课程文献中心 更多>>

关键词： 棉花   可变剪切   遗传变异   纤维发育  

摘要： 棉花是一种重要的经济作物,其中棉纤维为全球的纺织工业提供了大量原材料。在棉属的众多棉种中,二倍体中仅有两个棉种能产生纺织所需纤维,亚洲棉就是其中之一。与四倍体相比,亚洲棉对各种生物和非生物胁迫耐受性较强,其纤维相对较短,可以与四倍体栽培棉针对纤维发育进行比较基因组研究。可变剪切是真核生物体内一种重要的转录调控机制,有助于增加转录本和蛋白质的复杂性。然而在不同材料的纤维发育过程中,可变剪切相关的遗传变异基础尚不清楚。因此本研究结合Nanopore全长转录组测序和群体转录组测序技术,对216份亚洲棉组成的群体的五个不同的纤维发育时期数据,分别从转录水平和转录后调控水平进行分析,这五个时期分别为开花后4天（4DPA）、开花后8天（8DPA）、开花后12天（12DPA）、开花后16天（16DPA）、开花后20天（20DPA）。最终我们构建了亚洲棉纤维发育的可变剪切图谱,分析了可变剪切事件与基因表达水平之间的关系,比较了剪切数量性状位点（Splicing quantitative trait loci,sQTL）和表达数量性状位点（Expression quantitative trait locus,eQTL）的调控差异。主要研究结果如下: （1）我们构建了亚洲棉A2的转录本图谱和可变剪切图谱。本研究中,我们一共注释到了20985个基因结构并组装了46792个高质量的全长转录本,其中有8121个转录本是从未被注释过的,大约占总数的17.3%。在纤维发育过程中,8DPA表达的基因数量最多,之后随着时间的推移,表达基因数量逐渐减少,其中有15442个基因同时在五个发育时期表达。值得注意的是,在纤维发育后期（16DPA、20DPA）同时表达的基因数目最多,达到了706个。进一步对可变剪切事件进行分析,在5个时期分别鉴定到了3850、4055、3489、3270、3046个剪切事件,其中内含子保留事件发生频率最高（53.9%-55.5%）。另外,我们发现表达水平较高的基因往往具有更多的转录本数量,更容易发生可变剪切。 （2）结合多种关联分析方法,本研究在纤维发育五个时期中一共鉴定到了457个与纤维品质性状相关的候选基因。我们利用表型数据与基因组变异进行全基因组关联分析（Genome-wide association study,GWAS）,一共鉴定到了20个与纤维品质性状显著关联的QTL,其中16个QTL与纤维长度显著相关。为了研究这些QTL对基因表达水平的调控作用,我们进行了eQTL分析,发现平均每个时期有3371个cis-eGene。我们利用全转录组关联分析（Transcriptome-wide association study,TWAS）缩小候选基因范围,在纤维发育的五个时期中一共获得了360个与纤维品质显著关联的候选基因。为了研究基因组变异对剪切事件的调控作用,我们进行了sQTL分析,发现平均每个时期鉴定到3616个cis-sGene,进一步通过转录本水平的TWAS即Iso-TWAS进行候选基因鉴定,最终获得了104个纤维品质相关的基因,与TWAS相比,Iso-TWAS特异鉴定到了97个基因。 （3）纤维发育不同时期可变剪切与基因表达水平之间的调控是相互独立的。纤维发育过程中eQTL与sQTL在基因附近的分布位置不同,sQTL在基因区域更高富集。在同一时期中,eGene的表达量明显高于sGene,而sGene的转录本数量显著高于eGene,说明eQTL对基因表达的影响更为显著,sQTL在转录后水平上的调控发挥重要作用。我们鉴定了任意两个连续时间点间的差异剪切事件,发现在16DPA与20DPA之间差异最小,而8DPA与12DPA之间差异可变剪切事件数量最多,达到823个,并且这些基因主要富集在糖基转移酶活性、微管相关、蛋白丝氨酸/苏氨酸磷酸酶活性等功能上。在不同时期间差异表达基因的分析中发现,8DPA与12DPA之间显著差异表达基因同样是数目最多的,但主要富集在水解酶活性、碳水化合物代谢、氧化还原酶活性、跨膜运输等功能上。 总体来讲,我们对亚洲棉群体纤维发育的不同阶段进行分析,研究了基因组变异位点与纤维品质性状之间的关联性,鉴定了457个候选基因,揭示了基因表达水平与可变剪切之间的相互独立的调控关系,为棉花基因组育种提供了理论依据。

关键词： 多智能体强化学习   知识共享   深度互学习   自适应交通信号控制  

摘要： 自适应交通信号控制(Adaptive Traffic Signal Control,ATSC)通过运用人工智能技术,自适应地调整交通信号灯,力求最优化车辆通行效率,从而达到缓解交通拥堵的目的。然而,真实交通场景中交叉口规模庞大且车流密集,如何提高数据处理效率和控制算法学习效率成为了一个待解难题。本文将路网中的每一个交叉口处设置一个独立的强化学习智能体,研究如何设计多智能体深度强化学习协同训练机制以促进这些独立智能体之间的有效合作。为此,本研究提出了新的邻域内的知识共享机制,通过显式地共享和学习邻域范围内智能体间的策略知识,使多个智能体可以更高效、鲁棒地学习到交通信号协作控制策略,最终实现智能体在模型层面上的知识和经验的共享与迁移。本文提出基于共享模型参数和基于深度互学习机制的两种知识共享模式,在PNC-HDQN算法的基础上,分别设计了MSPNC-HDQN(Model Sharing-based Pearson Neighborhood Cooperative HDQN)和MLPNC-HDQN(Mutual Learning-based Pearson Neighborhood Cooperative HDQN)两种邻域内多智能体强化学习算法。具体的: (1)本文受联邦学习框架中的中央服务端聚合多个客户端模型参数的学习方式的启发,提出了一种基于邻域内参数平均的多智能体深度强化学习协同方法,称为MSPNC-HDQN。考虑到路网中交叉口的交通状况具有很强的地理相关性,MSPNCHDQN将每个智能体都视为其邻域范围内的“中央服务端”,汇聚直接相邻的邻居们的模型参数。每个智能体都可以共享其邻域内网络模型的参数知识,从而增强了它们应对复杂环境的能力,并促进了整个系统的协同作用和协调发展。 (2)考虑到模型参数知识只是邻域内智能体所能共享的知识的一部分,因此,本文受到深度互学习概念的启发,进一步提出了基于邻域深度互学习MLPNC-HDQN算法。MLPNC-HDQN利用深度互学习机制,在训练中实现智能体与其邻居智能体之间知识和策略的交流。不同于MSPNC-HDQN,MLPNC-HDQN知识共享过程不受智能体决策网络架构的限制,从而可以更好地实现对交通训练数据的理解、特征提取、决策边界确定以及概率分布等。 为了验证本文提出算法的有效性,本文在两个真实交通网以及一个合成交通网中,分别运用了三个公开数据集和三个变种数据集进行了详尽的实验验证。实验结果显示,本文方法在性能提升和加速收敛方面,相较于现有的基准方法有了显著的提升,有效促进了智能体之间的协作。

关键词： 智障儿童   家庭照顾者   小组工作   认知行为疗法   叙事治疗理论  

摘要： 随着社会的发展进步,国家和社会对智障儿童这类弱势群体的关爱和支持越来越多,但对智障儿童的家庭照顾者的关注不够。智障儿童家庭照顾者普遍承受着较大的生活和精神压力,同时又缺乏寻求外界社会支持的方法和途径,迫切需要家庭、社区、政府以及社会的支持。 鉴于此,本文运用问卷法和访问法对L市儿童康复中心智障儿童家庭照顾者的压力现状进行调查分析,在此基础上,以认知行为疗法和叙事治疗理论为理论视角,运用小组工作方法疏导智障儿童家庭照顾者的照顾压力。主要结论如下: 第一,L市儿童康复中心的智障儿童家庭照顾者大多承受较高的照顾压力。照顾压力在照顾者的生理、心理和社会层面均有体现,具体表现为身体的亚健康状态、心理上的消极认知与负面情绪以及社会层面的社交逃避等。 第二,智障儿童家庭照顾者的照顾压力来源多元化、复杂化。一是康复知识与压力管理技能不足,加剧了家庭照顾者的压力和焦虑;二是认知偏差与非理性信念导致家庭照顾者大多产生自我贬低感,增加了心理上的负担;三是家庭功能弱化与情感支持缺失,降低了照顾者与其家庭成员之间的沟通和情感联系;四是家庭照顾者的社会支持网络比较薄弱,缺少压力舒缓和情绪宣泄的途径。 第三,以认知行为疗法和叙事治疗理论为指导的小组工作介入能够有效缓解智障儿童家庭照顾者的照顾压力。问题与需求评估表明,家庭照顾者压力主要表现在身心俱疲、认知偏差、家庭关系紧张与社会支持薄弱等方面,需要舒缓负面情绪、提供技能培训和加强社会连接。在实务介入过程中,首先纠正组员的不合理信念和非理性思维,帮助组员重塑对自身经历的积极认识;其次,开展关于康复知识、压力管理的相应培训与实践,并激励组员行为改变;最后,改善组员家庭关系,增强组员的同伴支持与心理韧性。服务评估表明,组员的正向认知改变明显,社会支持得到强化,压力应对技能得以提升。 综上,本研究就如何应对智障儿童家庭照顾者压力问题提出如下建议:一是改善介入策略,注重差异化服务;二是加强家庭功能,增强情感支持;三是构建互助网络,抵御社会偏见。

关键词： 学业倦怠   父母教育卷入   学业浮力   希望感   初中生  

摘要： 初中时期是青少年积累知识与身心发展的重要阶段。根据资源保存理论,长期超负荷的学业任务使个体出现资源损耗,使初中生表现为学业倦怠。父母作为子女学业生涯中的重要陪伴者,父母教育卷入是指在学业方面父母对子女智力、行为、情感三方面的参与情况,已有大量研究表明,父母教育卷入对子女的身心发展起着至关重要的作用。因此,为深入考察初中生学业倦怠的现状,明确父母教育卷入对初中生学业倦怠的作用机制,本研究构建有调节的中介模型,重点考察学业浮力的中介作用和希望感的调节作用。 本研究采用《父母教育卷入量表》、《学业倦怠量表》、《学业浮力量表》、《希望感量表》为测量工具,对山东省泰安市某所中学的643名初中生进行问卷调查,使用SPSS 26.0和AMOS 24.0对数据进行统计分析,得出以下结论: (1)初中生学业倦怠、学业浮力和希望感存在显著的性别差异;初中生父母教育卷入、学业倦怠、希望感存在显著的年级差异;初中生父母教育卷入在是否班干部方面不存在显著差异。 (2)初中生父母教育卷入、学业浮力、希望感与学业倦怠呈显著负相关,父母教育卷入、学业浮力和希望感两两之间呈显著正相关。 (3)初中生父母教育卷入对学业倦怠具有负向预测作用。 (4)初中生学业浮力在父母教育卷入、情感卷入和行为卷入对学业倦怠的影响中均起到中介作用;学业浮力在父母教育卷入、父母情感卷入对学业倦怠的影响中起部分中介作用,在父母行为卷入对学业倦怠的影响中起完全中介作用。 (5)希望感在父母教育卷入对初中生学业倦怠影响的后半路径起调节作用,即相对于希望感水平较高的初中生,希望感水平较低的初中生,其学业浮力更能显著降低初中生的学业倦怠水平。 (6)基于本研究结果,为初中生学业倦怠的预防和干预提供实质性的支持,同时为学校心理健康教育工作者提供理论指导。家长可以通过对子女学业的关心和支持,使初中生通过增加外部积极资源来弥补已经消耗的资源,从而具备良好的学业浮力和希望感,达到需求和资源供给平衡,降低学业倦怠的发生。

关键词： 横向射流   超声速来流   一次雾化   射流孔型   入射角度   脉冲射流  

摘要： 超声速横向射流主要应用于高超声速飞行器的超燃冲压发动机中,在超燃冲压发动机的燃烧室内,液态燃料以横向射流的形式进入超声速气流中,射流与横流相互作用进而完成雾化,燃油的雾化作为燃烧过程的初始阶段,其性能对发动机的燃烧效率和燃烧稳定性有重大影响,研究液态燃料在超声速气流中的雾化和涡环流动特性对发动机设计具有重要意义。 本文同时采用耦合水平集与流体体积法(CLSVOF)、大涡模拟(LES)、自适应网格加密(AMR)对超声速横向射流进行数值仿真。分别研究了2.85Ma的超声速横流中的射流雾化特性与机理,不同射流孔型的雾化特性,不同入射角度射流雾化特性,以及脉冲射流雾化特性。 研究了煤油液体射流在2.85Ma横流中的破碎过程与雾化机理,详细地呈现了在当前横流条件下精细的液体射流演化过程与射流表面波的发展趋势,揭示了超声速横向射流表面波的存在形式,即纵向与展向表面波同时存在的二维形式;此外,发现了超声速横向射流的流场中激波的形态与射流液柱形态密切相关且是随时间变化的。这对于进一步深入研究横向射流雾化特性与机理具有指导性意义。 探究了相同质量流量的圆孔、不同长宽比的椭圆孔、扇形孔以及正方形孔的液体射流的雾化特性,发现了低长宽比的椭圆孔射流与扇形射流都具有较强的抗偏转能力,较大的穿透深度,较密集的表面波,较坚挺的弓形波,以及较小的回流区域。但低长宽比椭圆射流展向跨度较大而扇形射流展向跨度较小,且低长宽比椭圆射流涡分布稀疏而扇形射流涡分布密集。高长宽比射流与方形孔射流易于偏转,穿透深度小,表面波稀疏,弓形波弯曲,回流区域大,涡密集程度与圆孔接近,但低长宽比椭圆射流展向跨度更大。这一发现对于超声速横向射流雾化的增强具有指导性的意义。 揭示了超声速横流中不同入射角度的液体射流雾化特性,通过仿真总结出了射流入射角对于射流雾化的影响规律,研究发现顺流入射工况整体雾化水平较低,垂直工况与135°工况和150°工况雾化水平差距较小,在本文研究的工况中,120°工况各项指标均为最优,120°入射射流从穿透深度、展向宽度、表面波幅值、激波强度、以及涡结构分布情况等方面均是效果最好的。 获得了脉冲射流频率以及脉冲射流速度幅值对于射流雾化的影响规律,脉冲射流的速度脉动可为射流的雾化带来额外的不稳定性,这种不稳定性可强化射流的雾化效果,相较于稳态射流,脉冲射流雾化情况整体提升明显。脉冲射流频率对射流雾化影响整体不大,而脉冲射流幅值的增大对射流表面波强度以及流场激波强度有明显提升。综合所有工况,100k Hz频率0.5倍幅值工况从穿透深度,表面波状态,以及涡结构的分布情况等各个方面上都有较好的表现。 从入射孔、入射角度、脉冲射流等三个方面探究了射流的雾化表现,进而总结出这三种变量的相关雾化特性,进而为超声速横向射流雾化的增强以及发动机构型设计提供指导性意义。

关键词： 大气湍流强度反演   神经网络   深度学习   模型泛化性   目标识别  

摘要： 大气湍流会引起空气折射率的随机波动,导致在大气湍流中传输的光束产生一系列的湍流效应,如光强闪烁、到达角波动和光束漂移等,对观测目标的高精度识别带来了困难.大气湍流强度是影响这些湍流效应的重要因素,对大气湍流强度的准确反演有助于提高湍流目标的识别精度.另外,大气环境存在各向同性和各向异性两种状态的湍流,并且湍流环境类型会影响光束畸变的程度.由于湍流环境是复杂多变的,很难轻易确定当前的湍流环境,因此这对大气湍流强度的精确反演是一个挑战.针对以上问题,本文研究了基于深度学习的大气湍流强度反演技术,并将反演得到的大气湍流强度信息用于辅助湍流目标识别,主要工作和成果如下: 对多种激光光束和大气湍流理论进行了研究,基于修正Von Karman谱和广义修正Non-Kolmogorov谱,通过功率谱反演法分别生成了各向同性和各向异性湍流环境下的随机相位屏,并数值仿真了高斯光束和不同模态值的拉盖尔高斯光束在两种大气湍流环境中的传输过程,并分析了湍流环境类型、激光光束的种类和传输距离对传输光束的影响. 针对基于光斑图像的大气湍流强度反演问题进行实验研究,提出了一种由卷积和池化模块组成的神经网络方法,并利用反演得到的大气湍流强度信息辅助湍流目标识别.实验分析了激光光束种类、湍流环境类别和湍流尺度对大气湍流强度反演的影响,并利用迁移学习的思想对训练数据集进行了重组,以提高网络对不同湍流环境的泛化能力.研究结果表明了本文提出方法的有效性. 针对基于湍流退化图像的大气湍流强度反演问题进行实验研究,提出了一种基于混合域注意力机制的神经网络方法.混合域注意力机制由空间注意力和通道注意力组成,其中空间注意力机制用于加强退化图像中受大气湍流影响明显区域的特征,通道注意力用于加强退化图像中受大气湍流影响的特征,减轻非大气湍流影响的特征.研究结果表明本文提出的方法的有效性.