水稻F1花粉不育基因座S-b的精细定位

杂种不育是水稻籼粳亚种间杂种优势利用的主要障碍, 开展杂种不育基因的克隆和功能分析对于克服和缓解亚种间杂种的不育性具有重要的意义. 本研究在S-b座位初定位的基础上, 根据水稻基因组的序列发展微卫星标记, 将S-b座位定位在微卫星标记PSM8和PSM202之间. 为了精细定位S-b座位, 以S-b座位的近等基因系为材料培育了包含有3910株的F2作图群体, 同时根据PSM8和PSM202界定范围内的基因组序列发展了2个微卫星标记, 2个插入缺失多态性标记和4个CAPS标记. 利用作图群体中的重组株进行花粉育性表型与新发展标记基因型的连锁分析, 结果表明标记W4与S-b座位完全连锁, 而标记A8和A14位于S-b座位的两侧, 与S-b座位的遗传距离分别为0.026和0.038 cM. 将多态性标记与该区域克隆的序列进行整合, 结果表明, 新发展的多态性标记锚定在了AC093089, AC079021和AC134931三个首尾相连的克隆上. 根据各标记在物理图谱上的位置, 最终将S-b座位界定在了A8与A14之间27 kb的物理距离内. RiceGAAS注释表明该区域有7个预测ORF. 该结果为S-b座位进一步的功能分析奠定了基础.     

电解质溶液受热破裂降膜的Marangoni效应

采用高精度红外热像仪, 实验研究了电解质Na₂SO₄-H₂O溶液受热破裂降膜的Marangoni效应. 结果表明, 降膜的流向和径向都存在分别由液膜表面温度和浓度分布不均引发的热和溶质Marangoni效应, 并对降膜的传热过程产生了不同的影响. 引入Marangoni数(Ma)和溶液浓度(c₀)参数, 提出了受热破裂降膜Nusselt数(Nu)的关联式.     

“综合集成研讨厅”探索历程及框架

“从定性到定量综合集成法”的形成与发展,为处理开放的复杂巨系统提供了一种比较现实与切实可行的方法,对系统科学与思维科学等具有重大意义,对整个科学技术和哲学具有重大的方法论意义,是人类认识世界与改造世界方法论上的重大创新。本文就＂综合集成研讨厅＂探索历程及框架进行了阐述。     

东营凹陷沙四下盐湖相沉积序列

根据岩心、岩屑和测井等资料,依据沉积学理论和马尔科夫链方法,对东营凹陷东部沙四下盐湖相沉积特征、沉积序列和对比模式进行研究。结果表明:东营凹陷东部沙四下沉积时期盐湖同时存在深水、浅水两种蒸发岩的沉积特征;深水蒸发岩主要与近岸水下扇砂砾岩和深水深灰色泥页岩共生,发育在湖盆中心和北部陡坡带,以石膏和石盐沉积为主;浅水蒸发岩主要与漫湖三角洲粉、细砂岩和紫红色泥岩共生,发育在湖盆南坡的浅水沉积环境中,发育石膏、石盐和碳酸盐岩沉积;第一套膏盐层存在4种对比模式,第二和第三套膏盐层存在两种对比模式。     

1220 QuantulusTM PSA值优化设置及其准确性检验实验研究

介绍了1220 Quantulus型液闪谱仪的PSA值优化设置方法及准确性检验方法.通过实验确定了此仪器的最优PSA值,并利用3H、14C标准源对其准确性进行了检验.结果表明使用优化了PSA值的Alpha/Beta配置测量3H、14C时,与谱仪默认配置测量结果相一致.为使用Alpha/Beta配置进行β放射性核素测量研究提供参考.     

闪烁液中加载示踪核素212Pb实验方法研究

介绍了使用流气式固体220Rn源向闪烁液中加载示踪核素212Pb的实验方法.研究了不同温度、气体流率下,闪烁液对212^Pb的加载效率的变化情况.为开展江门中微子闪烁液纯化验证实验提供放射性核素加载的方法,为放射性核素加载实验条件的选择提供了依据.     

浅谈建筑企业管理发展现状

本文介绍了建筑企业管理的概念、建筑企业管理现代化并对建筑企业管理的发展现状做了分析。     

空调用控制器抗静电设计可靠性分析

在生产过程中,空调用控制主板不可避免地会遇到静电问题。静电放电的发生大多是通过金属间的接触,在很短时间内迅速聚集和释放能量,从而对静电敏感元件造成致命损伤。所以,需要在控制器电路设计方面对静电影响进行可靠性研究和分析,并提出根本性的解决方案。     

4-(对二甲氨苯基)-3-丁烯-2-酮作为荧光分子探针检测乙醇水含量

以对二甲氨基苯甲醛为原料,在碱性条件下与丙酮缩合得到4-(4-(二甲氨基)苯基)-3-烯-2-丁酮(DBO).研究了DBO在不同极性溶剂中的吸收和荧光光谱,以及乙醇中含水量对其光谱的影响.发现溶剂极性能够显著影响DBO的光谱性质;乙醇中含水量的增加使得探针分子的荧光强度降低、发射波长红移.利用这种变化能够简便、高灵敏地检测乙醇中的含水量.     

基于物种的自适应多模态粒子群优化算法

通过对粒子群优化问题、小生境技术和多模态粒子群优化算法的深入研究,提出了一种自适应的多模态粒子群优化算法——ASPSO(adaptively species-based particle swarm optimization)。对ASPSO算法进行了综合测试,并与经典的多模态粒子群优化算法ANPSO和SPSO进行了比较。实验表明,ASPSO在处理低维测试函数与ANPSO和SPSO具有同样高的成功率和峰值覆盖率,并且ASPSO在处理高维复杂测试函数时,表现出的性能比其他已经存在的多模态粒子群优化算法更好。