基于Real-time PCR监测番茄黄化曲叶病毒在番茄植株中的动态变化

 本研究根据番茄黄化曲叶病毒(Tomato yellow leaf curl virus, TYLCV)分离物-SH2基因组序列,设计了一对引物,以番茄25S rRNA基因为内参,建立了番茄黄化曲叶病毒SYBR GreenⅠ实时荧光定量PCR检测方法。该方法可检测到浓度为4.64×10^-7 ng/μL的植物DNA中含有TYLCV,其灵敏度是常规PCR的1 000倍。利用该方法,研究了温室条件下以侵染性克隆接种TYLCV后的番茄植株中病毒DNA含量的变化情况。根、茎、叶中病毒DNA定量检测结果表明,TYLCV在3种植物器官中都呈现一个上升、稳定和下降的变化规律;病毒DNA在植株根部最早累积,累积的速度较慢,在叶部和茎部累积较快;叶部和茎部接种18 d后病毒DNA含量达到稳定期;在不同的器官中,病毒的含量不同,在茎部的含量最高,接种33 d后茎部病毒DNA的含量约为根部的100倍。本研究通过对TYLCV含量的动态监测,明确了病毒DNA在番茄植株中的累积和变化规律,为研究TYLCV侵染机制、病毒与寄主互作及病害防治提供了理论依据。     

玉溪烤烟‘K326’主要化学成分生态预测模型

为了解烟叶化学成分与生态因子之间的定量化关系,提高烤烟品质评价的智能化程度,使用2009—2017年玉溪市9个烤烟‘K326’典型定位点烟叶主要化学成分(烟碱、总糖、还原糖、总氮、钾、氯)数据与对应不同生育期的生态因子(气象和土壤)数据,分析得到生态因子影响综合指数,在此基础上建立了烟叶各化学成分机理生态预测模型。根据2018年生态因子数据,预测了各定位点烟叶主要化学成分含量,并与实测值进行比较。同时,使用相同的90个烤烟定位点数据,利用最大信息系数(maximum information coefficient, MIC)筛选输入变量,使用经过灰狼算法优化的BP神经网络建立智能算法的烟叶化学成分生态预测模型。机理算法的生态预测模型R~2平均值为0.29, RMSE平均值为0.13,只有还原糖RMSE略大于0.2;智能算法的生态预测模型R~2均大于0.95, RMSE均小于0.1。结果表明智能算法的生态模型预测效果优于机理算法的生态模型,能够为烤烟品质提升与调优栽培管理提供一定理论支撑。