目的:克隆幽门螺杆菌(Hp)hp0169基因并进行晶体学研究,分析其二级结构和三维结构.方法:由UniProt数据库中检索Hp NCTC26695菌株hp0169基因及其编码蛋白序列,采用生物信息学方法分析Hp重组胶原蛋白酶(HpPrtC)蛋白理化性质,SOPMA和DNAStrar软件预测HpPrtC蛋白二级结构特征,SWISS-MOPEL软件构建HpPrtC蛋白三维结构,IEDB和ABCpred软件预测HpPrtC蛋白B淋巴细胞抗原表位,SYFPEITHI网站预测T淋巴细胞抗原表位,专家库(EP)算法和随机森林(RF)算法预测HpPrtC蛋白可结晶性.原核表达HpPrtC重组蛋白,经Ni2+亲和层析和分子筛技术纯化蛋白,结晶试剂盒筛选HpPrtC的结晶条件.结果:hp0169基因共包含1 269个碱基配对,编码蛋白全长422个氨基酸,理论等电点为7.64,相对分子质量为47 300.HpPrtC蛋白为亲水性、可溶性蛋白.HpPrtC蛋白α螺旋的氨基酸数量占全部氨基酸数量百分率为35.78%,β片层为18.72%,β转角为 6.87%,无规则卷曲为 38.63%.抗原表位分析,HpPrtC蛋白含有B淋巴细胞的 5个优势线性表位和 3个构象表位及多个T淋巴细胞潜在优势抗原表位.同源建模,HpPrtC蛋白呈二聚体,单体由β折叠围成桶状结构,周围被α螺旋和无规则卷曲围绕.HpPrtC蛋白为中等难度结晶,且无信号肽和跨膜螺旋,在 0.2 mol·L-1 氯化镁、0.1 mol·L-1 三羟甲基氨基甲烷(Tris)、3.4 mol·L-1 己二醇和pH 8.5条件下出现细小成簇的针状晶体.结论:HpPrtC是一种亲水型蛋白,呈二聚体构造,在适宜条件下呈细小成簇针状晶体,其具有T淋巴细胞和B淋巴细胞优势抗原表位,可作为Hp疫苗设计的抗原,用于构建多价融合疫苗或多表位疫苗,本研究结果为Hp的防治提供了实验基础.

单木分割对于森林资源调查具有重要的意义,不同结构复杂度的森林单木分割算法的选择以及分割参数的选取对分割精度有着很大的影响.以山东田横岛为研究区,基于无人机正射影像与激光雷达数据,首先提取海岛森林典型植被二维与三维特征,然后利用随机森林算法对不同树种的树木进行分类,最后基于分类后的点云数据,选取不同结构复杂度的森林样地,对比分析聚类算法、层堆叠算法、分水岭算法在不同复杂度林区的适用性.结果表明:(1)随机森林算法结合单木二维、三维特征可有效对混交林树木进行分类,模型总体的精度为 94.51%,Kappa系数为 0.9038;(2)聚类算法对结构简单的林区具有更高的分割精度(F=96.41),但依赖于分割参数的选取;面对复杂单木集群,分水岭算法总体得分波动最小(ΔF=14.56),表现出较强的稳定性;(3)混交林预先进行树种分类可有效改善单木分割环境,相比于直接进行单木分割,聚类算法、层堆叠算法、分水岭算法的分割精度均得到不同程度的提升(ΔF1=10.06,ΔF2=9.51,ΔF3=12.6).

当前森林生态学研究在时空尺度上朝着更宏观和更微观两个方向发展,传统的观测研究方法或模式已不适合现代森林生态学研究的需求.尤其是在信息化技术的不断发展背景下,当前森林生态观测科研范式亟需变革.本文基于辽宁清原森林生态系统国家野外科学观测研究站的"科尔塔群",提出以塔(群)为核心的"天-空-塔-地"一体化观测研究体系.具体包括:主/被动星载遥感(天)、无人机+激光雷达+多/高光谱传感器的近地面遥感(空)、塔群或单塔(塔)、长期固定样地群(地);运用物联网、云计算和人工智能等新一代信息技术,实现海量数据的自动获取、传输、运算、分析与展示,形成"立体-全息"森林生态系统信息化观测研究方法体系.该研究方法体系旨在促进森林生态学或生态系统生态学、林学等领域知识创新,探索科研范式变革提供实现途径;并为地理学、遥感科学和边界层气象学等学科提供参考.

森林的垂直结构是地上植被要素在垂直方向上的排列,它影响动植物多样性和生态系统功能,是许多植物生态学家关注的重点.背包激光雷达技术的发展为大面积、高精度扫描三维森林结构提供了基础.直观反映生物量的冠层高度(canopy height,CH)、代表植物光合能力的叶面积指数(leaf area index,LAI)和单木尺度上的特征是森林垂直结构最重要的参数.本研究旨在探索鸡足山半湿润常绿阔叶林样地尺度和单木尺度上的垂直结构特征.本研究基于背包激光雷达,对滇中高原20.16ha半湿润常绿阔叶林样地群落的CH和LAI进行了精细扫描和点云定量分析,在进行地形校正和群落分类的基础上,精细提取和分析了森林群落的叶面积指数的垂直变化和水平格局,并定量提取了群落常见乔木种的单木形态和垂直结构参数.结果显示:(1)以20 m × 20 m标准样方为统计单位的CH和LAI的分布接近正态分布;(2)根据LAI的垂直分布,森林动态监测样地群落冠层由上至下可划分为林冠上层、林冠中层、林冠下层与灌木层4个层次;(3)元江栲(Castanopsis orthacantha)和高山栲(C.delavayi)群落的LAI垂直变化呈单峰格局,峰值高度分别为15 m和13 m,云南松(Pinus yunnanensis)群落为双峰格局,峰值高度为5 m和10 m;(4)不同树种的各单木参数表现出较大的差异性,但冠幅面积/胸径比表现出相对的稳定性.本研究在国内首次基于激光雷达技术定量分析具有复杂结构的半湿润常绿阔叶林的叶面积指数的三维格局,或可对以后该类型森林生物多样性的研究和不同森林类型之间的比较研究提供数据基础.

土壤可溶性有机碳(DOC)是森林土壤碳库中最活跃的部分,其对气候变暖的响应将深刻影响森林生态系统碳循环.本研究基于亚热带常绿阔叶林野外增温实验平台,原位收集土壤溶液,结合紫外可见光谱、红外光谱和三维荧光光谱分析,探究土壤剖面DOC通量及组成对增温(+4 ℃,1年)的响应.结果表明:土壤DOC通量在土层之间没有显著差异.土壤DOC主要由2个类腐殖酸组分和1个微生物代谢产物组分组成.与对照相比,增温显著降低了土壤DOC通量,降低了土壤溶液芳香化指数和疏水组分比例,增加了小分子碳水化合物的含量.此外,增温还提高了表层土壤(0～10 cm)类腐殖酸组分的相对贡献,增加了深层土壤(30～40 cm)微生物代谢产物组分的相对贡献,这在一定程度上表明变暖加速了深层土壤微生物周转.总体来说,土壤增温降低了亚热带常绿阔叶林土壤DOC数量,使DOC结构趋于简单.

点格局分析是研究生态学格局的工具之一,近年来在生态学中的应用越来越多.为深入了解点格局分析方法在国内的研究与应用情况,以所总结的研究进展、一般步骤和基本要点为背景,分析评述了1996-2015年期间以点格局为主题的国内中文核心期刊文献.结果表明,在国内生态学格局研究中,应用研究占据主导地位,研究对象广泛,包括以树木为主的乔、灌、草等不同生活型的植物,甚至包括景观;基础研究,包括概括性统计量、零模型与点过程模型等方面,以及专用软件工具包的开发等研究薄弱.在应用中存在一定问题,主要表现为:概括性统计量使用单一,且以Ripley的K-函数及其变形为主;零模型(或点过程模型)是科学问题的统计表达,但是有一半以上的研究未明确给出零模型.建议在未来应用研究中重视多种统计量的组合使用和原假设的建立,在探讨热带、亚热带森林等具有复杂空间结构系统的多样性格局时,考虑对象的不同世代和系统的不同垂直层次,并加强多变量或三维概括性统计量的开发、点格局分析方法与动态过程模型的结合研究等工作.

[目的]利用计算机模拟技术,对冈比亚按蚊Anopheles gambiae犬尿氨酸甲酰胺酶(kynurenine forrnamidase,KFase)的潜在抑制剂进行虚拟筛选,以获得可以削弱冈比亚按蚊作为中间宿主传播疟疾等蚊媒疾病的候选杀蚊剂.[方法]下载冈比亚按蚊KFase的氨基酸序列,通过BLAST方法查询不同物种中的同源蛋白质,并利用MEGA6最大似然法(maximum likelihoodmethod)构建进化树,选择适于作为模板的同源蛋白黑腹果蝇Drosophila melanogaster KFase晶体结构(PDB ID:4E14),对冈比亚按蚊KFase进行三维建模.利用随机森林算法对小分子化合物数据库进行筛选,并对筛选结果进行处理,模拟自然条件下有机小分子与冈比亚按蚊KFase的结合以及分子对接,从而筛选出冈比亚按蚊KFase的潜在抑制剂.[结果]获得3个小分子化合物与冈比亚按蚊KFase结合的亲和能较低,分别是:N-(2,4-diketo-1H-pyrimidin-6-yl)-2-fluoro-benzamide;3-(4-fluorophenyl)-2,4-dioxo-1,2,3,4-tetrahydropyrimidine-5-carboxylic acid;N-(2-oxo-2,3-dihydro-1H-imidazo[4,5-b] pyridin-5-yl)-succinamic acid.它们与冈比亚按蚊KFase结合的亲和能分别为:-9.0,-8.7和-8.9 kcal/mol.[结论]N-(2,4-diketo-1H-pyrimidin-6-yl)-2-fluoro-benzamide,N-(2-oxo-2,3-dihydro-1 H-imidazo[4,5-b] pyridin-5-yl)-succinamic acid和3-(4-fluorophenyl)-2,4-dioxo-1,2,3,4-tetrahydropyrimidine-5-carboxylic acid是冈比亚按蚊犬尿氨酸甲酰胺酶的潜在竞争性抑制剂,这些化合物是否可作为杀蚊剂的候选化合物有待实验验证.

生态位模型通过拟合物种分布与环境变量之间的关系提供物种空间分布预测,在生物多样性研究中有广泛应用.激光雷达(LiDAR)是一种新兴的主动遥感技术,已被大量应用于森林三维结构信息的提取,但其在物种分布模拟的应用研究比较缺乏.本研究以美国加州内华达山脉南部地区的食鱼貂(Martes pennanti)的分布模拟为例,探索LiDAR技术在物种分布模拟中的有效性.生态位模型采用5种传统多类分类器,包括神经网络、广义线性模型、广义可加模型、最大熵模型和多元自适应回归样条模型,并使用正样本-背景学习(presence and background learning,PBL)算法进行模型校正;同时对这5种模型使用加权平均进行模型集成,作为第6个模型.此外,一类最大熵模型也被用于模拟该物种的空间分布.模型的连续输出和二值输出分别使用AUC (area under the receiver operating characteristic curve)以及基于正样本-背景数据的评价指标Fpb进行评价.结果表明,仅考虑气候因子(温度和降水)时,7个模型的AUC和Fpb平均值分别为0.779和1.077;当考虑LiDAR变量(冠层容重、枝下高、叶面积指数、高程、坡度等)后,AUC和Fpb分别为0.800和1.106.该研究表明,LiDAR数据能够提高食鱼貂空间分布的预测精度,在物种分布模拟方面存在一定的应用价值.

物种分类与识别是生物多样性监测的基础,明确物种的类别及其分布是解决几乎所有生态学问题的前提.为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题,本文对2000年以来该领域的研究进行了总结分析,发现:当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原;使用最多的遥感数据是机载高光谱数据,而激光雷达作为补充数据,通过单木分割及提供单木的三维垂直结构信息,显著提高了分类精度;支持向量机和随机森林作为应用最广的非参数分类算法,平均分类精度达80％;随着计算机技术及机器学习领域的不断成熟,人工神经网络在物种识别领域得以迅速发展.基于此,本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结,并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度.

激光雷达(light detection and ranging,LiDAR)作为一门新兴的主动遥感技术,近年来由于在提取和反演森林参数水平上不断提高,被越来越多地应用于动物生态学研究中.本文通过整理和搜集国内外文献,对激光雷达的技术特点及其在森林参数提取和动物生境上的研究进展进行综述,指出当前基于LiDAR的森林参数反演算法主要服务于森林资源调查或林学研究,缺少对动物生态或生理意义相关的参数量化信息.目前该技术在国内的动物生态学方面的应用较少,尚未见文章发表.通过总结国外学者的研究,分别从动物生境选择与三维森林结构的关系、栖息地立体生境制图、生物多样性评估和物种分布模型预测三个方面综述了LiDAR在动物生态学研究中的应用现状.相比传统方法,LiDAR技术提供的高精度三维结构信息,能够显著提高动物生境质量的评估、生物多样性的监测水平和物种分布模型的评价精度,有利于从机理上加深对物种生境选择和集群过程的理解.但目前LiDAR技术的应用主要集中在对已知的生态关系研究,尤其是冠层结构与动物分布的关系,缺少对林下层生活的动物生境质量和生物多样性的监测和评估,同时很多有关动物生存和繁衍与立体生境的关系研究有待从LiDAR数据中进一步挖掘分析.未来应加强对森林林下层三维信息的提取,提高林下层动物生境质量和生物多样性的监测水平,同时建立适用于动物生态和生理意义相关的参数,为动物生境质量和生物多样性的评估提供标准的量化指标.