紫红笛鲷遗传多样性的AFLP分析

针对广东、海南省4个不同地方(阳江、湛江、榆林、琼海)网箱养殖的紫红笛鲷(Lutjanus argentimaculatus)群体和在三亚采集的野生紫红笛鲷群体,利用AFLP分子标记技术分析我国南方养殖的紫红笛鲷的遗传多态性。最适合的AFLP引物组合是E AGC／M CAA,扩增出的AFLP特征位点为107,养殖样品扩增出的AFLP的带数在5474之间,野生样品扩增出的AFLP的带数为63,4个养殖点紫红笛鲷的多态性标记百分率都超过了40．00％,呈现一定程度的遗传多样性。总的来讲,4个养殖地的紫红笛鲷群体之间的遗传距离差异较小,但与野生群体的遗传距离相对较大,UPGMA聚类分析明显将养殖群体与野生群体分开,表明紫红笛鲷养殖群体已经与野生群体存在一定程度的遗传隔阂。     

青年鱼类发育和遗传育种学家桂建芳

桂建芳，男，理学博士，湖北省黄梅县人，1956年6月生。中国科学院水生生物研究所研究员，学术委员会委员，鱼类遗传育种研究室主任，硕士和博士研究生导师。1982年毕业于武汉大学细胞生物学专业，获理学学士学位。1984年于武汉大学遗传学专业研究生毕业，获理学硕士学位；同年到中国科学院水生生物研究所从事鱼类遗传育种工作。1991一1994年8门，在美国俄亥俄医举院和美国加州大学子迭戈校区作访问科学家和博士后研究。1995年在中国科学院水生生物研究所获理学博士学位，晋升为研究员。自1982年以来，研究涉及细胞遗传学、细胞生物学、发育…     

中国近海皱纹盘鲍不同地理群体的遗传结构与变异研究

皱纹盘鲍(Haliotis discus hannai Ino)是我国重要的经济海洋生物资源，以其营养价值高、味道鲜美而居海产八珍之首。由于资源的过度采捕、日益增加的养殖活动及海区环境污染等，可能会使皱纹盘鲍的遗传结构发生改变，继而影响到其适合度。为了种质资源的保护和可持续利用，同时也为了进一步完善皱纹盘鲍苗种繁育技术工艺，对我国近海皱纹盘鲍野生群体的遗传结构和变异研究是很有必要的。 等位基因酶电泳技术是研究海洋贝类遗传结构与变异的重要手段之一。目前世界上已有近百种海洋贝类的遗传结构和变异得到研究(张国范，1992；张国范等， 1993)，皱纹盘鲍日本分布区不同群体遗传结构和变异研究也有相关报道(Fu jino et al., 1978)。本文作者采用等位基因酶电泳技术，随机选取了24个等位基因位点，对皱纹盘鲍我国分布区内四个野生群体的遗传结构和变异进行研究，为我国皱纹盘鲍种质资源研究和可持续利用提供基础数据。     

条斑紫菜叶状体细胞的抗生素敏感性研究

为了进行条斑紫菜基因工程研究和培育转基因紫菜 ,首先必须确定适合的阳性选择标记基因。条斑紫菜对 8种抗生素的敏感性试验表明 ,它对各种抗生素的敏感性不同 ,其中 zeocin、腐草霉素和氯霉素半致死剂量都很低。因此 Cat(氯霉素乙酰转移酶 )基因和 Sh.ble(sh.bleomycin)基因均有望成为条斑紫菜基因工程研究中理想的选择标记基因。     

分子遗传标记技术在双壳贝类研究中的应用

分子遗传标记是随着分子生物学技术的发展而出现的遗传学标记技术,它突破了形态和细胞水平上遗传标记的局限性,发挥着独特的优势.分子遗传标记目前已出现了几十种,本文主要介绍了同工酶、RFLP、SSR、RAPD这几种常用的分子遗传标记方法在双壳贝类的分类学、遗传多样性研究、遗传育种研究、病理学研究等方面的应用.通过本文可以看出,分子遗传标记多应用在分类学、遗传多样性、遗传育种方面,涉及的种类较广,但主要集中于珠母贝和牡蛎的研究上.     

基于遗传神经网络的砂土液化判别模型

针对BP人工神经网络具有易陷入局部极小等缺陷，本文提出了将遗传算法与神经网络相结合，同时优化网络结构与权值、阈值的思想。根据地震液化的实测资料，建立了砂土液化判别的遗传神经网络模型，比较计算结果证明了该模型的科学性、高效性。文中并进行主成分分析，提出液化影响的主要因素。     

基于遗传算法最短路径问题的探讨

对用遗传算法求解最短路径问题作了有益的尝试，详细分析了求解最佳路径的遗传算法的构成要素，提出了一种新的交叉算子，并且论证了算法参数对结果的影响。通过仿真实验，给出了算法的主要性能参数，证明了算法的可行性。并指出了遗传算法求解最短路径问题的不足之处。     

遗传规划在投影变换中的应用

本文阐述遗传规划的原理和方法，探讨这一优化方法在地图投影变换中的应用。经实例证明，该方法在投影变换中的应用是合理可行的。     

用测井参数预测多层合试产能的方法

油气储层产能评价与预测对于油气田的勘探与开发有着重要的意义。过去人们利用测井参数对储层产能的预测都是基于单层测试资料，本方法是建立在多层合试产能的基础上，通过对测试产能的剖分，建立单层产能数据，用遗传神经网络建立预测模型。在实际资料的应用中取得了良好的效果。