树木内部应力波传播速度模型

刘光林; 李光辉; 孙晔; 方益明

doi:10.11833/j.issn.2095-0756.2015.01.003

树木内部应力波传播速度模型

DOI: 10.11833/j.issn.2095-0756.2015.01.003

刘光林^1,2,
李光辉^1,2, ,,
孙晔^1,2,
方益明^1,2

1.
浙江农林大学信息工程学院，浙江临安 311300;
2.
浙江农林大学浙江省林业智能监测与信息技术研究重点实验室，浙江临安 311300

基金项目:

国家自然科学基金资助项目（61272313，61302185，61472368）;浙江省科学技术攻关项目（2012C21015，2013C31018，2013C24026）;浙江省教育厅资助项目（Y201225450）

详细信息

作者简介: 刘光林，从事木材无损检测技术研究。

通信作者: 李光辉，教授，博士，从事木材无损检测技术和无线传感器网络等研究。

中图分类号: S781.6

A stress wave propagation velocity model of standing trees

LIU Guanglin^1,2,
LI Guanghui^{1,2
, ,},
SUN Ye^1,2,
FANG Yiming^1,2

1.
School of Information Engineering, Zhejiang A & F University, Lin’an 311300, Zhejiang, China;
2.
Zhejiang Provincial Key Laboratory of Intelligent Monitoring in Forestry and Information Technology, Zhejiang A & F University, Lin’an 311300, Zhejiang, China

摘要: 为了提高应力波技术在活立木无损检测应用领域的可行性，分析了应力波在健康树木中的传播规律，并建立了应力波传播速度数学模型。针对银杏Ginkgo biloba等不同树种的健康树木进行了多组实验，并利用树木断层成像技术对提出的应力波传播速度模型进行验证。结果表明：在健康树木中，方向角与传播方向速度vT和径向速度vR比值之间的关系为vT/vR－0.22＋1，与所提出的理论模型吻合，方向角与应力波传播速度之间的线性回归模型拟合度较高，决定系数高于0.95。提出的应力波传播速度模型不受树种变化影响。图6表3参12
- 木材科学与技术 /
- 应力波 /
- 速度模型 /
- 无损检测
Abstract: To improve the feasibility of nondestructive stress wave testing of standing trees, stress wave propagation in healthy trees was analyzed using linear regression analysis and a mathematical model of the stress wave propagation velocity was established. Several experiments were carried out for healthy trees of different species, and simultaneously the tomogram imaging technology was used to validate the proposed propagation velocity model of the stress wave. Experimental results of healthy trees showed that the linear regression relationship between the direction angle , the velocity （vT） for the propagation direction, and the radial velocity （vR） could be expressed as vT/vR－0.22 + 1, and the coefficient of determination R2＞0.95, which demonstrated that the proposed mathematical model was correct. ［Ch, 6 fig. 3 tab. 12 ref.］
- wood science and technology /
- stress wave /
- velocity model /
- nondestructive testing

密码子是识别和传递生物体遗传信息、联系蛋白质与DNA之间的重要桥梁，在生物体遗传和变异中起着至关重要的作用^[1]。编码同一氨基酸的不同密码子被称为同义密码子。由于基因突变和自然选择的影响，某些同义密码子在蛋白质翻译过程中往往被高频使用，被称为密码子的使用偏好性^[2−3]。物种的生物学功能与密码子偏好性密切相关，密码子偏好性不仅可以影响生物编码基因的蛋白质合成速率和翻译速率^[4]，还会影响蛋白质结构、折叠程度和mRNA的合成^[5]。研究表明：同一物种或亲缘关系相近的物种，具有相似的密码子偏好使用模式^[6]，通过分析物种的密码子偏好性可以衡量物种之间的基因表达量，进而探究物种之间亲属关系^[7]。通过密码子偏好性的研究，能够更好地阐明物种进化过程中基因的表达规律^[8]，为利用基因工程技术改良物种目标基因提供参考依据^[9]。

梁山慈竹Dendrocalamus farinosus属竹亚科Bambusoideae牡竹属Dendrocalamus，又名大叶竹和瓦灰竹，是中国西南地区重要的经济竹种^[10]，生长速度快，适应性强，竹笋效益高，属于优良的笋竹两用竹种，与硬头黄竹Bambusa rigida都属于竹编和制浆造纸的优质原料^[11]。针对梁山慈竹叶绿体基因组密码子使用偏好性的研究鲜见报道。为了更好地挖掘和利用梁山慈竹的潜在经济价值，本研究以梁山慈竹叶绿体基因组序列为研究对象，分析其密码子偏好性使用模式，探究并总结其相关表达基因的密码子偏好性，以期分析影响梁山慈竹叶绿体基因组密码子偏好性的主要因素，并筛选出最优密码子，为后续梁山慈竹叶绿体基因工程改造等研究提供理论基础。

1. 材料与方法

1.1 叶绿体基因组序列的获取

根据GenBank登录号MZ681865.156在美国国家生物技术信息中心(NCBI)数据库中搜索并下载梁山慈竹叶绿体基因组序列，共有85条编码序列(CDS)。序列重复或小于300 bp会对密码子偏好性指标的测定产生影响^[12]。对基因序列进行筛选，剔除序列长度小于300 bp且重复的序列，获取起始密码子为ATG，终止密码子为TAG、TGA和TAA的序列，最终获得51条CDS序列作为后续分析的样本序列。

1.2 密码子组成分析

运用CodonW1.4.2 (http://sourceforge.net/projects/codonw)和EMBOSS (http://imed.med.ucm.es/EMBOSS/)计算有效密码子数(ENC)、适应指数(CAI)、密码子偏性指数(CBI)、最优密码子频率(FOP)以及密码子第3位核苷酸A、T、C、G的含量(分别记为A3、T3、C3、G3)。利用ENC判断密码子偏好性程度，ENC＞35说明密码子偏好性比较弱；反之，说明偏好性强^[13]。通过CUSP软件分析并获得密码子鸟嘌呤(G)和胞嘧啶(C)所占的比率(GC比率)及GC平均比率(GC_all)，使用SPSS 25.0软件对梁山慈竹密码子各位置的GC比率与ENC进行相关分析。

1.3 相对同义密码子使用度分析

运用CodonW 1.4.2对同义密码子相对使用度(RSCU)进行分析，即该密码子的实际使用频率与其理论使用频率的比值^[14]。当RSCU大于1时，同义密码子中偏好使用该密码子，被称为高频密码子；当RSCU等于1时，密码子无偏好性；当RSCU小于1时，密码子使用偏好性较弱^[15]。

1.4 中性绘图分析

中性绘图分析是对影响密码子使用偏好性的关键因素进行分析，X轴为GC3，Y轴为GC1和GC2的平均值，绘制二维散点图对GC3和GC12 (各基因 GC1和GC2的平均值)的相关性进行分析(GC1、GC2、GC3分别代表第1、2、3位密码子的GC比例)。若回归系数接近1，代表GC3和GC12显著相关，碱基组成没有差异，说明突变是决定密码子偏好性的主要因素；若回归系数接近0，则代表自然选择是主要因素。

1.5 ENC-plot绘图分析

ENC-plot绘图分析表现密码子的使用偏好性受到突变和自然选择的影响程度。使用Python 3.7进行ENC-plot绘图分析，构建散点图，横纵坐标分别为GC3、ENC，并绘制ENC的标准曲线。基因位点靠近或在标准曲线上，表明突变是决定密码子偏好性的主要因素，若基因位点和标准曲线距离很大，则说明偏好性主要由自然选择决定。

1.6 PR2-plot偏倚分析

PR2-plot分析表明基因中密码子的第3位碱基的构成情况。计算密码子碱基中第3位上4种碱基A、T、C、G比例，G3/(G3+C3)为X轴，A3/(A3+T3)为Y轴，绘制PR2-plot散点图，中心点为碱基比例A=T、C=G时的值，代表处于此区域的密码子并无使用偏好性^[16]。

1.7 最优密码子分析

将51条基因升序排列后的ENC前后两端10％的基因建立高、低表达基因库。通过CodonW软件计算2个表达库中密码子的RSCU和ΔRSCU，同时满足高频密码子(RSCU＞1)和高表达密码子(ΔRSCU≥0.08)的为最优密码子^[17]。

1.8 梁山慈竹和其他几种生物密码子偏好性比较分析

在Codon Usage Database (http://www.kazusa.or.jp/codon/)下载异源表达宿主和植物代表类群，包括巨龙竹D. farinosus、粉麻竹D. sinicus、小叶龙竹D. pulverulentus、硬头黄竹、大肠埃希菌Escherichia coli、烟草Nicotiana tabacum、拟南芥Arabidopsis thaliana和酿酒酵母Saccharomyces cerevisiae等物种基因组密码子的使用频率，与梁山慈竹基因组密码子使用频率比值进行比较分析，当梁山慈竹密码子使用频率比其他生物的比值≥2.0或≤0.5时，说明该物种与梁山慈竹的同义密码子的使用偏好性差异较大，当比值不在上述范围内时，表明这2个物种对该密码子的偏好性较接近。

1.9 对应分析

将叶绿体基因如表1所示进行功能分类，使用CodinW软件，选择对应分析计算样本中各个基因的RSCU，将分析结果分布在59维向量空间中，分析指标间的对应性。

表 1 梁山慈竹叶绿体基因结构分析

Table 1 Structural analysis of the choroplast genome of D. farinosus

基因分类	基因分组	基因名称
光合系统基因	光系统Ⅰ基因	psaA、psaB、psbA、psbC、psbD、psbB
	光系统Ⅱ基因	petA、petB、petD
	细胞色素b/f复合体基因	atpA、atpB、atpE、atpF、atpI
	三磷酸腺苷合成酶基因	ndhA、ndhB、ndhC、ndhD、ndhE、ndhF、ndhG、ndhH、ndhI、ndhJ、ndhK

遗传系统基因	烟酰胺腺票吟二核甘酸氧化还原酶基因	rbcL
	二磷酸核酮糖羧化酶大亚基基因	rpoA、rpoB、rpoC1、rpoC2
	RNA聚合酶亚基基因	rps2、rps3、rps4、rps7、rps8、rps11、rps12、rps14、rps18
	核糖体蛋白小亚基基因	rpl2、rpl14、rpl16、rpl20、rpl22

其他基因	成熟酶K基因	matK
	膜蛋白基因	cemA
	细胞色素合成基因	ccsA
	酪蛋白分解蛋白酶基因	clpP

未知功能基因	假定叶绿体阅读框	ycf2、ycf3、infA

下载: 导出CSV

| 显示表格

2. 结果与分析

2.1 密码子的碱基组成分析

分析梁山慈竹叶绿体基因组CDS序列的碱基组成：梁山慈竹的4种碱基所对应的同义密码子的第3位碱基比例 (T3s、A3s、C3s、G3s)分别为45.28%、42.07%、18.13%、17.96%，T3s和A3s远高于G3s和C3s，表明梁山慈竹叶绿体基因组密码子的第3位碱基以A/U结尾为主。梁山慈竹的ENC为50.40，CAI为16.6%，第3位同义密码子的GC比率 (GC3_S)为28.1%，表明其叶绿体基因组密码子偏好性较弱。

梁山慈竹叶绿体基因组密码子的GC平均比率为39.48%，且GC1 (47.69%)＞GC2 (39.70%)＞GC3 (31.05%)。ENC为 39.04~61.00，均值为49.51，GC比率在基因密码子上并没有均匀分布(表2)。ENC和密码子3个位置GC比率的相关分析(表3)结果发现：ENC与GC3比率显著相关，与GC1、GC2不显著相关，说明密码子使用偏好性形成过程中GC3的影响作用大于GC1、GC2。

表 2 梁山慈竹叶绿体基因组各基因密码子相关参数统计

Table 2 Statistics of codon related parameters of various genes in the chloroplast genome of D. farinosus

基因	GC比率/%				ENC	CAI	FOP	基因	GC比率/%				ENC	CAI	FOP
基因	GC	GC1	GC2	GC3	ENC	CAI	FOP	基因	GC	GC1	GC2	GC3	ENC	CAI	FOP
rps12	41.87	52.00	47.20	26.40	44.85	0.140	0.341	rps18	33.53	34.50	39.77	26.32	39.04	0.147	0.333
psbA	42.56	49.72	42.94	35.03	41.33	0.313	0.532	rpl20	36.11	38.33	40.83	29.17	50.97	0.112	0.298
matK	34.44	40.82	32.42	30.08	49.49	0.166	0.329	clpP	43.01	52.53	38.25	38.25	52.37	0.175	0.337
psbD	44.44	53.39	43.50	36.44	48.99	0.242	0.456	psbB	44.01	54.42	45.97	31.63	50.73	0.190	0.380
psbC	44.66	53.59	44.73	35.63	48.91	0.183	0.386	petB	41.06	48.93	41.20	33.05	47.31	0.191	0.333
rpoB	39.19	49.81	38.01	29.74	49.69	0.153	0.353	petD	40.37	50.93	39.13	31.06	49.46	0.161	0.305
rpoC1	39.87	49.93	38.07	31.63	52.77	0.156	0.347	rpoA	37.06	46.18	35.59	29.41	49.94	0.151	0.311
rpoC2	38.95	49.01	36.64	31.18	52.29	0.154	0.333	rps11	43.52	50.69	56.25	23.61	44.33	0.174	0.396
rps2	38.40	40.51	40.93	33.76	52.55	0.168	0.338	infA	40.35	43.86	35.96	41.23	61.00	0.181	0.409
atpI	38.84	47.58	36.29	32.66	50.55	0.163	0.353	rps8	36.50	41.61	41.61	26.28	46.62	0.122	0.374
atpF	38.27	47.62	35.45	31.75	53.17	0.147	0.353	rpl14	38.71	54.84	37.10	24.19	51.90	0.181	0.392
atpA	42.06	56.01	39.96	30.12	49.96	0.182	0.385	rpl16	44.76	52.14	53.57	28.57	39.41	0.115	0.354
rps14	39.42	39.42	46.15	32.69	41.73	0.135	0.384	rps3	33.47	43.75	31.67	25.00	48.03	0.193	0.402
psaB	41.81	48.71	43.13	33.61	49.34	0.172	0.350	rpl22	37.56	41.33	36.67	34.67	47.48	0.188	0.415
psaA	43.68	51.80	43.28	35.95	52.07	0.198	0.373	rpl2	44.56	51.77	48.58	33.33	53.33	0.143	0.361
ycf3	39.69	47.40	38.15	33.53	55.45	0.156	0.343	ndhB	38.16	42.07	39.33	33.07	46.71	0.156	0.348
rps4	37.13	47.52	37.13	26.73	49.59	0.169	0.386	rps7	39.49	49.68	45.22	23.57	48.31	0.164	0.373
ndhJ	39.38	49.38	36.88	31.88	51.48	0.176	0.356	ndhF	34.19	37.84	38.92	25.81	46.19	0.144	0.321
ndhK	38.60	41.70	43.72	30.36	51.91	0.159	0.329	ccsA	33.64	33.74	41.10	26.07	45.60	0.152	0.307
ndhC	39.67	50.41	36.36	32.33	48.75	0.177	0.345	ndhD	36.19	40.72	36.93	30.94	48.98	0.133	0.314
atpE	42.51	52.17	39.13	36.23	59.51	0.167	0.405	ndhE	33.33	41.18	32.35	26.47	59.06	0.144	0.316
atpB	42.62	53.91	41.68	32.26	47.43	0.192	0.381	ndhG	34.46	44.07	32.77	26.55	45.77	0.125	0.250
rbcL	44.14	57.11	43.93	31.38	50.19	0.271	0.454	ndhI	34.99	37.57	38.67	28.73	52.09	0.171	0.345
ycf4	41.22	48.39	39.78	35.48	47.14	0.162	0.385	ndhA	33.98	42.42	36.36	23.14	44.35	0.140	0.321
cemA	33.62	41.99	27.71	31.17	55.91	0.176	0.342	ndhH	37.82	50.76	34.77	27.92	49.95	0.155	0.322
petA	40.29	53.58	35.2	32.09	51.12	0.155	0.331

下载: 导出CSV

| 显示表格

表 3 梁山慈竹叶绿体基因组中各基因参数的相关性分析

Table 3 Correlation analysis of various gene parameters in the chloroplast genome of D. farinosus

参数	GC1	GC2	GC3	ENC	CAI	CBI	FOP	GC3s	GC
GC1	1
GC2	0.300*	1
GC3	0.265	−0.009	1
ENC	0.142	−0.425**	0.389**	1
CAI	0.409**	0.076	0.370**	0.012	1
CBI	0.438**	0.272	0.322*	−0.092	0.774**	1
FOP	0.402**	0.312*	0.341*	−0.064	0.797**	0.965**	1
GC3s	0.271	−0.029	0.946**	0.445**	0.330*	0.330*	0.370**	1
GC	0.814**	0.673**	0.525**	0.010	0.407**	0.512**	0.518**	0.499**	1
说明：表示显著相关 (P＜0.05)；*表示极显著相关 (P＜0.01)。

下载: 导出CSV

| 显示表格

2.2 相对同义密码子使用度分析

梁山慈竹叶绿体基因组中共包含18110个密码子(表4)，总计编码20个氨基酸，密码子数为12~705个，其中密码子UGA共有12个，密码子含量最多的是编码谷氨酸的GAA，共有705个。梁山慈竹叶绿体基因组蛋白编码序列RSCU分析表明：氨基酸含量较高的有亮氨酸(Leu)和精氨酸(Arg)，均为6个密码子编码，编码精氨酸的是UUA、UUG、CUU、CUC、CUA和CUG；编码亮氨酸的有AGA、AGG、CGU、CGC、CGA和CGG；除此之外，蛋氨酸(Met)和色氨酸(Trp)均只有1个密码子编码，分别是AUG和UGG，其余氨基酸密码子编码个数分别为2~4个。

表 4 梁山慈竹叶绿体基因组蛋白编码序列RSCU分析

Table 4 RSCU of protein coding region in the chloroplast of D. farinosus

氨基酸	密码子	数量	RSCU	氨基酸	密码子	数量	RSCU	氨基酸	密码子	数量	RSCU	氨基酸	密码子	数量	RSCU
Phe	UUU*	644	1.29	Tyr	UAU*	532	1.59	Ser	UCU*	343	1.58	Cys	UGU*	151	1.53
Phe	UUC	351	0.71	Tyr	UAC	137	0.41	Ser	UCC*	260	1.19	Cys	UGC	47	0.47
Leu	UUA*	634	1.94	TER	UAA*	28	1.56	Ser	UCA*	222	1.02	Arg	AGA*	322	1.75
Leu	UUG*	362	1.11	TER	UAG	14	0.78	Ser	UCG	119	0.55	Arg	AGG	119	0.64
Leu	CUU*	420	1.29	TER	UGA	12	0.67	Ser	AGU*	273	1.25	Arg	CGU*	261	1.41
Leu	CUC	138	0.42	Trp	UGG*	328	1.00	Ser	AGC	89	0.41	Arg	CGC	95	0.51
Leu	CUA	295	0.90	Gln	CAA*	477	1.53	Thr	ACU*	403	1.68	Arg	CGA*	234	1.27
Leu	CUG	107	0.33	Gln	CAG	148	0.47	Thr	ACC	181	0.75	Arg	CGG	76	0.41
Ile	AUU*	740	1.48	Glu	GAA*	705	1.46	Thr	ACA*	259	1.08	Gly	GGU*	421	1.24
Ile	AUC	295	0.59	Glu	GAG	263	0.54	Thr	ACG	116	0.48	Gly	GGC	145	0.43
Ile	AUA	461	0.92	Lys	AAA*	647	1.44	Ala	GCU*	493	1.73	Gly	GGA*	538	1.58
Met	AUG*	416	1.00	Lys	AAG	253	0.56	Ala	GCC	172	0.60	Gly	GGG	259	0.76
Val	GUU*	382	1.47	Asp	GAU*	522	1.54	Ala	GCA*	343	1.20	Pro	CCU*	286	1.48
Val	GUC	126	0.49	Asp	GAC	155	0.46	Ala	GCG	135	0.47	Pro	CCC*	196	1.01
Val	GUA*	390	1.50	His	CAU*	311	1.47	Asn	AAU*	528	1.48	Pro	CCA*	209	1.08
Val	GUG	139	0.54	His	CAC	112	0.53	Asn	AAC	187	0.52	Pro	CCG	84	0.43
说明：*表示RSCU大于1的高频密码子。

下载: 导出CSV

| 显示表格

梁山慈竹叶绿体基因组RSCU大于1的密码子数目为34个(分别为UUU、UUA、UUG、CUU、AUU、AUG、GUU、GUA、UCU、UCC、UCA、AGU、ACU、ACA、GCU、GCA、AAU、UAU、UAA、UGG、CAA、GAA、AAA、GAU、CAU、UGU、AGA、CGU、CGA、GGU、GGA、CCU、CCC和CCA)，即筛选出了34个高频密码子，其中以A、U、C、G结尾的密码子分别有13、16、2和1个，这说明密码子偏好以A和U结尾，RSCU较高的3个密码子分别为UUU (1.94)、CUA (1.73)和UCU (1.75)。

2.3 中性绘图分析

中性绘图分析量化自然选择和突变压力之间的关系，阐明3个密码子位置之间的联系。结果表明：横坐标GC3的数值为23.14%~41.23%，纵坐标GC12的数值为39.04%~61.00% (图1)。梁山慈竹的Pearson相关系数为0.17，呈正相关关系，数据拟合后的回归系数为0.1868，决定系数(R²)较小，为0.0282，GC12和GC3的相关性不显著，说明其叶绿体基因组密码子偏好性受自然选择影响较大。

图 1 中性绘图分析

Figure 1 Analysis of neutrality plot

下载: 全尺寸图片幻灯片

2.4 ENC-plot绘图分析

图2显示：ENC分布并不紧密，少量分布在标准曲线附近，还有个别分布在标准曲线上侧，位点的ENC均大于35，与预期ENC值有差距。说明梁山慈竹密码子偏好性较弱且自然选择和突变都对其偏好性有影响。由于落在标准曲线下方的基因点数量比较多，所以梁山慈竹基因组密码子使用偏好性主要受自然选择的影响。

图 2 ENC-plot分析

Figure 2 Analysis of ENC-plot

下载: 全尺寸图片幻灯片

2.5 PR2-plot绘图分析

图3显示：基因位点在平面图4个区域内分布并不均匀，在A3/(A3+T3)＜0.5和G3/(G3+C3)＞0.5区域范围内分布最多。表明第3位碱基使用频率为：T＞A、G＞C，梁山慈竹叶绿体基因组密码子的第3位碱基在选择上具有偏好性，同时说明其密码子使用偏好性主要受自然选择的影响。

图 3 PR2-plot分析

Figure 3 Analysis of PR2-plot

下载: 全尺寸图片幻灯片

2.6 最优密码子的确定

对梁山慈竹的ENC进行升序排列，前10%为高表达基因，即rps18、rpl16、psbA、rps14、rps11，后10%为低表达基因，即 ycf3、cemA、ndhE、atpE、infA。梁山慈竹的RSCU和ΔRSCU表明(表5)：梁山慈竹叶绿体基因组有32个高频密码子，筛选出GCA、GCU等25个高表达密码子，最终确定18个密码子作为梁山慈竹叶绿体基因组的最优密码子，分别为UAA、GCA、GCU、UUC、GGU、AAA、CUU、UUA、CCA、CCU、CAA、AGA、CGU、AGU、UCC、ACU、GUA、GUU。其中16个以A/U结尾，2个以C结尾。

表 5 梁山慈竹叶绿体基因组各氨基酸的RSCU分析及最优密码子分析

Table 5 RSCU analysis and optimal codon analysis of amino acids in chloroplast genome of D. farinosus

氨基酸	密码子	基因组 RSCU	高表达 RSCU	低表达 RSCU	ΔRSCU	氨基酸	密码子	基因组 RSCU	高表达 RSCU	低表达 RSCU	ΔRSCU
Ter	UAA***	1.560 0	1.800 0	1.200 0	0.600 0	Met	AUG	1.000 0	1.000 0	1.000 0	0
	UAG	0.780 0	0.600 0	1.200 0	−0.600 0	Asn	AAC*	0.520 0	0.893 6	0.625 0	0.268 6
	UGA	0.670 0	0.600 0	0.600 0	0		AAU	1.480 0	1.106 4	1.375 0	−0.268 6
Ala	GCA**	1.200 0	1.200 0	0.734 7	0.465 3	Pro	CCA**	1.080 0	0.800 0	0.500 0	0.300 0
	GCC	0.600 0	0.457 1	0.653 1	−0.196 0		CCC	1.010 0	0.800 0	1.166 7	−0.366 7
	GCG	0.470 0	0.228 6	0.734 7	−0.506 1		CCG	0.430 0	0.444 4	1.000 0	−0.555 6
	GCU*	1.730 0	2.114 3	1.877 6	0.236 7		CCU***	1.480 0	1.955 6	1.333 3	0.622 3
Cys	UGC**	0.470 0	0.400 0	0	0.400 0	Gln	CAA*	1.530 0	1.500 0	1.368 4	0.131 6
	UGU	1.530 0	1.600 0	2.000 0	−0.400 0		CAG	0.470 0	0.500 0	0.631 6	−0.131 6
Asp	GAC*	0.460 0	0.500 0	0.411 8	0.088 2	Arg	AGA*	1.750 0	1.723 4	1.534 9	0.188 5
	GAU	1.540 0	1.500 0	1.588 2	-0.088 2		AGG	0.640 0	0.319 1	0.837 2	−0.518 1
Glu	GAA	1.460 0	1.189 2	1.578 9	−0.389 7		CGA	1.270 0	1.276 6	1.395 3	−0.118 7
	GAG**	0.540 0	0.810 8	0.421 1	0.389 7		CGC	0.510 0	0.319 1	0.837 2	−0.518 1
Phe	UUC**	1.290 0	1.041 7	0.650 0	0.391 7		CGG	0.410 0	0.319 1	0.279 1	0.040 0
	UUU	0.710 0	0.958 3	1.350 0	−0.391 7		CGU***	1.410 0	2.042 6	1.116 3	0.926 3
Gly	GGA	1.580 0	1.253 7	1.818 2	−0.564 5	Ser	AGC	0.410 0	0.384 6	0.470 6	−0.086 0
	GGC	0.430 0	0.417 9	0.484 8	−0.066 9		AGU**	1.250 0	1.846 2	1.411 8	0.434 4
	GGG	0.760 0	0.119 4	0.363 6	−0.244 2		UCA	1.020 0	0.615 4	1.058 8	−0.443 4
	GGU***	1.240 0	2.209 0	1.333 3	0.875 7		UCC***	1.190 0	1.769 2	0.941 2	0.828 0
His	CAC**	0.530 0	0.941 2	0.571 4	0.369 8		UCG	0.550 0	0.153 8	0.705 9	−0.552 1
	CAU	1.470 0	1.058 8	1.428 6	−0.369 8		UCU	1.580 0	1.230 8	1.411 8	−0.181 0
Ile	AUA	0.920 0	0.850 7	0.949 4	−0.098 7	Thr	ACA	1.080 0	1.181 8	1.176 5	0.005 3
	AUC*	0.590 0	0.626 9	0.531 6	0.095 3		ACC	0.500 0	0.818 2	1.058 8	−0.240 6
	AUU	1.480 0	1.522 4	1.519 0	0.003 4		ACG	0.480 0	0.363 6	0.588 2	−0.224 6
Lys	AAA**	1.440 0	1.471 7	1.155 6	0.316 1		ACU**	1.680 0	1.636 4	1.176 5	0.459 9
	AAG	0.560 0	0.528 3	0.844 4	−0.316 1	Val	GUA***	1.500 0	1.767 4	1.257 1	0.510 3
Leu	CUA	0.900 0	0.833 3	1.295 5	−0.462 2		GUC	0.490 0	0	1.028 6	−1.028 6
	CUC	0.420 0	0	0.545 5	−0.545 5		GUG	0.540 0	0.372 1	0.342 9	0.029 2
	CUG	0.330 0	0.250 0	0.477 3	−0.227 3		GUU**	1.470 0	1.860 5	1.371 4	0.489 1
	CUU*	1.290 0	1.333 3	1.227 3	0.106 0	Trp	UGG	1.000 0	1.000 0	1.000 0	0
	UUA***	1.940 0	2.166 7	1.022 7	1.144 0	Tyr	UAC**	0.410 0	0.521 7	0.166 7	0.355 0
	UUG	1.110 0	1.416 7	1.431 8	−0.015 1		UAU	1.590 0	1.478 3	1.833 3	−0.355 0
说明: 高频密码子(RSCU＞1.00)带下划线；. ΔRSCU≥0.08；. ΔRSCU≥0.3；**. ΔRSCU≥0.5; 加粗的密码子表示最优密码子。

下载: 导出CSV

| 显示表格

2.7 梁山慈竹和其他几种生物密码子偏好性比较分析

将梁山慈竹基因组密码子使用频率与巨龙竹、粉麻竹、小叶龙竹、硬头黄竹、大肠埃希菌、烟草、拟南芥和酿酒酵母等物种的基因组密码子使用频率进行比较(图4)。结果显示：梁山慈竹与巨龙竹、粉麻竹、小叶龙竹和硬头黄竹的密码子使用频率为0.5~2.0，说明它们的密码子使用偏好性相似，推测具有亲缘关系的禾本科Gramineae牡竹属植物叶绿体基因组密码子偏好性相似；在大肠埃希菌、烟草、拟南芥和酿酒酵母的密码子使用比值中筛选≥2.0或≤0.5的密码子，分别有28和15、15、14个，表明梁山慈竹与这些物种在同义密码子的偏好性上有一定差异。

图 4 梁山慈竹与其他物种密码子偏好性比较

Figure 4 Comparison of codon preference between D. farinosus and other species

下载: 全尺寸图片幻灯片

2.8 对应分析

将梁山慈竹的51个叶绿体基因的基因功能分为光合系统基因、遗传系统基因、其他基因和未知功能基因四大类，在计算RSCU的基础上将各个基因分布到59维的向量空间。对应分析结果(图5)显示：前4个向量轴分别存在18.3%、16.8%、15.6%和15.4%的差异，前4向量轴累计差异为66.1%，4个轴对密码子均有不同程度的影响；第1轴的值大于其他轴，说明第1轴对梁山慈竹叶绿体基因组密码子偏好性的影响较大。对第1轴与CAI、CBI、FOP、ENC和GC3s等指数进行进一步的相关分析发现：梁山慈竹基因在第1轴上的坐标值与CAI (r=−0.001 7，P＜0.01)、CBI (r=0.099 0，P＜0.01)、FOP (r=0.083 0，P＜0.01)、ENC (r=0.112 0，P＜0.01)、GC3s (r=−0.145 0，P＜0.01)间具有极显著的相关关系，其中CAI和GC3s第1轴具有负相关关系，表明基因组密码子的偏好性不止受单一因素的影响，自然选择、基因突变均有可能影响梁山慈竹基因组密码子使用偏好性^[18]。

图 5 梁山慈竹基因组密码子RSCU的对应性分析

Figure 5 Correspondence Analysis on RSCU of D. farinosus

下载: 全尺寸图片幻灯片

3. 讨论

本研究对梁山慈竹叶绿体基因组密码子进行使用偏好性分析，筛选出51条CDS序列，分析表明：GC1＞GC2＞GC3，密码子在3个位置上的分布并不均匀，密码子偏好使用以A或U结尾的碱基，且梁山慈竹叶绿体基因组的ENC均值为49.51，表明其叶绿体基因组密码子使用偏好性较弱。这与乳油木Vitellaria paradoxa^[19]和二乔玉兰Magnolia soulangeana^[20]等植物叶绿体基因组密码子偏好性相似。

对梁山慈竹叶绿体基因组密码子进行中性绘图、ENC-plot分析、PR2-plot分析和对应分析。在中性绘图分析中，回归系数为0.412 8，说明密码子偏好性更多受到自然选择的影响；在ENC-plot分析中，多数基因离标准曲线距离较远，实际ENC和预期ENC有差距，表明该部分基因的密码子偏好性主要受自然选择的影响；在PR2-plot绘图分析中，大部分基因位于平面图的右下方，即T＞A、G＞C，表明其密码子的使用更多受自然选择的影响。综上所述，影响梁山慈竹叶绿体基因组密码子偏好性的主要原因是自然选择。该研究结果与巨桉Eucalyptus grandi^[21]、灰毛浆果楝Cipadessa cinerascens、酸枣Ziziphus jujuba var. spinosa^[22]和云南油杉Keteleeria evelyniana^[23]等叶绿体基因组密码子偏好性研究结果基本一致；但在对4种蔷薇科 Rosaceae果树^[24]和银白杨Populus alba^[25]的研究中发现：突变是影响密码子偏好性的主要因素。这说明密码子的使用偏好性受自然选择或基因突变因素影响。基于RSCU的对应分析表明：梁山慈竹的密码子使用变异原因除了突变和自然选择之外，还有其他的因素，这其中光合系统基因和遗传系统基因分布相对集中，各类基因密码子使用偏好性较为接近。该结论与木薯Manihot esculenta^[26]和高山松Pinus densata^[27]的研究结果一致。密码子使用频率比较结果显示：梁山慈竹与禾本科牡竹属的植物密码子偏好性相似，在基因选择外源系统表达时，可以选择密码子偏好性差异相对较小的酿酒酵母，在选择大肠埃希菌、烟草和拟南芥作为外源表达宿主时，需要根据密码子使用偏好性进行碱基优化，从而使基因在宿主体内更好地表达。

最优密码子分析表明：梁山慈竹叶绿体基因组有GCU、GAU以及GGU等18个最优密码子，最优密码子大部分以A或U结尾。该结果与抽筒竹Gelidocalamus tessellatus^[28]和毛竹Phyllostachys edulis^[29]叶绿体基因组最优密码子分析结果一致，这可能与亲缘关系相近，但不同物种之间叶绿体基因组进化过程中的相对保守性有关系^[21]。通过筛选获取梁山慈竹偏好使用密码子，可进一步对目标基因进行密码子优化，提高梁山慈竹的竹笋产量和造纸纤维含量，以及利用新一代精准基因编辑工具CRISPR/Cas9优化梁山慈竹密码子，从而改造梁山慈竹基因组编辑的Cas9基因，提高该基因在梁山慈竹中的表达水平^[30]。

4. 结论

本研究通过分析梁山慈竹叶绿体基因组的CDS序列，对梁山慈竹的叶绿体基因组进行生物信息学分析，筛选出梁山慈竹叶绿体基因组有GCU、GAU以及GGU等18个最优密码子。研究结果表明：影响梁山慈竹密码子偏好性的主要因素是自然选择。研究结果为后续在分子层面上利用基因工程开发梁山慈竹优良资源提供参考。

[1]	瞿志杰, 贾良权, 祁亨年, 王瑞琴, 赵光武. 种子活力无损检测方法研究进展 . 浙江农林大学学报, 2020, 37(2): 382-390. doi: 10.11833/j.issn.2095-0756.2020.02.025
[2]	孙海燕, 王玉荣. 木材细胞壁超微构造的形成、表征及变化规律 . 浙江农林大学学报, 2019, 36(2): 386-393. doi: 10.11833/j.issn.2095-0756.2019.02.021
[3]	薛紫荞, 王雪花, 周亚琴, 陈梦奇, 黄琼涛. 负压轻炭化木材物理力学性能 . 浙江农林大学学报, 2019, 36(1): 177-182. doi: 10.11833/j.issn.2095-0756.2019.01.022
[4]	郑泽宇, 冯海林, 杜晓晨, 方益明. 木材径切面内部缺陷的应力波成像算法 . 浙江农林大学学报, 2019, 36(2): 211-218. doi: 10.11833/j.issn.2095-0756.2019.02.001
[5]	李伟光, 张占宽. 基于响应面法的不同锯料角锯齿的木材切削力模型 . 浙江农林大学学报, 2018, 35(3): 524-528. doi: 10.11833/j.issn.2095-0756.2018.03.018
[6]	胡梦霄, 杭芸, 黄华宏, 张胜龙, 童再康, 楼雄珍. 杉木木材结晶度的近红外预测模型建立及变异分析 . 浙江农林大学学报, 2017, 34(2): 361-368. doi: 10.11833/j.issn.2095-0756.2017.02.022
[7]	周竹, 尹建新, 周素茵, 周厚奎. 基于近红外光谱技术的针叶材板材表面节子缺陷检测 . 浙江农林大学学报, 2017, 34(3): 520-527. doi: 10.11833/j.issn.2095-0756.2017.03.018
[8]	方益明, 蔺陆军, 鲁植雄, 冯海林. 基于空气耦合超声波的木材无损检测系统研制 . 浙江农林大学学报, 2017, 34(2): 355-360. doi: 10.11833/j.issn.2095-0756.2017.02.021
[9]	张春晓, 冯海林, 李光辉, 王燕凤, 杜晓晨. 应力波在树木不同角度纵截面的传播速度模型 . 浙江农林大学学报, 2017, 34(5): 926-933. doi: 10.11833/j.issn.2095-0756.2017.05.021
[10]	倪茜茜, 祁亨年, 周竹, 汪杭军. 基于高光谱成像技术的红酸枝木材种类识别 . 浙江农林大学学报, 2016, 33(3): 489-494. doi: 10.11833/j.issn.2095-0756.2016.03.017
[11]	王喆, 孙柏玲, 刘君良, 柴宇博, 曹金珍. 真空热处理日本落叶松木材化学性质的变化 . 浙江农林大学学报, 2016, 33(6): 1052-1057. doi: 10.11833/j.issn.2095-0756.2016.06.018
[12]	高珊, 王立海, 杨冬辉, 徐文豪. Sylvatest-Duo装置的探针触式与计示压强对木材超声波测量精度的影响 . 浙江农林大学学报, 2016, 33(5): 875-880. doi: 10.11833/j.issn.2095-0756.2016.05.021
[13]	白雪冰, 许景涛, 郭景秋, 陈凯. 基于局部二值拟合模型的板材表面节子与虫眼的图像分割 . 浙江农林大学学报, 2016, 33(2): 306-314. doi: 10.11833/j.issn.2095-0756.2016.02.017
[14]	骆静怡, 傅威锐, 潘程远. 木腐真菌的鉴定及对不同木材的腐朽能力 . 浙江农林大学学报, 2015, 32(1): 1-10. doi: 10.11833/j.issn.2095-0756.2015.01.001
[15]	张蕾, 常晓雅, 吴静, 王明枝. 4A分子筛对膨胀型木材阻燃涂料阻燃性能的影响 . 浙江农林大学学报, 2015, 32(1): 156-161. doi: 10.11833/j.issn.2095-0756.2015.01.023
[16]	周竹, 方益明, 尹建新, 周素茵, 雒瑞森, 郑剑. 高光谱成像技术及其在木材无损检测中的研究进展 . 浙江农林大学学报, 2015, 32(3): 458-466. doi: 10.11833/j.issn.2095-0756.2015.03.020
[17]	郭东强, 叶露, 周维, 刘媛, 陈健波, 卢翠香, 项东云. 2个种源邓恩桉木材纤维特性及变异 . 浙江农林大学学报, 2014, 31(4): 502-507. doi: 10.11833/j.issn.2095-0756.2014.04.002
[18]	张高品, 李光辉, 李剑, 冯海林. 木材无损检测技术中的应力波传播时延估计算法 . 浙江农林大学学报, 2014, 31(3): 394-398. doi: 10.11833/j.issn.2095-0756.2014.03.010
[19]	单海斌, 刘杏娥, 杨淑敏, 孙建平, 杨喜. 计算机断层扫描技术（CT）在木材无损检测中的应用与发展 . 浙江农林大学学报, 2013, 30(1): 123-128. doi: 10.11833/j.issn.2095-0756.2013.01.018
[20]	朱景乐, 王军辉, 张守攻, 张建国, 孙晓梅, 梁保松. Pilodyn在林木遗传改良应用中的研究进展 . 浙江农林大学学报, 2008, 25(5): 661-665.

期刊类型引用(1)
1. 何刀山，阳小强，秦雅林，何海燕，谢维，罗治国，李鹏. ‘湘辣14号’叶绿体基因组密码子偏好性分析. 中国果菜. 2025(01): 47-54+79 . 百度学术
其他类型引用(0)
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2015.01.003

https://zlxb.zafu.edu.cn/article/zjnldxxb/2015/1/18

点击查看大图

计量

文章访问数: 2425
HTML全文浏览量: 343
PDF下载量: 585
被引次数: 1

1. 材料与方法
1.1 叶绿体基因组序列的获取
1.2 密码子组成分析
1.3 相对同义密码子使用度分析
1.4 中性绘图分析
1.5 ENC-plot绘图分析
1.6 PR2-plot偏倚分析
1.7 最优密码子分析
1.8 梁山慈竹和其他几种生物密码子偏好性比较分析
1.9 对应分析
2. 结果与分析
2.1 密码子的碱基组成分析
2.2 相对同义密码子使用度分析
2.3 中性绘图分析
2.4 ENC-plot绘图分析
2.5 PR2-plot绘图分析
2.6 最优密码子的确定
2.7 梁山慈竹和其他几种生物密码子偏好性比较分析
2.8 对应分析
3. 讨论
4. 结论

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

树木内部应力波传播速度模型

DOI: 10.11833/j.issn.2095-0756.2015.01.003

作者简介: 刘光林，从事木材无损检测技术研究。

通信作者: 李光辉，教授，博士，从事木材无损检测技术和无线传感器网络等研究。

A stress wave propagation velocity model of standing trees

1. 材料与方法

1.1 叶绿体基因组序列的获取

1.2 密码子组成分析

1.3 相对同义密码子使用度分析

1.4 中性绘图分析

1.5 ENC-plot绘图分析

1.6 PR2-plot偏倚分析

1.7 最优密码子分析

1.8 梁山慈竹和其他几种生物密码子偏好性比较分析

1.9 对应分析

2. 结果与分析

2.1 密码子的碱基组成分析

2.2 相对同义密码子使用度分析

2.3 中性绘图分析

2.4 ENC-plot绘图分析

2.5 PR2-plot绘图分析

2.6 最优密码子的确定

2.7 梁山慈竹和其他几种生物密码子偏好性比较分析

2.8 对应分析

3. 讨论

4. 结论

期刊类型引用(1)

其他类型引用(0)

计量

出版历程

树木内部应力波传播速度模型

doi: 10.11833/j.issn.2095-0756.2015.01.003

1. 浙江农林大学 信息工程学院，浙江 临安 311300; 2. 浙江农林大学 浙江省林业智能监测与信息技术研究重点实验室，浙江 临安 311300

作者简介: 刘光林，从事木材无损检测技术研究。

通信作者: 李光辉，教授，博士，从事木材无损检测技术和无线传感器网络等研究。

English Abstract

A stress wave propagation velocity model of standing trees

1. School of Information Engineering, Zhejiang A & F University, Lin’an 311300, Zhejiang, China; 2. Zhejiang Provincial Key Laboratory of Intelligent Monitoring in Forestry and Information Technology, Zhejiang A & F University, Lin’an 311300, Zhejiang, China

全文HTML

目录

全文HTML

1. 浙江农林大学信息工程学院，浙江临安 311300;

2. 浙江农林大学浙江省林业智能监测与信息技术研究重点实验室，浙江临安 311300

作者简介:
刘光林，从事木材无损检测技术研究。

1. School of Information Engineering, Zhejiang A & F University, Lin’an 311300, Zhejiang, China;

2. Zhejiang Provincial Key Laboratory of Intelligent Monitoring in Forestry and Information Technology, Zhejiang A & F University, Lin’an 311300, Zhejiang, China