Bioprocess 生物过程, 2018, 8(1), 11-19
Published Online March 2018 in Hans. https://www.doczj.com/doc/2710549157.html,/journal/bp
https://https://www.doczj.com/doc/2710549157.html,/10.12677/bp.2018.81002
Development of Evolutionary Dynamics and Its Research and Application Progress
Yinding Zhang1, Ziyan Zhang2, Junqiu Zhang1, Yitian Li1, Yujie Hu1, Aziya1, Xiang Gao1*
1College of Mathematical Sciences, Ocean University of China, Qingdao Shandong
2College of Environmental Science, Ocean University of China, Qingdao Shandong
Received: Feb. 28th, 2018; accepted: Mar. 14th, 2018; published: Mar. 21st, 2018
Abstract
Evolution is one of the basic patterns in the creation and development of things, characterized by changed inheritances. Evolutionary dynamics is a science that explores the mathematical prin-ciples of biological evolution. It uses mathematics to describe processes, such as the process of propagation, selection, mutation, random drift and space movement in evolution units, to study the conditions, directions and processes of evolution. Evolutionary dynamics originated from the study of biological evolution, not only can explain the mode of biological evolution, but also can successfully explain some economic, social and cultural evolution. This paper introduces the de-velopment of evolutionary dynamics and reviews the research and application of evolutionary dynamics in recent 5 years.
Keywords
Evolutionary Dynamics, Evolutionism, Biomathematics, Development, Application
进化动力学的发展及其研究与应用进展
张寅丁1，张子琰2，张君秋1，李怡甜1，胡玉洁1，阿兹娅1，高翔1*
1中国海洋大学数学科学学院，山东青岛
2中国海洋大学环境科学学院，山东青岛
收稿日期：2018年2月28日；录用日期：2018年3月14日；发布日期：2018年3月21日
摘要
进化是事物产生与发展的基本模式之一，其特征是有改变的继承。进化动力学是探讨生物进化的数学原*通讯作者。
张寅丁等
理的一门科学，它使用数学描述进化单位繁殖、选择、突变、随机漂变和空间运动等过程，研究进化发生的条件、方向及作用过程。进化动力学起源于对生物进化的研究，但其不仅可以解释生物进化的模式，也能成功地解释经济、社会和文化方面的一些演化现象。本文回顾了进化动力学的发展历程，并对近5年来进化动力学的研究，以及生态学、运筹学、临床医学、社会学和经济学等领域的应用进行综述。
关键词
进化动力学，进化论，生物数学，发展，应用
Copyright ? 2018 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
https://www.doczj.com/doc/2710549157.html,/licenses/by/4.0/
1. 引言
进化是事物产生与发展的基本模式之一，其特征是有改变的继承。
进化的概念最初出现于生物学领域，用于解释物种起源。生物进化的系统假说最早由法国博物学家Lamarck提出，他的进化思想被简要概括为用进废退。但后来事实证明Lamarck的进化并不适合于解释生物的进化，Darwin的自然选择学说在生物进化的问题上取得了巨大的成功。Darwin进行了五年的环球考察之旅，受Lyell及Malthus思想的启发，于1838年首次产生了自然选择进化的想法，于1858年与Wallace同时宣读了陈述自然选择思想的论文[1]，并于1859年出版了《物种起源》。20世纪末和30年代初，Fisher、Haldane、Wright等对达尔文主义进行修正，形成了以自然选择学说为核心的现代综合论。
20世纪60年代末Kimura等提出了分子进化中性理论，对分子水平上的生物进化进行了新描述[1] [2]。
自然选择形式的进化能够成功地解释生物的进化，事实证明，这是一种更广泛的进化模式，不仅可以解释生物进化的模式，同时也可以成功地解释经济、社会和文化方面的一些演化现象。
进化动力学是研究事物进化所遵循的数学原理的一门交叉科学，它使用数学描述进化单位繁殖、选择、突变、随机漂变和空间运动等过程，研究进化发生的条件、方向及作用过程。进化动力学是生物进化理论的核心，是种群结构与动力系统、生态系统结构与动力系统和微进化等研究的基本工具[3]-[11]。
其一方面已经广泛运用于农业和医学中，研究农业生态系统、癌细胞进化、传染病和寄生虫毒力的进化及病菌抗药性的进化等课题[2][12]-[18]，另一方面正逐渐成为社会学、经济学和文化传播领域中诸如形式语言理论、协作产生、经济模式、文化传播等课题的新范式[2][19]-[24]。并为博弈论、进化算法和细胞自动机等数学领域的发展提供了新的思路[25]-[30]。本文简要地对进化动力学的发展历程和研究与应用进展进行了综述。
2. 进化动力学的发展
《物种起源》发表后，Galton和Pearson等率先将统计方法引入生物的遗传进化问题[1]。而有关生物进化的数学描述最早的显著成果是Hardy和Weinberg分别提出的Hardy-Weinberg定理，其通过简单的数学公式证明了孟德尔遗传随机交配下维持遗传多样性的机制，由此该定理成为有性繁殖种群进化的基本原理之一。20世纪20~30年代，Fisher、Haldane、Wright结合基因论和生物统计对达尔文主义进行修正，形成以自然选择为核心的现代综合理论，同时也创建了数学生物学这一全新学科，从数学上精确地描述了进化、选择和突变等概念[31]。20世纪50年代Kimura提出随机漂变的概念，认为
张寅丁等
大多数遗传突变只通过随机漂变就能够在种群中固定下来，并基于数理统计的工具发展出中性进化理论。1964年，Hamilton提出基因的“自私”选择有利于促进亲缘个体间利他行为的产生。1973年，Smith 提出进化博弈理论。70年代中期May引用数学方法研究了种群和群落动力学系统，完善了理论生态学的核心概念并将这些工具应用于传染病和生物多样性的研究。1979年Eigen和Schuster首先提出准种理论，同一时期Taylor、Hofbauer和Sigmund等人就复制方程展开了相关研究，奠定了进化博弈动力学的基础[2]。90年代，进化博弈理论已经深深渗入生物学中的各个领域，包括生态学、物种形成、动物行为和细胞器等。21世纪以来，进化动力学进一步结合了博弈论和图论，图上博弈、动态博弈与合作产生的进化等成为新的前沿方向：Nakamaru，Iwasa，Abramson等人探讨了网络形成中的博弈；Flack，Krakauer和Waal，Flack等对灵长类动物之间的网络进行了研究；Sasaki，Hamilton和Ubeda等研究了空间博弈的问题，Mitteldorf，Taylor和Doebeli等研究了空间模型下合作的进化，Lloyd和Jansen描述了流行病的空间动力学；Killingback，Fehr，Sigmund和Boyd等分布研究了新策略(contrite TFT)和弃权行为对合作进化的影响；Turner和Chao描述了RNA病毒之间的囚徒困境，Nee分析了多分体病毒的进化；Pfeiffer，Schuster和Bonhoeffer研究了ATP代谢过程中的合作。此外，进化动力学的应用也开始从生物领域拓展到其它领域。
3. 进化动力学理论研究与生物学应用的进展
3.1. 理论研究
进化动力学理论研究的一大前沿集中于有结构群体中的个体互动对进化过程的影响。Perc等[32]强调了群体互动的重要性，并展示了统计物理学和网络科学方法在研究进化动力学中群体作用时的适用性。他们认为，有结构的种群中的群体交互作用能够远远大于个体成对作用的总和。他们将统计物理学方法运用于研究演化博弈中模式的形成(pattern formation)、均衡选择(equilibrium selection)和自组织，发现在格子(lattices)上，团体互动有效地连接了群体中没有直接连接的个体，这使得群体在格子网络上的局部特性对演化过程的结果不是很重要，从而可以引入策略模拟中的确定性极限作为群体合作演化的最优解[33]。Szolnoki等[34] [35] [36] [37]的研究表明，由于空间格局的形成，策略的复杂性显著增加了解的复杂性，他们所得的结果为社会科学中长期存在的若干问题提供了优雅的解释，包括二阶搭便车问题[34]、奖励的稳定性[35]和制度的成功演变[36] [37]。
3.2. 进化动力学与数学
进化动力学作为数学与生物学交叉形成的新体系，也在为数学，尤其是博弈论的发展提供新的思路。Shakarian等[38]探讨了进化图论(EGT)在博弈论中的作用并探讨了以下问题：第一，模型如何针对某些应用进行调整？第二，我们可以从历史数据中学习模型和/或突变体的适应性吗？第三，是否可以用于计算固定概率和固定时间程序的大数据集？
EGT对于生物学，经济学，博弈论和计算机科学等领域而言仍是一个相对较新的工具，但关于这个主题的研究论文数量正稳步增加，EGT在各种应用中都有很大的潜力，例如Zhou [39]利用EGT建模，对个人决策公司、多人决策公司和股份公司的商业模式稳定性进行了分析，而Voelkl和Kasper [40]利用EGT研究灵长类互动网络的社会结构。这些应用工作很可能只是EGT广泛应用的新趋势的一个开始。
Lacobelli等[41]研究了网络上的进化游戏动力学(EGN)，发现当玩家的收益函数和初始条件是等价的时，同一个可分区划分块中的玩家具有等价的动态行为。因此，属于同一个分区块的顶点可以被合并成一个单一的顶点，从而产生一个简化的图形，从而形成一个简化的方程组。他们还引入了一个更强的条件，称为强流动性，可以其用来识别EGN中与系统中玩家互换性相关的动态对称性。
张寅丁等
3.3. 生物进化中基因选择与合作的进化
进化动力学的分析也有助于对DNA测序所显示的结果进行更深入的理解，如此前著名的Charlesworth等[8]对真核生物的重复DNA的研究；进化动力学也可以用于研究和发展DNA工具，如有较大影响力的Schl?tterer [11]对微卫星DNA的研究。用进化动力学对生物进化过程进行分析的工作仍在继续，进展较多的主要是两个方面的探索：其一是对基因水平的突变与选择等进化过程的分析，其二是对种群层面由合作产生的进化进行分析。对于第一方面，适应度景观和准种的概念等已被广泛运用于生物进化的研究中。Barbosamorais等[42]研究了脊椎动物物种选择性剪接的进化景观，尝试解释蛋白质编码基因类似的物种如何在表型水平有如此显著的差异。他们比较了来自脊椎动物的器官转录组，发现在3亿5千万年的进化中，脊椎动物谱系间选择性剪接的复杂性有显著差异，其中灵长类动物复杂度最高。
在6百万年以内，生理等效器官的选择性剪接相比于器官类型，更多地与物种的特征相关。Merkin [43]等探讨了哺乳动物组织中基因和同种型调控的进化动力学，以前所未有的深度对来自四种哺乳动物的九种组织和一种鸟类的互补DNA进行测序。研究者发现虽然组织特异性基因表达程序在很大程度上是保守的，但选择性剪接仅在部分组织中保守，并常常是谱系特异性的。选择性剪接往往会使得蛋白磷酸化，限制激酶信号的作用范围。Levy等[44]使用高分辨率谱系追踪的定量进化动力学。在酿酒酵母中构建了基于测序的超高分辨率谱系追踪系统，使研究者能够同时监测约50万谱系的相对频率。研究的发现与一些预期相反，有益突变的适应性效应谱既不是指数型也不是单调型，而这一发现在早期适应中有惊人的重现性。
对于种群层面的合作行为演化的分析，则主要运用了进化博弈理论。众所周知，团体合作对智人进化的显著成功至关重要，在对智人的进化与合作进化的研究中，Bowles等[45]认为有证据表明群体之间的冲突可能有助于增强群体内部的团结，Hrdy [46]发现照顾群体内其它人的后代也能激发群体合作的进化。比较新颖的是，Toupo等[47]将人类认知的双重过程理论与演化博弈理论相结合，通过研究自动控制决策过程的演变过程，揭示了进化与人类自我意识以及理性之间的联系，从进化视角探寻了智人理性的发展的必要的条件。
3.4. 有关临床医学的研究
癌是一个进化过程的结果，其可以看作背叛整体合作的“自私”细胞激增的过程。在癌症的研究中，进化动力学已经被深入应用，如探寻成癌机理、癌细胞突变及扩散过程。自上世纪七十年代由May 引用到流行病的研究中，进化动力学就成为了流行病传播、变异和耐药性进化分析中的重要工具。此前，国内早有学者利用进化动力学理论对弓形虫毒力，HIV-1和人冠状病毒等[47] [48] [49]进行研究。
Gillies等[50]研究了癌发生的进化动力学和靶向治疗不起作用的原因，他们认为缺氧、酸中毒和活性氧类等微环境既具有高度的选择性又还能诱导遗传不稳定性，恶性肿瘤在这些微环境中的细胞动态演化几乎可以确保耐药个体的出现；而另一方面，化疗对癌细胞也会施加强烈的进化选择压力，从而增加其进化速度。张兴安等[31]利用数学建模分析探寻了癌症的形成机理，建立了癌症的多次打击模型和反应扩散方程的模型。杨建课等[51]从Flu和GISAID两大数据库中取得中国台湾地区全部已释放的H6N1病毒的HA序列，构建了系统发育树和进化动力曲线，推测了其进化速率并分析HA序列的适应性进化特征。他们认为中国台湾地区H6N1病毒的HA已发生了明显的适应性进化，有发生疫情的风险，人们应及时进行监测和防治。童汪霞等[52]研究了丙型肝炎患者中HCV在这中国的进化动力学特征，从基于基因型的分析中还原了1993年至2000年期间由于“单采血浆”事件造成的HCV在中国的感染数量的“指数”增长期。
张寅丁等
4. 进化动力学在其它学科中应用的国内进展
4.1. 社会行为与监管策略
进化动力学尤其是进化博弈理论正被广泛地应用于分析社会中个体、企业或其它组织群体在有限理性下的行为，其对认识社会现象，提供政策指导和监管方案等方面提供了一个崭新的视角。而影响较大的是运用进化动力学对我国产业改革进行的分析。于斌斌[53]基于产业链上下游企业的进化博弈模型分析了传统产业和战略性新兴产业的创新链接机理。陆立军和于斌斌[54]用进化博弈理论分析了传统产业和战略性新兴产业的融合发展问题，讨论了企业行为和政府策略对其演化的影响，并以浙江绍兴为例对该理论进行了实证分析，结果发现传统产业与战略性新兴产业融合发展有明显的阶段性，其中政府和龙头企业的策略选择会显著地影响演化趋势及最终的融合度。与之类似的，接玉梅[49]运用进化博弈的双种群博弈理论研究了水源地和下游之间的生态补偿合作演化，艾建国等[55]研究了有限理性下的保障房退出机制，为政府合理制定奖惩标准解决保障房退出难的问题提供了一种思路。代应等[56]研究了低碳经济下企业节能减排技术改造。韩德军等[57]研究了中国农村土地制度的历史变迁。
还有许多人利用进化动力学研究了政府与行业间以及行业内部相互博弈的过程，并探讨了博弈过程中政府干扰造成的影响，例如赵湜[58]研究了以有限理性为前提下的可见保险险种的创新进化，发现在博弈过程中，只要有一方主动选择积极策略，则另一方也会逐步向积极的方向发展。他认为新险种能带来超额收益是保险公司选择开发新险种策略的必要条件，而科技保险市场具有活力，且干预行为具有良好的社会效应则是政府进行有效干预险种创新的基础。
上述方面的一大类应用是研究有效的监管模式。周晶[59]对有限理性框架下构建保险监管机构间的非对称进行了分析，并指出多个险监管者共存时，监管行为不同步，容易出现监管漏洞，而监管收益和监管成本是造成监管不同步及监管漏洞的重要原因，结合此前英国V&G公司破产的案例，验证了该博弈模型及其结论的合理性与可靠性。余孝军等[60]建立了公路可监管问题的进化博弈模型，发现在有限理性的基础上，进化稳定策略与博弈双方的收益、系统所处的初始状态等有关。王永刚等[61]利用进化博弈论对不完全信息状况下的民航安全监管进行了研究，建立了不完全信息状况下民航安全监管的进化博弈模型。研究表明安全投入、监管成本、航空公司规模等因素的变化将对安监部门和航空公司之间的博弈产生重要影响，进而影响航空公司的安全运营策略。与之类似，唐柳[62]研究了政府监管金融服务外包供应商的策略选择对监管效果的影响；程道光[63]分析了高职院校的学生管理策略。闫杰[64]分析了安全监管部门和承包商的行为特征以及进化稳定策略，提出对安全监管部门的策略建议。何学锋等[48]分析了科技项目财政资金监管与使用。
除此以外，也有一些不从政府或监管者作用角度讨论的研究。例如，廖开际和吴敏[65]基于有限理性和进化群体博弈对网络团购的分析。冯珍等[66]对智慧旅游服务供应链中企业之间相互竞争的进化博弈的分析。
4.2. 资源配置优化
在资源配置的问题上，许多时候需求是相互冲突的，面对这类问题进化博弈论可以用于优化配置策略，达到总体最佳性能。颉斌等[67]基于进化博弈论研究了云计算虚拟计算资源配置的配置策略，建立了相应的自适应资源配置模型，并以性能为进化博弈目标，通过该模型得到最优策略；实验发现，相比SLA 的资源调度策略，该策略能有效减少资源的使用。徐明等[68]利用进化博弈理论对带宽资源的调度进行优化，在此基础上提出了一种MAC协议以降低水声传感器网络低带宽、高延迟特性对介质访问MAC层性能的影响。该协议针对空间复用和时间复用这两种策略利用复制动力学方程演化得到稳定策略。仿真实
张寅丁等
验的结果表明，该水声传感器网络MAC协议相比传统协议，有效提高了网络吞吐量及数据包发送成功率。
4.3. 合作与共享
企业间的知识共享是典型的博弈情形，如果能正确引导，促进企业或组织的信任，这对企业发展及社会经济发展都有促进作用。也有学者针对这一问题的情形进行了进化动力学的分析。刘臣等[69]针对组织间知识共享的问题建立了单群体和多群体动态博弈模型，并分析了模型的进化稳定策略和稳定域。翟丽丽等[70]讨论了软件企业有限理性下，产业虚拟集群企业间的信任进化，引入合作收益、收益分配系数、风险成本以及背信成本等影响因素，构建软件产业虚拟集群企业间信任进化博弈模型。研究表明，通过提高软件企业间合作收益，降低风险成本，适当调整收益分配系数与背信成本，均可以提高软件产业虚拟集群企业间信任。孙晶磊等[71]建立了一个进化博弈数理模型研究Web2.0环境下组织内部的知识共享，发现了得出了类似的结论。陈萍风[72]对比分析了强关系和弱关系企业网络中的知识共享，发现当均不共享成本很高时，强关系企业网络相对于弱关系企业网络更有利于企业间知识的共享；当知识共享的纯收益大于搭便车的纯收益时，企业更倾向于知识共享。
4.4. 其它应用
文化演化与生物进化的类比最早由道金斯提出弥母的概念开始。在文化演化的交叉领域，进化动力学很快被用于分析在文化和语言的演化。张德玉等[21]研究了语言模因的进化动力学，利用博弈进化论的框架解释了语言进化中的语言创新问题，并发现在语言进化中，突变策略只有满足策略的复杂性条件才能成为进化稳定策略。刘春兴[73]运用进化动力学方法研究了一般意义上的法律现象在人类社会历史上的起源过程，并以进化动力学的视角重新考察了法律与道德的关系，同时讨论了法学数学化以及进化法理学等内容。
5. 前景展望
进化动力学是生命科学的核心理论，生命系统所呈现的一切现象追根溯源都一定可以从进化的角度得到解释，进化动力学是生物学中一切分支学科的基础[2]。另一方面，进化动力学已经逐渐渗入到生命科学以外的其它领域。自十八世纪以来，人们已经意识到世界不是一成不变的，随着人类对自己生存的世界以及生命本质的不断探索，人们开始逐渐发现有许多事物的演变都有进化特征，进化动力学为这些领域提供了崭新的视角与数学理论的支持。除此以外，进化动力学也为运筹学和进化算法的发展提供许多启发。从目前的研究来看，进化博弈理论与进化图论是发展势头最迅猛的两个分支，不仅理论成果斐然，同时也被积极地应用于生物学外的其他领域，在未来的进一步发展中，进化动力学作为一门研究事物演化的科学，应当与计算机模拟深入结合，并进一步开展跨学科的交叉应用。进化动力学理论具有极为广阔的理论扩展空间和实际应用空间，目前其在生物学及其他方面的研究与应用很可能只是一个新趋势的开始。
基金项目
山东省研究生教育创新计划项目“一线贯通式几何方向研究生课程群及信息化平台建设”
(SDYY15129)，山东省研究生导师指导能力提升项目“布尔巴基观点下的几何与代数方向研究生课程体系与课程群建设”(SDYY17009)。
参考文献
[1]袁志发. 群体遗传学、进化与熵[M]. 北京: 科学出版社, 2011: 23-29.
张寅丁等
[2]Martin A. Nowak. 进化动力学[M]. 北京: 高等教育出版社, 2010: 1-6.
[3]Shi, T., Huang, H., Sanderson, M.J., et al. (2014) Evolutionary Dynamics of Leucine-Rich Repeat Receptor-Like Ki-
nases and Related Genes in Plants: A Phylogenomic Approach. Journal of Integrative Plant Biology, 56, 648-662.
https://https://www.doczj.com/doc/2710549157.html,/10.1111/jipb.12188
[4]刘蕊. 一类捕食者—食饵模型的种群动力学和进化动力学分析[D]: [硕士学位论文]. 青岛: 山东科技大学, 2014.
[5]张文艳. 选择性干扰下的捕食模型的种群动力学和进化动力学问题的研究[D]: [硕士学位论文]. 青岛: 山东科技
大学, 2014.
[6]李自珍, 韩晓卓, 李文龙, 等. 具有生态位构建作用的种群进化动力学模型及其应用研究[J]. 应用数学和力学,
2006, 27(3): 293-299.
[7]韩民锦. 家蚕MITE转座子的鉴定、进化和功能以及家蚕转座子的进化动力学研究[D]: [博士学位论文]. 重庆:
西南大学, 2013.
[8]Charlesworth, B., Sniegowski, P. and Stephan, W. (1994) The Evolutionary Dynamics of Repetitive DNA in Euka-
ryotes. Nature, 371, 215. https://https://www.doczj.com/doc/2710549157.html,/10.1038/371215a0
[9]Bergelson, J., Kreitman, M., Stahl, E.A., et al. (2001) Evolutionary Dynamics of Plant R-Genes. Science, 292, 2281.
https://https://www.doczj.com/doc/2710549157.html,/10.1126/science.1061337
[10]Schoener, T.W. (2011) The Newest Synthesis: Understanding the Interplay of Evolutionary and Ecological Dynamics.
Science, 331, 426-429. https://https://www.doczj.com/doc/2710549157.html,/10.1126/science.1193954
[11]Schlotterer, C. (2000) Evolutionary Dynamics of Microsatellite DNA. Chromosoma, 109, 365-371.
[12]杨宁, 于淑琴, 孙占祥, 等. 生物多样性影响农业生态系统功能及其机制研究进展[J]. 辽宁农业科学, 2008,
2008(1): 27-31.
[13]杨阳. 两类SI传染病模型的毒性的适应性进化[D]: [硕士学位论文]. 青岛: 山东科技大学, 2014.
[14]刘晔. 微分动力系统在弓形虫病研究中的应用[D]: [硕士学位论文]. 天津: 天津工业大学, 2012.
[15]杨蕾. 弓形虫病传播与进化动力学模型研究[D]: [硕士学位论文]. 武汉: 华中科技大学, 2016.
[16]桂滔. 我国部分地区HIV-1流行及进化动力学研究[D]: [硕士学位论文]. 北京: 中国人民解放军军事医学科学
院, 2015.
[17]张越. 人冠状病毒OC43分子流行病学与种系进化动力学特征研究[D]: [硕士学位论文]. 北京: 北京协和医学院,
2014.
[18]Grenfell, B.T., Pybus, O.G., Gog, J.R., et al. (2004) Unifying the Epidemiological and Evolutionary Dynamics of Pa-
thogens. Science, 303, 327-332.https://https://www.doczj.com/doc/2710549157.html,/10.1126/science.1090727
[19]黄德斌, 许新胜. 人类语言的复杂性[J]. 自然杂志, 2005, 27(5): 278-282.
[20]蒋国银, 胡斌. 人群工作协同进化动力学模型及模拟[J]. 科学学与科学技术管理, 2008, 29(12): 151-156.
[21]张德玉, 吴炳章. 语言模因的进化动力学研究[J]. 中国海洋大学学报(社会科学版), 2011(1): 94-99.
[22]刘春兴. 进化动力学:社会科学数学化的新范式[J]. 佛山科学技术学院学报(社会科学版), 2013, 31(5): 7-10.
[23]班晓倩. 基于进化动力学的企业创新模型研究[J]. 当代经济, 2015(31): 132-134.
[24]Santos, F.C., Pacheco, J.M. and Lenaerts, T. (2006) Evolutionary Dynamics of Social Dilemmas in Structured Hetero-
geneous Populations. Proceedings of the National Academy of Sciences of the United States of America, 103, 3490-3494.https://https://www.doczj.com/doc/2710549157.html,/10.1073/pnas.0508201103
[25]王磊. 复杂网络与进化动力学共演化下的博弈机制研究[D]: [硕士学位论文]. 天津: 天津理工大学, 2014.
[26]王向军, 林春生, 龚沈光. 基于中性进化、自组织和自然选择的进化算法[J]. 数据采集与处理, 2003, 18(4):
398-402.
[27]Lindgren, K. and Nordahl, M.G. (1994) Evolutionary Dynamics of Spatial Games. Physica D: Nonlinear Phenomena,
75, 292-309.https://https://www.doczj.com/doc/2710549157.html,/10.1016/0167-2789(94)90289-5
[28]Nowak, M.A. and Sigmund, K. (2004) Evolutionary Dynamics of Biological Games. Science, 303, 793-799.
https://https://www.doczj.com/doc/2710549157.html,/10.1126/science.1093411
[29]Ruesta, M.B. and Lombardo, E. (2005) Evolutionary Dynamics on Graphs. Nature, 433, 312-316.
https://https://www.doczj.com/doc/2710549157.html,/10.1038/nature03204
[30]Foster, D. and Young, P. (1990) Stochastic Evolutionary Game Dynamics. Theoretical Population Biology, 38,
219-232.https://https://www.doczj.com/doc/2710549157.html,/10.1016/0040-5809(90)90011-J
张寅丁等
[31]陆征一. 生物数学前沿[M]. 武汉: 科学出版社, 2008: 176-181.
[32]Perc, M., Szolnoki, A., Floría, L.M., et al. (2013) Evolutionary Dynamics of Group Interactions on Structured Popula-
tions: A Review. Journal of the Royal Society Interface, 10, Article ID: 20120997.
https://https://www.doczj.com/doc/2710549157.html,/10.1098/rsif.2012.0997
[33]Szolnoki, A., Perc, M. and Szabó, G. (2009) Topology-Independent Impact of Noise on Cooperation in Spatial Public
Goods Games. Physical Review E, Statistical, Nonlinear, and Soft Matter Physics, 80, Article ID: 056109.
https://https://www.doczj.com/doc/2710549157.html,/10.1103/PhysRevE.80.056109
[34]Helbing, D., Szolnoki, A., Perc, M., et al. (2010) Evolutionary Establishment of Moral and Double Moral Standards
through Spatial Interactions. PLOS Computational Biology, 6, e1000758.https://https://www.doczj.com/doc/2710549157.html,/10.1371/journal.pcbi.1000758
[35]Szolnoki, A. and Perc, M. (2010) Reward and Cooperation in the Spatial Public Goods Game. EPL, 92, Article No.
38003.https://https://www.doczj.com/doc/2710549157.html,/10.1209/0295-5075/92/38003
[36]Szolnoki, A., Szabó, G. and Perc, M. (2011) Phase Diagrams for the Spatial Public Goods Game with Pool Punishment.
Physical Review E Statistical Nonlinear & Soft Matter Physics, 83, Article ID: 036101.
https://https://www.doczj.com/doc/2710549157.html,/10.1103/PhysRevE.83.036101
[37]Szolnoki, A., Szabó, G. and Czakó, L. (2011) Competition of Individual and Institutional Punishments in Spatial Pub-
lic Goods Games. Physical Review E Statistical Nonlinear & Soft Matter Physics, 84, Article ID: 046106.
https://https://www.doczj.com/doc/2710549157.html,/10.1103/PhysRevE.84.046106
[38]Shakarian, P., Roos, P. and Johnson, A. (2012) A Review of Evolutionary Graph Theory with Applications to Game
Theory. Biosystems, 107, 66-80.https://https://www.doczj.com/doc/2710549157.html,/10.1016/j.biosystems.2011.09.006
[39]Zhou, A.N. (2011) Stability Analysis for Various Business Forms. In: Applied Economics, Business and Development,
Springer, Berlin Heidelberg, 1-7.https://https://www.doczj.com/doc/2710549157.html,/10.1007/978-3-642-23023-3_1
[40]Voelkl, B. and Kasper, C. (2009) Social Structure of Primate Interaction Networks Facilitates the Emergence of Coop-
eration. Biology Letters, 5, 462-464.
[41]Iacobelli, G., Madeo, D. and Mocenni, C. (2016) Lumping Evolutionary Game Dynamics on Networks. Journal of
Theoretical Biology, 407, 328-338.https://https://www.doczj.com/doc/2710549157.html,/10.1016/j.jtbi.2016.07.037
[42]Barbosamorais, N.L., Irimia, M., Pan, Q., et al. (2012) The Evolutionary Landscape of Alternative Splicing in Verte-
brate Species. Science, 338, 1587-1593.https://https://www.doczj.com/doc/2710549157.html,/10.1126/science.1230612
[43]Merkin, J., Russell, C., Chen, P., et al. (2012) Evolutionary Dynamics of Gene and Isoform Regulation in Mammalian
Tissues. Science, 338, 1593-1599.
[44]Levy, S.F., Blundell, J.R., Venkataram, S., et al. (2012) Quantitative Evolutionary Dynamics using High-Resolution
Lineage Tracking. Nature, 519, 181-186.
[45]Bowles, S. and Gintis, H. (2011) A Cooperative Species: Human Reciprocity and Its Evolution. Economics Books, 50,
797-803.https://https://www.doczj.com/doc/2710549157.html,/10.1515/9781400838837
[46]Hrdy, S.B. (2010) Mothers and Others: The Evolutionary Origins of Mutual Understanding. Space Station Automation
II: The International Society for Optical Engineering.
[47]Toupo, D.F.P., Strogatz, S.H., Cohen, J.D., et al. (2015) Evolutionary Game Dynamics of Controlled and Automatic
Decision-Making. Chaos, 25, Article ID: 073120.https://https://www.doczj.com/doc/2710549157.html,/10.1063/1.4927488
[48]何雪锋, 酒莉莉, 康莉. 科技项目财政资金监管与使用进化博弈分析[J]. 财会通讯, 2013(32): 61-63.
[49]接玉梅, 葛颜祥, 徐光丽. 基于进化博弈视角的水源地与下游生态补偿合作演化分析[J]. 运筹与管理, 2012,
21(3): 137-143.
[50]Gillies, R.J., Verduzco, D. and Gatenby, R.A. (2012) Evolutionary Dynamics of Carcinogenesis and Why Targeted
Therapy Does Not Work. Nature Reviews Cancer, 12, 487-493.https://https://www.doczj.com/doc/2710549157.html,/10.1038/nrc3298
[51]杨建课, 朱晓蕾, 汪萍, 等. 中国台湾地区H6N1禽流感病毒血凝素基因的适应性进化[J]. 病毒学报, 2014, 30(5):
529-534.
[52]童汪霞, 朱建芸, 雷姿颖, 等. HCV在中国流行多样性和独特生长史的分析[J]. 中华实验和临床病毒学杂志,
2014, 28(5): 336-338.
[53]陆立军, 于斌斌. 传统产业与战略性新兴产业的融合演化及政府行为: 理论与实证[J]. 中国软科学, 2012(5):
28-39.
[54]于斌斌. 传统产业与战略性新兴产业的创新链接机理——基于产业链上下游企业进化博弈模型的分析[J]. 研究
与发展管理, 2012, 24(3): 100-109.
[55]艾建国, 陈泓冰, 鲁璐. 保障房退出机制研究[J]. 城市问题, 2012(2): 76-80.
张寅丁等
[56]代应, 宋寒, 蒲勇健. 低碳经济下企业节能减排技术改造进化博弈分析[J]. 工业技术经济, 2013(3): 137-141.
[57]韩德军, 朱道林. 中国农村土地制度历史变迁的进化博弈论解释[J]. 中国土地科学, 2013(7): 21-27.
[58]赵湜, 谢科范. 科技保险险种创新方案与构想[J]. 科技管理研究, 2011(19): 104-109.
[59]周晶. 基于进化博弈论的保险监管行为研究[J]. 云南社会科学, 2014(1): 74-76.
[60]余孝军, 方春华. 公路客运监管的进化博弈分析[J]. 运筹与管理, 2013(2): 243-248.
[61]王永刚, 江涛. 基于进化博弈论的不完全信息状况下的民航安全监管研究[J]. 安全与环境学报, 2014, 14(1):
61-64.
[62]唐柳, 俞乔, 李志铭. 政府监管金融服务外包供应商的策略选择研究——基于进化博弈论的视角[J]. 软科学,
2014, 28(6): 29-34.
[63]程道光. 基于进化博弈理论的高职学生管理策略探析[J]. 职教论坛, 2013(8): 4-6.
[64]闫杰. 基于进化博弈理论的建筑工程项目安全监管分析[J]. 统计与决策, 2012(13): 186-188.
[65]廖开际, 吴敏. 基于群体博弈的网络团购分析[J]. 统计与决策, 2012(1): 66-69.
[66]冯珍, 王程. 智慧旅游服务供应链中竞争企业的进化博弈[J]. 贵州社会科学, 2014(3): 94-97.
[67]颉斌, 杨扬, 钟泽伟. 一种基于进化博弈论的云计算虚拟计算资源配置模型[J]. 北京交通大学学报, 2013, 37(5):
75-79.
[68]徐明, 刘广钟, 孙伟. 基于进化博弈论的水声传感器网络介质访问控制协议[J]. 计算机应用, 2014, 34(11):
3160-3163.
[69]刘臣, 单伟, 于晶. 组织内部知识共享的类型及进化博弈模型[J]. 科研管理, 2014, 35(2): 145-153.
[70]翟丽丽, 柳玉凤, 王京, 等. 软件产业虚拟集群企业间信任进化博弈研究[J]. 中国管理科学, 2014, 22(12):
118-125.
[71]孙晶磊, 赵西萍, 周密, 等. 基于进化博弈论的Web2.0环境下组织内部知识共享研究[J]. 软科学, 2013, 27(5):
105-107.
[72]陈萍, 彭文成. 强关系与弱关系下企业网络中的知识共享进化博弈分析[J]. 情报理论与实践, 2014, 37(4): 28-31.
[73]刘春兴. 法律起源的进化动力学模型[D]: [博士学位论文]. 北京: 北京林业大学, 2017.
知网检索的两种方式：
1. 打开知网页面https://www.doczj.com/doc/2710549157.html,/kns/brief/result.aspx?dbPrefix=WWJD
下拉列表框选择：[ISSN]，输入期刊ISSN：2164-5566，即可查询
2. 打开知网首页https://www.doczj.com/doc/2710549157.html,/
左侧“国际文献总库”进入，输入文章标题，即可查询
投稿请点击：https://www.doczj.com/doc/2710549157.html,/Submission.aspx
期刊邮箱：bp@https://www.doczj.com/doc/2710549157.html,
湖南大学 硕士学位论文 差分进化算法及应用研究 姓名：吴亮红 申请学位级别：硕士 专业：控制理论与控制工程指导教师：王耀南 20070310
硕士学位论文 摘要 论文首先介绍了智能优化算法的产生对现代优化技术的重要影响，阐述了智能优化算法的研究和发展对现代优化技术和工程实践应用的必要性，归纳总结了智能优化算法的主要特点，简要介绍了智能优化算法的主要研究内容及应用领域。 对差分进化算法的原理进行了详细的介绍，给出了差分进化算法的伪代码。针对混合整数非线性规划问题的特点，在差分进化算法的变异操作中加入取整运算，提出了一种适合于求解各种混合整数非线性规划问题的改进差分进化算法。同时，采用时变交叉概率因子的方法以提高算法的全局搜索能力和收敛速率。用四个典型测试函数进行了实验研究，实验结果表明，改进的差分进化算法用于求解混合整数非线性规划问题时收敛速度快，精度高，鲁棒性强。 采用非固定多段映射罚函数法处理问题的约束条件，提出了一种用改进差分进化算法求解非线性约束优化问题的新方法。结合差分进化算法两种不同变异方式的特点，引入模拟退火策略，使算法在搜索的初始阶段有较强的全局搜索能力，而在后阶段有较强的局部搜索能力，以提高算法的全局收敛性和收敛速率。用几个典型Benchmarks函数进行了测试，实验结果表明，该方法全局搜索能力强，鲁棒性好，精度高，收敛速度快，是一种求解非线性约束优化问题的有效方法。 为保持所求得的多目标优化问题Pareto最优解的多样性，提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法。对排序策略中目标函数的选择方式进行了分析和比较，并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法。用多个经典测试函数进行了实验分析，并与NSGA-Ⅱ算法进行了比较。实验结果表明，本文方法收敛到问题的Pareto前沿效果良好，获得解的散布范围广，能有效保持所求得的Pareto最优解的多样性。 提出了一种新的基于群体适应度方差自适应二次变异的差分进化算法。该算法在运行过程中根据群体适应度方差的大小，增加一种新的变异算子对最优个体和部分其它个体同时进行变异操作，以提高种群多样性，增强差分进化算法跳出局部最优解的能力。对几种典型Benchmarks函数进行了测试，实验结果表明，该方法能有效避免早熟收敛，显著提高算法的全局搜索能力。提出了将该改进算法用来整定不完全微分PID控制器最优或近似最优参数的新方法。为克服频域中常用的积分性能指标如IAE，ISE和ITSE的不足，提出了一种新的时域性能指标对控制器性能进行测试和评价。用三个典型的控制系统对提出的ASMDE-PID控制器进行了测试。实验结果表明，该方法实现容易，收敛性能稳定，计算效率高。与ZN，GA和ASA方法相比，DE在提高系统单位阶跃响应性能方面效率更高，鲁棒性更强。 为了提高差分进化算法的全局搜索能力和收敛速率，提出了一种双群体伪并行差分
研究进化基因组学进展 摘要：进化基因组学是利用基因组数据研究差异基因功能、生物系统演化、从基因在水平探索生物进化的学科。随着近年来基因组数据的不断增加，进化基因组学得到了长足的发展。进化基因组学主要包括从基因组水平理解和诠释生物进化和新基因分析研究探索两方面的内容。本文介绍了进化基因组学研究的主要内容和较为常用的方法，以及近年来在细菌、酵母、果蝇进化基因组学方面的研究进展。 关键词：进化基因组学系统进化比较基因组学新基因 正文 随着基因测序技术的不断进步以及基因组学的飞速的发展，人们积累了大量的基因组学数据，利用所得的大量的基因组数据与进化生物学相结合，在基因组水平研究生物进化机制，随即产生了进化基因组学。 近年来进化基因组学取得了长足的进展，在研究差异基因功能、生物系统演化、从基因在水平探索生物进化的终极方式等方面有重大突破，对人类理解生命现象和过程有重要作用。 研究系统进化学通常包括两个关键步骤：一方面，在不同物种中鉴定同源性特佂，另一方面利用构建系统进化树的方法比较这些特征，进而重新构建这些物种的进化历史[1]。针对这两个关键步骤，传统系统进化学，常采用基于形态学数据和单个基因研究的同源性状鉴定和重建系统进化树（常包括距离法、最大简约法、概率法）[1]的方法来研究。在目前拥有丰富基因组数据的条件下，我们可以分析基因组数据，利用进化基因组学研究系统进化。 一、目前进化基因组学的研究内容主要集中于两个方面：（1）在比较不同生物的基因数据的基础上，从基因组水平理解和诠释生物进化；（2）通过对新基因的分析研究探索基因进化过程的规律两个方面。在进行全基因组进化分析方面，进化基因组学主要集中于构建系统进化树、研究基因组进化策略、研究生物功能变化和进化机制、进化和生态功能基因组学、基因注释的等方面；在新基因方面
真菌基因组学研究进展 真菌为低等真核生物，种类庞大而多样。据估计，全世界约有真菌150万种，已被描述的约8万种。真菌在自然界分布广泛，存在于土壤、水、空气和生物体内外，与人类生产和生活有着非常密切的关系。许多真菌在自然界的碳素和氮素循环中起主要作用，参与淀粉、纤维素、木质素等有机含碳化合物及蛋白质等含氮化合物的分解。有些真菌如蘑菇、草菇、木耳、麦角、虫草、茯苓等可直接供作食用和药用，或在发酵工业、食品加工业、抗生素生产中具有重要作用。然而，也有些种类引起许多植物特别是重要农作物的病害，如水稻稻瘟病、小麦锈病、玉米腥黑穗病、果树病害等。少数真菌甚至是人类和动物的致病菌，如白色假丝酵母Candida albicans等。因此，合理利用有益真菌，控制和预防有害 真菌具有重要意义。 本文整理了已完成基因组序列测定的真菌的信息，并对真菌染色体组的历史、测序策略及其基因组学的研究进展进行了评述。 1真菌染色体组的研究历史和资源 1986年美国科学家Thomas Rodefick提出基因组学概念，人类基因组计划带动了模式生物和其它重要生物体基因组学研究。阐明各种生物基因组DNA中碱基对的序列信息及破译相关遗传信息的基因组学已经成为与生物学和医学研究不可分割的学科。由欧洲、美国、加拿大和日本等近百个实验室六百多位科学家通力合作，1996年完成第一个真核生物酿酒酵母Saccharomyces cerevisiae的基因组测序，这 对于酵母菌类群来说是一个革命性的里程碑，并且激起了真核基因功能和表达的第一次全球性研究(Goffeau etal，1996)。随后粟酒裂殖酵母Schizosaccharomyces pombe(Wood etal.2002)和粗糙脉孢 霉Neurospora crassa(Galagan etal.2003)染色体组的完成显露出酿酒酵母作为真菌模式生物的局限性。尽管如此，真菌染色体组测序的进展最初是缓慢的。为加快真菌染色体组研究的步伐，2000年由 美国Broad研究所与真菌学研究团体发起真菌基因组行动(fungal genome initiative，FGI)，目的是 促进在医药、农业和工业上具有重要作用的真菌代表性物种的基因组测序。2002年2月FGI发表了第 一份关于测定15种真菌基因组计划的白皮书。2003年6月，真菌基因组行动发表了第二份白皮书，列 出了44种真菌作为测序的目标，强调对其中10个属即青霉属Penicillium、曲霉属Aspergillus、组 织胞浆菌属Histoplasma、球孢子菌Coccidioides、镰刀菌属Fusarium、脉孢菌属Neurospora、假丝 酵母属Candida、裂殖酵母属Schizosaccharomyces、隐球酵母属Cryptococcus和柄锈病菌属Puccin& 的物种优先进行测序。之后，经过FGI、法国基因组学研究项目联(G6nolevures Consortium)、美国能 源部联合基因组研究所(The DOE Joint Genome Institute，JGI)DOE联合基因组研究所、基因组研究 院(The Institute for Genomic Research，TIGR)、英国The Wellcome Trust Sanger InstimteSanger和华盛顿大学基因组测序中心等共同努力；得到包括美国国家人类染色体研究所、国 家科学基金会、美国农业部和能源部等的资助，也有来自学术界和产业集团如著名的 Monsanto、Syngenta、Biozentrum、Bayer Crop Science AG和Exelixis等公司的持续合作，在最近 的几年里，真菌基因组学研究取得重大突破。至2008年6月1日，共有3734种生物的全基因组序列测定工作已经完成或正在进行，公开发表812个完整的基因组，其中，70余种真菌基因组测序工作已经 组装完成或正在组装，分别属于子囊菌门、担子菌门、接合菌门、壶菌门和微孢子虫(Microsporidia) 的代表。此外，还有Ajellomyces dermatitidis和Antonospora locustae等20余种真菌基因组序列 正在测定中(Bemal etal．2001)。这些真菌都是重要的人类病原菌、植物病原菌、腐生菌或者模式生物，基因组大小为2．5—81．5Mb，包含酵母或产生假菌丝的酵母、丝状真菌，或者具有二型性(或多型性) 生活史的真菌，拥有与动物和植物细胞一样的的细胞生理学和遗传学特征，包括多细胞性、细胞骨架结
华中科技大学 考生姓名陈刚 考生学号T201189948 系、年级研究生院 类别硕士 科目水波动力学理论与研究 日期2012年5月12日
水下滑翔器的水动力分析 摘要：水下滑翔器是一种无外挂推进系统，仅依靠内置执行机构调整重心位置和净浮力来控制其自身运动的新型水下装置，主要用于长时间、大范围的海洋环境监测，因此要求其具有低阻特性和高稳定性。文章主要从水下滑翔器水动力特性,纵剖面滑行时水动力特性计算和分析等方面对水下滑翔器的研究和设计提供理论参考。 关键词：水下滑翔器、水动力特性。 引言 水下滑翔器 (AUG)是为了满足海洋环境监测与测量的需要，将浮标、潜标技术与水下机器人技术相结合，研制出的一种无外挂推进系统，依靠自身浮力驱动，沿锯齿型航迹航行的新型水下机器人。AUG采用内置姿态调整机构和无外挂驱动装置，因此载体外置装置减少，避免了对载体线型的破坏，大大改善了载体的水动力特性。AUG具有制造成本和维护费用低、可重复利用、投放回收方便、续航能力强等特点，适宜于大量布放，大范围海洋环境的长期监测。AUG是海洋环境立体监测系统的补充和完善，在海洋环境的监测、凋查、探测等力面具有广阔的应用前景。 国内外现状 1989 年，美国人Henry Stommel 提出了采用一种能够在水下作滑翔运动的浮标进行海洋环境调查的设想，这就是水下滑翔机器人的最初概念。之后，美国开始了AUG 的研究与开发，自1995 年以来，在美国海军研究局的资助下，研制出SLOCUM( Battery) 、Sea glider 和Spray 等多种以二次电池为推进能源的水下滑翔机器人，以及以海洋垂直剖面的温差能作为驱动能源的Slocum 水下滑翔机器人。此外，美国的Prinston 大学建造了一个AUG 试验平台，主要用于AUG 的建模和控制方法研究。美国的Webb Research Corp 先后研制了Slocum Electric Glider 水下滑翔机器人和Slocum Thermal Glider 水下滑翔机器人，其中前者是一种高机动性、适合在浅海工作的水下滑翔机器人，而后者是一种利用海水热差驱动的水下机器人。华盛顿大学研制的Sea glider 水下滑翔机器人能够在广阔的海洋中航行数千千米，持续时间可达6个月，最大下潜深度可达1 000m。Sea glider 已经航行通过了阿拉斯加海湾和拉布拉多海的许多冬季风暴，能在目标位置进行垂直采样和测量。 Spray Glider 是美国的Scripps Institution of Oceanography 研制的水下滑翔机器人，它最初被设计用于深海海域调查，其最大下潜深度可达1 500m。天线内置于滑翔翼中，在浮出水面时机身旋转90°，使有天线的一个滑翔翼垂直露出水面，然后就可以进行GPS 定位和卫星通信。 我国的水下滑翔机器人研究起步较晚，但近年来有多家单位开展了大量的技术研究工作。其中以沈阳自动化研究所为代表研制的AUG 于2005 年10月成功进行了湖上试验，于2006 年通过验收，具有较高的技术水平。天津大学和国家海洋技术中心联合研制的温差能驱动的海洋监测平台也成功进行实验。此外包括沈阳工业大学在内的许多大学和研究所也于近年开
中药药代动力学研究进展 摘要：近年来，为了全面阐述中药吸收、分布、代谢、排泄的体内过程，推动中药现代化，研究者们在生物效应法和药物浓度法等经典药代动力学研究方法的基础上提出了一些新方法、新思路，大大推进了中药药代动力学研究的发展。在查阅通过近年来中药药代动力学相关研究的文献，并对其中新方法新思路进行总结，综述了中药药代动力学近年来的研究现况和前沿进展。 关键词：药代动力学，药代标记物，指征药代动力学，方法学 前言:药代动力学是应用动力学原理与数学处理方法，定量地描述药物通过各种途径 （如静脉注射液、静脉滴注、口服给药等）进入体内的吸收、分布、代谢、排泄过程的“量时”变化或“血药浓度经时”变化动态规律的一门科学，已经在生物药剂学、临床药剂学、药物治疗学、分析化学、药理学等学科领域中得到了广泛应用。在中药学研究中，药代动力学被广泛的应用于揭示中药作用机制及设计优化的研究，并衍生出了中药药代动力学这门新兴学科。中药药代动力学基于动力学原理研究中草药活性成分、组分、中药单方和复方体内吸收、分布、代谢和排泄（ADME）的动态变化规律及其体内时量－时效关系，并用数学函数对其加以定量描述。 1.中药药代动力学研究方法 1.1生物效应法 药效的变化取决于体内药量的变化，可以通过测定药效的经时过程来反映体内药量动态变化。生物效应法从整体观点出发研究中药的药代动力学特征，更符合中医药理论。该法包括药理效应法、药物累计法，微生物指标法。 1.1.1药理效应法 药理效应法是一种以药理效应为指标研究药代动力学的方法。该法己越来越广泛地用于中药及其复方，特别是有效成分不明的中草药及其复方的药代动力学研究。肇丽梅[1]采用小鼠热板致痛模型，以镇痛效应为指标，测定黄芩苷及清热合剂的药物动力学参数，结果黄芩苷及清热合剂口服给药后体存药量的表观动力学过程符合一室开放模型，中药复方清热合剂的达峰时间明显慢于单方黄芩苷。李成洪[2]等以血清一氧化氮变化为药理效应指标，研究了中药复方制剂禽病康在免疫抑制雏鸡体内的药代动力学特征。以时间标本存量进行数学模型拟合，符合一级吸收二室模型，禽病康药代动力学结果表明其口服后吸收较快，分布也快，而消除较慢，体内存留时间长，药效维持时间长。宋丽
水稻基因组进化的研究进展 水稻是世界上重要的粮食作物之一，养活着全世界近一半的人口。同时南于水稻基冈组较小、易于转化及与其他禾本科植物基因组的同线性和共线性等特点，一直被作为禾本科植物基因组研究的模式作物。水稻是第一个被全基因组测序的作物，目前栽培稻2个亚种全基因组测序工作已经完成：粳稻品种日本晴(Nipponbare)通过全基因组鸟枪法和逐步克隆法被测序，籼稻品种扬稻6号(9311)通过全基因组鸟枪法被测序。除核基因组外，水稻叶绿体和线粒体基因组也于1989年和2002年分别被测序。水稻2个亚种的全基因组测序完成，一方面开启了植物比较基因组学的大门，另一方面为人们在基冈组水平上鉴定出所有水稻基因并分析其功能奠定了基础，同时也使得人们对植物进化的认识，尤其是对禾本科植物进化的了解，逐步从系统分类和分子标记水平进入到了基因组序列水平。许多研究者通过对水稻基因组序列的分析，利用生物信息学工具，对水稻在基因组水平上的进化进行了大量研究。 1 水稻及其他禾本科植物基因组的古多倍体化过程 水稻是典型的二倍体植物，其核基因组中共有12条染色体。在水稻基因组被完整测序之前，人们就已经采用分子标记、DNA重复元件等方法探究水稻基因组的古多倍体化(polyploidization)过程，并发现了一些重复的染色体片段。随着水稻基因组测序计划的完成，越来越多的证据表明水稻基因组曾发生过全基因组复制(whole genome duplication)，即古多倍体化过程。 Golf等利用鸟枪法完成了粳稻品种日本晴全基因组的测序工作，并利用同义替换率分布方法(Ks- based age distribution)提出水稻基因组可能发生过一次全基因组复制过程。此后多家研究机构和一些研究者对水稻基因组中的重复片段进行了研究，虽然得出的结论不尽相同，但均发现水稻基因组中存在大量的重复片段。根据所采用方法和参数的不同，这些重复片段占整个水稻基因组的15％～62％。Yu 等在水稻基因组中发现了18对大的重复片段，大约占整个基因组的65．7％。其中17对重复片段形成的时间很相近，发生在禾本科物种分化之前；最近的一次片段复制事件发生在水稻11和12号染色体之间，在禾本科物种分化之后。 水稻基因组被测序之后，许多科研机构对基因组数据进行了详尽的注释。其中应用比较广泛的是美国基因组研究院(the institute for genome research，TIGR)和日本农业生物科学研究所(national in- stitute of agrobiological sciences，NIAS)的水稻基因组注释信息。TIGR根据其注释的结果和基因相似性矩阵(gene homology matrix，GHM)方法，检测到大量染色体间的重复片段，这些重复片段几乎覆盖了整个水稻基因组。TIGR水稻基因组注释数据库从第4版开始便增加了对片段重复的注释，该分析是利用DAGChainer程序进行的，重复片段采用100 kb和500 kb 2种参数模型进行了染色体片段的基因共线性分析(图1)，这是全基因组复制的有力证据。根据复制片段上同源基因的分子进化分析，估计全基因组复制发生在大约7 000万年前，在禾本科物种分化之前。此外，Zhang等利用TIGR更新的数据进行分析，采用同义替换率分布方法检测到另一次更古老的(单、双子叶植物分化前)基因组复制事件，说明水稻基因组至少经历了2次全基因组复制过程。 全基因组复制或多倍体化是植物尤其是禾本科作物物种形成和进化过程中非常重要的事件，大部分开花植物在进化过程中均经历了多倍体化过程。基因组加倍后，再经历所谓的二倍体化过程(diploidization)，进化成当代的二倍体物种，并造成大量重复片段中基因的重排和丢失。Salse等研究发现基因组复制事件对禾本科植物的物种形成和演变具有重要作用。他们认为禾本科植物的祖先物种是一个基因组内包含5条染色体的物种，在进化过程中，首先在距今5 000～7 000万年前经基因组复制产生了10条染色体；此后，在基因组内发生了2次染色体置换和融合而形成了12条中间态染色体。以这12条中间态染色体为基础，逐渐分化出水稻、小麦、玉米和高粱的基因组，其中水稻基因组保留了原有的12条中间态染色体，而小麦、玉米和高粱均又发生了染色体丢失和融合才形成了现有的基因组。水稻全基因组复制片段是至今为止在动、植物基因组中发现的最为清晰、完整的基因组复制的遗迹。水稻之所以保存这么完整，一方面是水稻基因组保持了12条中间态染色体的基本形态，另一方面可能与水稻基因组相对较稳定有关。 2水稻籼粳2个亚种的分化 水稻是世界上最重要的粮食作物之一，在其11 500多年的栽培历史中，因适应不同的农业生态环境而产生了丰富的遗传多样性和明显的遗传分化。长期以来，基于形态性状、同工酶以及对一些化合物不同反应的研究，把亚洲栽培稻(Oryza sativa L．)分为籼稻(indica)和粳稻(japonica)2个亚种。其中籼亚种耐湿耐热，主要适应于热带和亚热带等低纬度地区，而粳亚种则耐寒耐弱光，适应于高纬度和高海拔地区种植。这2个亚种间不仅产生了生殖隔离的基因库，还在形态特征、农艺性状和生理生化反应等方面存在明显的差异。近期群体
一、学科发展综述 1.科学和技术的快速发展是人类社会前进的驱动力 2.高精度重力基准及其应用 3.地震震源破裂过程与地震烈度 4.地壳应力起源 5.空间物理探测的最新进展 6.我国重力卫星的发展机遇与进展 7.地震层析成像理论和方法的发展、问题和展望 8.电与电磁法勘查技术现状与趋势 9.扭秤周期法测量万有引力常数G 10.冰川均衡调整（GIA）研究十年进展 11.基于超导重力仪观测资料的地学问题研究 12.地震大地测量学研究进展 13.试论世界地图的发展阶段 二、地球重力学 1.Applications of a Portable Absolute Gravimeter For the StlJdies of Temporal Gravity Changes 2.Analysis ofterrain effects in cm-order geoid computations 3.钓鱼岛列岛海域高程基准的确定 4.综合海岸带GNSS水准和重力数据精密确定中国高程基准差别 5.珠峰高程的差异及相关问题的研讨 6.台湾地区时变重力观测及分析 7.空中扰动引力赋值中的地形影响分析 8.多种重力场数据混叠的中国海岸带海域重力似大地水准面精化 9.拉萨台超导重力仪格值绝对和相对测定的比较 10.Hydrological contribution on gravity and vertical crustal displacement atcollocated Jiufeng station of China 11.利用GOCE卫星数据恢复地球重力场模型 12.时变重力场的理论描述与表达形式 13.卫星跟踪卫星模式中星间速度对地球重力场精度的影响 14.基于重力梯度测量的水下障碍物探测方法 15.冷原子干涉重力测量研究 16.重力水下辅助导航方法及试验 17.捷联式航空重力测量：算法模型和初步结果 18.A Revisit of the Time Domain Global Earth Tides 19.Tidal gravity measurements in Southeast Asia revisited 20.海潮负荷计算的球谐展开方法 21.引潮力位不同展开方法之间的数值比较 22.应变固体潮观测值中各向强异性响应的发现 三、空间大地测量学（按GNSS、测高、重力卫星、遥感排列） 1.New developments in space geodetic research：VLBI observations to space probes and GNSS remote sensing 2.GNSS数据处理与空间大气延迟修正及导航定位定轨与仿真研究 3.多模GNSS完备性实时监测技术研究
进化计算综述 1.什么是进化计算 在计算机科学领域，进化计算（Evolutionary Computation）是人工智能（Artificial Intelligence），进一步说是智能计算（Computational Intelligence）中涉及到组合优化问题的一个子域。其算法是受生物进化过程中“优胜劣汰”的自然选择机制和遗传信息的传递规律的影响，通过程序迭代模拟这一过程，把要解决的问题看作环境，在一些可能的解组成的种群中，通过自然演化寻求最优解。 2.进化计算的起源 运用达尔文理论解决问题的思想起源于20世纪50年代。 20世纪60年代，这一想法在三个地方分别被发展起来。美国的Lawrence J. Fogel提出了进化编程（Evolutionary programming），而来自美国Michigan 大学的John Henry Holland则借鉴了达尔文的生物进化论和孟德尔的遗传定律的基本思想，并将其进行提取、简化与抽象提出了遗传算法（Genetic algorithms）。在德国，Ingo Rechenberg 和Hans-Paul Schwefel提出了进化策略（Evolution strategies）。 这些理论大约独自发展了15年。在80年代之前，并没有引起人们太大的关注，因为它本身还不够成熟，而且受到了当时计算机容量小、运算速度慢的限制，并没有发展出实际的应用成果。
到了20世纪90年代初，遗传编程（Genetic programming）这一分支也被提出，进化计算作为一个学科开始正式出现。四个分支交流频繁，取长补短，并融合出了新的进化算法，促进了进化计算的巨大发展。 Nils Aall Barricelli在20世纪六十年代开始进行用进化算法和人工生命模拟进化的工作。Alex Fraser发表的一系列关于模拟人工选择的论文大大发展了这一工作。 [1]Ingo Rechenberg在上世纪60 年代和70 年代初用进化策略来解决复杂的工程问题的工作使人工进化成为广泛认可的优化方法。[2]特别是John Holland的作品让遗传算法变得流行起来。[3]随着学术研究兴趣的增长，计算机能力的急剧增加使包括自动演化的计算机程序等实际的应用程序成为现实。[4]比起人类设计的软件，进化算法可以更有效地解决多维的问题，优化系统的设计。[5] 3.进化计算的分支 进化计算的主要分支有：遗传算法GA ，遗传编程GP、进化策略ES、进化编程EP。下面将对这4个分支依次做简要的介绍。 1遗传算法（Genetic Algorithms）： 遗传算法是一类通过模拟生物界自然选择和自然遗传机制的随机化搜索算法，由美国John HenryHoland教授于1975年在他的专著《Adaptation in Natural and Artificial Systems》中首次提出。[6]它是利用某种编码技术作用于称为染色体的二进制数串，其基本思想是模拟由这些串组成的种群的进化过程，通过有组织地然而是随机地信息交换来重新组合那些适应性好的串。遗传算法对求解问题的本身一无所知，它所需要的仅是对算法所产生的每个染
生物技术药物的药代动力学研究进展 摘要：本文介绍了生物技术药物药代动力学的特点和基本机制，概述了生物技术药物药代动力学的研究方法。 关键词：生物技术药物药代动力学方法学 1．简介 近年来，生物技术药物飞速发展，为了正确评价各种生物制品在人体内的疗效及安全性,必须研究生物因子在动物体内和人体内的吸收、分布、代谢和排泄的规律。而与传统的药物相比生物技术药物具有种族特异性、免疫原性和非预期的多向活性等特点,使得其在体内的药代动力学的研究受到诸多因素的限制。蛋白多肽类药物因其生理活性强、疗效高,而日益受到人们的重视。对于蛋白质类药物来说,最重要的一个特性是,这类药物蛋白质与内源性的蛋白质结构相似,由共同的氨基酸组成,微量的需要被测定的生物因子及蛋白质存在于大量的内源性蛋白质中。蛋白多肽类药物的药动学有其特征，吸收方面来看，一般而言，小分子肽的吸收是由被动扩散或载体转运完成的，脂溶性多肽可通过膜脂扩散,高度亲脂性的药物则能通过淋巴系统被吸收;水溶性分子则可通过水合孔和/或细胞间隙扩散,通过内吞或胞饮过程摄取入细胞，还有一些细胞转运肽(cell penetrating peptide)可通过非耗能途径穿过真核细胞的质膜,这些多肽已被成功地用于在细胞内转运比自身的相对分子质量大许多倍的大分子物质。由于大多数蛋白多肽类药物具有相对分子质量大和水溶性的特点,若无主动的转运或消除机制,它们大多保留在细胞间隙。蛋白多肽类药物的主要代谢途径是体内广泛存在的蛋白多肽酶使其失活。不同的给药途径、给药方案、体内蛋白结合、种属特异性、内源性物质等对蛋白多肽类药物的体内药物动力学有至关重要的影响。 因此, 设计合适的实验方案、选择正确的药代动力学研究方法和可靠的测定方法至关重要。 2．药代动力学的研究方法 2．1 同位素示踪法 同位素示踪法是通过目标蛋白质多肽上标记同位素,从而鉴别目标蛋白质和内源性多肽的方法。所使用的同位素有Ｈ3、Ｃ14、Ｓ32、Ｉ125等,Ｉ125其因比放射性高、半衰期适宜、标记制备简单而最为常用。标记方法有两种,一是内标法,即把含有同位素的氨基酸加入生长细胞或合成体系,该法对生物活性的影响可能较小,但由于制备复杂而限制了其广泛应用;二是外标法,常用的化学方法如氯胺Ｔ或Lodogen法将Ｉ125连接于大分子上,其标记的样品比放射性高，制备容易半衰期短，成为现在最常用的生物技术药物标记物。姚文兵等运用同位素示踪法Ｉ125标记来研究聚已二醇修饰干扰素а2ｂ的药代动力学,赵宁等用碘标法研究重组人肿瘤坏死因子在小鼠体内药代动力学和组织分布,都证明了同位素示踪法的灵敏度高,省时省力的特点,特别是对研究基因工程产品在动物体内的组织分布具有与其它方法相比有不可比的优越性。关于标记位点的选择,理论上任何部位均可被标记,但需考虑是否存在标记氨基酸被机体再利用合成新的蛋白质而影响检测结果的问题。当然,如果生物技术药物含有非天然氨基酸(如Ｄ氨基酸),标记位点的选择就不必再担心这样的问题了。
进化基因组学研究进展 刘超 （山东大学生命科学学院济南250100） 摘要：进化基因组学是利用基因组数据研究差异基因功能、生物系统演化、从基因在水平探索生物进化的学科。随着近年来基因组数据的不断增加，进化基因组学得到了长足的发展。进化基因组学主要包括从基因组水平理解和诠释生物进化和新基因分析研究探索两方面的内容。本文介绍了进化基因组学研究的主要内容和较为常用的方法，以及近年来在细菌、酵母、果蝇进化基因组学方面的研究进展。 关键词：进化基因组学系统进化比较基因组学新基因 前言 随着基因测序技术的不断进步以及基因组学的飞速的发展，人们积累了大量的基因组学数据，利用所得的大量的基因组数据与进化生物学相结合，在基因组水平研究生物进化机制，随即产生了进化基因组学(Evolutional Genomics)。 近年来进化基因组学取得了长足的进展，在研究差异基因功能、生物系统演化、从基因在水平探索生物进化的终极方式等方面有重大突破，对人类理解生命现象和过程有重要作用。 1进化基因组学研究内容 研究系统进化学通常包括两个关键步骤：一方面，在不同物种中鉴定同源性特佂，另一方面利用构建系统进化树的方法比较这些特征，进而重新构建这些物种的进化历史[1]。针对这两个关键步骤，传统系统进化学，常采用基于形态学数据和单个基因研究的同源性状鉴定和重建系统进化树（常包括距离法、最大简约法、概率法）[1]的方法来研究。在目前拥有丰富基因组数据的条件下，我们可以分析基因组数据，利用进化基因组学研究系统进化。
目前进化基因组学的研究内容主要集中于两个方面：（1）在比较不同生物的基因数据的基础上，从基因组水平理解和诠释生物进化；（2）通过对新基因的分析研究探索基因进化过程的规律两个方面[2]（如图1）。在进行全基因组进化分析方面，进化基因组学主要集中于构建系统进化树、研究基因组进化策略、研究生物功能变化和进化机制、进化和生态功能基因组学[2]、基因注释的等方面；在新基因方面主要分析基因产生机制和新基因固定及其动力学研究。 图1 进化基因组学主要研究内容 目前进化基因组学的研究有力的解决了一些基础性的进化问题，但也出现了一些未来需要急需解决的挑战。例如生物进化的本质和目前重建系统进化树方法的限制[1]。 2研究进化基因组学的方法 研究进化基因组学的方法主要包括利用基因组数据分析和研究新基因的产生和演化两种。 2.1利用基因组数据进行系统进化分析 利用基因组数据进行系统进化分析，常有基于基因序列的方法和基于全基因特征的方法。（如图2）
基因组学研究的应用前景摘要：基因组学是一门研究基因组的结构，功能及表达产物的学科，基因组的结构不仅是蛋白质，还有许多复杂功能的RNA,包括三个不同的亚领域，及结构基因组学，功能基因组学和比较基因组学。近几年，基因组学在微生物药物，细菌，病毒基因，营养基因方面都有进展，其前景是光明的。 关键词：基因研究未来结构 一、微生物药物产生菌功能基因组学研究进展 微生物药物是一类化学结构和生物活性多样的次级代谢产物，近年来多个产生菌基因组序列已经被测定完成，在此基础上开展的功能基因组研究方兴未艾，并在抗生素生物合成，形态分化，调控，发育与进化及此生代谢产物挖掘等方面有着新的发现，展现出广阔的研究前景，青霉素及其衍生的《》内酰胺类抗生素极大地改善了人类的卫生保健和生活质量，并促进研究人员不断对其工业生产菌株类黄青霉进行遗传改良和提高其产量，从而降低生产成本。经过60年的随机诱变筛选，当前青霉素产量至少提高了三个数量级，同时，青霉素的生物合成机理也得到了较为清晰的阐述，其pcbAB编码的非核糖体肽合酶ACVS~DPcbc编码的异青霉素N合成酶IPNS位于细胞质中，而苯乙酸COA连接酶PenDE编码的IPN酰基转移酶位于特殊细胞器一微体中。 研究发现，青霉素合成基因区域串联扩增，产黄青细霉胞中微体含量增加都可显著提高青霉素产量。然而随机诱变筛选得到的黄青霉工业菌株高产的分子机制尚不明确。为此，2008年荷兰研究人员联合国美国venter基因组研究所对黄青霉wisconsin54—1225进行了基因组测试和分析，并进一步利用DNA芯片技术研究了wisconsin54—1255及其高产菌株DS17690在培养基中是否添加侧链前体苯乙酸情况下的转录组变化，四组数据的比较分析发现，有2470个基因至少在其中一个条件下是差异表达的，根据更为严格的筛选标准，在PPA存在的条件下，高产菌相比测序菌株有307个基因转录是上调的，和生长代谢，青霉素前体合成及其初级代谢和转运等功能相关，另有271个基因显著下调，主要是与生长代谢及发育分化相关的功能基因。 二、乳酸菌基因组学的研究进展
地下水动力学发展史 郑龙群64090510 （吉林大学环境与资源学院地下水科学与工程系水文与水资源工程专业） 1 概述 虽然人类对地下水的开发利用可追溯到远古时代，但对地下水运动规律的科学认识是较晚的。地下水动力学的发展可以简单的概括为四个阶段：稳定流建立和发展阶段（1856~1935）、非稳定流建立和发展阶段（1935~1969）、实验-电网络模拟技术阶段（1950~1980）、计算机数值模拟技术阶段（1965~今）。 2 稳定流建立和发展 2.1 达西定律（Darcy’s Law）[1] 1856年法国水力工程师H.P.G.达西通过砂的渗透试验获得渗透流速与水力坡度之间的线性关系，提出线性渗透定律，即达西定律，其表达式为： ?H Q=KA 式中Q为单位时间渗流量，A为过水断面，?H为总水头损失，L为渗流路径长度，K为渗透系数。关系式表明，水在单位时间内通过多孔介质的渗流量与渗流路径长度成反比，与过水断面面积和总水头损失成正比。 达西定律的提出标志地下水动力学作为一门学科的诞生。 2.2Dupuit假设及Dupuit公式[2] 1863年，J. Dupuit提出，潜水在缓变流动下，允许忽略地下水的垂向分速度来计算，把达西定律推广用于求解实际问题。 Dupuit公式是以达西定律为基础，推导出地下水单向及平面径流向稳定流的公式。
Dupuit公式的出现，对当时地下水动力学的发展起到了重要的作用，直到今天仍有一定的实用价值。 2.3 地下水稳定流的产生 1901 年，P. Forchheimer 等研究了更复杂的渗流问题，从而奠定了地下水稳定理 论的基础[3]。1906 年， Thiem公式的提出为地下水稳定流的发展做出了巨大的贡献[4]。 3 非稳定流的建立和发展（1935~1969） 3.1 地下水非稳定流理论的产生 在20世纪初期温策尔通过抽水试验，发现了一系列重要现象，并作了比较正确的解释。其中主要的几点是[5]: 1.在分布宽广的潜水含水层中抽水是个逐渐疏干含水层的过程，首先主要是疏干抽水井附近的部分含水层。以后，随着降落漏斗的扩大，逐渐更多地疏于远处的含水层。 2.而在抽水井附近最先达到接近于稳定的状态，越远越偏离稳定状态。 3.既然降落漏斗发展的过程是漏斗中含水层疏干的过程，那么这个过程必然与含水层的给水度有关。反过来，根据疏干发展的过程，应该能计算出含水层的给水度。 温策尔的结论，几乎己包含了地下水径向非稳定流的全部主要思想。然而，由于缺乏数学准备，他只能限于定性的解释，没有能推导出实用的公式。 1928 年，O.E. Meinzer根据大量长期观测资料，认为承压含水层时可压缩而且是有弹性的。随着抽水引起的承压水头的下降，承压含水层也释放出一部分贮存的水，因而再分布宽广的承压含水层中抽水的过程，也是不断消耗含水层中贮存水的过程。这样地下水非稳定流的理论出现的时机也就成熟了。 3.2Theis公式 1935年美国学者泰斯（C. V. Theis）在数学家鲁宾（C. I. Lubin）的帮助下，利用水流和热流的相似性，根据热传导问题的非稳定流求解方法，给出了当水井抽水时井附近地下水位变化的非稳定流解，创立了地下水运动的非稳定流理论，这一非稳定流问题的解即是泰斯公
Bioprocess 生物过程, 2018, 8(1), 11-19 Published Online March 2018 in Hans. https://www.doczj.com/doc/2710549157.html,/journal/bp https://https://www.doczj.com/doc/2710549157.html,/10.12677/bp.2018.81002 Development of Evolutionary Dynamics and Its Research and Application Progress Yinding Zhang1, Ziyan Zhang2, Junqiu Zhang1, Yitian Li1, Yujie Hu1, Aziya1, Xiang Gao1* 1College of Mathematical Sciences, Ocean University of China, Qingdao Shandong 2College of Environmental Science, Ocean University of China, Qingdao Shandong Received: Feb. 28th, 2018; accepted: Mar. 14th, 2018; published: Mar. 21st, 2018 Abstract Evolution is one of the basic patterns in the creation and development of things, characterized by changed inheritances. Evolutionary dynamics is a science that explores the mathematical prin-ciples of biological evolution. It uses mathematics to describe processes, such as the process of propagation, selection, mutation, random drift and space movement in evolution units, to study the conditions, directions and processes of evolution. Evolutionary dynamics originated from the study of biological evolution, not only can explain the mode of biological evolution, but also can successfully explain some economic, social and cultural evolution. This paper introduces the de-velopment of evolutionary dynamics and reviews the research and application of evolutionary dynamics in recent 5 years. Keywords Evolutionary Dynamics, Evolutionism, Biomathematics, Development, Application 进化动力学的发展及其研究与应用进展 张寅丁1，张子琰2，张君秋1，李怡甜1，胡玉洁1，阿兹娅1，高翔1* 1中国海洋大学数学科学学院，山东青岛 2中国海洋大学环境科学学院，山东青岛 收稿日期：2018年2月28日；录用日期：2018年3月14日；发布日期：2018年3月21日 摘要 进化是事物产生与发展的基本模式之一，其特征是有改变的继承。进化动力学是探讨生物进化的数学原*通讯作者。
叶绿体系统发育基因组学的研究进展* 张韵洁，李德铢＊＊ （中国科学院昆明植物研究所生物多样性与生物地理学重点实验室，云南昆明650201） 摘要：系统发育基因组学是由系统发育研究和基因组学相结合产生的一门崭新的交叉学科。近年来，在植物系统发育研究中，基于叶绿体基因组的系统发育基因组学研究优势渐显端倪，为一些分类困难类群的系统学问题提出了解决方案，但同时也存在某些问题。本文结合近年来叶绿体系统发育基因组学研究中的一些典型实例，讨论了叶绿体系统发育基因组学在植物系统关系重建中的价值和应用前景，并针对其存在问题进行了探讨，其中也涉及了新一代测序技术对叶绿体系统发育基因组学的影响。 关键词：系统发育基因组学；叶绿体基因组；新一代测序技术；长枝吸引 中图分类号：Q75，Q949文献标识码：A文章编号：2095－0845（2011）04－365－11 Advances in Phylogenomics Based on Complete Chloroplast Genomes ZHANG Yun-Jie，LI De-Zhu＊＊ （Key Laboratory of Biodiversity and Biogeography，Kunming Institute of Botany，Chinese Academy of Sciences，Kunming650201，China） Abstract：Phylogenomics is a new synthesized discipline which combines genomics with phylogenetics．Phylogenom-ics based on chloroplast genomes has shown many great advantages in plant phylogenetic research in recent years，providing resolutions for phylogeny of some taxonomically difficult groups of plants．However，there are some prob-lems coming along with chloroplast phylogenomics as well．In this review，the application prospects and potential problems of chloroplast phylogenomics in plant phylogenetic reconstruction were discussed based on recent phylog-enomic case studies．The influence of next-generation sequencing on chloroplast phylogenomics was also discussed．Key words：Phylogenomics；Chloroplast genome；Next-generation sequencing；Long-branch attraction 地球上的生命形式多种多样，它们因有着共同的进化历史而有着或近或远的渊源。正确理解不同生物类群之间的关系不仅是进化生物学研究的前提，生物分类和命名的依据，而且也是开展生物学其它分支学科研究的基础。因而构建可靠的系统发育树（即将各生物类群之间的关系形象地以树的形式描绘出来）不仅是系统发育研究的重点，也是生物学研究的重要内容之一。早期系统发育学家通过对化石记录、比较形态学和比较生理学的研究，构建出了物种进化历史的主要框架（Nei和Kumar，2000）。20世纪80年代以后，随着分子生物学的快速发展，系统发育研究开始由比较形态学转向分子系统学研究领域，即利用生物大分子（如DNA序列、氨基酸序列等）所提供的信息来推断生物的进化历史（Li和Olmstead，1997；Nei和Kumar，2000；田欣和李德铢，2002）。分子系统学研究的出现使我们对生命进化过程有了更深刻的认识。然而随着分子证据的不断积累，基于不同分子片段对同一类群所进行的分子系统学研究结果之间存在的差异， 植物分类与资源学报2011，33（4）：365 375 Plant Diversity and Resources DOI：10．3724/SP．J．1143．2011．10202 ＊＊＊基金项目：中国科学院现代农业科技创新基地重要方向性项目“重要野生禾本科植物的比较基因组学和重要功能基因的研究（KSCX2-YW-N-029）” 通讯作者：Author for correspondence；E-mail：dzl@mail．kib．ac．cn 收稿日期：2010－11－15，2010－12－01接受发表 作者简介：张韵洁（1984－）女，在读硕士研究生，主要从事植物系统发育基因组学研究。