为了研究人参叶绿体基因组密码子的使用偏性,本研究从NCBI下载51条人参的CDS(Coding DNA sequence),利用Python脚本、CodonW软件、EMBOSS的CUSP程序等软件计算密码子偏好性参数和核苷酸组成。结果显示:51条CDS序列的GC含量为39.84%,GC_...为了研究人参叶绿体基因组密码子的使用偏性,本研究从NCBI下载51条人参的CDS(Coding DNA sequence),利用Python脚本、CodonW软件、EMBOSS的CUSP程序等软件计算密码子偏好性参数和核苷酸组成。结果显示:51条CDS序列的GC含量为39.84%,GC_(1)、GC_(2)、GC_(3)的GC含量分别为48.81%、39.61%和31.09%,说明人参叶绿体基因组偏向于A/T结尾的密码子;相关分析结果显示GC_(12)和GC_(3)的相关性不显著;中性绘图、奇偶偏好性和有效密码子数的综合分析表明决定人参叶绿体密码子偏性的最关键因素是自然选择,筛选出GCA、ACA、CUU、GGU、CAU等14个密码子为最优密码子,其中多数以A或U结尾。本研究为提高人参外源基因的表达水平和优化育种等研究提供一定的参考。展开更多
为研究不同陆面模式对中国区域土壤温度的模拟效果,基于中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟(简称:CLDAS_Noah和CLDAS_Noah-MP...为研究不同陆面模式对中国区域土壤温度的模拟效果,基于中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟(简称:CLDAS_Noah和CLDAS_Noah-MP试验),使用2010—2018年中国气象局2380个土壤温度观测站点10和40 cm观测数据以及美国全球陆面数据同化系统(The Global Land Data Assimilation System,GLDAS)驱动的Noah模式(GLDAS_Noah试验)模拟的土壤温度结果,从空间分布、季节、分区等角度进行了评估,实现了不同驱动数据相同陆面模式和相同驱动数据不同陆面模式的对比分析。结果表明:GLDAS_Noah、CLDAS_Noah和CLDAS_Noah-MP试验均能合理模拟出中国区域土壤温度空间分布,但在量级上有一定差异,主要表现在中国东北、新疆、青藏高原等积雪区。对于相同陆面模式不同驱动数据,均方根误差显示CLDAS_Noah试验在季节与分区上均优于GLDAS_Noah试验,间接表明CLDAS大气驱动数据优于GLDAS大气驱动数据,且大气驱动数据是提高土壤温度模拟精度的重要因素之一;对于相同驱动数据不同陆面模式,总体上CLDAS_Noah-MP试验棋拟效果优于CLDAS_Noah试验,其中CLDAS_Noah试验模拟的10和40 cm深度土壤温度在冬季积雪区误差明显大于CLDAS_Noah-MP试验,可能与Noah-MP模式改进了积雪方案有关,但10和40 cm深度下CLDAS_Noah-MP试验在东北、华北、青藏高原地区对春季土壤温度模拟误差明显大于CLDAS_Noah试验,可能与Noah-MP模式融雪方案有关。总之,本研究对于后续开展土壤温度多模式集成、土壤温度站点资料同化,最终研制中国区域高质量土壤温度数据集具有一定的参考意义。展开更多
文摘为了研究人参叶绿体基因组密码子的使用偏性,本研究从NCBI下载51条人参的CDS(Coding DNA sequence),利用Python脚本、CodonW软件、EMBOSS的CUSP程序等软件计算密码子偏好性参数和核苷酸组成。结果显示:51条CDS序列的GC含量为39.84%,GC_(1)、GC_(2)、GC_(3)的GC含量分别为48.81%、39.61%和31.09%,说明人参叶绿体基因组偏向于A/T结尾的密码子;相关分析结果显示GC_(12)和GC_(3)的相关性不显著;中性绘图、奇偶偏好性和有效密码子数的综合分析表明决定人参叶绿体密码子偏性的最关键因素是自然选择,筛选出GCA、ACA、CUU、GGU、CAU等14个密码子为最优密码子,其中多数以A或U结尾。本研究为提高人参外源基因的表达水平和优化育种等研究提供一定的参考。
文摘为研究不同陆面模式对中国区域土壤温度的模拟效果,基于中国气象局陆面数据同化系统(CMA Land Data Assimilation System,CLDAS)大气驱动数据分别驱动Noah和Noah-MP陆面模式进行中国区域土壤温度的模拟(简称:CLDAS_Noah和CLDAS_Noah-MP试验),使用2010—2018年中国气象局2380个土壤温度观测站点10和40 cm观测数据以及美国全球陆面数据同化系统(The Global Land Data Assimilation System,GLDAS)驱动的Noah模式(GLDAS_Noah试验)模拟的土壤温度结果,从空间分布、季节、分区等角度进行了评估,实现了不同驱动数据相同陆面模式和相同驱动数据不同陆面模式的对比分析。结果表明:GLDAS_Noah、CLDAS_Noah和CLDAS_Noah-MP试验均能合理模拟出中国区域土壤温度空间分布,但在量级上有一定差异,主要表现在中国东北、新疆、青藏高原等积雪区。对于相同陆面模式不同驱动数据,均方根误差显示CLDAS_Noah试验在季节与分区上均优于GLDAS_Noah试验,间接表明CLDAS大气驱动数据优于GLDAS大气驱动数据,且大气驱动数据是提高土壤温度模拟精度的重要因素之一;对于相同驱动数据不同陆面模式,总体上CLDAS_Noah-MP试验棋拟效果优于CLDAS_Noah试验,其中CLDAS_Noah试验模拟的10和40 cm深度土壤温度在冬季积雪区误差明显大于CLDAS_Noah-MP试验,可能与Noah-MP模式改进了积雪方案有关,但10和40 cm深度下CLDAS_Noah-MP试验在东北、华北、青藏高原地区对春季土壤温度模拟误差明显大于CLDAS_Noah试验,可能与Noah-MP模式融雪方案有关。总之,本研究对于后续开展土壤温度多模式集成、土壤温度站点资料同化,最终研制中国区域高质量土壤温度数据集具有一定的参考意义。
