全文获取类型
收费全文 | 82篇 |
免费 | 1篇 |
国内免费 | 2篇 |
专业分类
林业 | 4篇 |
农学 | 1篇 |
综合类 | 34篇 |
畜牧兽医 | 8篇 |
园艺 | 32篇 |
植物保护 | 6篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 5篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 3篇 |
2017年 | 1篇 |
2015年 | 1篇 |
2014年 | 5篇 |
2013年 | 5篇 |
2012年 | 4篇 |
2011年 | 2篇 |
2009年 | 4篇 |
2008年 | 2篇 |
2007年 | 1篇 |
2006年 | 7篇 |
2005年 | 3篇 |
2004年 | 8篇 |
2003年 | 4篇 |
2002年 | 5篇 |
2000年 | 6篇 |
1997年 | 1篇 |
1995年 | 2篇 |
1991年 | 3篇 |
1989年 | 1篇 |
1983年 | 3篇 |
1982年 | 2篇 |
排序方式: 共有85条查询结果,搜索用时 31 毫秒
81.
84.
【目的】水稻是重要的粮食作物,芽期是水稻生长发育过程中最脆弱的时期,直播稻遭遇冷害时发芽率大幅降低,减产严重。深入了解耐冷性的遗传机制,为培育芽期强耐受性水稻品种奠定基础。【方法】以世界范围内14个国家代表性的238份水稻种质资源为试验材料,于2021和2022年在沈阳开展表型鉴定试验,统计不同水稻品种在人工气候培养箱15℃低温条件下第1—10天的发芽率和相对发芽率,利用R语言绘制5—10 d的频率直方图,通过表型丰富度Hill值选择宜作关联分析的天数,将发芽率和相对发芽率表型数据与重测序数据相结合,进行基于混合线性模型MLM(QK)的全基因组关联分析,并对所获得的SNP位点进行耐冷候选基因的预测。【结果】发芽率频数分布直方图和表型丰富度计算结果显示第8天发芽率多态性最好,其Hill值为0.84,高于其他几天发芽率(0.48—0.83),可用于全基因组关联分析;主成分分析结果显示,这些水稻品种可以分为indica、aus、temperate japonica、tropical japonica和aromatic 5个亚群;2个指标进行的GWAS分析检测到3个相同的显著性SNP位点,均位于第4染色体,解释表型的11.9%—25.4%;在上下游各50 kb进行基因搜索,共发现24个相关候选基因,进一步开展LD和单倍型分析,发现LOC_Os04g24840和LOC_Os04g25140的不同单倍型耐冷性之间存在极显著差异。LOC_Os04g24840被编码区SNP分为5个单倍型,且Hap_3的耐冷性显著强于Hap_1;LOC_Os04g25140被编码区SNP分为18个单倍型,且77 bp处的氨基酸变异(S>L)存在籼粳差异。结果表明,编码糖基转移酶的基因LOC_Os04g24840和编码F-box蛋白基因LOC_Os04g25140可能与水稻芽期耐冷性密切相关。【结论】在238份水稻种质资源中共检测到3个与芽期耐冷性显著关联的SNP位点,筛选出2个与水稻芽期耐冷性相关的候选基因。 相似文献
85.
作物及其近缘种抗病性的精准鉴定是筛选和培育作物抗病性品种的关键环节,是安全有效防治作物病害的重要方式,也是野生种质资源异位保存和开发利用的重要基础。传统的抗病性鉴定方法工作量巨大,且严重依赖于调查人员的主观判断,快速、准确的作物及其近缘种抗病性智能化鉴定方式是未来的发展方向。近年来,随着深度学习方法的快速发展与大量应用,基于深度学习的作物及其近缘种抗病性智能鉴定成为可能。本文首先以水稻3大病害(稻瘟病、白叶枯病、纹枯病)为例,从阐述其抗病性鉴定的规范标准和传统抗病性鉴定方法出发,随后从病害检测、病害分割和病害危害程度评估3方面综述了深度学习在作物及其近缘种抗病性智能鉴定中的研究进展,凝练了深度学习在抗病性鉴定上的应用情况和面临的难点与挑战,并对未来进一步研究的方向与发展趋势进行展望,旨在为深度学习在作物及其近缘种抗病性鉴定中的进一步研究应用提供参考。 相似文献