摘要背景:自动化表型分析技术正在不断推进育种进程。然而,在整个生长季节收集各种次要性状并处理大量数据仍然需要付出巨大的努力和时间。选择具有最大预测能力的最少数量的次要性状有可能减少表型分析工作量。本研究的目的是从无人机图像和关键生长阶段中提取出对解释冬小麦产量贡献最大的主要特征。2018 年春季生长季,无人机系统收集了 5 个日期的多光谱图像和 7 个日期的 RGB 图像。从植被指数和植物高度图中提取了两类特征(变量),共计 172 个变量,包括像素统计数据和动态增长率。变量选择采用参数算法LASSO回归(最小角度和收缩选择算子)和非参数算法随机森林。使用LASSO估计的回归系数和随机森林提供的排列重要性得分来确定每个算法中影响粮食产量的十个最重要的变量。结果:两种选择算法都将最高重要性得分分配给灌浆期前后与植物高度相关的变量。一些植被指数相关变量也被算法选择,主要在生长早期到中期和衰老期间。与使用从测量表型得出的所有172个变量进行产量预测相比,使用选定的变量表现相当甚至更好。我们还注意到,适应性 NE 品系的预测准确度 (r = 0.58–0.81) 高于本研究中具有不同遗传背景的其他品系 (r = 0.21–0.59)。
农作物产量需要以可持续的方式增加,以满足日益增长的全球粮食需求。为了确定具有高产潜力的农作物品种,植物科学家和育种家在数年间评估了多个地点数百个品系的表现。为了促进选择先进品种的过程,本研究开发了一个自动化框架。高光谱相机安装在无人机上,以收集具有高空间和光谱分辨率的航空图像。在连续两个生长季从三个实验产量田拍摄航空图像,这些田地由数百个实验地块(1×2.4 米)组成,每个实验地块包含一个小麦品系。联合收割机收割了上千块小麦地块的谷物,称重并记录为地面真实数据。为了利用高空间分辨率并研究地块内的产量变化,通过整合图像处理技术和光谱混合分析与专家领域知识,将地块图像划分为子地块。随后,使用分层抽样将子地块数据集划分为训练集、验证集和测试集。从每个子地块提取特征后,对深度神经网络进行产量估计训练。在子地块规模上预测测试数据集产量的决定系数为 0.79,均方根误差为 5.90 克。除了提供对子地块规模产量变化的见解外,所提出的框架还可以促进高通量产量表型分析过程,作为一种有价值的决策支持工具。它提供了以下可能性:(i)远程目视检查地块,(ii)研究作物密度对产量的影响,以及(iii)优化地块大小以每年在专用田地中调查更多线路。
设计与技术系希望通过一系列设计机会来激发和促进创造力,培养自我激励和自信的学生,使他们能够独立工作和团队合作。我们的课程探索设计和制作概念,让学生学习如何为客户识别和设计,传达设计理念的不同方式以及影响设计和制作的环境、社会和经济挑战。学生使用各种不同的材料,了解它们的特性以及如何安全地使用它们。学生还将了解新兴技术以及新材料如何开发改进或全新的产品。食品系希望培养独立的学习者,他们有能力快速思考并解决问题,同时为他们提供终身技能,以准备、烹饪和呈现优质食品。
批准是一个里程碑,因为小麦是为了生产意大利面和面包的生产而种植的,即为消费,新闻社的路透社和种子行业代表引用的代表写道:“这是一个很大的一步,我们看到中国有机会为其他食品开放批准。”到目前为止,自2022年他谨慎地种植Gentech植物以来,中国已经批准了玉米和大豆品系,这些玉米和大豆是牛的食物,并包含了nerbicid的耐药性和昆虫的毒药,插入了牛食品,但在中国制造。与小麦同时,该部还允许NGT玉米提供更高的收率。早在2023年5月,具有变化脂肪酸模式的大豆就获得了证书。
摘要:嵌合编辑是基因编辑中经常报道的技术。为了评估嵌合编辑的普遍情况,我们构建了携带标记β-葡萄糖醛酸酶基因(gusA)的转基因烟草品系,并将CRISPR-Cas9编辑载体引入转基因烟草品系中以敲除gusA,然后研究T0代及后续代中gusA的编辑效率。编辑载体携带一个由花椰菜花叶病毒35S启动子驱动的Cas9基因,以及两个引导RNA,gRNA1和gRNA2,分别由拟南芥U6(AtU6)和U3(AtU3)启动子驱动。两个gRNA被设计用于敲除gusA编码区的一个42个核苷酸的片段。利用农杆菌介导的转化和潮霉素选择将编辑载体转化到含有gusA的烟草叶中。使用抗潮霉素的独立 T 0 转基因株系通过组织化学 GUS 测定、聚合酶链式反应 (PCR) 和 PCR 扩增子的下一代测序来评估 gusA 编辑效率。94 个 T 0 转基因株系的靶序列图谱显示,这些株系是由未经编辑的细胞再生而来的,随后进行了编辑,并在再生期间或之后在这些株系中产生了嵌合编辑细胞。其中两个株系的 42 bp 核苷酸对的靶片段被去除。详细分析表明,在 4.3% 和 77.7% 的 T 0 转基因株系中分别发现了 AtU6-gRNA1 位点和 AtU3-gRNA2 位点的靶突变。为了解决 T 0 株系中编辑效率极低的问题,我们从嵌合株系进行了第二轮芽诱导,以提高获得所有或大多数细胞都经过编辑的株系的成功率。 T 0 转基因系中的突变谱为理解利用组成型表达的 CRISPR-Cas9 和 gRNA 进行植物细胞中的基因编辑提供了宝贵的信息。
每子房胚珠数 (ONPO) 决定了每果种子数的最大潜力,而种子数是作物种子产量的直接组成部分。本研究旨在利用新开发的油菜双单倍体 (DH) 群体剖析 ONPO 的遗传基础和分子机制。在所有四个研究环境中,201 个 DH 品系的 ONPO 呈正态分布,变化范围从 22.6 到 41.8,表明数量遗传适合于 QTL 定位。开发了 19 个连锁群内 2111 个标记的骨架遗传图谱,总长度为 1715.71 cM,标记间平均为 0.82 cM。连锁图谱鉴定出 10 个 QTL,分布在 8 条染色体上,解释 7.0-15.9% 的表型变异。其中四个与报道的相同,两个被重复检测到且影响相对较大,凸显了它们在标记辅助选择中的潜力。高、低 ONPO 品系两库子房(胚珠起始阶段)的植物激素定量分析显示,九种亚型植物激素的水平存在显著差异,表明它们在调节胚珠数量方面发挥着重要作用。转录组分析鉴定出两库之间 7689 个差异表达基因 (DEG),其中近一半富集到已报道的调控 ONPO 基因的功能类别中,包括蛋白质、RNA、信号传导、杂项、发育、激素代谢和四吡咯合成。整合连锁 QTL 作图、转录组测序和 BLAST 分析,鉴定出已报道的胚珠数基因的 15 个同源物和 QTL 区域中的 327 个 DEG,这些被视为直接和潜在的候选基因。这些发现进一步加深了对ONPO遗传基础和分子机制的认识,将有助于未来基因克隆和遗传改良,从而提高油菜种子产量。
简单总结:神经营养因子是帮助大脑生长和正常运作的生长因子。其中一种被称为脑源性神经营养因子 (BDNF)。BDNF 影响我们的体重以及我们学习和记忆事物的能力。有些老鼠的 BDNF 水平较低。已经培育出完全不表达 BDNF 的老鼠,但它们出生后不久就会死亡。因此,已经培育出只有正常一半 BDNF 水平的老鼠和一些脑细胞中 BDNF 水平非常低但其他脑细胞中 BDNF 水平正常的老鼠。此外,可以通过将这两种类型的老鼠一起繁殖来产生新的小鼠品系。这些新老鼠的大脑中 BDNF 非常少。它们是活的,但它们的体重比正常老鼠大,大脑也小。它们的行为也不同,尤其是在移动方式上。
自 20 世纪 20 年代以来,诱发突变就已用于作物育种。目前,联合国粮食及农业组织 (FAO) 和原子能机构管理的数据库中记录了 3400 多种突变作物品种。通过改进和调整优化突变密度的技术,可以提高作物品种育种的有效性。这还涉及提高筛选大量突变种群或品系的效率,无论是表型还是基因型。鉴于这些目标,粮农组织/原子能机构粮食和农业核技术联合中心启动了一项为期五年的协调研究项目,题为“通过诱发突变育种提高水稻和高粱的抗旱能力”。该项目汇集了发达国家和发展中国家的研究人员,旨在通过诱发突变提高水稻和高粱种质的抗旱能力,并开发和调整筛选技术,以实现可持续粮食安全。