通过对水稻萌发耐淹性进行QTL定位和稳定位点的聚合效应分析,可以为萌发耐淹性基因的精细定位及后续分子辅助育种奠定基础。本研究利用一个包含144份家系的强萌发耐淹性粳型杂草稻WR-4与籼稻品种广百香占的F2:3定位群体,基于1K m GPS SN...通过对水稻萌发耐淹性进行QTL定位和稳定位点的聚合效应分析,可以为萌发耐淹性基因的精细定位及后续分子辅助育种奠定基础。本研究利用一个包含144份家系的强萌发耐淹性粳型杂草稻WR-4与籼稻品种广百香占的F2:3定位群体,基于1K m GPS SNP芯片构建了一个包含825个Bin标记的高密度遗传图谱,利用完备区间作图法共检测到10个萌发耐淹性QTL,分布于水稻第3、4、7、8、9和10染色体上,LOD值介于3.6~21.3之间,可解释3.0%~21.1%的表型变异。其中,具有较高LOD值和贡献率的2个主效QTL(q GS4-1和q GS7-1)能够被重复检测到,是后续基因克隆的候选位点。根据Bin标记分型结果将不同子代在两个稳定QTL区间内分为WR型和广百香占型,在F2:3群体中进行聚合效应分析,发现聚合增效等位基因数量越多的家系,其淹水条件下的胚芽鞘越长,这些携带多个耐性QTL的株系可为分子育种培育耐低氧萌发水稻新品种提供亲本资源。展开更多
针对对数似然比置信传播(log-likelihood ratio belief propagation,LLR BP)译码算法对短码长的低密度奇偶校验(low density parity check code,LDPC)码译码性能差的问题,提出了一种基于LLR BP译码算法的深度神经网络译码器。根据Tanne...针对对数似然比置信传播(log-likelihood ratio belief propagation,LLR BP)译码算法对短码长的低密度奇偶校验(low density parity check code,LDPC)码译码性能差的问题,提出了一种基于LLR BP译码算法的深度神经网络译码器。根据Tanner图构建深度神经网络模型,利用深度学习优化边的权重来缓解短环造成的影响,提升译码性能。此外,网络采用了迁移学习的训练思想并添加批量归一化(batch normalization,BN)层来加快网络收敛。仿真结果表明,所提出方法构建的深度神经网络收敛速度较快,并且与传统BP译码算法相比,对于短码长LDPC码译码性能有明显提升。展开更多
