的共价闭合环状DNA(ccc DNA)是HBV难以彻底清除进而引起不同临床结局的根本原因,但因检测需依赖肝活检而难以临床普及;虽然外周血中无法直接检测ccc DNA,但可通过其他血清指标来反映ccc DNA的变化。目前,核苷(酸)类似物(NAs)是主要的抗HBV治疗手段,但并不能直接清除ccc DNA,绝大部分的慢性HBV感
作物生产氮素管理是应对全球气候变化和改良土壤的重要手段。Biochar(BC)被认为是一种缓解气候变化的有效工具,可以改善作物对氮的吸收和利用。但是,氮(N)肥和生物炭(BC)配合施用对土壤中碳和氮的有效性、养分淋溶、氮吸收和微生物活性等影响的系统研究还很少。本论文于2019年早季和晚季分别进行盆栽试验,研究有、无生物炭条件下,不同氮肥(~(15)N尿素,~(15)N硝酸铵和~(15)N硫酸铵)对
研究背景:类风湿性关节炎(Rheumatoid arthritis,RA)是一种常见的以关节滑膜炎症为主要表现的自身免疫性疾病,其致残率高、危害性大。RA病因复杂,尚未完全阐明,也无有效治愈的特效药。临床治疗药物以改善病情抗风湿药(disease-modifying antirheumatic drugs,DMARDs)为主,包括传统合成csDMARDs、生物制剂bDMARDs和靶向合成tsDMA
背景尽管目前vemurafenib(维罗菲尼)仍被广泛用作BRAF V600E突变型黑色素瘤的主流用药,而且在vemurafenib治疗BRAF V600E突变型黑色素瘤患者的前期也确有效用的情况当中,由于复杂的细胞异质性及随时间变化增强的细胞适应性的作用影响,在vemurafenib对此型患者发生药物疗效的其后均会出现耐药性。为因vemurafenib治疗产生的复杂性耐药反应得到一定明晰的了解、
在国家政策、行业资本和智能信息技术的共同推动下,健康医疗进入大数据时代。随着医疗信息化水平的提高,电子病历系统中积累的健康医疗数据呈现出规模大、种类多和生成速度快等特点。对电子病历数据的有效表示,根据医学问题的需求建立智能计算模型,是健康医疗大数据研究和应用的关键,具有重要的理论意义和实用价值。电子病历的表示学习,指的是从原始健康医疗记录中学习出数据的低维、稠密的表示。健康医疗数据的高维稀疏性、时