导读:本文包含了序列差异论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:序列,差异,浙贝母,基因,在线,叶绿体,支原体。
序列差异论文文献综述
刘志高,王颖希,李甫,马原,焦章平[1]（2019）在《15个常染色体STR基因座在中国汉、藏、蒙、维、彝的序列分布差异》一文中研究指出目的获取中国5个民族(汉、藏、蒙、维、彝)15个常染色体STR基因座分型,探索不同民族群体间基因座的等位基因序列差异分布。方法本文以高通量测序为检测手段,利用以直扩法文库构建技术为核心的SeqType?R系统,对来自中国汉、藏、蒙、维、彝族人群,共计304份样本进行了STR序列多态性分析。检测基因座包括Amel、D3S1358、D13S317、D7S820、D16S539、D8S1179、D21S11、D18S51、vWA、D5S818、FGA、TPOX、TH01、D2S1338、CSF1PO、D19S43。结果显示在9个STR基因座中,包括5个复杂序列基因座(D21S11、D2S1338、D3S1358、D8S1179、vWA)和4个简单序列基因座(D13S317、D16S539、D7S820、D5S818),序列多态性引起等位基因数目增加,增幅分别为汉族57%～169%,藏族29%～117%,蒙古族43%～100%,彝族29%～110%,维族56%～160%。由此导致这9个基因座个体识别率平均增加4.3%～5.8%。SeqTyper?R所涵盖的15个常染色体STR基因座随机匹配概率提高3个数量级,人群均值由7.2E-15下降至6.0E-18。其中维族人群变化最为突出(1.8E-15下降至1.6E-19)。结论等位基因频率统计显示,基因座亚型分布比例在不同人群中存在差异。(本文来源于《中国法医学杂志》期刊2019年06期）
蓝艳,张晓芹,林娜[2]（2019）在《浙贝母ITS-PCR体系优化与不同产地样品序列差异研究》一文中研究指出目的:优化浙贝母的ITS-PCR扩增体系,并对不同来源浙贝母品种的ITS序列进行差异分析。方法:浙贝母样品采用减压干燥法处理,以广谱植物基因组总DNA提取试剂盒提取浙贝母总DNA,对反应过程中的退火温度、Taq酶浓度、Mg~(2+)、dNTP浓度等因素进行考察。采用Conting Express和DNAman等分子生物学软件进行序列处理。结果:最优的浙贝母ITS-PCR扩增体系为:50μL反应体系中含Taq酶1 U,2.5 mmol/L Mg~(2+)、dNTP分别为4μL,退火温度为56℃。浙贝母的ITS序列全长668 bp,G+C含量为65.4%,不同产地浙贝母的ITS序列无差异。结论:所建立的体系可用以浙贝母ITS序列分析,为浙贝母的ITS序列研究奠定基础。ITS序列不适合作为浙贝母种间和产地间的鉴别工具。(本文来源于《山东中医药大学学报》期刊2019年06期）
公慧玲,李致勋[3]（2019）在《基于序列公共稀疏误差对称差异度分割的健壮脑肿瘤良恶性分类方法》一文中研究指出脑肿瘤已经成为全球范围内致死率最高的疾病之一。术前利用计算机辅助诊断技术对CT或MR图像进行辅助诊断也是当前各国研究的热点。利用序列图像克服单帧图像肿瘤区域信号局限,并通过脑左右半球间的公共稀疏误差对称差异度计算可以更加精准地获得脑肿瘤的显着性区域。进而在此基础上所提取的健壮形状及纹理特征能够对脑肿瘤良恶性进行更加准确的识别。最终实验也表明该方法具有良好的性能。(本文来源于《现代计算机》期刊2019年24期）
林娜,蓝艳,张晓芹[4]（2019）在《基于叶绿体rbcL基因对不同产区浙贝母的PCR扩增体系及序列差异研究》一文中研究指出目的:建立不同产区浙贝母的叶绿体rbcL基因的PCR扩增体系,并对产区间的序列差异进行分析。方法:将采集于27处不同产地的浙贝母鉴定、切碎、打粉后保存备用。总DNA提取方法采用试剂盒法,PCR扩增体系主要考察退火温度、Taq酶浓度、Mg~(2+)、dNTP浓度等因素。基因序列分析采用Conting Express和DNAman软件。结果:50μL反应体系中含Taq酶1 U,2.5 mmol/L Mg~(2+)、dNTP分别为2μL,退火温度为52℃。浙贝母rbcL序列全长599 bp,G+C含量为50.7%,浙贝母不同产区rbcL序列未发现突变位点。结论:所建立的体系可用于浙贝母rbcL序列分析,为浙贝母的rbcL序列研究奠定基础。研究结果提示rbcL序列在浙贝母种间或者产地间的分辨率较低,不适合作为浙贝母种间和产地间的鉴别方法。(本文来源于《山东中医药大学学报》期刊2019年04期）
王卓[5]（2019）在《转录组测序数据与DNA序列结构的几种差异分析方法》一文中研究指出基因是带有遗传信息的DNA序列。随着测序技术的发展,基因测序渐渐揭开了生物学的众多奥秘。基因表达反映了细胞的进化过程,同时,伴随着转录组测序技术和单细胞测序技术的出现,基因数据与结构的多样性与差异性逐渐显现出来。然而,由于基因数据的数据量庞大,基因结构的复杂程度高,如何对基因数据与结构进行准确分析面临着巨大的挑战,如何筛选出疾病数据的致病基因具有显着意义。本文主要致力于进行转录组测序数据、单细胞时间序列测序数据的基因差异表达分析以及DNA序列结构的差异分析的研究,本文主要的研究内容如下:第一,针对转录组测序数据,鉴于当前方法不适用于对多组样本数据进行基因差异表达分析,利用信息熵理论,构造了用于识别差异表达基因的差异类熵函数,研究了基于差异类熵函数识别差异表达基因的方法(DEF:Differential Entropy-Like Function)。首先,与DESeq2、edgeR、baySeq和limma等传统方法相比,DEF方法可以应用于多组样本的数据集,应用范围更为广泛。其次,DEF方法与传统方法具有一样的功能,可以用于两组样本数据的基因差异表达分析,由于DEF方法适用于零表达量较多的数据集,因此DEF方法可以分析出未被传统方法分析出的差异表达基因。最后,针对亨廷顿疾病的microRNAs数据,利用DEF方法对控制组与对照组中的microRNAs进行了差异表达分析,预测了可能与疾病相关的microRNA作为亨廷顿疾病的生物标记物。同时利用相关性分析,得到与疾病严重程度有关的microRNAs,为亨廷顿疾病的诊断与治疗提供了新的线索。第二,针对单细胞时间序列测序数据,鉴于单细胞时间序列测序数据的不均匀性。利用动态时间规整算法,研究了用于识别差异表达基因的动态时间规整计分法。动态时间规整计分法适用于不均匀的单细胞时间序列测序数据,解决了不均匀间隔的两个时间序列数据的差异分析问题。同时将动态时间规整计分法应用于模拟数据集以及公共数据集,实验结果表明动态时间规整计分法检测出了细胞间高度变化的基因,验证了方法的有效性。进一步利用动态时间规整计分法推断的差异表达基因识别潜在的细胞类型,对细胞进行聚类分析。动态时间规整计分法作为识别差异表达基因以及推断潜在细胞类型的工具,对研究生物进化过程起到重要作用。第叁,针对DNA序列的结构,鉴于DNA序列结构的复杂度较高,拓扑熵方法在进行有限长度DNA序列结构的差异分析时会出现误判现象。基于序列的拓扑熵理论,定义了序列的向量拓扑熵,减少了拓扑熵方法在进行有限长度DNA序列结构的差异分析时出现的误判现象。鉴于向量拓扑熵比较不同长度序列的局限性,定义了序列的K-维拓扑熵,K-维拓扑熵可以对不同长度的DNA序列结构进行差异分析,数值实验验证了方法的有效性。对于无限长度的序列,推广了序列的广义拓扑熵,证明了无限长度序列的广义拓扑熵等于其拓扑熵。同时,研究了DNA序列广义拓扑熵的有限近似法,并对其性质进行分析,说明通过广义拓扑熵的有限近似法,可以对无限长度序列的广义拓扑熵进行有限近似,为DNA序列结构的差异分析提供了新的思路。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
陈丹霞,邓汝森,邱金辉,黄雪冰,黄运茂[6]（2019）在《鹅ASC基因序列分析与组织表达差异研究》一文中研究指出炎症小体作为固有免疫的重要组分在机体免疫反应和疾病发生过程中具有重要作用,ASC基因是炎症小体中连接胞浆受体和Caspase-1的关键蛋白.为进一步了解鹅的炎症系统,参考NCBI上公布的预测序列(XM_013201308.1)设计引物,克隆了马岗鹅ASC基因(go-ASC),并进行了生物信息学分析和组织表达差异研究.结果显示,go-ASC基因完整ORF长663 bp,共编码220个氨基酸.同源性分析显示,go-ASC基因序列与哺乳类动物的同源性较低(41.0%～52.6%),结构域也存在较大差异,仅含有CARD结构域,缺乏PYD结构域.组织表达结果显示,go-ASC基因主要在血液和粘膜上皮组织表达,在肌肉组织中表达量最低.(本文来源于《仲恺农业工程学院学报》期刊2019年02期）
菅保霞[7]（2019）在《基于脑偏好风格的在线学习行为序列差异研究》一文中研究指出教育信息化2.0时代,面向数据密集型教育新范式,将教育转化为以教学和学习理论为支撑、大数据为基础、计算和模型为手段的科学成为教育领域新呼声。“数据”作为教育信息化2.0特征之一,是分析决策之基,蕴含巨大教育变革潜力。教育数据挖掘和学习行为分析从数据中获取新知新智,赋能教与学的模式创新、评价精准、决策科学,助力教学质量提升。学习行为序列分析是学习分析的重要组成部分,近年来走进研究者视野。本研究通过分析不同脑偏好风格学习者行为序列并结合不同深度学习者行为序列,挖掘学习者行为规律,为智能化在线学习平台完善与优化、深度学习引导等提供参考。研究主要包括以下内容:(1)梳理国内外学习行为分析和学习行为序列分析研究现状,确定研究目标和意义,为后续研究提供理论和实践依据;(2)结合学习平台功能特征和其他研究中相关学习行为编码框架,确定本研究行为编码规范,收集、清洗和编码有效学习行为;(3)通过HBDI和深度学习问卷调查结果对学习者进行分类,借助Moodle平台收集学生在线学习数据。基于此,利用GSEQ软件分析不同类型学习者在线学习行为序列,探寻学习行为规律。行为序列分析在金融、电子商务、医疗、游戏等领域应用广泛,已受到在线教育研究者的关注。挖掘学习行为间的相关性将为精准化学习路径分析、自适应导航设计、深度学习引导等提供数据依据,基于脑偏好风格研究在线学习行为序列将为大规模个性化在线学习研究提供新的思路。(本文来源于《东北师范大学》期刊2019-05-01）
李润成,方超,卿任科,葛猛,赵墩[8]（2019）在《屠宰猪猪肺炎支原体P36、P46、P97 R1、P146氨基酸序列的差异分析》一文中研究指出为了解猪肺炎支原体流行菌株遗传变异情况,选取2014-2017年不同时间、地点收集的17头猪肺炎支原体阳性屠宰猪肺脏灌洗液DNA为模板,进行猪肺炎支原体P36(编码具有强免疫原性的胞浆蛋白)、P46(编码具有强免疫原性的表面蛋白)、P97 R1区、P146高变区(猪肺炎支原体黏附气管纤毛细胞的重要功能区域)基因的PCR扩增、测序。结合GenBank登录的猪肺炎支原体相关序列进行氨基酸序列的比对分析。结果表明,比对的序列之间,P36、P46蛋白氨基酸序列同源性均在98.9%以上,但P97功能区R1区、P146多变区在菌株间存在较大差异。11个屠宰猪样本和5个GenBank登录菌株P97 R1区重复氨基酸序列数量达到14个以上,而GenBank登录的3个疫苗相关菌株(168株、168-L株、J株)及另外4个菌株、4个屠宰猪样本重复序列为9～11个不等;P146高变区氨基酸序列的差异主要集中在2个重复氨基酸序列区(R1、R2),GenBank登录的168株、168-L株、J株以及另外2个菌株,1个屠宰猪样本在R1区出现较多氨基酸缺失。168株、168-L株,6个屠宰猪样本及另外3个GenBank登录菌株在R2区出现了3～9个不等的氨基酸缺失。利用DNAStar进行抗原表位预测发现,菌株间P97 R1、P146 R1、P146 R2区氨基酸序列的差异,导致了抗原表位出现明显的变化。提示开展P97、P146等黏附因子的筛选和研究或许能进一步提升疫苗阻止猪肺炎支原体黏附气管纤毛细胞的作用,从而进一步改善疫苗的免疫效果。(本文来源于《华北农学报》期刊2019年02期）
李国闯,丁昌懋,宋瑞鹏,蔡一鸣,马胜彪[9]（2019）在《颈椎矢状位序列在站立位与平卧位测定中的差异及临床意义》一文中研究指出目的分析脊髓型颈椎病患者颈椎矢状位序列在站立位与平卧位测定中的差异及临床意义。方法回顾性分析2017年1月—2018年5月因脊髓型颈椎病在郑州大学第一附属医院脊柱外科行手术治疗的患者术前颈椎影像资料;测量站立位颈椎侧位X线断层融合图像、仰卧位CT及MRI正中矢状面图像上颈椎前凸角(CobbC2～7)、颈2～7矢状位轴(SVAC2～7)、胸1椎体倾斜角(T1 slope,T1S)、颈倾斜角(neck tilt,NT)、胸廓入口角(thoracic inlet angle,TIA),采用配对t检验比较叁种不同测量方式两两间的差异性,并说明各自的临床意义。结果 X线断层融合图像与CT图像上测量的TIA无显着性差异(P>0.05),SVAC2～7、CobbC2～7、T1S、NK有显着性差异(P<0.05);断层融合图像与MRI图像上测量的SVAC2～7、CobbC2～7、T1S、NK、TIA均有显着性差异(P<0.05);CT图像上与MRI图像上测量的数据均无显着性差异(P>0.05)。结论颈椎矢状位参数在站立位与仰卧位时差异较大,站立位可以准确的反映患者术前颈椎曲度情况,并且对术中重建颈椎矢状位序列有较好的指导作用;因此术前拍摄清晰的站立位颈椎侧位片是必不可少的。(本文来源于《医药论坛杂志》期刊2019年04期）
关小玲[10]（2019）在《基于个体时序列差异网络探测疾病恶化的预警信号》一文中研究指出疾病的发展过程一般分为正常状态,前疾病状态和疾病状态。其中,前疾病状态是疾病状态的一个临界期,处于这个状态的患者,如果经过合理有效的治疗,有可能会恢复到正常状态。所以,探测前疾病状态对于病人来说有着极其重要的意义。本文开发了一种算法,基于个体单样本建立的个体时序列差异网络,提出了探测系统临界点的复合变量,可以有效地探测疾病恶化的早期预警信号,识别出疾病的前疾病状态。该方法的有效性得到了一个数值仿真实验以及前列腺癌数据(GSE 5345)和乳腺癌数据(GSE 13009)的检验。对得到的动态差异网络生物标志物进行富集分析和生存分析,发现其中的大部分基因都参与到了癌症的发展进程中。本文的主要工作及结果如下:首先,利用微分方程建立由8个基因节点所组成的复杂系统。对此系统,利用本文开发的算法不仅有效地检测出了系统的临界点,而且识别出系统的4个动态网络标记物,验证了基于个体时序列差异网络探测复杂系统的临界点方法的可行性。其次,从GEO数据库下载GSE 5345基因表达数据和GSE 13009基因表达数据,对数据进行相应处理。在基因表达数据的基础上,通过基因之间的皮尔逊相关系数建立分子交互网络,最终把各个时间点基因的观测数据转变为个体时序列差异网络。最后,利用软件MATLAB R2016a,计算得到前列腺癌和乳腺癌临界突变的时间点分别为24h和1.5h,并识别出了前列腺癌的202个动态差异网络生物标志物和乳腺癌的在EGF和HRG刺激下的120个和172个动态差异网络生物标志物,并挑选出了乳腺癌细胞在这两种激素刺激下的24个公共生物标志物。本文利用了生物网络的相关特性,成功地探测出了前列腺癌以及乳腺癌这两种复杂疾病恶化的临界点。得到的动态差异网络生物标志物中,大部分基因可作为治疗癌症的靶向基因。(本文来源于《华南理工大学》期刊2019-04-16）
序列差异论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:优化浙贝母的ITS-PCR扩增体系,并对不同来源浙贝母品种的ITS序列进行差异分析。方法:浙贝母样品采用减压干燥法处理,以广谱植物基因组总DNA提取试剂盒提取浙贝母总DNA,对反应过程中的退火温度、Taq酶浓度、Mg~(2+)、dNTP浓度等因素进行考察。采用Conting Express和DNAman等分子生物学软件进行序列处理。结果:最优的浙贝母ITS-PCR扩增体系为:50μL反应体系中含Taq酶1 U,2.5 mmol/L Mg~(2+)、dNTP分别为4μL,退火温度为56℃。浙贝母的ITS序列全长668 bp,G+C含量为65.4%,不同产地浙贝母的ITS序列无差异。结论:所建立的体系可用以浙贝母ITS序列分析,为浙贝母的ITS序列研究奠定基础。ITS序列不适合作为浙贝母种间和产地间的鉴别工具。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
序列差异论文参考文献
[1].刘志高,王颖希,李甫,马原,焦章平.15个常染色体STR基因座在中国汉、藏、蒙、维、彝的序列分布差异[J].中国法医学杂志.2019
[2].蓝艳,张晓芹,林娜.浙贝母ITS-PCR体系优化与不同产地样品序列差异研究[J].山东中医药大学学报.2019
[3].公慧玲,李致勋.基于序列公共稀疏误差对称差异度分割的健壮脑肿瘤良恶性分类方法[J].现代计算机.2019
[4].林娜,蓝艳,张晓芹.基于叶绿体rbcL基因对不同产区浙贝母的PCR扩增体系及序列差异研究[J].山东中医药大学学报.2019
[5].王卓.转录组测序数据与DNA序列结构的几种差异分析方法[D].哈尔滨工业大学.2019
[6].陈丹霞,邓汝森,邱金辉,黄雪冰,黄运茂.鹅ASC基因序列分析与组织表达差异研究[J].仲恺农业工程学院学报.2019
[7].菅保霞.基于脑偏好风格的在线学习行为序列差异研究[D].东北师范大学.2019
[8].李润成,方超,卿任科,葛猛,赵墩.屠宰猪猪肺炎支原体P36、P46、P97R1、P146氨基酸序列的差异分析[J].华北农学报.2019
[9].李国闯,丁昌懋,宋瑞鹏,蔡一鸣,马胜彪.颈椎矢状位序列在站立位与平卧位测定中的差异及临床意义[J].医药论坛杂志.2019
[10].关小玲.基于个体时序列差异网络探测疾病恶化的预警信号[D].华南理工大学.2019
论文知识图
