【摘 要】
：
林麝（Moschus berezovskii）人工饲养繁育始于上世纪50年代末,历经60多年的不懈努力,近20年饲养种群呈现较快的增长,然而,饲养林麝种群的遗传多样性现状及遗传结构尚缺乏充分的研究,因而不利于种群遗传管理及其饲养种群种质保护与利用。本研究从陕西省宝鸡市凤县的逢春麝场、片仔癀麝场、达吉康麝场、留凤关海兴麝场以及汉中市留坝县的太子岭麝场采集365份新鲜的粪便样品,用分子生物学方法扩增林
论文部分内容阅读
林麝（Moschus berezovskii）人工饲养繁育始于上世纪50年代末,历经60多年的不懈努力,近20年饲养种群呈现较快的增长,然而,饲养林麝种群的遗传多样性现状及遗传结构尚缺乏充分的研究,因而不利于种群遗传管理及其饲养种群种质保护与利用。本研究从陕西省宝鸡市凤县的逢春麝场、片仔癀麝场、达吉康麝场、留凤关海兴麝场以及汉中市留坝县的太子岭麝场采集365份新鲜的粪便样品,用分子生物学方法扩增林麝线粒体DNA控制区基因序列。结果表明,在5个林麝繁育基地共检测到105个变异位点,包括单一性位点和简约信息位点,突变形式为转换和颠换,未出现插入和缺失现象。4种核苷酸（A、T、G、C）的平均含量分别为30.54%、31.21%、16.35%和21.90%,A+T的含量显著高于G+C。这说明林麝线粒体DNA控制区序列中A和T核苷酸的含量较多,证明碱基构成的偏倚性。通过分析143条序列的核苷酸差异,检测到43个单倍型,饲养林麝种群的核苷酸多样度和单倍型多样度分别为0.0380,0.9595,单倍型多样性以片仔癀麝场最高,为0.9555,留坝群体最低,为0.8000。邻接分子系统进化树和中介单倍网络图均可以将所有单倍型分为3簇,但单倍型分布混乱,这可能是由于不同群体个体间核苷酸分歧水平较低造成。AMOVA分子差异分析表明群体间的变异为8.04%,群体内的变异为91.96%,说明5个群体绝大部分遗传变异发生在群体内而非群体间。饲养种群间出现显著的遗传分化,其中,留坝群体与留凤关群体间的遗传分化指数FST（0.1875）最大,已达到高度分化。而达吉康群体与片仔癀群体间的遗传分化指数FST（0.0048）最小,为低度分化。其他群体间的遗传分化指数均在0.05～0.15之间,为中度分化。总体而言,饲养林麝种群较之众多濒危有蹄类饲养种群的遗传多样性高,但林麝饲养种群之间基因交流较少,建议实施基于非损伤取样的粪便mt DNA分析技术对群体内和群体间进行遗传管理,保护饲养林麝种群现有的遗传多样性。
其他文献
产业农居既是乡村民居多元化的体现,也是乡村产业建设发展的投影,产业农居的更新是以村民生产生活为导向的农居更新改造工作。近年来,国家大力提倡发展乡村产业,也取得了显著成效,随之而来的是村民生产生活方式的变革,现有产业农居户型平面单一,无法满足乡村产业融合发展下功能空间的复合需求;传统砖混结构缺乏弹性,难以适应不同时期村民家庭人口、产业结构的特征变化,产业农居亟待进行更新改造。在此形势下,本文引入模块
传统村落是中华民族传统文化的重要载体,对现代社会具有多元化的价值与意义,在旅游产业大发展的背景下受到越来越多的关注。但部分传统村落因不适当的开发方式导致自身出现不同程度的问题,旅游开发与传统村落保护之间的矛盾日益显著。因此在旅游开发背景下对传统村落景观设计进行研究是必要的。本文以山西阳泉西锁簧传统村落旅游景观设计为题,探究传统村落旅游景观设计策略。论文首先梳理了国内外传统村落保护与发展以及传统村落
慢性病持续且严重威胁着人类的健康,截至2018年底,我国超过1.8亿老年人患有一种以上的慢性病。老年人慢性病患病率高、病程长,严重影响其生存质量。在家庭养老的模式下,老人常年都处于与慢性病斗争的生存状态,但由于缺乏科学的、系统的慢性病管理方式,其生活质量相对较差。随着社会技术的进步与发展,新兴的互联网技术逐步成熟,智慧技术如何融入适老健康管理,已成为解决中国家庭老年养老问题的关键。本文旨在面向家庭
文冠果（Xanthoceras sorbifolium）与蒜头果（Malania oleifera）是中国特有的含神经酸的木本油料植物,文冠果广泛分别于我国北方但神经酸含量稀少,蒜头果是已知神经酸含量最高的植物,但作为国家二级保护植物,数量稀少。神经酸是组成神经细胞和神经纤维的重要成分白质的核心组成成分,能修复受损伤的神经纤维和促进神经元细胞的再生。本研究使用转录组测序,以文冠果与蒜头果的种子和叶
中国高铁的快速发展,不仅需要支持更高的运行速度,还需要支持更高数据传输速率。2018年3月,北京至沈阳高铁辽宁段全面启动“高速铁路智能关键技术综合实验”,推动中国智能高铁建设,而这离不开高铁无线通信系统的支持。高铁通信已经从仅需支持简单的列控业务转变为需要支持手机、平板、笔记本电脑数据业务的高数据速率时代,这对高铁无线通信系统的容量、带宽、时延、安全等都提出了巨大的挑战。实际上,公众移动通信网络的
非平衡问题普遍存在于各个应用领域,比如医学诊断、文本分类、故障监测等。传统的分类方法未考虑到数据的不平衡性,会导致非平衡数据的分类效果不理想。当前大数据背景下,深度学习作为机器学习的一个新的研究方向,在数据挖掘等领域取得了显著成果。其中的代表算法卷积神经网络具有表征学习的能力,是一种高效的数据挖掘工具。面对非平衡问题,应用卷积神经网络进行分类任务时,其训练过程若受到非平衡因素的不利影响,会降低少数