下载文档原格式
软件安装说明
1. 界面说明
图1
当打开一个数据文件时，界面如图1显示。
左边为分析信息显示栏和简单测试信息，右边为数据信息，包括波形数据、文本数据、试验信息；波形数据又包括综合波形和电阻波形。
所显示数据是通过标签按钮来切换的。
2. 数据传输
数据传输完成从仪器到电脑的数据导入功能。
因为仪器存储容量有限，而且多台仪器的数据比较分散，不便于集中管理和保存，故应定期将数据从仪器导入电脑，同时清理仪器历史数据。
操作步骤，首先用RS-232数据线或者USB转串口数据线将仪器和电脑连接，打开仪器并进入文件菜单下的：“联机状态”。
1)串口设置
若用USB转串口数据线，首先得安装驱动程序。
数据线不一样，电脑操作系统不一样驱动程序则不一样。
可以在网上收索下载最新适合的驱动程序。
安装好驱动程序以后，插入USB转串口数据线，电脑识别并自动寻找相
应驱动程序，匹配好后显示硬件安装成功。
然后进我的电脑设备管理器查看此串口分配的COM号。
如是COM3
图3
打开分析管理软件，选择【联机操作】菜单中的【串口设置】。
设置为以上的
“串口3”。
2)仪器设置
仪器开机，连接好数据线，进入文件菜单下的“联机操作”。
仪器进入联机状态。
3. 联机测试
仪器联机成功后就可以进行正常操作。
注意：如果连接不成功，常见为COM端口设置不匹配。
或者数据线不对，RS-232线或者USB转串口的都有正顺序和反顺序两种规格。
作物学报ACTA AGRONOMICA SINICA 2020, 46(6): 819 831 / ISSN 0496-3490; CN 11-1809/S; CODEN TSHPA9E-mail: zwxb301@DOI: 10.3724/SP.J.1006.2020.93063玉米叶向值的全基因组关联分析彭勃1,**赵晓雷1,**王奕1,**袁文娅1李春辉2李永祥2张登峰2石云素2宋燕春2王天宇2,*黎裕2,*1天津市农作物研究所 / 天津市农作物遗传育种重点实验室, 天津300384; 2中国农业科学院作物科学研究所, 北京100081摘要: 叶向值是反映叶片“直”和“立”两个特性的综合指标。
叶向值高的品种, 叶片直而不弯, 叶夹角小, 有利于群体通风透光, 在群体密度较高时比平展型更容易获得高产。
阐明叶向值的遗传基础, 对玉米理想株型分子设计育种具有重要的意义。
本研究以285份多样性玉米自交系为材料, 利用Illumina的maizeSNP50芯片基因分型结合连续2年的叶向值表型鉴定, 通过全基因组关联分析方法挖掘玉米叶向值显著关联的SNP位点。
方差分析表明, 不同自交系的叶向值差异达到极显著水平(P<0.01)。
在最优模型选择时, 发现Q+K模型最适合本研究的叶向值关联分析。
在2个年份下, 共检测到15个与叶向值显著关联的位点(P<4.05E-5), 包括27个SNP, 解释5.54%~8.73%的表型变异, 并挖掘了15个候选基因。
其中1.07 bin上的位点2是本研究发现的重要位点, 其候选基因可能是编码细胞周期蛋白依赖性蛋白激酶的Zm00001d032050, 有待进一步图位克隆工作验证。
关键词:玉米; 叶向值; 叶夹角; 单核苷酸多态性; 关联分析Genome-wide association studies of leaf orientation value in maizePENG Bo1,**, ZHAO Xiao-Lei1,**, WANG Yi1,**, YUAN Wen-Ya1, LI Chun-Hui2, LI Yong-Xiang2, ZHANGDeng-Feng2, SHI Yun-Su2, SONG Yan-Chun2, WANG Tian-Yu2,*, and LI Yu2,*1 Tianjin Crop Research Institute / Tianjin Key Laboratory of Crop Genetics and Breeding, Tianjin 300384, China;2 Institute of Crop Sciences,Chinese Academy of Agricultural Sciences, Beijing 100081, ChinaAbstract: Leaf orientation value is a comprehensive index reflecting the two characteristics of “straight” and “vertical” of leaves.The varieties with high leaf orientation value have straight and not curved leaves, and small angle, which are conducive to thewind ventilation and light transmission for maize population. When the planting density is high, it is easier to obtain high yieldthan the expanded plant-type. It is of great significance for molecular design breeding of ideal plant type to clarify the geneticbasis of leaf orientation value. In this study, 285 diverse lines genotyped by the MaizeSNP50 chip were evaluated for leaf orienta-tion in 2017 and 2018. The genome-wide association analysis (GWAS) were used to identified the SNPs, which were significantassociation with leaf orientation values. The analysis of variance showed that the significant variations were observed for leaforientation value of different inbred lines (P < 0.01). In the selection of the optimal model, it was found that the Q + K model wasthe most suitable for the leaf orientation association analysis in this study. A total of 15 loci (P < 4.05E-5) were detected byGWAS, including 27 SNPs, explaining 5.54%–8.73% of phenotypic variation, and 15 candidate genes were mined in two years.Among them, site 2 in 1.07 bin was an important site found in this study, and its candidate gene might be Zm00001d032050 en-coding cyclin dependent protein kinase, which needed to be further confirmed by map-based cloning.Keywords: maize; leaf orientation value; leaf angle; single nucleotide polymorphism; association analysis本研究由国家自然科学基金项目(31601308), 青年科研人员创新研究与实验项目(2018004), 天津市自然科学基金项目(19JCZDJC34500)和天津市农业科学院院长基金项目(17007)资助。
崔向华，隗正阳，杜振伟，等．芝麻产量相关性状全基因组关联分析［Ｊ］．江苏农业科学，２０２３，５１（２１）：１０６－１１３．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２３．２１．０１７芝麻产量相关性状全基因组关联分析崔向华１，隗正阳１，杜振伟２，周霞丽１，刘 焱３，石明权１，阚跃峰１，张少泽１，崔承齐２，梅鸿献２（１．驻马店市农业科学院，河南驻马店４６３０００；２．河南省农业科学院芝麻研究中心，河南郑州４５０００８；３．南阳市农业科学院，河南南阳４７３０８５） 摘要：以２９４份遗传多样性丰富的芝麻种质资源为试验材料，于２０１４年调查驻马店市、商丘市、南阳市３个地点的株高、始蒴高度、单株蒴数、蒴粒数、千粒质量、单株产量等６个产量相关性状，结合３３０２７个ＳＮＰ标记，使用混合线性模型进行全基因组关联分析，对重复检测到的显著ＳＮＰ位点两侧９９ｋｂ区域内挖掘所有功能注释基因，根据注释信息找寻与目标性状相关的基因，并进行功能富集分析。
结果表明，６个性状存在广泛变异，３个环境下变异系数表现为单株产量和单株蒴数＞始蒴高度＞蒴粒数＞千粒质量＞株高。
６个性状均呈现正态分布，广义遗传力为４４．０７％～８５．４９％。
经关联分析共检测到１７１个显著关联位点，表型变异解释率为５．４６％～１１．５６％。
在驻马店和商丘共同检测到６个与蒴粒数显著关联的位点，在其侧翼各９９ｋｂ区域内共挖掘到１１８个功能注释基因，其中ＳＩＮ＿１０１２６１３基因与拟南芥ＣＫＩ１（ＡＴ２Ｇ４７４３０）是同源基因，该基因可能通过调控雌配子的发育来决定芝麻蒴粒数。
本研究结果有助于解析芝麻产量相关性状的遗传机制，为芝麻产量的遗传改良奠定理论基础。
关键词：芝麻；产量性状；全基因组关联分析；ＳＮＰ标记；功能注释基因；广义遗传力；候选基因预测 中图分类号：Ｓ５６５．３０３．２ 文献标志码：Ａ 文章编号：１００２－１３０２（２０２３）２１－０１０６－０７收稿日期：２０２３－０４－１１基金项目：国家特色油料产业技术体系建设专项（编号：ＣＡＲＳ－１４－１－０１、ＣＡＲＳ－１４－２－１６）；河南省重大科技专项（编号：２０１３００１１０６００）；河南省中央引导地方科技发展资金（编号：Ｚ２０２２１３４３０３８）；河南省农业科学院科技创新团队项目（编号：２０２３ＴＤ３１）；河南省农业科学院基础性科研工作项目（编号：２０２３ＪＣ１３）。
1、新建工程：打开GENEX Assistant3.5，在弹出新建工程窗口中选择LTE，对工程进行命名并选择保存路径：2、导入工参：3、导入LOG：4、解压LOG：解压后弹出窗口：5、KPI 指标导出：显示KPI 列表：Cover：覆盖delay:延期，耽搁6、阈值设定：修改后：SINR 阈值设置：其他指标阈值调整如RSRP、SINR，可根据DT指导文档进行调整；7、调整图层：调整后：8、异常事件分析：将异常事件拖入图层中，右侧图层标示Event Layer中会显示异常事件及对应的出现次数：双击某个异常事件，在弹出的对话框中点击确定，即弹出分析窗口：分析窗口：可根据个人分析习惯对分析窗口进行调整：调整后如下：9、GENEX Assistant 后台KPI 统计自定义设置操作：以覆盖率为例：项目指标定义覆盖率I RSRP>-110dBm&SINR>-3dB比例1）打开GENEX Assistant新建工程后，点击<Tools>,下拉菜单中选择<custom KPI>,如下图2）进入<custom KPI>界面，点击左下角<Add>,选择点击<counting KPI>，如下图：3）通过设置公式：覆盖率=分子/分母；其中分子={-110dbm<RSRP<0dbm}and{-3db<SINR<50db}的个数；分母={-150dbm<RSRP<0dbm}and{-20db<SINR<50db}的个数设置如下图：分子设置：进行<counting KPI>界面后，在name里命名，然后点击<Add>,进行指标定义，选择下拉菜单<IE>点击<IE>进行里面进行指标Serving RSRP 选择设置，设置好后点击OK。
在Condition 里面会显示刚才RSRP设置范围，然后点击<and>键，再点击<IE>,在里面选择PCC SINR 设置，设置后点击ok在Counting Rule 界面，可看到刚刚设置Serving RSRP 和PCC SINR 的阀值范围情况，然后点击<Edit Action>进入<Counting Operation Expression>界面，设置如下，然后点击OK在回到Counting Rule 界面，点击0K在回到<counting KPI>界面后，点击OK,分子设置完成。
Aras Framework系统管理使用手册目录Aras Framework系统管理使用手册 (1)一、用户管理 (5)1.用户管理 (5)2.登录用户 (5)3.创建参与者 (7)4.特殊参与者 (7)二、权限 (9)1.关于权限 (9)2.创建一个权限 (9)3.关于发现权限 (10)4.可创建者权限 (11)5.创建子类对象的权限 (11)6.TOC访问权限 (12)三、数据类型 (12)1.关于数据类型 (12)2.创建列表 (14)3.外部数据类型 (14)4.配置序列 (15)四、对象类型 (15)1.关于 (15)2.创建 (16)3.类结构 (18)4.窗体 (19)5.TOC视图 (19)6.对象属性 (19)7.版本 (21)8.复制和粘贴 (23)五、实现类型 (25)1.实现类型 (25)2.创建多对象类型 (25)3.多对象类型 (25)4.查询多对象 (26)5.通过多对象创建新对象 (26)六、关系 (26)1.关于 (26)2.创建相关对象类 (27)3.定义关系 (27)4.修改关系类型对象 (28)5.修改关系对象类 (33)6.创建一个标准的独立的关系类型 (33)7.关系vs属性 (34)8.关系类型对象行为 (34)3.配置Email (36)4.对象行为 (37)八、工作流 (38)1.关于 (39)2.创建 (39)3.活动 (40)4.路径 (42)5.样例 (42)6.通知 (43)7.活动工作列表 (45)8.附加到对象 (46)9.动态分配 (46)10.状态转变 (47)九、版本集 (47)1.关于版本集 (47)2.创建版本集 (48)十、历史记录 (48)可配置的历史记录 (48)十一、国际化 (50)1.关于Innovator中的国际化和本地化 (50)2.国际化和区域化行为 (52)十二、首选项设定 (52)首选项 (52)十三、包定义 (53)包定义 (53)十四、可配置网络 (53)可配置网络 (53)十五、配置管理 (53)关于配置管理 (53)十六、操作 (54)1.关于操作 (54)2.创建操作 (54)3.更新操作 (54)4.操作属性 (54)5.删除操作 (55)十七、文件 (55)1.关于文件 (55)2.创建文件 (55)3.修改文件 (55)4.删除文件 (56)5.文件属性 (56)十八、文件类型 (56)1.关于文件类型 (56)2.创建文件类型 (56)1.关于窗体 (57)2.创建窗体 (57)3.修改窗体 (58)4.增加元素 (58)5.添加字段到窗体 (58)6.窗体标签 (58)7.字段类型属性 (58)8.字段标签属性 (59)二十、窗体（二） (59)9.字段物理属性 (59)10.字段边框属性 (59)11.窗体属性 (59)12.窗体主体属性 (60)13.窗体事件属性 (60)14.版面设计工具栏 (60)15.事件 (60)16.删除窗体 (61)二十一、方法 (61)1.关于方法 (61)2.标准工作步骤 (62)3.示例 (62)4.方法对话框工具栏 (63)5.创建方法 (63)6.更新方法 (63)7.方法属性 (64)8.删除方法 (64)二十二、报表 (64)1.关于报表 (64)2.微软报表服务 (64)二十三、环境变量 (65)1.关于环境变量 (65)2.创建环境变量 (66)3.修改环境变量 (66)4.环境变量属性 (66)5.删除环境变量 (66)二十四、数据仓库 (66)1.关于数据仓库 (66)2.创建数据仓库 (67)3.签入与签出 (67)4.仓库存储位置 (67)二十五、浏览工具 (67)1.关于浏览工具 (67)2.添加浏览工具 (67)1.关于Innovator和Web服务 (68)2.创建Web服务 (69)3.发布Web服务 (70)4.调用Web服务 (71)二十七、Sharepoint (71)Innovator和Sharepoint集成 (71)一、用户管理1。
130ECOLOGY 区域治理作者简介：陶俊杰，生于1996年，研究生，研究方向为烟草青枯病。
烟草抗青枯病定位的研究进展广州大学 陶俊杰摘要：烟草青枯病在烟草种植中的一种毁灭性疾病，定位出抗烟草青枯病相关基因能有效应对日渐严重的青枯病。
烟草抗青枯病遗传由多基因控制，目前一般用连锁分析、关联分析和连锁与连锁不平衡分析进行定位。
本文较为全面地介绍了在烟草抗青枯病定位相关的研究，这些研究极大促进了分子标记辅助选择育种的进程。
关键词：烟草青枯病；连锁分析；关联分析；连锁与连锁不平衡分析中图分类号：B025.4文献标识码：A文章编号：2096-4595（2020）35-0130-0003烟草青枯病是由青枯青枯雷尔氏菌（Ralstonia solanacearum）引起的具有毁灭性的土传性疾病（孔凡玉等，1995），且有从南向北蔓延的趋势。
目前对烟草青枯病主要以防治为主，但无论化学防治或生物防治，都面临农药残留、破坏土壤微生态环境、效果不好等问题（李凯和袁鹤，2012；张永春等，2007）。
选育出对抗青枯病的烟草品种是应对青枯病最经济有效的方法。
研究表明，烟草的主要农艺性状及抗病性的遗传呈现出复杂性，是由多基因控制的数量性状（Yang 等,2012）。
而烟草抗青枯病性状较为复杂，不同研究的遗传效应差异较大（高加明，2010；张振臣，2017）。
当前对多基因控制性状的研究一般利用家系群体开展的连锁分析、自然材料开展的关联分析和两种群体结合的连锁与连锁不平衡分析的方法。
一、烟草的遗传图谱与烟草青枯病的连锁分析Nish 等（2003）首次用连锁分析的方法对烟草青枯病抗病基因进行定位。
作者利用青枯病抗病品种W6和在外观上相似的易感品种Michinoku 1为父母本，构建出拥有125个后代的双单倍体群体（double hapolid ，DH）。
利用3072对引物对各材料进行扩增，绘制出含有117个AFLP 标记、10个连锁群的构建连锁图，全长383cm ，各标记间平均3.3cm 。
报告写作说明书
第一步:打开软件;
第二部:新建模板:
,
第四部:数据分组进行解压缩统计:
注意数据命名好,以便于数据统计不会搞乱:
然后分别对数据进行解压:
注意的是分别进行解压,不要一次性选择”ALL LOGS”解压
第五部:数据统计出图:
下面介绍报告里面数据统计需要进行处理的数据:
1. 表头需要在工参里查找对应的信息填入表内:
广州LTE实验局网络工参表（v2.1）_P&A使
2. 导入工参,然后出PCI 图:
然后报告里面的PCI图就出来了
Probe打开数据如图:
4.上行下行的数据统计方法:
截图就OK啦,把图片填到报告里;
5.报告填表:
1. 0度和10度
2.RSRP和SINR取值:
SINR统计的地方如图
RSRP统计地方如图5.频点注意: 当用20M带宽是100频点,用10M带宽是150频点
6. UL的发射功率,在这里统计
7. 需要用前台统计,
首先打开对应数据:统计UL的就打开UL数据,DL就DL数据
在LTE里面的BLER打上勾
然后下一步start
同理统计上行BLER,记得选上对应的log. 完成报告!
下面附录是报告模板以及工参
琶洲污水处理厂.xl
s 广州LTE实验局网络
工参表（v2.1）_P&A使。
tassel使⽤说明Kinship: The average relationship between individuals or lines can be estimated by kinship (K)calculated either from pedigrees or a suitable number of random markers across the entire genomeTassel运⾏使⽤：java –jar sTASSEL.jarhapmap格式: ⽤genotypetohapmap.py脚本转换成hapmap格式。
hapmap格式⼀定要有标头，并且个体名称要与structure results、phenotype的个体名称⼀致。
还有要有前11列，没有就表⽰为NA。
Tassel的使⽤说明：1.load -> hapmap(有许多格式，我的脚本genotypetohapmap.py是hapmap的格式) ->⽂件在Sequence中，点击就可看。
2.Sites -> Filter Alignment ⾥⾯有⼀些参数（minimum frequency、起始位置to结束位置（即可局部也可全基因组）），之后点击“Remove minor SNP states”(过滤0.05) -> Filter3.load -> I will make my best guess and try. ->导⼊表型数据:表型数据格式（如⽂件early.txt）是个体⾏数性状数⽬⾏数（标题⾏数）#此⾏显⽰的都是数⽬标题（开头不⽤空格）#此⾏显⽰的是性状名称，可放好⼏个性状，不需要个体标题（name之类）个体名字性状值（如：天数等）4.load -> I will make my best guess and try. ->导⼊structure数据。
DOI: 10.3724/SP.J.1006.2022.12047水稻产量相关性状的全基因组关联分析及候选基因筛选杨飞1,**张征锋2,**南波1肖本泽1,*1 华中农业大学植物科学与技术学院，湖北武汉430070；2 华中师范大学生命科学学院，湖北武汉430079摘要：水稻是最重要的粮食作物之一，培育高产稳产的水稻品种对于维护粮食安全至关重要，对产量相关性状的遗传解析是提高水稻产量的基础。
本文从“3000份水稻核心种质重测序项目”(3K Rice Genome Project)中挑选生育期较为一致的226份核心种质资源材料考察生育期(rice growing period, RGP)、株高(plant height, PH)、有效穗数(effective panicle number, EPN)、穗长(panicle length, PL)、穗着粒密度(spikelet density, SD)、结实率(seed setting rate, SSR)、千粒重(thousand grains weight, TGW)、单株产量(yield per plant, YP)、每穗颖花数(spikelet per panicle, SP)、每穗实粒数(grains per panicle, GP) 10个主要农艺性状，结合2429 kb的高密度基因型数据进行全基因组关联分析(genome-wide association study, GWAS)。
共定位到显著相关位点43个，除了qRGP7.2、qPH12、qPL6.2、qSD6.2、qTGW1.1、qGP1、qGP5.2 7个QTLs以外，其余36个QTL为本研究中定位到的新位点。
此外，本研究利用单核苷酸位点功能评估的方式筛选到6个主要农艺性状相关候选基因。
分别为株高相关基因LOC_Os12g18760、有效穗数相关基因LOC_Os03g33530、穗长相关基因LOC_Os06g30940、千粒重相关基因LOC_Os01g49810、单株产量相关基因LOC_Os09g25260、穗着粒密度和每穗颖花数相关基因LOC_Os09g32620。
