大豆种子蛋白质含量和油分含量重演性QTL的发掘

被引量 : 4次 | 上传用户:ymz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
大豆(soybean)是我国重要的农作物之一,是植物蛋白质和油分的主要来源。发掘品质性状基因/QTL并利用分子标记辅助选择对于培育优质大豆品种具有深远的意义。近些年来,国内外学者经过多年研究,对控制大豆重要性状的QTL进行定位。因此对已发表的QTL定位结果进行整合与总结,从中发现重演性好的位点,对于理解性状形成的分子机制、提高分子标记辅助选择效果具有较好的理论和应用价值。本研究的目的是利用大豆QTL定位数据库(soybase)和大豆QTL定位有关的文献资料信息,利用物理整合、元分析、over
其他文献
建模为Gamma分布的多视SAR影像,由于Gamma函数的存在,EM算法对期望函数求导无法求解出Gamma函数的解析式,而且在变类影像分割中,EM算法无法实现多视SAR影像类别数的自动确定。为
超富集植物(hyperaccumulator),是指能够超量吸收重金属或半金属(通常为普通植物在同一生长条件下的100倍)并将其转运到地上部分的植物。超富集植物所具有的重金属耐性或积累能力
学位
根毛是根表皮细胞上突起的长管状细胞,它通过极大地增加根系表面积来帮助植物更好的吸收养分,实现土壤固着以及与微生物的互作。之前通过对EMS突变体库筛选得到了一个水稻短根毛突变体ksrh2(kasalath shoot root hair mutant2),水培条件下,该突变体的根毛生长受到显著的抑制。我们进一步对该突变体在不同pH条件下的表型进行了分析,结果发现在pH4.5的条件下,ksrh2根毛生
传统聚类算法依赖于表征聚类性的特征量,并且当其用于图像分割时聚类特征量定义的不完备性会导致图像分割精度降低以及噪声敏感性增强。为此,本文摒弃了利用聚类特征量表达聚类的思想,以互信息定义全局相似性,提出了基于信息聚类的遥感图像分割方法。首先,利用Gaussian分布和Potts模型分别建立图像的特征场模型和标号场模型;然后,定义二元或多元组合的互信息测度,以表征同质区域内以及同质区域间像素灰度的相似
沉陷是井下煤田开采对土地破坏的主要形式,沉陷地面一般占井下煤田开发总土地破坏面积的80%以上。对于高潜水位矿区,采煤沉陷地的复垦治理尤为重要。本文以高潜水位矿区的采