XiaoMi-AI文件搜索系统
World File Search SystemRapeseed
高效的原生质体再生协议和 CRISPR/...
原生质体再生困难是CRISPR/Cas9基因编辑技术在油菜（Brassica napus L.）研究和育种中有效应用的一大障碍。本研究首次描述了一种快速有效的油菜品种Kumily原生质体分离、再生和转染的方法，及其在基因编辑中的应用。从3-4周龄叶片中分离的原生质体在MI和MII液体培养基中培养以形成细胞壁和细胞分裂，然后在芽诱导培养基和芽再生培养基中继代培养以产生芽。研究了不同基础培养基、植物生长调节剂的类型和组合以及每种培养基上原生质体培养时间与原生质体再生的关系。结果表明，MI培养基中较高浓度的NAA（0.5 mg l −1）和2,4-D（0.5 mg l −1）对原生质体形成细胞壁和维持细胞分裂至关重要，而此后应降低生长素的浓度以形成愈伤组织和诱导芽。对于芽再生，需要相对高浓度的细胞分裂素，在所有测试组合中，2.2 mg l −1 TDZ与生长素0.5 mg l −1 NAA的组合可获得最佳效果，芽再生率高达45％。我们的结果还表明，原生质体在不同培养基上的培养时间至关重要，因为较长的培养时间会显著降低芽再生频率。此外，我们优化了油菜的转染方案。利用该优化方案，我们成功编辑了控制油菜中硫代葡萄糖苷运输的BnGTR基因，且突变频率很高。
高效的原生质体再生协议和 CRISPR/...
原生质体再生困难是CRISPR/Cas9基因编辑技术在油菜（Brassica napus L.）研究和育种中有效应用的一大障碍。本研究首次描述了一种快速有效的油菜品种Kumily原生质体分离、再生和转染的方法，及其在基因编辑中的应用。从3-4周龄叶片中分离的原生质体在MI和MII液体培养基中培养以形成细胞壁和细胞分裂，然后在芽诱导培养基和芽再生培养基中继代培养以产生芽。研究了不同基础培养基、植物生长调节剂的类型和组合以及每种培养基上原生质体培养时间与原生质体再生的关系。结果表明，MI培养基中较高浓度的NAA（0.5 mg l −1）和2,4-D（0.5 mg l −1）对原生质体形成细胞壁和维持细胞分裂至关重要，而此后应降低生长素的浓度以形成愈伤组织和诱导芽。对于芽再生，需要相对高浓度的细胞分裂素，在所有测试组合中，2.2 mg l −1 TDZ与生长素0.5 mg l −1 NAA的组合可获得最佳效果，芽再生率高达45％。我们的结果还表明，原生质体在不同培养基上的培养时间至关重要，因为较长的培养时间会显著降低芽再生频率。此外，我们优化了油菜的转染方案。利用该优化方案，我们成功编辑了控制油菜中硫代葡萄糖苷运输的BnGTR基因，且突变频率很高。
用于识别黄色的经典和机器学习工具......
油菜籽在发育过程中含有叶绿素，使其呈现绿色。随着种子的成熟，它们会呈现出黑色、红褐色到黄色等颜色。黑色和红褐色种子的种皮会积累色素，而黄籽品种的种皮透明，可以露出胚的颜色。研究表明，黄籽油菜籽比黑籽品种休眠期短、发芽更简单、含油量更高，因此培育黄籽油菜籽是提高油分含量的有效方法（Yang et al.，2021）。芥菜和油菜黄籽品种的鉴别相对简单，因为纯黄色表型在遗传上是稳定的（Li et al.，2012；Chen et al.，2015）。然而，由于种皮颜色变异复杂，包括黄色中夹杂黑色斑点、斑块或棕色环等杂色，油菜种皮一直未能获得稳定的纯黄色后代，且分离后代的种皮颜色呈现连续变异（刘，1992；Auger等，2010；Qu等，2013），因此准确、高效地测定油菜种皮颜色仍是一项关键且具有挑战性的任务。许多研究涉及油菜籽颜色的鉴别（Li等，2001；Somers等，2001；Zhang等，2006；Baetzel等，2003；Tańska等，2005；Li等，2012；Liu等，2005；Ye等，2018）。例如，Li等（2001）通过目视观察来评估甘蓝型油菜的黄籽程度，这种方法简单但过于依赖观察者，导致识别可能不准确。Somers等（2001）利用光反射来评估黄籽颜色等级，通过测量反射值并计算籽粒颜色指数或光反射值。该方法虽然较为客观，但仅能捕捉亮度等单维颜色数据，忽略了原始材料的丰富信息。为了解决这一限制，许多学者致力于通过 RGB 颜色系统进行数字图像分析（ Zhang et al.，2006 ； Baetzel et al.，2003 ； Ta ńska et al.，2005 ； Li et al.，2012 ； Liu et al.，2005 ； Ye et al.，2018 ）。然而，油菜籽表皮颜色复杂且相似，精准识别颜色具有挑战性，现有的技术缺乏可靠性和标准化。因此，准确、有效地测量黄籽油菜的颜色仍然至关重要。化学计量学和计算机技术的最新进展导致了近红外光谱技术（NIRS）的发展，这是一种结合物体图像和光谱数据的技术。 NIRS 以其速度快、无损和高效而闻名，被广泛用于农产品的快速、无损分析。多项研究已经证明了它的实用性（Guo 等人，2019年；布等人，2023；梁等人，2023；刘等人，2021；佩蒂斯科等人，2010；森等人，2018；刘等人，2022；张等人，2020；魏等人，2020；张等人，2018；江等，2017；李等人，2022；江等，2018；他等人，2022）。例如，郭等人。 (2019) 使用 NIRS 成像系统 (380 – 1,000 nm) 来准确量化掺假大米，而 Bu 等人。 (2023) 将高光谱成像与卷积神经网络相结合，建立了高粱品种识别的智能模型，准确率超越了现有模型。该技术也已应用于油菜生长诊断。例如，刘等人 (2021) 开发了一种基于高光谱技术的检测算法来预测甘蓝型油菜中的油酸含量。Petisco 等人 (2010) 研究了甘蓝型油菜的可见光和近红外光谱。
Panchagavya作为有机投入对后期生长，产量和经济学的影响
在乔尔哈特的阿萨姆邦农业大学的ICR农场进行了一次实地实验，以评估Panchagavya对2020 - 21年Rabi季节中阿萨姆邦的生长，产量和经济性迟到的菜。The experiment was laid out in Randomised Block Design with three replications and eight treatments like T1: control, T2: RDN through vermicompost (VC), T3: Vedic panchagavya soil application (3%), T4: 1 tonne VC/ha as basal + vedic panchagavya foliar application (3%), T5: enriched panchagavya soil application(3%), T6:富集的Panchagavya叶面应用（3％），T7：吠陀Panchagavya的基础应用（1.5％） +吠陀Panchagavya叶面应用（1.5％），T8：富集的Panchagavya基底应用（1.5％） +富含Panchagavya foliar foriar forpapply（1.5％）。结果表明，发现T4在所有有关生长，产量特征和近来播种的Rapeseed的收益率的处理中都是最好的。在处理T4下记录了生长指标的最高值以及产量指标。这种处理产生了最高的种子产量（6.89 Q/ha）和僵硬的产量（20.48 Q/ha）。同样，油菜菜和最高总收益（卢比55120/ha）。，但是，最大净返回（卢比34020/ha）和b：c比率（1.90）在治疗T5下记录。
油籽中预测辐射诱变的基因组学
摘要Rapeseed是全球重要性的作物，但有必要扩大可用于解决育种目标的遗传多样性。受基因组支持支持的辐射诱变有可能取代基因组敲除和拷贝数增加的基因组编辑，但是缺乏对放射治疗的分子结果的详细知识。为了解决这个问题，我们制作了一个基因组重新测序的1133 m 2一代菜籽植物的面板，并分析了大规模缺失，单核苷酸变体和小插入 - 影响基因开放式阅读框架的缺失变体。我们表明，高辐射剂量（2000 Gy）是耐受性的，γ辐射和快速中子辐射具有相似的影响，并且从某些植物的基因组中删除的片段被其兄弟姐妹遗传为其他副本，从而使基因剂量减少。与具有较大基因组的物种相关性，我们表明，也可以使用转录组重新测序来检测这些大规模影响。为了测试该方法的预测性改变油脂肪酸组成的效用，我们产生了bna.fae1的拷贝数减少和增加的线条，并确认了对灰烬酸含量的预期影响。我们检测并测试了预计将废除BNA.FAD2的21碱基缺失。a5，为此，我们确定了预测的种子油多不饱和脂肪酸含量的降低。我们对辐射诱变的分子作用的提高理解将是基因组学主导的方法，以更有效率地将新型遗传变异引入该作物的繁殖，并为预测其他作物提供了一个典范。
新的化学注册候选
Isocycloseram New Tolerances: Brassica Head and Stem Vegetable (5-16), Bulb Vegetable (3- 07), Barley, Citrus Fruit (10-10), Corn (Field, Pop, Seed), Cottonseed (20C), Cucurbit Vegetables (9), Dried Shelled Pea and Bean (except soybean) (6C), Forage, Fodder and Straw of Cereal Grains (16);果实蔬菜（8-10a和8-10b），多叶蔬菜（4-16），花生，小菜果（11-10），腌菜（20a），小谷物谷物（荞麦，燕麦，燕麦，珍珠小米，米尔米，米勒小米，黑麦，黑麦，Teosinte，teosinte和dricitatione and driticale and dricitage and nutebem and nutbey and nutbey and nutbey and store corter and corter（12-12） （1C）和小麦
土壤微生物生物量和细菌多样性通过稻 - 鱼共培养中的休耕覆盖
摘要：传统的大米生产通常取决于在单一种植系统中使用密集投入的不可持续的实践。替代品休耕地覆盖种植和米鱼共培养（RFC）提供有希望的解决方案。然而，RFC中休耕覆盖作物的潜力仍未得到充实，并且对土壤微生物的影响很少。在这项研究中，对土壤 - 植物 - 微生物相互作用进行了评估：中国牛奶效率（阿斯特拉加罗斯·西尼科斯·L。）单裁剪（cm），菜籽（CM），菜籽（Brassica napus L.）单裁剪（RP），以及中国奶奶酪和菜籽的组合和中国牛奶的组合（CM cm__rp）。在添加氮（N）的情况下对这些系统进行了评估，其中包括RFC和水稻单一培养（RMC）系统。发现表明用CM的土壤微生物生物量氮（MBN）显着增加。土壤微生物生物量碳（MBC）受N-肥料的影响比农作物物种更大，随着n添加而减少。在RFC系统中，土壤细菌共发生网络表现出更多的连接，但负面的联系增加了。cm_rp显示与无n的CM相似性，但随着n的添加而移到RP。n在间隔中的添加显着增加了锡霉菌曲霉的根比（r/s），与地上生物量减少和总根长有关。与RMC相比，RFC和N添加的RFC降低了CM中厌氧酸酯的相对丰度，同时增加了覆盖裁剪系统的芽孢杆菌和pontibacter。总体而言，随着N的添加，RFC和RMC均显示出土壤细菌多样性指数降低。土壤细菌多样性的变化与土壤MBC，MBN和植物R/S显着相关。连续的休耕地覆盖农作物改变的土壤微生物生物量和影响覆盖作物生物量分布，影响稻田中的细菌成分。这些结果阐明了细菌群落如何对RFC和RMC系统中的n个添加和休闲覆盖种植的反应，从而为稻谷系统中的可持续营养管理提供了见解。
Meath Bioviverity Action计划2025 - 2030
•事实证明，更多的时间在自然界中度过了重大健康益处，例如慢性疾病的风险较低，心理健康和福祉改善。•面对不断变化的气候，健康的生态系统（例如我们的湿地和林地），以及其他对降低洪水的风险和严重程度至关重要的，可以通过调节较慢的水流通过我们的河流集水区来减轻干旱的影响。•健康的土壤生态系统本身取决于其上面的植物群落，这是食品生产的基础。此外，维持和支持繁荣授粉者种群的生态系统意味着社会可以种植食物，例如油菜油，豌豆，豆类，苹果和软果。•许多栖息地清洁空气，捕获污染物，产生氧气，并吸收并在土壤和生物量中储存CO 2（例如，木材和泥炭）。•尽管现代制药的进展，生物多样性仍然是现代和传统药物研究和成分的重要灵感来源。