从另一个角度看AICC准则

基于另一种观点,本文对线性回归模型和自回归时间序列模型分别推导出ＡＩＣＣ和ＡＩＣＣ＾＊选阶准则,同时对ＡＩＣＣ准则在大样本情况选阶缺乏准确率的原因给予理论解释。统计模拟结果进一步证实了本文的论点。     

博士生“研究者”身份意识的缺失与重建

“研究者”的身份意识有利于博士生认清自己的社会责任和科学责任。学术研究是博士生身份意识的原点，但目前我国博士生“研究者”身份意识的缺失，导致了博士生身份定位模糊、学术使命缺乏等问题出现。为此，应该大力倡导博士生以学术为志业，以此还原博士生的研究者身份，唤醒他们的研究意识。     

关系模式中候选码数

本文研究了关系模式中可能出现的候选码数;候选码数与属性、函数依赖之间的关系;候选码数的极值问题.     

一种改进的多路径负载分配均衡算法

分析了实现均衡路由的功能模型和算法,重点研究了LDM(多路径负载分配)算法。为了充分利用候选路径的信道容量,提出了一种改进的LDM算法。改进后的算法在多个候选路径之间根据比例系数均衡分配通信流量。通过算法性能分析表明:改进后的算法和最初的LDM算法具有相同的复杂度,但对于给定的通信流量能够提升网络性能。     

求关系模式所有最小基数候选关键字的一种多项式算法

本文深入分析了最小基数候选关键字在关系模式中的结构特征,提出了化简独立复合环、独立简单环、化简双部属性函数依赖图等概念.在此基础上,给出了求一个关系模式所有最小基数候选关键字集的多项式算法.     

线性模型选阶的一个新准则

本文给出了新的线性模型选阶准则Λ。由Λ推广得到的Λα。在适当选取α之后，能够浙近正确地选出真模型的阶数，文中讨论了ＡＩＣＣ和Λα的选阶比较问题。     

杉木第4代育种候选群体的12年生全同胞子代测定表现与选择

【目的】福建-南京林业大学合作的杉木多世代遗传改良计划,于2006年起陆续开展第4代育种候选群体的遗传资源创制、测定和评价。本研究旨在通过全同胞子代测定(第4代育种候选群体系列测定之一),为2016年启动的杉木第4代种子园营建技术研究和后续的生产性种子园建设提供优良亲本。【方法】 分别测定了杉木第4代候选群体中第2批1个12年生全同胞家系测定林1~12 a树高,4、5、 6、9和12 a的胸径,计算参试家系的单株平均材积;选取所有小区家系内的12年生的最优单株,采集胸高木芯样品测定木材基本密度和红心材比例。根据参试家系生长性状年度均值和变异系数评价家系生长性状稳定性;在方差分析基础上,估算遗传方差和遗传力;比较不同林龄、不同选择率以及早期选择对12年生时入选家系的准确率和材积遗传增益的影响。最后,以材积遗传增益为主要指标,兼顾材性性状,开展优良全同胞家系和家系内优良单株选择,预测入选家系和单株的遗传增益。【结果】 杉木第4代候选群体第2批62个全同胞子代测定结果表明,参试家系12 a平均树高、胸径、单株材积生长量、木材基本密度和红心材比例分别达到12.63 m、15.2 cm、0.136 8 m³、0.328 0 g/cm³和40.76%。参试家系所有性状的遗传方差均达到统计学极显著差异水平,候选群体中存在真实的遗传差异。家系树高、胸径和单株材积狭义遗传力分别为0.246、0.358和0.329,家系内最优单株树高、胸径及单株材积狭义遗传力分别为0.464、0.687、0.680。以12 a材积生长量性状为优选基准,兼顾木材基本密度和红心材比例,进行优良家系和家系内优良单株的综合选择,筛选出10个速生全同胞家系,其平均树高、胸径、单株材积、基本密度和红心材比例分别为13.34 m、17.0 cm、0.176 3 m³、0.320 2 g/cm³ 和40.76%。入选家系平均材积遗传增益幅度为6.14%~21.60%。中选的19个优良个体的材积生长量遗传增益幅度为58.62%~178.20%(平均为83.12%)。12年生最优家系木材基本密度达0.363 3 g/cm³,家系内最优单株木材基本密度最高达0.476 4 g/cm³。19个中选优良单株的材积平均遗传增益为83.12%,木材基本密度提高10%以上,红心材比例提高12.78%。这批材积生长量遗传增益突出,木材基本密度高,红心材比例高的优良家系和优良单株,不但是营建第4代种子园重要亲本来源,而且也是优良无性系培育和推广应用的重要遗传资源基础。本研究还对家系的树高、胸径和材积生长量稳定性、选择率对遗传增益的影响,以及家系材积生长量早晚相关及其早期选择年龄等进行了分析。结果表明,以材积为生长量的综合指标,家系选择率15%时,无论4、5还是6 a时的早期选择结果,与12 a选择入选家系的符合度与遗传增益均达到最高值。这说明杉木第4代遗传改良中,据4~6 a幼林的材积生长表现开展早期选择,不仅可行有效,还大幅度节约了时间,缩短了育种周期。【结论】 杉木第4代遗传改良的1个候选群体在生长发育和木材性能方面存在丰富的遗传变异。这些在材积生长量、基材密度和红心材比例等方面遗传增益较高的优良亲本和重选优良个体不仅是杉木第4代种子园建立的重要亲本来源,还是杉木优良无性系选择的重要遗传资源。     

Spot 14基因研究进展

甲状腺激素应答蛋白基因spot 14已被证实在脂肪合成过程中有着重要的作用，主要表现在对ATP柠檬酸酶、脂肪酸合成酶和苹果酸酶等脂肪合成酶基因表达的调控作用。简要综述了Spot 14基因在动物脂肪合成方面的最新研究进展，并提示对spot 14基因的深入研究将有助于阐明机体脂肪沉积的规律．     

关于模型选阶的一个新方法

本文提出了直接利用候选模型的估计方差的变化一曲线曲率，来选择真模型的阶数，这一方法异于传统的利用距离准则导出估计真模型阶数的准则的做法，文中还对这一新方法进行了模拟研究，发现当真模型的系数比较显著时，这个新准则具有很高的准确率。     

LOD score exclusion analyses for candidate disease susceptibility genes using case-parents design

The focus of almost all the association studies of candidate genes is to test for their importance. We recently developed a LOD score approach that can be used to test against the importance of candidate genes for complex diseases and quantitative traits in random samples. As a complementary method to regular association analyses, our LOD score approach is powerful but still affected by the population admixture, though it is more conservative. To control the confounding effect of population heterogeneity, we develop here a LOD score exclusion analysis using case?parents design, the basic design of the transmission disequilibrium test (TDT) approach that is immune to population admixture. In the analysis, specific genetic effects and inheritance models at candidate genes can be analyzed and if a LOD score is ≤-2.0, the locus can be excluded from having an effect larger than that specified. Simulations show that this approach has reasonable power to exclude a candidate gene having small genetic effects if it is not a disease susceptibility locus (DSL) with sample size often employed in TDT studies. Similar to association analyses with the TDT in nuclear families, our exclusion analyses are generally not affected by population admixture. The exclusion analyses may be implemented to rule out candidate genes with no or minor genetic effects as supplemental analyses for the TDT. The utility of the approach is illustrated with an application to test the importance of vitamin D receptor (VDR) gene underlying the differential risk to osteoporosis.