排序方式: 共有15条查询结果,搜索用时 0 毫秒
11.
12.
13.
为了解甘蓝型油菜受低温胁迫时的共表达网络,运用加权基因共表达网络分析(weighted gene co-expres⁃
sion network analysis, WGCNA)方法,利用2个抗冻响应有差别的甘蓝型油菜材料HX17和HX58不同低温处理的36
个RNA-seq数据,通过过滤低表达基因,筛选表达水平变异最大的前15 000个基因用于WGCNA分析,共鉴定到16
个基因共表达模块。结合转录因子预测、冷相关基因预测、模块基因的gene ontology(GO)富集及表达分析,确定了
brown模块为响应冻害胁迫的共同模块、pink模块为HX17耐寒特异性模块,并构建了基因共表达网络,为油菜抗寒/
抗冻机制研究提供新的依据。 相似文献
14.
选取102份遗传基础广泛的甘蓝型油菜骨干亲本,在油菜初花期使用便携式光合仪6400XT测定光合生理指标,分析102份骨干亲本的光合指标变异情况,运用相关分析探究影响油菜净光合速率的主要因素;同时选取8份代表性材料在苗期和初花期分别测定光合日变化,进一步探究甘蓝型油菜不同发育时期的光合日变化规律。结果表明:102份材料净光合速率变化呈现正态分布,最大净光合速率值为38.15μmol·m-2·s-1,最小净光合速率值为11.53μmol·m-2·s-1,根据净光合速率大小频率分布将102份材料分为4大类,第Ⅰ类8份(>31.53μmol·m-2·s-1),第Ⅱ类53份(22.53~31.53μmol·m-2·s-1),第Ⅲ类33份(17.53~22.53μmol·m-2·s-1),第Ⅳ类8份(11.53~17.53μmol·m-2·s-... 相似文献
15.
旨在基于GBLUP等模型对梅花鹿(Cervus Nippon)生长相关性状基因组选择的预测准确性进行比较。本研究以吉林某鹿场2014—2019年所产梅花鹿261只作为研究群体(公鹿96只,母鹿165只),对梅花鹿体重体尺等生长相关性状进行遗传力估计,并基于5-fold交叉验证方法对GBLUP、Bayes A、Bayes B、Bayes C、Bayes Lasso、RRBLUP六种基因组选择模型预测准确度进行了比较,以筛选出适合梅花鹿生长相关性状的基因组选择模型。结果发现:1)管围与臀端高的遗传力分别为0.43、0.50,属于高遗传力;体重、体高与体斜长的遗传力分别为0.22、0.30、0.27,属于中等遗传力;而胸围的遗传力为0.15,属于低遗传力;2)在GBLUP中,基因组选择预测的准确度与性状的遗传力呈正相关关系,而在Bayes类与RRBLUP法中并未表现明显正相关关系;3)在样本量较少的情况下,选取GBLUP作为基因组选择模型具有一定的优势;Bayes A可在低遗传力性状中作为首选;体重、体高、体斜长、管围、胸围、臀端高预测准确度最高的分别为GBLUP、Bayes B、Bayes... 相似文献