银杉的分子谱系地理学研究

银杉（Cathaya argyrophylla）是中国特有的濒危裸子植物，孤立分布于我国亚热带山地。虽然以往等位酶和RAPD标记的研究表明，银杉群体的遗传多样性水平很低而群体间的遗传分化很高，但迄今对该种群体的动态变化以及物种的进化历史仍缺乏了解，包括影响群体遗传结构的因素以及物种可能的避难所等，对如何有效地保护和恢复银杉群体仍缺乏科学依据。本文根据8个核基因片段和2个线粒体片段的序列数据，运用群体遗传学和谱系地理学方法，探讨了银杉在DNA水平上的多样性和群体的动态历史，探讨了影响银杉特殊的群体遗传结构的各种因素，并推测了银杉第四纪冰期的避难所，对银杉花粉活力及其变异进行检测。在此基础上，提出了保护和恢复银杉群体的具体策略和措施。主要研究结果如下： 　　1. 核甘酸多态性和群体遗传结构 　　从101个核基因片段中筛选了8个适用于银杉的片段，对来自四个地区15个群体共86个个体的胚乳总DNA进行了扩增和测序。8个核基因座位的平均核苷酸多态性（θs＝0.0022，πs＝0.0027）显著低于其它松杉植物遗传多态性的多座位估计值。四个地区中，大瑶山（DY）的多态性最高（θs＝0.0026，πs＝0.0027），八面山（BM）最低（θs＝0.0014，πs＝0.0018），大娄山（DL���和越城岭（YC）介于二者之间。大多数座位内的多态位点间紧密连锁，座位间的连锁只在八面山地区检测到。AMOVA分析表明显著性的多态性比例存在于地区间（20.05％）和地区内群体间（9.37％）。FST分析也显示群体间（FST＝0.294）和地区间（FST =0.131-0.319）存在显著的遗传分化。推测伴随着瓶颈效应而出现的遗传漂变及其有限的基因流（Nm=1.2）是导致银杉群体低水平多态性和群体间强烈分化的主要原因。 　　2．谱系地理学分析 　　利用2个线粒体片段（nad1和nad4）序列以及高变异量的核2009片段序列对银杉的谱系地理进行了探讨。2个线粒体片段的多态位点组合成3种单倍型，将银杉分成大娄山（DL���、八面山（BM）以及越城岭（YC）和大瑶山（DY）3个地区，地区间的单倍型完全不同（GST=1.0），结合核基因呈现的群体遗传结构，推测现存银杉群体至少来源于4个冰期避难所，相当于银杉现存的4个相互隔离的地区。2009座位上12个变异位点组合成8种单倍型，位于单倍型谱系内部节点的4种祖先单倍型分布广泛、出现频率最高，其它7个核基因座位具有类似谱系结构。遗传距离和地理距离没有相关性，NST (0.138)与GST (0.134)没有显著性差异，说明现存的银杉群体是相对较近的时间内片断化的产物。2009片段分离位点的失配分布（mismatch distribution）呈双峰和多峰，表明银杉群体没有经历近期的扩张，与古生物学研究证据相吻合。 　　3. 银杉的基因杂合性和花粉生命力 　　利用2009和cad两个核基因片段，采用多胚乳序列法得到总的杂合体比率为64％（2009）和60％（cad），说明银杉群体中存在高比例的杂合体。大娄山地区的杂合体比率是八面山地区的2倍。银杉杂合体比率的高低可能与其遗传多态性有关，也可能是自然选择的结果。采用TTC染色法对银杉的花粉生命力进行了测定，在干燥低温条件下银杉花粉的活力很稳定，保存一年后有活力的花粉数仍高达80％以上。通过对来自两个地区（DY和YC）7个群体共16个银杉个体花粉活力的测定发现，银杉有活力花粉比例高达93.3％，与其它裸子植物相当。花粉活力在地区间和群体间存在显著差异，花坪地区（95.2%）的花粉活力高于大瑶山（91.3%）。花粉活力在群体内个体间差异不显著。 　　4．银杉的进化历史及其保护 　　银杉的低水平的遗传多样性和独特的群体遗传结构对我们推测其冰川期避难所提供了重要依据。本研究在银杉4个孤立分布区发现了彼此不重叠的线粒体单倍型，同时核基因表现出了4个地理群，说明随着第四纪冰期气候的波动和银杉分布范围的片段化，原来广布的群体逐步萎缩，最后被保留在位于西部大娄山（DL���，东部八面山(BM)，中南部越城岭(YC)和南部大瑶山(DY) 4个相互隔离的避难所。银杉独特的群体结构和动态历史对进一步制定相应的保护措施具有重要参考价值。由于遗传多态性很低，群体又小，几乎所有现存的银杉群体都面临由于随机事件导致的物种灭绝。更严重的是，当前该物种的适生环境不断恶化和片段化，以及异常低的生殖和存活率导致银杉与其它物种竞争能力很低。因此，除目前采取的原地保护策略外，迁地保护应给予优先考虑。此外，采用传统的控制授粉策略（在遗传上有显著差异的群体间开展人工杂交）是丰富其遗传多态性、恢复衰退群体的可行措施之一。

四川黄龙杓兰属植物的传粉生物学

兰科植物传粉生物学的研究以往多集中于单个物种上，很少对两个以上的物种同时进行研究。但后一类研究对于理解一个地区或一个代表类群的传粉适应是大有裨益和非常必要的，毕竟单一种植物与其传粉者在一个居群或是一年中的相互关系所提供的有效信息是非常有限的。杓兰属Cypripedium L.是兰科植物中比较原始的类群，全世界约有50种;中国是杓兰属植物的分布中心，有30多种。但是，有关该属植物的传粉生物学研究集中在欧、美的种类，中国绝大部分物种尚未进行这方面的研究。本文通过对分布于四川省黄龙寺自然保护区的8种杓兰属植物的传粉生物学研究，探讨了该属植物的传粉机制、适应进化及生殖隔离等问题。 1． 杓兰属植物的繁育系统 虽然所研究的8种杓兰人工自交授粉均可以成功结实，但在自然条件下都必须依赖于昆虫才能结实成功，表明杓兰属植物的繁殖系统以异交授粉为主。 2． 杓兰属植物的传粉系统以及传粉系统的进化趋势 杓兰属植物一向被认为是典型的蜂类传粉物种，本文所包括的西藏杓兰C. tibeticum King ex Rolfe、离萼杓兰C. plectrochilum Franch.、绿花杓兰C. henryi Rolfe与褐花杓兰C. smithii Schltr.的传粉生物学研究也证明了这一点。但研究发现最进化的“无苞组”的3种杓兰，即无苞杓兰C. bardolphianum W. W. Smith et Farrer、小花杓兰C. micranthum Franch.与四川杓兰C. sichuanense Perner都是由蝇类传粉的，而黄花杓兰C. flavum P. F. Hunt et Summerh.则可由蜂类和蝇类共同传粉。结合杓兰的种间系统关系，本文认为杓兰属中存在从蜂类传粉系统向蝇类传粉系统的进化趋势。 3．杓兰属植物传粉系统的特化机制 传粉观察表明8种杓兰均有多种多样的访花昆虫，但只有1种或1类具有相同功能的昆虫能成为其传粉者。这说明杓兰属植物是具备特化传粉系统的种类。以离萼杓兰为例进行的花色、花香及花结构的分析表明，杓兰拥有特化的传粉者几乎完全是由于受到花结构的限制，特别是雄蕊到唇瓣底高度（AL）、柱头到唇瓣底高度（SL）、唇瓣入口直径（DL���与唇瓣出口宽度（EL）的大小。这些因素决定了昆虫是否能进入唇瓣，是否能碰触到柱头和花粉，是否能从出口挤出来。因此，杓兰的唇瓣的主要功能不仅是象原来所认为的作为“陷阱”来诱捕昆虫，而且同样作为一种促进产生“特化传粉”的机制而存在。 4． 杓兰属植物吸引昆虫的机制 杓兰属植物具有复杂的吸引昆虫的机制。离萼杓兰、黄花杓兰主要以泛化的食源性欺骗机制来吸引昆虫，绿花杓兰能通过其唇瓣和退化雄蕊的光滑特性诱使其传粉昆虫被动进入唇瓣中，西藏杓兰可以通过“筑巢式欺骗”来吸引昆虫，无苞杓兰则可通过模拟成熟果实来吸引其特化的传粉者—果蝇Drosophila spp.。 5． 杓兰属植物的花部特征与传粉系统的适应 在整个杓兰属内，不同种类植物的花色与花香和传粉者种类间没有统一的规律。但是，杓兰属植物的唇瓣大小与其传粉者大小之间存在比较明显的适应关系。体积最大的西藏杓兰、褐花杓兰与黄花杓兰由体型最大的熊蜂Bombus spp.传粉，体积中等的离萼杓兰、绿花杓兰、四川杓兰由中等大小的蜂或蝇传粉，而体积最小的无苞杓兰与小花杓兰由体型很小的果蝇传粉。 在杓兰属中，大部分种类的花粉只是粘性的团状，只有一部分能在一次访问中被昆虫带出，如黄花杓兰、西藏杓兰、离萼杓兰及绿花杓兰的花粉团。与此不同，在2个“无苞组”的杓兰，即无苞杓兰、小花杓兰中，它们的花粉凝聚成块状，而且它们的传粉昆虫(果蝇)的一次访问可带出一侧雄蕊的全部花粉。它们的花粉成块可能是对果蝇这类小昆虫传粉的一种适应。 6． 杓兰属植物的生殖隔离机制 本文的研究表明，杓兰属植物之间人工杂交授粉可以成功结实，它们主要是通过受精前隔离机制保持物种界限的。它们的受精前隔离机制多种多样。具有相同传粉者—果蝇的无苞杓兰与小花杓兰通过地理隔离机制保持物种界限; 同域的西藏杓兰与黄花杓兰通过利用不同大小的熊蜂作为传粉者来保持生殖隔离;同域的离萼杓兰与绿花杓兰可能通过花香成分的不同特化吸引同一属中不同种的传粉昆虫;而同域的西藏杓兰与褐花杓兰之间并不具备完善的生殖隔离机制。

Discovering transcriptional modules by Bayesian data integration.

MOTIVATION: We present a method for directly inferring transcriptional modules (TMs) by integrating gene expression and transcription factor binding (ChIP-chip) data. Our model extends a hierarchical Dirichlet process mixture model to allow data fusion on a gene-by-gene basis. This encodes the intuition that co-expression and co-regulation are not necessarily equivalent and hence we do not expect all genes to group similarly in both datasets. In particular, it allows us to identify the subset of genes that share the same structure of transcriptional modules in both datasets. RESULTS: We find that by working on a gene-by-gene basis, our model is able to extract clusters with greater functional coherence than existing methods. By combining gene expression and transcription factor binding (ChIP-chip) data in this way, we are better able to determine the groups of genes that are most likely to represent underlying TMs. AVAILABILITY: If interested in the code for the work presented in this article, please contact the authors. SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.

A robust Bayesian two-sample test for detecting intervals of differential gene expression in microarray time series.

Understanding the regulatory mechanisms that are responsible for an organism's response to environmental change is an important issue in molecular biology. A first and important step towards this goal is to detect genes whose expression levels are affected by altered external conditions. A range of methods to test for differential gene expression, both in static as well as in time-course experiments, have been proposed. While these tests answer the question whether a gene is differentially expressed, they do not explicitly address the question when a gene is differentially expressed, although this information may provide insights into the course and causal structure of regulatory programs. In this article, we propose a two-sample test for identifying intervals of differential gene expression in microarray time series. Our approach is based on Gaussian process regression, can deal with arbitrary numbers of replicates, and is robust with respect to outliers. We apply our algorithm to study the response of Arabidopsis thaliana genes to an infection by a fungal pathogen using a microarray time series dataset covering 30,336 gene probes at 24 observed time points. In classification experiments, our test compares favorably with existing methods and provides additional insights into time-dependent differential expression.