甜樱桃栽培种指纹图谱构建及遗传多样性分析

为了对甜樱桃品种进行分子鉴别及分析不同品种间的亲缘关系,以叶片直接进行PCR扩增,采用EST-SSR分子标记技术构建生产上常用的40个甜樱桃栽培品种的数字指纹图谱和模式指纹图谱数据库(Cluster Project)并进行遗传多样性分析。采用24对甜樱桃核心引物对所有品种基因组进行扩增,共检测到129个等位位点,包括118个多态性位点,多态性比率为91.2%。每对引物扩增出的等位位点数3~10个,每对引物平均扩增5.38个基因型,扩增条带大小介于100~500bp,多态信息含量(PIC)为0.654,基因流(Nm)为1.402,平均杂合率为0.495。8对引物,即PA17、PA32、PA51、PA54、PA73、PA99、PA101和PA202可作为指纹图谱构建的首选引物,利用其中的PA17、PA51、PA99、PA101和PA202以引物组合方式构建指纹图谱可区分40个品种;聚类分析表明在遗传距离0.71处40个品种被分为5类,聚类结果与品种的特性及成熟期具有较高的一致性。     

基于PSO的DSSAT水稻品种参数优化

农业技术转移决策支持系统（DSSAT）在农业领域的应用越来越广泛，应用DSSAT的首要工作就是估计作物品种参数。GLUE参数估计器是DSSAT自带的参数估计工具，但GLUE参数估计器所估计的品种参数并不总有效，其估计参数的DSSAT模拟精度往往不高。本文利用4个品种水稻的田间实测产量数据，采用对比分析方法，以DSSAT自带的GLUE参数估计器运行结果为参照，将粒子群优化（PSO）的每个粒子视为一组水稻品种参数，在运行PSO算法过程中调用DSSAT模拟水稻产量，依据产量模拟误差和PSO的运行机制修改粒子，从而验证PSO优化DSSAT水稻品种参数的有效性及可行性。研究结果表明：两种算法均能较好识别DSSAT水稻品种参数，但GLUE参数估计器估计参数无效的频次较高；与GLUE参数估计器相比，PSO识别的参数均为有效参数，其优化参数的DSSAT模拟水稻产量的精度更高，标准化均方根误差（NRMSE）处于5.98%~8.78%之间，明显低于GLUE参数估计器的6.89%~18.06%，所模拟的水稻产量也更接近于实测产量。