生物调控（共8篇）
生物调控 篇1
摘要：本文对教学幽默在生物教学中的实际应用进行了深入的探讨, 并总结了中学生物教学中的一些常见幽默方法。
关键词：教学艺术
有一位名人曾经这样说:“教育家最主要的, 也是第一位的助手是幽默。”对现代教师来说, 了解教学幽默的特点, 掌握教学幽默设计的方法, 提高自身的教学幽默艺术修养, 不仅有益于增进自己的教学艺术、情趣和魅力, 而且对于增进师生感情, 活跃课堂气氛, 激发学生的学习兴趣, 提高教学效果具有重大的作用。
幽默是一种艺术手法。以轻松、戏谑但又含有深意的笑为其主要审美特征。人在笑时或是说笑话时, 大脑就会促使人体释放出自然的止痛激素, 它能够减轻痛感, 还能够使人神采奕奕, 头脑更加有效地思维。课堂教学中幽默的巧妙运用, 必将使素质教育散发出更加迷人的魅力。
一、教学艺术的幽默特点
教学幽默有四个特点———情趣性、含蓄性、启迪性、愉悦性。幽默是轻松之中包含着深沉, 妙语之中蕴涵着睿智, 使人在笑声中得到启示, 并进而懂得, 懂得生活的哲理, 从而获得一种美的体验。在教学时, 教师的语言, 若能像相声、小品演员那样妙语连珠, 引人入胜, 将会使学生感到听课是一种享受。要使语言具有幽默感, 首先应注意语言的准确、通俗、新鲜和富有社会生活气息。其次应注意语言的表达技巧。这样, 能进一步培养和激发学生喜爱生物科学的热情。子曰:“知之者不如好之者, 好之者不如乐之者。”只有这样, 才能使学生摆脱被动吸收知识的状态, 进入主动思考分析的乐学情景。
二、在中学生物教学中的应用幽默艺术
在中学生物教学中如何运用幽默艺术从而达到教学的较高境界呢?
1. 幽默的产生, 需要良好的心境。
课堂上, 老师笑着看学生, 学生就会笑着看老师, 只有笑着看学生, 才可能有幽默的心境。教师要有一个友善、平和的心境, 要有一颗爱心。老舍先生有一句名言:“幽默者的心是热的。”如果一个人总是冷冰冰地拒人于千里之外, 那么他的话可能充满的就是挖苦、讽刺、火药味。教师也会常常遇到不顺心、不愉快的事情, 但是, 千万不可将任何个人不良情绪带进课堂。因为教师职业的特殊性, 作为教师职业道德的基本要求, 老师, 更需要调节好自己的心理, 保持自己的心理健康。
2. 幽默源于生活。
我们可以直接用民谣、谚语、歇后语等表达, 也可从相声、小品、漫画等艺术中“移植”———提炼净化然后糅和到教学中, 增强生物课教学语言的表现力和感染力。教师语言的新奇生动、形象可感、诙谐风趣、含蓄夸张等均是教学幽默的精灵。教学语言节奏的快慢急缓、语调的抑扬顿挫、语气的高低缓急是形成教学幽默的催化剂。
3. 生物教学中运用幽默艺术的方法。
如巧用修辞法:一般说来, 教材中的教学内容大多是固定的知识和理论, 因此很容易使课堂变得枯燥无味, 平淡无奇, 使学生很容易产生疲劳厌倦感, 甚至昏昏欲睡。对于理论性抽象性很强的高中生物更是如此。要打破这一局面, 可以对教材中的知识进行生动形象化处理, 使教学语言富有情趣, 将死板的知识讲得妙趣横生。
三、教学幽默还需要适当运用
精心设计是教学幽默与生活幽默的区别点, 精心设计的幽默能更出色地反映教师的教学艺术水平。在通常情况下, 教学内容不是都对学生有强烈吸引力的, 教师往往需要事先准备和设计教学情境, 以期在教学过程中抓住学生的注意力, 激发他们的学习兴趣。如果教学中没有事先精心设计的幽默方式, 要想取得理想的效果是不容易的。精心设计幽默不仅有益于教学, 有益于学生, 对教师本身来说也有重要意义。
生物教师要多学习、多实践。向同行学、向书本学、向幽默大师们学。一方面, 在深入钻研教材、研究学生心理状态和现实表现的同时, 努力提炼课堂语言, 提高自身修养和学识, 提高自身素质, 使课堂语言、教学语言更简洁、生动、形象、幽默, 使学生活泼愉快地上好课, 教师轻松自如地讲好课。另一方面, 还要锤炼肢体语言。只有在实践中不断练习、丰富自己, 才能不断提高自己幽默艺术的水平。
生物调控 篇2
【关键词】合作学习；高中生物教学；调控策略
【中国分类号】G633.91
0.引言
目前，关于什么是合作性学习，学者们还没有达成统一的定义。我们认为合作性学习是一种互动的的学习方法，小组是合作性学习的基本单位，小组活动是合作性学习的基本组织形式，小组成员之间相互帮助，共同学习。总的来说，合作性学习有如下特征：充分体现教师的主导地位和学生的主体作用；合作、互动思想贯穿整个合作学习的过程；开放教学课堂，综合生成学习内容；学生成功机会均等。合作性学习的基本方法有：共同学习法、拼图法、小组调查法、小组分层计分法、团队游戏竞争法、思考/同伴交流法。
1.合作性学习与生物课堂
就目前情况来说，我国高中生物教学并没有很好地运用合作性学习的方法，从教师方面来说，虽然多数生物教师对合作性学习有一定的了解，并且认为合作性学习有助于培养学生能力，值得在教学中推广。但现实情况却是多数生物教师在教学中很少使用合作性教学。从学生方面来说，绝大部分学生乐意合作，但是他们缺乏合作性学习的技能。总的来说，我国高中生物教学中合作性学习存在以下问题：合作学习流于作秀；合作学习的内容无价值；合作学习中教师的角色定位不当；合作学习中课堂秩序得不到保障[1]。
2.生物教学中合作性学习的实践研究
2.1生物教学中合作学习实践研究方案
实验对象：本人任教的南昌第二中学2012级高二（5）班和高二（8）班。其中高二（5）是实验班，高二（8）班是对照班。实验班78人，其中男40人、女38人;对照班77人，男45人、女32人。
试验时间：2012年10月到2013年2月。
实验方法：观察法、实验法、调查法、文献研究法。
实验变量：将合作学习模式作为自变量，将学生学业成绩、学生学习适应性作为因变量，将班级情况、学生现有水平、教学安排、任课教师为干扰变量。
干扰变量的控制：①两个班级均由本人执教，因此教师以及教学安排的差异可以忽略不计。②由于在班级组建的时候是根据成绩均衡分班的，因此，学生之间的差异可以通过平衡法来消除。由此可以消除两个班级学生的个体差异。
实验假设：合作学习比传统教学更利于提高学生合作技能的和学习动机、兴趣、态度，从而能提高学生的学业成绩。
实验结果统计：采用SPSS11.5，对学生的考试成绩和发放的调查问卷等收集的数据进行分析处理。
2.2生物课学习中合作学习的具体实施措施
2.2.1实验前的准备
首先，在实验开始前对学生进行相关的合作技能的训练，使其掌握必要的合作技能。然后通过调查问卷等方式了解两个班级学生的情况，然后确定适宜开展合作学习的小组大小，最后以自愿为主要原则，将实验班分为13个异质小组，每组6人。其次，在实验前，对两个班的学生进行一侧相同内容的生物课成绩测试，并记录成绩。
2.2.2合作性学习中教师调控策略的具体实施
2.2.2.1课前调控
教师需要选择合适的教学内容，首先所选内容难度要适中，避免太过容易，或者难度太高。因为太容易了就会削弱学生合作的积极性，而太难的学习内容使得学生即使合作页难以完成，也会挫伤学生合作的信心。其次，所选教学内容要具有开放性。这种开放性的教学内容给学生留下了较大的发散空间，可以加强学生的合作意愿。学生通过合作，可以获得更多的思路、启发，加深了对知识的理解。第三，教学内容要有一定的探索性，这样的教学内容可以激发学生的好奇心和探索精神，使他们自觉地与同学合作，在合作的过程中锻炼合作的品质和交流表达能力。第四，要有层次性，由于不同学生拥有不同的学习态度、认知风格以及学习动机，因此，设计任务时必须要有层次性，即学习内容包含难、中、易不同的层次，适合各个层面的学生。
2.2.2.2课堂调控
课堂是合作性学习的主要场所，因此教师对合作性学习的课堂调控至关重要。
首先是预防性调控，即为防止主体出现偏差而进行的事前调控。主要包括两个方面：一是要提高学生对合作学习必要性的认识；二是要对学生进行合作学习方法的指导。提高学生对合作学习必要性的认识，是有效地组织小组合作学习的前提。在异质小组中，学生情况各异，可能出现一些学习好的学生不愿意合作的情况，担心帮助别人会浪费时间，影响学习。从而使他们在合作学习中敷衍塞责，缺乏热情，并有歧视差生的行为发生。这使得学困生对合作学习也感到失望和无奈，从而也消极应对。因此，教师必须做好调控工作以防止这种情况的发生。教师还要对学生进行指导，例如对学生进行“倾听”的指导、“表达”的指导、“赞赏”的指导、“批判”的指导[2]。
其次是矫正性调控。即当主体出现偏差时进行事后调控。主要包括纠偏、消除误解、防止冷场、维持秩序以及改造“问题”学生。
3.实验结果分析
表1为两个班在运用合作学习策略后生物学习适应性的比较，由此可以说明实验班和对照班学生的学习适应性状况及其差异性。
表1高二（5）班、高二（8）班生物学習适应性调查结果
生物学习适应性高二（5）班高二（8）班t
āSDāSD
学习策略64.852.9160.473.687.28**
学习环境17.721.8516.081.515.25**
注：**P<0.01，表示差异极显著
表2为运用合作学习教学策略前后两个班学生学习成绩的比较，由此可以说明由于合作学习而引起的两个班在生物学习成绩上的差异变化。
表2高二（5）班、高二（8）班生物学习成绩的实验前后测结果
高二（5）班高二（8）班t
āSDāSD
前测80.688.2180.037.120.662**
后测84.127.1180.175.30-5.23**
注：**P<0.01，表现差异明显著
4.实验结论
通过实验可以得出两条结论：第一，在高中生物教学中，合作学习策略能够提高学生的学习适应性。第二，在高中生物教学中，合作学习可以提高学生的学习成绩。因此在高中生物教学过程中应该注重合作性学习策略的运用。
【参考文献】
[1]陈禹.高中生物教学中合作学习策略应用及效果探析[J].吉林省教育学院学报,2012,28（3）：11-13.
[2]吴文耀.高中生物教学中合作学习得实践与研究[D].南京师范大学，2007:24.
生物调控 篇3
本文对果蔬成熟衰老过程中乙烯的生物合成途径、乙烯合成的基因工程调控、乙烯信号转导及调控的研究进展进行了综述;讨论了果蔬成熟过程中乙烯生物合成及调控研究领域存在的问题, 展望了生物工程技术尤其是反义基因技术在乙烯合成领域的应用前景。
2 果蔬成熟过程中乙烯的生物合成途径
2.1 乙烯的合成
乙烯生物合成的主要途径可以概括如下:蛋氨酸→SAM→ACC→乙烯 (Wang et al;2004;关永贺, 2006) 。
2.2 合成乙烯的两个系统
在植物中乙烯的合成有2个系统:系统Ⅰ和系统Ⅱ (Mcmurchie et al., 1972) 。
根据植物果实和花器官内乙烯是否大量生成, 人们把果实分为跃变型和非跃变型两大类 (史国安, 2003) 。跃变型果蔬中乙烯的生物合成有2个调节系统, 系统Ⅰ只负责呼吸跃变发生前果实中低速率的基础乙烯生成;当系统Ⅰ产生的乙烯达到一定程度时, 系统Ⅱ开始产生乙烯, 负责呼吸跃变时成熟过程中乙烯自我催化大量生成 (冯晨静等, 2005;王淼等, 2009) 。非跃变型果实中乙烯生成速率相对较低, 变化较平稳, 整个成熟过程中只有系统Ⅰ生成低速率的基础乙烯, 没有系统Ⅱ的活动 (陈惠萍, 2000) 。
这两类果实对乙烯反应的区别在于:对于跃变型果实, 外源乙烯只是在果蔬呼吸跃变发生前起作用, 与外源乙烯浓度关系不大, 是不可逆的效应 (王淼等, 2009) ;外源乙烯能促使呼吸速率提高, 并同时促进大量内源乙烯的生物生成, 生成量达到某个阈值即可开始启动系统Ⅱ, 完成乙烯的自我催化过程 (冯晨静等, 2005;王淼等, 2009) 。非跃变型果实, 外源乙烯在成熟过程中效应是可逆的, 且不能促进内源乙烯的增加 (冯晨静等, 2005) 。
3 乙烯生物合成的基因工程调控
通过基因工程来调控乙烯生物合成一般从2大方面开展:1) 通过反向抑制作用抑制乙烯生物合成关键酶 (如ACS和ACO) 的基因表达;2) 通过正向过量表达降解乙烯合成前体酶 (如ACC脱氨酶和SAM水解酶) 基因 (张华峰等, 2005) 。
3.1 ACC合成酶与果蔬成熟衰老的调控
1-氨基环丙烷-1-羧酸生成酶, 简称ACC合成酶 (ACS) , 是乙烯合成的限速酶 (何业华等, 2000) 。ACS是一种存在于植物细胞质中的蛋白质, 其底物具有唯一性, 只能以SAM为底物, 以磷酸吡哆醛 (PLP) 为辅基合成ACC (万小荣等, 2007) 。ACS在果蔬细胞中生理活性的高低决定着乙烯生成速率的高低。因此, 控制ACS的基因表达, 能有效地控制乙烯的合成速率, 有利于果蔬的采后保鲜。
第一个ACS基因是美国科学家从番茄中分离得到的 (陈明等, 2004) 。后相继在许多植物中分离出ACS基因, 如苹果 (Dong et al., 1991) 、马铃薯 (Schlagnhaufer et al., 1995) 、猕猴桃 (Ikoma et al., 1995) 、桃 (金勇丰, 张耀洲, 2000) 、柑桔 (Wong et al., 1999) 、香蕉 (金志强, 彭世清, 1998) 、番茄 (刘传银等, 1998) 等。研究结果表明, 这些植物都存在一个以上的ACC合酶基因, 由此可推断该基因是多基因家族中的一员 (李剑峰, 2005;关永贺, 2006) 。植物的基因表达调控极为复杂, 相互间关系又极为密切, 往往受到各种不同因素的影响, 其调控主要发生在转录水平上, 转录水平没有发生的才发生在翻译水平上 (刘建新等, 2007) 。
利用基因工程技术, 可实现靶基因的时空定量表达, 可有效控制目标物质的生物合成量, 如抑制ACC合酶基因的表达能有效控制乙烯生物合成量。研究人员将反义ACS基因转入‘丽春’番茄, 研究结果表明, 转基因番茄植株的呼吸强度和呼吸速率都显著降低, 转基因果实不释放乙烯, 没有出现呼吸高峰, 果实损耗率也随之降低 (张华峰等, 2005) 。
3.2 ACC氧化酶与果蔬成熟衰老的调控
ACC氧化酶 (ACO) 也称乙烯合成酶 (ethylene forming enzyme, EFE) , 是一类黄烷酮-3-羟化酶, 是乙烯合成途径中的最后1个酶 (Yang, 1984) 。ACO以Vc和O作为辅基, 以二价铁离子和二氧化碳为辅助因子, 将ACC氧化成为乙烯 (左进华等, 2011) 。ACO位于植物细胞液泡膜的内表面上, 只有膜结构完整它才能发挥应有的氧化功能, 任何一个会破坏膜结构的因素, 比如冰冻, 穿刺, 碾碎, 高温等, 都能令该酶失去活性 (张宪省等, 1994) 。ACC氧化酶的活性对乙烯的生理合成也有重要的调控作用 (刘建新等, 2007) 。
Holdsworth (1986) 最先从番茄中筛选出编码ACC氧化酶p TOM13的基因, 但当时还不清楚该基因的功能。后来Hamilton等 (1991) 证明了该基因是编码ACC氧化酶的基因。研究者们还分别从甜瓜 (Lasserre et al;1996) 、桃 (Callahan et al;1992) 、猕猴桃 (Mac Diarmid and Gardner;1993) 、苹果 (Dong et al;1992) 等果实中分离到ACO基因, 这些基因与p TOM13都具有高度同源性。同ACC合酶一样, 植物中ACO也由多基因家族编码, 且它们在果蔬成熟和叶片受到创伤时都能差异表达 (Jiang and Fu;2000) , 其表达具有时空特异性。
运用基因工程技术, 降低果蔬的呼吸强度, 抑制ACO基因的表达, 能有效降低乙烯生物合成量 (张丽;董祯, 2007) 。运用RNAi技术, 将ACS和ACO基因融合的反义RNA导入番茄中, 研究结果表明, 转反义基因的番茄果实乙烯释放量只有未转基因番茄 (对照果) 果实的9.%左右, 果实的贮藏期较对照果延长30~40 d以上 (熊爱生等, 2003) 。将花椰菜ACO基因构建了RNA干涉载体, 导入花椰菜植株后, ACO的活性受到很大程度的抑制 (陈银华等, 2005) 。通过反义RNA技术导致番茄ACO基因沉默, 所获得的转基因番茄果实常规品质正常, 果实硬度下降缓慢, 贮藏期长达4个多月 (张华峰等, 2005) 。进一步研究表明, 反义基因的植株果实成熟开始期没有被抑制, 只是过程被明显抑制 (冯晨静等, 2005) 。
3.3 ACC脱氨酶与果蔬成熟衰老的调控
ACC脱氨酶是从土壤细菌Pseudomonas SR.中分离出来, 可以将ACC分解成α-酮丁酸和氨 (刘海等, 2002) 。在农杆菌 (Holguin and Glick, 2003) 、根瘤菌 (Ma et al., 2003) 以及某些酵母、丝状真菌中均有发现, 但是至今尚未在植物体内发现。
Klee (1991) 将ACC脱氨酶基因导入番茄植株, 果实成熟期间乙烯的产生抑制程度高达90%以上;乙烯生成的抑制并不影响转基因番茄植株的生长发育和形态建成, 只是果实成熟期被延迟, 但果实保持较硬状态可达42 d以上 (张宪省等, 1994) 。
3.4 SAM水解酶与果蔬成熟衰老的调控
S-腺苷蛋氨酸 (SAM) 水解酶催化SAM的分解 (刘建新等, 2007) 。但编码SAM水解酶的基因尚未在植物体内发现 (刘建新等, 2007) , 目前仅从大克雷伯氏菌噬菌体K11、沙雷氏菌Serratmarcescens噬菌体Ⅳ及肠杆菌噬菌体T3中分离得到 (Pajunen et al., 2002) 。
从乙烯生物合成图可以看出, 如果能够水解掉SAM, 从中上游切断乙烯生物合成链, 使之不能合成下游的ACC, 也能延缓果蔬成熟衰老的进程 (张华峰等, 2005) , 迄今为止, 在生产实践中运用该方法阻断乙烯的合成途径还未见报道。
4 果蔬成熟过程中乙烯信号转导及调控
4.1 乙烯信号转导的线性反应模型
通过对乙烯反应突变体的分子遗传学研究, 建立了植物乙烯信号转导的线性反应模型 (杨晓颖等, 2008) 。乙烯→ETR/ERS家族→CTR家族→EIN2→EIN3/EILs→ERF→乙烯反应相关基因的表达 (殷学仁, 2009) 。
乙烯受体分子在植物细胞的内质网膜上感应乙烯传来的信号, 收到乙烯信号后, 能够与下游的一个蛋白激酶CTR1反应, 共同完成乙烯反应的负调控模式 (殷学仁等, 2009) ;而CTR1下游还有2个膜结合蛋白EIN2和EIN3/EILs能完成乙烯反应的正调控模式 (安丰英等, 2006) ;EIN3/EILs蛋白不同于其他几种膜结合蛋白, 它是一类植物细胞中特有的核蛋白, 是位于植物细胞核内的乙烯信号转导元件, 编码它的基因是一个小的转录因子基因家族成员 (殷学仁等, 2009) 。
4.2 果实乙烯信号转导元件的克隆
乙烯受体分子大多有相似的分子结构:N末端为一个有乙烯结合位点的跨膜结构域, 乙烯可在该区域与受体分子结合;中间为GAF结构域, 该区域的功能还有待进一步研究;C末端为乙烯信号输出结构域, 能履行信号输出的职责 (杨晓颖等, 2008) 。目前已从番茄 (Wang et al., 2007) 、猕猴桃 (Yin et al., 2008) 、苹果 (Wiersma et al., 2007) 、桃 (Begheldo et al., 2007) 、柿子 (Pang et al., 2007) 等多种果实中分离得到数量不等的乙烯受体编码基因。研究表明, 番茄果实至少存在6个乙烯受体基因 (Wang et al., 2007) , 猕猴桃 (Yin et al., 2008) 和苹果 (Wiersma et al., 2007) 均至少含有5个乙烯受体编码基因 (殷学仁等, 2009) 。迄今为止, 编码CTR1基因的家族成员只在少数几种呼吸跃变型果实中被发现并报道, 如桃和苹果等果实中只发现1个CTR1基因, 而猕猴桃和番茄果实分别发现2个和4个CTR1编码基因家族成员 (殷学仁等, 2009) 。利用猕猴桃EST库, 已经分别获得了4个EIN3/EILs和14个ERF的全长序列 (殷学仁等, 2009) 。
4.3 乙烯受体与果蔬成熟衰老
研究表明, 乙烯受体是定位在内质网膜上 (杨晓颖等, 2008) 。乙烯受体蛋白由多基因家族控制。根据结构域, 乙烯受体可分为ETR1亚家族和ETR2亚家族 (刘元凤等, 2003) 。多重乙烯受体缺失型突变体 (缺失两个及以上乙烯受体) 植株呈组成型乙烯反应, 由此可见, 乙烯受体作为负反馈调控因子参与了乙烯信号转导 (Qu et al., 2007) 。从冬枣果实中克隆出一个ETR1基因;一个ETR2类乙烯受体基因Zj ETR2, 该基因在叶片中不表达, 只有在果实成熟过程中才表达 (魏绍冲等, 2007, 2012) 。从甜瓜中克隆了一个乙烯受体基因Cm-ETR2, 该基因在果实成熟时表达增强 (郝金凤等, 2012) 。这些例子都证明了乙烯受体的负反馈调控机制。
科学工作者通过多年的不屑努力, 已开发出几种化学物质可与乙烯受体结合来阻断乙烯的响应通路 (杨晓颖等, 2008) 。乙烯作用抑制剂研究表明, CO2、环辛烯、Ag+、丙烯类物质等可与乙烯竞争乙烯受体位点, 从而阻碍乙烯作用, 并进一步影响果实内部衰老过程中酶和基因的变化 (Veen, 1982;高俊平, 1994) 。其中1-甲基环丙烯 (1-MCP) 是很有效的抑制剂 (杨晓颖等, 2008) 。用‘泰山早霞’成熟过程中用1-MCP处理, 乙烯合成迅速下降, 果实软化延缓, 并能有效减少裂果 (李敏, 2013) 。
5 总结
乙烯信号转导元件的研究主要集中在苹果、猕猴桃和番茄等果蔬乙烯信号转导上游元件编码基因的表达与调控上 (如乙烯受体和CTR1) 。今后的研究重点会向乙烯信号转导下游元件转移。
与传统品质改良育种相比, 基因工程技术具有很多优点, 但是也存在一些缺陷, 例如基因操作往往没有使果蔬的风味更好, 反而变得更差。因此, 在改善果实品质, 获取耐贮果蔬品种过程中, 应将两者结合起来, 以期选育出能被广大消费者接受的更为优质的耐贮藏转基因果蔬, 满足市场需求。同时转基因产品的安全性问题是当前基因工程研究的争论热点, 因此, 采用无争议的无选择标记基因技术具有广阔的应用前景。
希望在乙烯生物合成基因工程活跃的研究过程中, 能早日实现更多的商品化生产的基因工程品种。
摘要：乙烯促进采后果蔬的成熟和衰老, 因此调控乙烯的生理合成和作用方式逐渐成为采后研究领域的主要内容。本文对果蔬成熟过程中乙烯的生物合成与分子水平的调控进行了简要总结, 主要是乙烯合成过程中的关键酶及信号转导对果蔬成熟的影响进行了讨论, 提出了目前研究中存在的问题和进一步的研究方向。
生物调控 篇4
该发明公开了一种废水生物处理系统工艺的优化调控方法。该发明从污水处理系统工艺参数出发, 结合数学模型, 测定废水动力学参数, 以反应器最小体积 (Vmin) 为目标函数, 根据活性污泥工艺流程物料平衡原理和Monod方程, 以出水BOD5、生物量浓度以及回流量为循环变量建立处理废水工艺运行的数学模型。经过验证, 该方法获得的绝大部分数据与报道数据有非常高的吻合度, 废水处理现场工程的实际实验数据也进一步证明了该方法的实际效果, 在预测活性污泥法废水处理工艺运行效果时具有很高的准确性, 对于活性污泥法工艺的优化调控具有指导性作用, 可优化反应器体积和进水流量等一系列指标, 改善废水的处理效果。
论免疫调控与中医药介入生物技术 篇5
干细胞移植对免疫的影响
干细胞移植是近几十年国际上新兴的生物医疗技术, 是最受热捧、最有前途的生物医学研究课题。根据理论和临床, 干细胞在抗衰老、抗肿瘤和预防、治疗多种疾病方面, 都发挥着积极作用。网上谁都能查到, NK细胞能在5分钟之内杀死一个癌细胞, NK细胞的一生可以杀死27个癌细胞。按理说, 肌体有了癌细胞, 输入的或自身的干细胞就会分裂成大量的NK细胞对癌细胞进行剿灭、清除, 并修复被癌症损伤的组织。癌症应该迅速得到控制或治愈, 但临床远非如此。干细胞移植对癌症或其他许多疾病的临床疗效并不理想。其主要原因是恶劣的内环境使免疫调控功能失常, 使自体或输入的干细胞功能减低或功能异常。
内环境对免疫调控、免疫功能的影响
如鼠疫、炭疽、白喉等烈性传染病, 在医学落后的历史上, 还有半数以上的患者自动恢复健康。说明患者有优良的免疫调控系统, 才使得自身免疫功能强大。
来自美国的一篇报道:“揭开上帝的终极底牌”, 写的是2008年3月17日, 美国南佛罗里达大学健康科学研究中心, 首席科学家卫斯理教授向全世界宣布:心脏可以分泌救人最后一命的荷尔蒙, 它不仅可以在24小时内杀死95%以上的癌细胞, 而且对其他绝症也有极好的治疗作用。大自然的美丽和超值的享受使他同学夫妇的癌症和冠心病不治自愈。而这些荷尔蒙的产生是愉悦的情绪改善了内环境, 使免疫调控恢复正常, 免疫细胞在优良的免疫调控作用下超强发挥作用的结果。
中医与中医药介入生物技术最根本的目的和功能就是改善内环境, 恢复免疫调控
中医的治病理念就是调和阴阳, 恢复相生相克的良性循环, 达到阴平阳秘, 气血通顺调达, 即使肌体受到致病因子的攻击和损伤, 自体也会祛除病邪, 保护健康。肌体之所以生病, 是因为致病因子改变了内环境, 影响了免疫调控网络, 使免疫细胞的自然杀伤和修复功能减弱或功能逆转。此时即使培养出自体干细胞, 再把自体或胚胎干细胞输入到免疫调控受到干扰的恶劣的内环境中, 免疫细胞会立即受到攻击或受免疫负调控支配, 其疗效可想而知。
中医药介入生物技术, 是中西医结合研究的典范
中医与免疫的研究, 其实就是在临床验方、秘方中筛选出的中药, 用中医的理论作指导组成的配方, 用西医的研究程序、按照我们设计的研究方向进行研究。当研究成功、获得成果、新药批号、中医药发明专利后, 还有一个问题浮上心头, 就是能否找出该方的作用机理或作用部位, 从2007年与生物工程技术结合、通过近5年的研究, 发现该方案是通过改善内环境, 恢复和改善免疫调控网络, 使自身或输入的免疫细胞发挥作用而达到治疗的目的。临床证明, 免疫调控网络恢复正常, 各脏器功能就能恢复正常。如我们发现疼痛与毒瘾都是神经介质的异常, 所以, 在我们用改良干细胞治疗癌痛的同时, 无意间发现消除毒瘾更为理想。冠脉狭窄、心肌缺血引起的心绞痛、心律不齐、心性哮喘, 过敏性哮喘、支气管哮喘、肺纤维化, 急性青光眼、急性视网膜炎, 免疫病引起的症状等均能迅速得到缓解, 进而治愈。
从理论上讲, 该治疗方法的作用机理符合生理, 符合自然, 作用广泛。临床发现, 不但对多种疾病都有很明显的治疗作用, 就连手术后的刀口愈合时间也能提前许多。
研究结论指出, 不论是肿瘤、代谢、内分泌、感染或免疫及免疫相关性疾病, 只要有优良的内环境, 免疫调控网络支配着强大的免疫功能, 各种异常细胞都会被迅速杀灭、清除。受损伤的组织会迅速得到修复, 疾病得以治愈。
中医药介入生物技术, 取消化疗, 减少激素和抗生素的应用
健康人体阴阳和谐, 生克有序, 生理机能运转维持着动态平衡。自体免疫细胞在免疫网络的调控下, 杀灭、清除各种致病因子及变异细胞, 修复组织损伤, 抵抗、预防各种疾病的发生。内环境的恶化, 免疫调控网络失常, 自体免疫在负调控作用下, 各种疾病应运而生。化学药物在杀灭致病因子的同时, 更要破坏内环境, 免疫调控网络得不到改善, 被杀灭的致病因子、变异细胞往往死灰复燃, 越烧越旺。
中医药介入生物技术, 其作用是调和阴阳, 改善肌体内环境。恢复、改善免疫调控网络。增强自身免疫细胞的自然杀伤和修复功能。单独应用就能迅速达到理想的治疗效果。也可与改良干细胞、CIK、DC-CIK细胞同时应用。其优点:1, 无毒副作用、无不良反应。2, 绿色疗法取代化疗。少用或不用抗炎、抗病毒药物及免疫抑制剂。3, 对化疗药物增效和减毒。4, 除适用于肿瘤、肝病、免疫等病外。还可用于改善微循环, 降颅压和心、肝、肺、肾功能衰竭等急危重症的抢救性治疗。5, 用药安全, 疗效迅速。在有资质医生观察下, 可在普通医院、家庭病床、临终关怀等医疗场所用作治疗、急救和减轻患者痛苦。
许多人的固有观念使中西医结合的研究与应用受阻
生物调控 篇6
人工基因电路在近些年被广泛应用于微生物的细胞中, 这些基本的电路由振荡器[1]、计时器[2]、开关器件[3,4,5]、半加器[6]等基本元件组合而成。从这些基本的基因电路元件组成一个复杂的系统是基因电路设计和合成生物学的一个重大进步。基因的表达是最基本的分子生物学行为, 基因表达包含非常复杂的生物化学反应, 由于参加反应的分子数量的限制, 因此, 这些生物基因电路具有明显的随机性。随机性的来源包括内部噪声和外部噪声[7]。
本文用Kalman滤波器和H∞滤波器[8]对外部噪声和内部噪声进行滤波处理, 经仿真举例研究发现当噪声为白噪声时,Kalman滤波器和H ∞滤波器滤波效果基本一致; 当噪声为有色噪声[9],Kalman滤波器的滤波效果波动起伏较大, 而H ∞滤波器的滤波效果更稳定的,滤波效果更好。
2 受到外部噪声和内部噪声干扰下线性生物基因调控网络的Kalman滤波器和H∞ 滤波器的设计
2.1 系统模型
在择数学模型中, 化学方程式[10]是描述生物化学反应的最本质和准确的数学模型, 但是因为维数困难, 一般很难精确求解, 并且在建模过程中, 需要知道所有基本反应的细节, 对这复杂的反应系统是不可能的; 而化学速率方程[11]是常微分方程模型, 建模过程比较简单,分析和数值求解也相对容易, 因此在建模时通常会采用化学速率方程的形式。
以一个有四种物质相互转化的基因调控网络为例,当此生物基因调控网络未受到扰动时的系统模型如图1 所示:
基因调控网络[12]的化学速率方程为:
式中,x(t)表示浓度向量,N表示化学计量矩阵,其中
当此基因调控网络受到内部噪声和外部噪声时的系统模型如图2 所示。
基因调控网络的化学速率方程变为:
式中,M表示外部噪声对系统的影响。∆N1,∆N2表示系统内部噪声。ω(t) 表示外部噪声, 被假设成高斯白噪声。假设N是稳定矩阵,(3) 式中∆N1和∆N2表示对象参数的不确定性。假设其中。其中H1,H2和E为已知矩阵, 它们反应不确定参数所处的位置和变化幅度。F为未知实矩阵, 它的变化引起系统内部噪声∆N1、∆N2的变化。
其中外部噪声。
2.2 Kalman滤波器设计
系统的观测矩阵为:
式中,Z表示感兴趣的基因浓度,L是测量系统的参数。
由文献[13]连续系统的Kalman滤波方程为:
其中P满足Riccati方程:
2.3 H∞ 滤波器设计
当采用H ∞滤波器进行滤波时, 通过参考文献[14]设计H ∞滤波器。
其中X,Y满足如下Riccati方程:
3 仿真比较
下面我们通过模拟一个受到噪声干扰的生物基因调控网络来分析比较这两种滤波器的滤波能力。
假设:
我们希望滤波器精度 γ=0.1, 自由参数 δ=1, 由式(11) 和式(12) 解出:
将X,Y代入式(6) 和式(9) 得,Kalman滤波器为:
H ∞滤波器为:
通过计算, 线性生物基因调控网络的H ∞滤波器和Kalman滤波器已经设计出来了,下面通过Matlab仿真[15]分2 种情况比较这两种滤波器的滤波能力。
(1) 当w为白噪声时,Kalman滤波器和H ∞滤波器的滤波结果如图3 和图4 所示。
(2) 当w为有色噪声时,Kalman滤波器和H ∞滤波器的滤波结果如图5 和图6 所示。
4 结束语
本文通过对受到内部噪声与外部噪声干扰下的线性基因调控网络进行滤波器的设计, 并对H ∞滤波器和Kalman滤波器这两种滤波器对噪声干扰的滤波能力进行了比较。通过仿真分析得出: 在白噪声干扰下,H ∞滤波器与Kalman滤波器的效果差别不大, 都在0 附近波动。而在有色噪声干扰下,H ∞滤波器的滤波效果明显好于Kalman滤波器,H ∞滤波器的滤波效果更稳定, 波形更平滑, 波动幅度小; 而Kalman滤波器虽然仍在0 附近波动, 但其较H ∞滤波器而言, 波动幅度较大, 这说明H ∞滤波器在有色噪声干扰下有很好的抗干扰能力。
摘要：通过基因调控网络的设计,设计Kalman滤波器和H∞滤波器对受到内部噪声和外部噪声干扰的线性基因调控网络进行滤波处理,并通过仿真分析比较这两种滤波器对生物基因调控网络的滤波能力。在实际问题中,很多情况下需要考虑有色噪声干扰,本文针对在有色噪声干扰的情况下进行滤波仿真比较。
生物调控 篇7
Micro RNAs (mi RNAs) 是广泛存在于动植物体以及微生物体内的一类长度为21~24nt的内源性非编码小RNA。mi RNA通过切割靶m RNA或者抑制靶m RNA的翻译在转录后水平调节基因表达[2]。植物mi RNA在生长发育的多个层面上扮演着重要的角色, 如叶及繁殖器官的形态建成与分化、激素信号传导应答途径、营养代谢等[3]。此外, mi RNA还在响应冷胁迫、盐胁迫、机械损伤等非生物胁迫中具有重要作用[3,4]。近年来, 研究发现mi RNA在植物抵御病原微生物侵染的过程中起重要作用。本文综述了近年来mi RNA在植物病害中的研究进展, 为mi RNA调控的植物抵御病原微生物过程的研究提供了理论依据。
1 mi RNA与细菌侵染
常见的植物细菌性病害包括水稻白叶枯病、作物青枯病、白菜软腐病、柑桔溃疡病等, 每年都会影响农作物的生长和产量, 造成巨大损失。近年来, 许多研究显示mi RNA参与了细菌侵染的植物过程, 并且mi RNA对这一过程的调节与激素有关。mi R393是最早被报道的参与植物病原相关分子模式触发的免疫反应 (PTI, PAMP-triggered immunity) 的mi RNA, 研究表明mi R393能负向调控生长素信号, 在植物抵御细菌侵染的过程中具有重要作用[5]。mi R393可被细菌鞭毛蛋白N端的缩氨酸肽段 (flg22) 诱导表达, 并通过靶向植物生长素受体基因TIR1 (transportinhibitorresponse1) 、AFB2 (auxinsignaling F-box protein 2) 和AFB3负向调节生长素信号。mi R393在响应细菌的过程中具有很强的特异性, AFB1是TIR1的同源基因, 由于存在与mi R393靶位点的错配而不能被mi R393靶向。在突变体tir1中, AFB1受到丁香假单胞番茄致病变种 (Pst DC3000) 侵染的诱导, 但在野生型拟南芥中, 虽然mi R393被Pst DC3000诱导表达量上调, 但AFB1的表达水平未受到影响[5]。用细菌侵染野生型植株和mi R393过表达植株后发现, mi R393过表达植株中细菌效价比野生型植株低5倍, 表明过表达mi R393增加了植物的抗菌性[5]。后来的深度测序结果也验证了mi R393在植物抗菌方面的作用, 拟南芥叶片被无毒性的Pst DC3000 (hrc C-) 侵染后3 h, mi R393的表达水平约为未处理组的10倍左右[6]。
此外, mi R393还参与细菌防御途径中由效应因子引起的ETI (effector-triggered immunity) 免疫反应。效应子是病原菌利用Ⅲ型分泌系统 (TypeⅢSecreton System, TTSS) 输送至宿主细胞的一类蛋白质[7]。PSTⅢ型效应子Avr Pto B、Avr Pto和Hop T1抑制宿主细胞中的RNA沉默, 从而增加植物对细菌的易感性。在拟南芥中, 这3个因子分别在mi R393合成过程的不同阶段起重要作用。Avr Pto B能抑制mi RNA基因的转录, 导致pri-mi R393的低表达;Avr Pto抑制mi RNA成熟体的形成以及mi RNA的运输过程, 导致mi R393的表达量下降;Hop T1抑制沉默复合体中AGO1的活性, 影响mi RNA的功能[8]。细菌在侵染植株的过程中对植物中mi RNA的合成产生影响, 从而影响植物体内的RNA沉默。
mi R393在根瘤农杆菌与植物的互作中也发挥重要作用, 研究显示其根瘤的生长可能与生长素信号途径有关。不具有致瘤能力的农杆菌株感染烟草不会造成mi R393的表达量发生改变, 而可致瘤的农杆菌株感染烟草可诱导mi R393下调表达。研究表明, mi R393能抑制生长素信号途径, 抑制生长素信号途径会促进肿瘤的增长[9,10]。在农杆菌侵染烟草过程中, 可通过下调mi R393促进生长素信号途径抑制农杆菌根瘤的生长。
除了mi R393, 拟南芥mi R160和mi R167靶向植物生长素响应因子 (ARF) 基因家族在无毒性的Pst DC3000 (hrc C-) 侵染3 h后表达量上调[7]。在Candidatus Phytoplasma aurantifolia侵染墨西哥柠檬树后, 检测到mi R159、mi R160、mi R166、mi R167、mi R393在细菌侵染后表达水平有明显变化, 它们的靶基因 (ARF和MYB) 在植物激素途径中起重要作用[11]。此外, 在细菌侵染的墨西哥柠檬树中检测到了较高水平的IAA, 也从一个侧面说明了生长素信号途径与植株对细菌的敏感性方面有重要的关系[11]。
植物mi RNA响应细菌侵染的过程, 除了与植物激素调节途径有密切联系, 还与植物的活性氧途径有关。细菌侵染会使植物开启活性氧途径, 增加活性氧 (ROS) 积累[12]。CSD是植物抵御活性氧毒害的主要超氧化物歧化酶, 其中Cu/Zn超氧化物歧化酶基因 (CSD1和CSD2) 已经被验证为拟南芥mi R398的靶基因[13,14]。为了研究mi R398及其靶基因在植物抗菌方面的作用, 分别用有毒性的Pst DC3000和无毒性的带效应子的Pst DC3000 (avr Rpt2) 和Pst DC3000 (avr Rpm1) 侵染拟南芥。mi R398的表达量在Pst DC3000 (avr Rpt2) 和Pst DC3000 (avr Rpm1) 侵染后都会有明显的下调, 但Pst DC3000侵染后其表达量无明显变化。mi R398的靶基因CSD1和CSD2在细菌感染后具有不同的表达模式, 在Pst DC3000 (avr Rpm1) 侵染后, 拟南芥中CSD1的表达量有明显的上调, 但CSD2的表达量无明显的变化, 说明植物的抗菌过程中存在依赖和不依赖mi R398指导的不同的复杂机制[15]。
此外, 研究也表明mi RNA响应细菌感染的过程是一个复杂的过程, 涉及到多个mi RNA的共同响应, 并调控多种生物学途径。拟南芥中, 细菌鞭毛蛋白缩氨酸肽段flg22可以引起多种mi RNA (mi R156、mi R160、mi R167、mi R169、mi R391、mi R396、mi R398) 及其靶基因的表达量变化, mi RNA通过调控靶基因参与生长素信号途径、活性氧途径和DNA甲基化等多种生物学途径进行flg22的响应调控。此外, 过表达mi R398和mi R773的转基因植株对细菌感染更加敏感, 细菌侵染后单位叶面积菌落数比野生型有明显的增加[16]。
近年有研究表明, mi RNA*在响应细菌感染方面同样起重要作用。拟南芥中mi RNA393*在抵御细菌感染的过程中发挥重要作用。在无毒性株系Pst DC3000 (avr Rpt2) 和有毒性株系Pst DC3000 (EV) 侵染拟南芥后, ago2在6 h和14 h都有明显的上调, 并且在接种细菌后, 在ago2单突变和ago2/ago7双突变植株中, 叶片单位面积菌落数都有明显的增加, 而免疫共沉淀试验表明, mi RNA393b*和ago2蛋白紧密结合。此外, 在接种细菌后, 过表达mi RNA393b*的植株单位叶片面积菌落数比野生型有明显减少[17]。在Candidatus Phytoplasma aurantifolia侵染墨西哥柠檬树后, 检测到有许多mi RNA* (mi R160d*、mi R157d*、mi R156f*、mi R169c*、mi R15-7a*) 表达量有明显变化[11]。
2 mi RNA与真菌侵染
植物真菌性病害是危害植物的第一大类病害, 占植物病害总数的80%, 常见的四大病害 (霜霉病、白粉病、锈病和黑粉病) 都是由真菌引起的[18]。目前, 有越来越多的证据显示mi RNA在植物抗真菌过程中具有重要作用, 并通过多种生物学途径共同发挥作用。
小麦白粉病是世界性病害, 已成为影响小麦生产的主要病害之一[19]。Xin等[20]在2010年研究了小麦受到白粉病菌感染后mi RNA的响应情况, 这也是首次对小麦中mi RNA在生物胁迫中的作用进行的研究。分别用白粉病菌侵染小麦敏感株系Jingdong8 (JD8) 和相近基因型的抗性株系Jingdong8-Pm30 (JD8-Pm30) , 检测了这2个株系中mi RNA在侵染前后表达量的变化。其中, 有8个mi RNA (mi R393、mi R444、mi R827、mi R2001、mi R2005、mi R2006、mi R2011、mi R2013) 的表达量只在JD8株系中发生变化, 有3个mi RNA (mi R171、mi R2008、mi R2012) 的表达量只在JD8-Pm30株系中发生变化, 有10个mi RNA的表达量在JD8和JD8-Pm30株系中都发生变化, 其中4个mi RNA (mi R156、mi R159、mi R164、mi R396) 在2个株系中都表现为表达下调。与植物激素信号途径密切相关的mi R393在受白粉菌侵染的JD8-pm30植株中下调表达, 表明由mi RNA参与的植物激素调控在小麦抗白粉病中也起到重要作用[20]。
此外, 灰霉菌 (Botrytis cinerea) 也是一种寄主范围广范的常见真菌, 不仅能够危害田间作物, 并且是引起窖藏性病害的主要真菌, 严重危害窖藏的蔬菜水果[21]。Jin等利用mi RNA芯片技术研究了番茄被灰霉菌 (Botrytiscinerea) 侵染后的mi RNA表达量变化情况, 结果显示sly-mi R169的表达量在侵染后的5个时间点均上调, 而sly-mi R160和sly-mi R171a的表达量只在处理1d时下调。sly-mi R169、sly-mi R160和sly-mi R171a的靶基因分别是转录因子NF-YA5、ARF17和SCL6。定量结果显示ARF17和SCL6在处理12 h表达量有明显上调, 但在处理7 d时下调到未处理的水平, 而NF-YA5在侵染后表达量明显下调[22]。
在木本植物毛果杨中, mi RNA能够介导植株应答杨树溃疡病菌 (Botryosphaeria dothidea) 的侵染。运用基因芯片技术鉴定到在毛果杨被葡萄座腔菌感染后, 有12个mi RNA家族的41个成员的表达量发生了变化。这些mi RNA的靶基因有植物抗病蛋白 (NBS-LRR proteins) 、过氧化物酶、细胞分裂素氧化酶、MYB、ARF等, 涉及多种生物学过程。分析了其中的CKX、CSD、POD等靶基因的表达量变化情况, 显示其在真菌处理后均有不同程度的下调表达[23]。近期研究表明, 在禾本科植物玉米中zma-mi R393能响应纹枯病菌 (R.Solani) 感染, 并通过下调其靶基因TIR1的表达量调节生长素信号途径, 进而应答真菌感染[24]。小麦中tae-mi R164在小麦条锈病侵染后表达量发生变化, 其靶基因Ta NAC21/22转录因子在植株对条锈病的抵抗中起负调控作用[25]。
mi RNA在植株系统防御中有重要的作用。梭型栎柱锈菌 (Cronartium quercuum f.sp.Fusiforme) 侵染火炬松会导致部分mi RNA表达量发生变化。在火炬松发育中的木质部中, 克隆得到4个保守mi RNA家族和7个火炬松特有的mi RNA家族中共26个mi RNA。火炬松感染栎柱锈菌后会在松树茎部表现梭形瘿瘤, 检测这11个mi RNA家族中有10个家族中的mi RNA在感染部位的茎中下调表达, 而在根和感染部位上部的茎中无明显变化。虽感染部位上部的茎中mi RNA水平无明显变化, 但这些mi RNA的靶基因表达量有明显上升。表明在锈病菌感染后, 火炬松可能会在未感染部分产生免疫反应, 引发植物的系统防御, 在病菌侵染前启动保护机制[26]。
3 mi RNA与病毒侵染
植物一般通过小RNA介导的RNA沉默来抵御病毒入侵, 而病毒也进化出沉默抑制子对抗寄主的RNA沉默[27]。目前已经鉴定到多种病毒沉默抑制子, 最早被鉴定到的是烟草蚀纹病毒 (TEV) 的Hc Pro蛋白和黄瓜花叶病毒 (CMV) 的2b蛋白[28]。这些沉默抑制子通过作用于RNA沉默的不同阶段, 从而干扰寄主的RNA沉默过程, 影响寄主与RNA沉默相关的生物学途径[29,30]。
研究表明, 多种植物mi RNA在响应病毒感染的过程中受到病毒沉默抑制子的调控。mi R168在烟草、拟南芥、苜蓿以及番茄中可响应多种病毒侵染, 如番茄丛矮病毒 (Cym RSV) 、长叶车前花叶病毒 (RMV) 、烟草蚀纹病毒 (TEV) 、菽麻花叶病毒 (SHMV) 等[31]。mi R168靶向RNA诱导的沉默复合体 (RISC) 的核心蛋白AGO1基因, 病毒沉默抑制子p19能诱导mi R168上调表达, 下调AGO1的m RNA, 保持AGO1的蛋白水平[32]。黄瓜花叶病毒 (CMV) 侵染拟南芥后, 拟南芥中mi R162、mi R164、mi R165、mi R167、mi R168明显上调表达, 同时AGO1的表达量也有明显的上调[33]。mi R162和mi R168的靶基因分别是编码mi RNA合成的关键蛋白的DCL1基因和编码mi RNA行使功能的核心蛋白AGO1基因, 它们通过自身反馈调节对自身及整个mi RNA系统进行表达及功能调控[31,34]。黄瓜花叶病毒的2b蛋白能促进mi R162和mi R168的表达, 通过与DCL1和AGO1的复杂互作, 最终抑制mi R162对DCL1的切割及mi R168对AGO1的切割, 使得AGO1上调表达, 同时间接调控其他mi RNA的功能, 具有十分复杂的调控机制[33]。最近研究显示, 黄瓜mi R159和mi R858可响应黄瓜绿斑花叶病毒 (Cuucmber green mottle mosaic, CGMMV) 侵染, 同时这种响应存在组织时空特异性, 且变化显著[35]。利用RNA-seq技术对水稻黑条埃索病毒 (Rice black-streaked dwarf virus, RBSDV) 侵染后的玉米进行转录组测序, 鉴定出17个玉米mi RNA家族中31个响应RBSDV的mi RNA成员, 并且表达量差异均在2倍以上[36]。其中mi R319、mi R396、mi R408、mi R1432、mi R4366、mi R8155、mi R9773和mi R9774家族均上调表达;mi R156、mi R158、mi R160、mi R395和mi R8677家族下调表达;而mi R166、mi R167、mi R169和mi R399家族的不同成员呈现出不同的表达模式[37]。
植物mi RNA响应病毒的过程中, 除了受到病毒抑制子的调控, 其响应过程还与抗病蛋白NBS-LRR有很大的关系。芜菁中bra-mi R158和bra-mi R1885在芜菁花叶病毒 (Tu MV) 感染后上调表达, 其对Tu MV的感应具有特异性。在黄瓜花叶病毒、烟草花叶病毒以及真菌病原体核盘菌感染后, 这2个mi RNA的表达量均无明显变化。预测bra-mi R1885的靶基因是抗病蛋白NBS-LRR家族中的一员[38]。此外, 烟草中的nta-mi R6019和nta-mi R6020响应烟草花叶病毒感染。在烟草中过表达nta-mi R6019和nta-mi R6020, 其靶基因NBS-LRR的表达受到抑制, 并且过表达植株耐烟草花叶病毒的能力下降[39]。高通量测序结果显示, 大豆在大豆花叶病毒侵染后, 有10个mi RNA响应病毒感染。其中mi R160、mi R393的靶基因包括ARF、AFB等参与植物激素信号途径, mi R1510的靶基因glyma12g07680编码植物抗病蛋白NBS-LRR的同源蛋白[36]。番茄中mi R482在芜菁皱缩病毒TCV (Turnip crinkle virus) 、黄瓜花叶病毒CMV (Cucu-mber mosaic virus) 、烟草脆裂病毒TRV (Tobacco rattlevirus) 侵染后表达量下调, 其靶基因为NBS-LRR蛋白家族中的LRR1和LRR2, 靶基因的表达量在侵染后表现出相应的上调。在这个调节过程中, mi R482具有2种调控机制, 一种为传统意义上的直接切割靶基因;另外一种则是切割后的靶基因形成许多次级si RNA, 被称为phasi RNA, phasi RNA能对下游的靶基因进行切割, phasi RNA的部分靶基因为NBS-LRR类基因[40,41]。
还有一些响应病毒感染的mi RNA作用机制现在还不明确。印度香米在被东格鲁病毒 (rice tungro virus) 侵染后, mi R-41在被感染叶片和花中都有较高积累, 在被感染花中mi R-41表达量大概为未感染的3倍, mi R-47在感染后的叶片中表达量约为未感染叶片表达量的6倍。但mi R-41和mi R-47的靶基因未被预测到, 因此其作用机制还需研究[42]。
植物在受2个病毒共同感染时, mi RNA具有更复杂的表达模式。在马铃薯X病毒PVX (Potato virus X) 和马铃薯Y病毒PVY (Potato virus Y) 分别和共同感染烟草的情况下mi RNA的表达模式不同。mi R156在PVX和PVY共同感染的情况下, 表达量高于其单独感染。而mi R171在感染第8天时, 在PVX和PVY共同感染的情况下, 表达量低于PVX和PVY单独感染, 且与未感染植株中表达量相似。在感染第11天, mi R171在PVX和PVY共同感染的情况下, 表达量低于PVX和PVY单独感染, 且表达量低于未感染植株[43]。这一现象在双生病毒侵染烟草的过程中也有报道。烟草中mi R4376在TYLCCNV (Y10A) 和TYLCCNB (Y10β) 的共侵染后表达量明显低于在TYLCCNV (Y10A) 单独侵染后的表达量[44]。
4 结语
植物mi RNA在抵御病原微生物方面具有重要作用, 其参与植物免疫中的PTI和ETI过程, 对病毒抑制沉默子敏感, 还在植物共生固氮中具有重要作用。从现有研究中可看出, 植物激素信号途径在mi RNA调节的植物抵御病原微生物过程中具有重要作用, 在细菌、真菌、共生固氮菌、病毒与植物互作过程中都检测到了与植物激素信号途径相关的mi RNA。此外, 还检测到一些与其他生物学途径如氧化还原途径相关的mi RNA对病原微生物的响应, 表明mi RNA在植物抵御病原微生物过程中具有复杂的调控机制。但对于mi RNA调控的病原微生物胁迫方面的研究, 目前多集中于植物应答病原微生物mi RNA及靶基因的差异表达分析, 而对这些差异表达mi RNA及其靶基因调控机制的深入研究相对较少。mi RNA在生物体内有复杂的调控机制, 逐一解析病原微生物应答的植物mi RNA调控的代谢途径、信号途径及生理学适应将成为今后研究重点。透彻揭示mi RNA在植物抵御病原微生物中的详细机制, 是对植物抵御生物胁迫机制的有益补充, 并可能为农业生产中的生物胁迫防治提供新思路。
摘要：在自然界中植物会不断遭受各种病原微生物的侵袭, 严重影响植物的生长与作物的产量。经过长期互作影响, 植物进化出复杂的抵御病原微生物的机制。microRNAs (microRNA) 作为一类长度在21~24nt、内源、非编码小RNA, 能通过降解靶基因的m RNA或者抑制其翻译在转录后水平调节靶基因, 进而参与植物的生长发育、非生物胁迫等众多生物过程。近年的研究显示, mi RNA在植物抵御病原微生物的过程中扮演重要角色。本文从植物抵御细菌、病毒、真菌等方面综述了近年来miRNA参与的植物抵御病原微生物的研究进展, 为揭示植物抵御生物胁迫机制提供理论基础。
生物调控 篇8
1 资料与方法
1.1 DFSCs成骨分化中基因表达芯片数据的获取
从GEO Datasets数据库获取DFSCs成骨分化过程中基因表达芯片数据,其方法是:输入网址“http://www.ncbi.nlm.nih.gov/gds”,进入GEO Datasets数据库,在搜索栏输入“dental follicle”,搜索后获得DFSCs成骨分化的基因表达芯片数据集(GEO登记号:GSE18072),该数据集应用表达芯片检测DFSCs体外成骨分化前和成骨分化后差异表达的基因获得,其具体的实验条件在以往的文献中已有叙述[7,8]。本研究中,我们应用GEO Datasets自带分析软件GEO2R对原始数据进行分析,获得DFSCs成骨分化过程中差异表达的基因。
1.2 DFSCs成骨分化中基因表达芯片数据的分析
gene ontology(GO)和KEGG等数据库可对大量基因数据按照一定的共性进行富集和分类。DAVID数据库整合了GO、KEGG等数据库。本研究应用DA-VID数据库对DFSCs成骨分化过程中差异表达的289个基因进行生物信息学分析,其过程如下:输入网址“http://david.abcc.ncifcrf.gov/home.jsp”,进入DA-VID数据库,将DFSCs成骨分化过程中差异表达的289个基因复制到输入框,选择“official gene symbol”作为识别类型,选择“Homo sapiens”和“Mus musculus”作为注释种属,点击“Submit List”提交数据,最后点击“Start Analysis”按钮,应用DAVID的分析模块如Functional Annotation Clustering等对这些基因进行生物信息学分析。
1.3 被富集到“骨骼系统发育”子集基因的网络分析
DAVID数据库可将大量基因中具有共同属性的基因富集到不同的子集。然而,子集内基因的相互关系不能清楚的显示。Gene MANIA数据库可基于共表达(co-expression)、共定位(co-localization)、蛋白和基因的相互作用(protein and gene interactions)等对基因集进行分析和预测,显示这些基因的分子网络图。
DAVID数据库将DFSCs成骨分化中差异表达的12个基因按照Gene Ontology功能分类法富集到“skeletal system development(骨骼系统发育)”子集。应用Gene MANIA数据库分析这12个基因的相互关系,其方法如下:输入网址“http://www.genemania.org”,进入Gene MANIA数据库。选择种属“Homo sapiens”。接着将ALPL、CTSK、TUFT1、TGFBR2、FHL2、ROR2、STC1、POSTN、ZBTB16、FRZB、PRELP和IGFBP5等12个基因输入,点击“GO”进行分析并保存结果。
2 结果
2.1 DFSCs成骨分化中差异表达的基因
应用GEO2R对从GEO Datasets数据库获得的原始数据集(GSE18072)进行分析,获得大量DFSCs成骨分化过程中差异表达的基因,选择表达差异明显(P<0.05)的289个基因用于进一步分析:ADH1B,AP-OD,PIP,GPRC5B,CCND2,SERPING1,TMEM176A,ZBTB16,STC1,ENTPD1,METTL7A,IL7R,GPM6B,MFAP4,SPON1,CYP39A1,SH2D4A,RAB27B,ASPN,TGFBI,SLC39A8,ADH1A,MAOA,FKBP5,SPRY1,ID3,PRELP,MTHFD2,DIO2,ROR2,PTGS1,PLAT,CCDC69,CDC23,EFEMP1,SAA2,FGD4,SULF1,MMP1,VIT,CFH,OLFML1,SGCG,TIMP4,CORIN,ABCA6,PTGFR,SLC7A5,GLUL,SESN3,ADAM12,ISM1,PNMA2,ROBO2,ST8SIA1,LYPD6B,FMOD,SEPP1,RFTN2,FRZB,ARRDC2,FMO3,INMT,GLUL,CD14,BIRC3,ADH1C,FNDC1,SHC3,DLL1,SLC40A1,PRUNE2,COL14A1,TNFSF15,SAMHD1,AKAP12,FAM43A,PSG1,PROS1,NRG1,DIO3,SLC9A9,TM4SF20,CFHR1,IGFBP2,SHCBP1,NAP1L2,NR4A3,PRC1,PROS1,KIF14,ADAM19,PRUNE2,SH3PXD2B,KCNH1,TSC22D3,LIF,ITGB8,GPT2,FAM20A,SYTL2,TMTC1,TOP2A,CHAC1,SLC8A1,HMGN2,LR-RN3,CA5B,NRG1,HSPA2,CTSK,EDNRB,ABHD2,KIT,PBK,C1QTNF1,SAT1,ASPM,RARRES2,HMGN2,FMO4,CYP7B1,CEP55,IGFBP5,LAMP5,FAXDC2,CA12,DEPDC1,ALPL,SERAC1,PLA2R1,EZR,TXNIP,MUC15,TACC3,UGCG,TJP2,GPR39,BDNF,PCDH18,LRRN4CL,KIF23,SH3BGRL2,NUDT6,SULT1B1,NRP2,KIAA0101,PGM2L1,USP53,LAMA2,RNF157,GPX3,PHKA1,AJUBA,ID1,KRE-MEN1,IRAK3,ABCA8,MARS,BUB1,LRCH2,SI-PA1L2,IL12RB2,EPHA4,JUP,MTHFD1L,ARHGAP24,NEK10,ADRA1D,MKI67,PDGFD,ZNF594,DLGAP5,HIST1H1B,TMEM176B,POSTN,LOXL2,BDKRB1,NME2,NME1,MEGF9,LOC100506242,HIST1H2BM,HMCN1,ANTXR1,COLEC12,EFHD1,ZNF608,PTCHD4,FLVCR2,GFRA1,KRT7,SPON2,FBLN1,HJURP,ASNS,SLC38A5,FHL2,SEL1L3,ADAMTS6,CENPF,NPTX1,NUF2,SLC35E3,CASC5,THRB,RASL11A,KCND3,CHRNA1,SPC25,SLC17A7,MTH-FD2,CNTN3,TUFT1,TNFRSF12A,SNORD75,ARRB1,ACTG2,UBE2T,IQGAP3,SNED1,ETV1,TTK,NCAPH,CRABP2,CD302,SLC44A1,SERPINF1,MME,EBF1,CTPS1,LAMA3,MRVI1,FBXO32,EIF1AY,FAM105A,MAGED4,MAGED4B,APBB1IP,STON1-GTF2A1L,PRR5L,LRRK2,RDH10,SHMT2,STAC,LINC00341,ITGA10,RRM2,PCK2,DSE,SLC6A6,TPM1,CDK1,TGFBR2,IL1R1,KRTAP1-1,KRTAP1-3,TYMS,KI-AA1524,SLC25A27,OBFC1,KCNJ6,P4HA3,STXBP4,C7orf69,BCL6,DIAPH3,PTK2B,TBX18,OLAH,HIST1H3B,RNF152,LOC100131826,SLC31A2,PTTG3P,PTTG1,CTSB,ACKR4,PAMR1,C5AR2,TBC1D8,MFSD6,KIAA0355,BIRC5,DPT,LGMN,CMTM4,PDE1A,ELN,SGOL1。
2.2 DFSCs成骨分化中差异表达的基因被富集在不同的信号通路与生物学过程
应用DAVID数据库对此289个基因进行生物信息学分析,结果显示这些基因可以富集到不同的信号通路、生物学过程等子集。
基于KEGG信号通路,EDNRB、SLC8A1、PTK2B、PDE1A、PHKA1、BDKRB1、PTGFR和ADRA1D等8个基因被富集到与成骨分化密切相关的“Calcium signaling pathway(钙信号通路)”,这些基因在该信号通路所处的位置及与其它信号通路的关系见图1。
基于GO数据库的“Biological process(生物学过程)”分析,将此289个基因富集到多个子集,其中与间充质干细胞增殖、成骨分化密切相关的一些子集见表1。ALPL、CTSK、TUFT1、TGFBR2、FHL2、ROR2、STC1、POSTN,ZBTB16、FRZB、PRELP、IGFBP5等12个基因富集到了“骨骼系统发育”生物学过程子集。
2.3“骨骼系统发育”子集中基因的相互作用关系
应用Gene MANIA数据库对富集到“骨骼系统发育”子集的12个基因进行分析,结果显示这12个基因及一些相关基因通过共表达、共定位、物理相互作用、蛋白相互作用等发生关联,建立了这些基因的调控网络(图2)。
网络图显示成骨分化标记基因COL1A1与CTSK存在共同表达的时空关系,后者与牙齿的发育和矿化密切相关[9]。COL1A1同时与PRELP存在物理相互作用,后者对骨改建也有重要的作用[10]。网络图也显示成骨分化标记基因ALPL与FZD5及ROR2存在共同表达的时空关系,后两者是WNT信号通路的成员,在骨发育和改建中发挥着重要作用[11]。此外,与间充质干细胞成骨分化密切相关的基因TGFBR2、IGFBP5等也彼此存在广泛联系。这些结果提示“骨骼系统发育”这一子集的基因在DFSCs成骨分化过程中发挥了重要作用且相互关联。
图1“钙信号通路”网络图(★:在DFSCs的成骨分化中差异表达的基因)Fig 1 Network view of calcium signaling pathway(★:differentially expressed genes during the osteogenic differentiation process of DFSCs)
3 讨论
牙囊由颅神经嵴细胞迁移、增殖和分化形成,可形成牙骨质和牙周膜。以往研究表明,牙囊组织中包含一类具有多向分化潜能的牙囊干细胞,在一定条件下可分化形成脂肪细胞、软骨细胞、成肌细胞、神经细胞和成骨细胞[6],是一种具有潜在应用价值的成骨、成牙种子细胞。
以往研究表明,BMP2、BMP7、BMP9可促进DFSCs的成骨分化,而Wnt5a、p38 MAPK、ALP、DLX3、DLX5、MSX2、ZBTB16等参与了DFSCs成骨分化[3,4,5,6,12]。本研究通过对DFSCs成骨分化中差异表达的基因进行分析,发现ALPL等12个基因表达发生改变并且富集到“骨骼系统发育”基因子集,进一步支持这些基因对DFSCs成骨分化具有重要的调控作用[13]。Gene MA-NIA分析结果还显示,这些基因之间及与其他一些WNT信号通路分子如ROR2等存在共表达、共定位等联系。而富集在KEGG“钙信号通路”的一些在DFSCs成骨分化中表达发生改变的基因也与MAPK及TGF-beta等信号途径存在关联。提示WNT、MAPK、TGFbeta等信号通路在DFSCs成骨分化过程中可能存在对话,进而调控成骨分化标记基因如ALPL、COL1A1的表达。此外,生物信息学分析结果还显示,许多差异表达的基因对细胞增殖、分化具有重要的调控作用,这些基因也被富集到“细胞周期”和“细胞增殖”等不同子集,提示在DFSCs成骨分化过程中,细胞周期和增殖信号也发生了改变,以适应成骨分化这一生物学过程。
通过分子、细胞和动物等方法可确切的研究基因功能[14]。然而,基因靶标的研究往往范围较大,直接进行功能实验要耗费大量的时间和精力,而多个基因间内在关系的研究则更为复杂。生物信息学的发展帮助我们实现了靶标基因的预测及研究多个基因间的复杂关系。本研究从GEO Datasets数据库获取了DFSCs成骨分化中差异表达的基因数据,节约了研究成本。然后通过DAVID及Gene MANIA等数据库对这些基因分析后把功能属性相似的基因进行了富集,建立了部分基因的调控网络,为从整体上认识DFSCs成骨分化提供了思路。