脱落酸 (ABA) 对种子休眠的控制已得到广泛研究,但其潜在机制尚未完全了解。本文,我们报告了拟南芥 (Arabidopsis thaliana) 中两种与 ABA 相关的种子休眠调节剂的特征:ODR1(用于逆转 rdo5),水稻 (Oryza sativa) 种子休眠 4 (Sdr4) 的直系同源物,以及碱性螺旋-环-螺旋转录因子 bHLH57。ODR1 的转录水平直接受到转录因子 ABA INSENSITIVE3 (ABI3) 的抑制,它通过影响 ABA 生物合成和 ABA 信号传导来负向调节种子休眠。相比之下,bHLH57 通过诱导基因 9-CIS-EPOXYCAROTENOID DIOXYGENASE6 ( NCED6 ) 和 NCED9 的表达来正向调节种子休眠,这两个基因编码 ABA 生物合成酶,从而导致更高的 ABA 水平。ODR1 与 bHLH57 相互作用并抑制 bHLH57 调节的 NCED6 和 NCED9 在细胞核中的表达。bhlh57 功能丧失等位基因可以部分抵消 odr1 突变体中增强的 NCED6 和 NCED9 表达,因此可以挽救它们相关的超休眠表型。因此,我们确定了一个新颖的 ABI3-ODR1-bHLH57-NCED6/9 网络,该网络为了解 ABA 生物合成和信号传导对种子休眠的调节提供了见解。
摘要 在人机协作环境中,识别由于认知超负荷而导致的潜在性能下降非常重要。如果识别正确,它们可以通过将一些任务转移给认知超负荷较少的用户来帮助提高人机系统的性能。这有助于防止可能导致严重故障的用户错误。此外,它还可以通过保持人类操作员处于最佳性能状态来提高生产力。本文探讨了一种通过使用大脑活动数据的三类分类以及应用卷积神经网络和长短期记忆模型来识别用户认知负荷的新方法。从一组认知基准实验收集的数据用于训练模型,然后在由更具生态有效性的任务环境组成的两个独立数据集上测试该模型。我们尝试了使用不同基准任务构建的各种模型,以探索哪些基准任务更适合预测这些复合任务中的任务脱落事件,这些任务更能代表现实世界的场景。我们还表明,这种方法可以跨任务和跨主题池扩展。
