正向遗传学克隆基因的方法范文

为降低神经网络的冗余连接及不必要的计算代价，将量子免疫克隆算法应用于神经网络的优化过程，通过产生具有稀疏度的权值来优化神经网络结构。算法能够有效删除神经网络中的冗余连接和隐层节点，并同时提高神经网络的学习效率、函数逼近精度和泛化能力。该算法已应用于秦始皇帝陵博物院野外文物安防系统。经实际检验，算法提高了目标分类概率，降低了误报率。

关键词：神经网络；量子免疫克隆算法；目标分类；冗余连接；网络优化

中图分类号：TP273

文献标志码：A

Quantum-inspiredclonalalgorithmbasedmethodforoptimizingneuralnetworks

Abstract：

Inordertoreducetheredundantconnectionsandunnecessarycomputingcost，quantum-inspiredclonalalgorithmwasappliedtooptimizeneuralnetworks.Bygeneratingneuralnetworkweightswhichhavecertainsparseratio，thealgorithmnotonlyeffectivelyremovedredundantneuralnetworkconnectionsandhiddenlayernodes，butalsoimprovedthelearningefficiencyofneuralnetwork，theapproximationoffunctionaccuracyandgeneralizationability.ThismethodhadbeenappliedtowildrelicssecuritysystemofEmperorQinshihuangsmausoleumsitemuseum，andtheresultsshowthatthemethodcanraisetheprobabilityoftargetclassificationandreducethefalsealarmrate.

Keywords：

neuralnetwork；quantum-inspiredclonalalgorithm；targetclassification；redundantconnection；networkoptimization

0引言

神经网络已经被广泛地应用于模式分类、函数逼近、信号预测等各种领域，是近年来的研究热点之一[1-2]。在应用过程中，研究人员发现，当神经网络的规模过大会产生连接数量冗余大、计算代价过高的问题，降低了大规模神经网络的实用性。针对此问题，研究人员提出了多种方法在保持神经网络的前提下优化神经网络的结构和参数权值。Leung等[3-4]改进了传统的遗传算法（GeneticAlgorithm，GA）并将其应用于神经网络的结构和权值优化过程，利用遗传算法的快速收敛性来提高神经网络的学习速度，其缺点在于当目标函数维数过大时容易陷入局部最优。Xiao等[5]使用混合优点（HybridGoodPoint，HGP）优化前向神经网络的参数和结构，避免权值陷入局部最优，但其对网络结构的优化没有达到最优。Shu等[6]提出正交模拟褪火（OrthogonalSimulatedAnnealing，OSA）算法，使用褪火算法和正交算法的优点来同时优化神经网络结构和参数，其算法收敛速度快、鲁棒性好，缺点则在于计算代价较大。杜文莉等[7]提出了使用量子差分进化（CooperativeQuantumDifferentialEvolution，CQGADE）算法来优化神经网络权值，使用量子遗传算法优化网络结构和隐层节点数，算法综合了量子遗传算法和量子差分算法的优点，收敛速度快，但其缺点在于需要同时协同两种算法的优化结果，算法复杂度较高，且容易陷入局部最优。Tsai等[8]提出混合田口遗传算法（HybridTaguchiGeneticAlgorithm，HTGA），将传统的GA与Taguchi方法结合起来，使得算法具有鲁棒性好、收敛性快等优点，但其缺点在于获得最优解的计算代价较大。

量子免疫克隆算法[9-12]（Quantum-inspiredImmuneClonalAlgorithm，QICA）也称为量子遗传算法（QuantumGeneticAlgorithm，QGA），其将量子搜索机制和免疫算法克隆选择原理相结合，利用量子编码的叠加性和随机性构造抗体，利用遗传算法的克隆操作产生原始种群和克隆子群实现种群扩张，使搜索空间扩大，提高了局部搜索能力；同时借助全干扰交叉操作避免陷入局部最优。QICA采用了多状态量子比特编码方式和通用的量子旋转门操作，引入动态调整旋转角机制和量子交叉[11]。QICA在组合优化问题中具有良好的表现。

针对上述问题，提出了使用量子克隆免疫算法对神经网络的结构和连接权值同时进行优化，通过产生具有一定稀疏度的连接权值对网络隐层数量和连接权值进行优化，提高了算法的效率和收敛速度，避免了算法陷入局部最优。

1带开关权值的神经网络模型

在经典的神经网络理论中，网络结构在初始化后便不再变动，仅通过权值的变化来计算产生结果，这种算法增加了神经网络的结构复杂性，在实际应用中增加了计算结果的代价。Leung等[3-4]提出了带开关权值的神经网络，通过调整开关的通断就能调整神经网络的结构和连接数量，从而减少计算代价。带开关权值的神经网络模型如图1所示[7]。

2.2权值计算及优化方法

根据量子克隆免疫理论，将神经网络权值计算及优化过程分为以下四个过程。

2.2.1权值抗体初始化

量子克隆免疫算法是基于量子计算和遗传算法组成的，其抗体的编码方式采用量子比特编码。一个抗体中的量子位的状态是不确定的，可以为0或1，其状态表示为式（5）：

3.1算法复杂度分析

量子克隆免疫算法的实质是通过量子理论的随机特性提供丰富的种群数量，并通过使用遗传算法对种群进行淘汰和进化，因此其算法的复杂度等于种群生成算法的复杂度：假设神经网络有x个输入，其隐层节点数量为N，输出为y，则网络中的输入与隐层节点间的连接权值ω的数量为：x*N，隐层节点与输出层的连接权值v的数量为：N*y。种群生成需要对所有节点进行权值初始化，并将随机位置的n（nN）个节点的权值设置为0，其算法复杂度为O（n2）。而克隆免疫算法在种群克隆及抗体选择过程中使用遗传算法，因此其算法的复杂度与传统遗传算法相同，其算法复杂度也为O（n2）。因此，使用量子免疫克隆的神经网络优化算法的复杂度为O（n2）。

3.2非线性函数逼近

选取复杂交互非线性函数（ComplicatedInteractionFunction，CIF）：

其中0

选取样本700组，其中500组用于训练，其余200组用于检测性能。神经网络的初始隐层神经元设置为20个，初始网络结构为：2-20-1，初始连接权值为随机值。在此条件下验证不同稀疏度条件下对CIF的二维逼近效果如图3所示。

图3显示随着稀疏度的不断降低，神经网络的逼近能力有所减弱，逼近误差则逐渐增大。这主要是因为神经网络中的连接权值数量降低，造成神经网络的适应性差。具体逼近效果见表2。

从表2中可以看出，隐层节点数量直接影响着神经网络的性能。高稀疏度条件下的计算量大，但逼近精度高；低稀疏度条件下的计算量小，但逼近精度较差。实验表明当稀疏度大于0.6时，算法的逼近精度高于90%，优化后的网络具有较好的非线性逼近能力。当神经网络隐层节点数量低于12时逼近精度大幅下降，说明此时神经网络处理信息的能力也随之大幅减弱，隐层节点的最合适的数量为12～14个，这也符合文献[14]的实验结果。

图4为不同稀疏度下，算法适应度的收敛情况。可以看出量子克隆免疫算法具有很好的收敛特性，算法收敛速度很快，能够在很短的进化次数内收敛至极值，且稀疏度越低，神经网络的连接权值数量越少，算法收敛速度越低，最优适应度越差。

表3为相同条件下，不同算法的最优计算结果，包括目标分类的准确度、隐藏层节点数量等。可以看出，当稀疏度高于0.8时，本文算法收敛性和适应度均优于混沌粒子群（ChaoticParticleSwarmOptimization，CPSO）[15]、粒子群优化算法（ParticleSwarmOptimization，PSO）[16]、混合田口遗传算法[HybridTaguchi-GeneticAlgorithm，HTGA][8]等其他算法，说明算法具有很好的收敛速度、寻优精度和鲁棒性。

3.3微地震信号目标分类

实验场地选择在秦始皇兵马俑博物馆内K9901号坑旁。所有传感器节点沿公路一侧直线部署，距离公路1m左右。可能产生地震波的活动物体包括人员行走、机动车和挖掘活动。将采集到的微地震信号进行滤波、分帧、特征提取等处理后输入至神经网络进行模式识别。

系统对传感器采集到的数据进行分帧，并使用功率谱二次分析[17]算法对其进行处理，最后将经过预处理的数据输入至神经网络对其进行分类。根据其活动特点，将输出目标分为三类：人员活动、挖掘活动以及机动车辆活动。传感器采集到的三类活动的经典波形如图5所示。

表6中给出了算法的最优计算结果，包括不同稀疏度条件下神经网络的隐藏层节点数量、最优适应度以及分类准确率等。可以看出，算法能够有效减少冗余的隐藏层节点数量，并降低节点连接数量。算法的稀疏度越高，其适应度越好，其分类的准确性越好，但稀疏度高带来的则是计算代价增大、计算复杂度增加。当稀疏度低于0.7时，算法的适应度变差，目标的识别率为90%，在实际应用过程中带来了误判率较高的问题，降低了实用性。因此在秦始皇帝陵博物院野外文物安防系统中使用了稀疏度为0.7的算法对模式识别的神经网络进行优化。

4结语

本文提出了基于量子免疫克隆算法的神经网络优化算法，该算法在训练神经网络优化权值的同时删除了冗余连接和多余的隐层节点，实现了神经网络结构和网络权值的优化。通过经典非线性函数逼近和目标识别检验，算法能够有效地优化神经网络，提高神经网络的优化效率，减少计算复杂度。使用优化后的神经网络已经用于秦始皇帝陵博物院野外文物安防系统中。

参考文献：

[1]QIAOH，ZHOUY，SHAON，etal.Softwarereliabilitypredictionbasedonlearningvectorquantizationneutralnetwork[J].JournalofComputerApplications，2012，32（05）：1436-1438.）（乔辉，周雁舟，邵楠，等.基于学习向量量化神经网络的软件可靠性预测[J].计算机应用，2012，32（5）：1436-1438.）

[2]PANY，DENGY，ZHANGQ，etal.Deterministicpredictionofwaveletneuralnetworkmodelanditsapplication[J].JournalofComputerApplications，2013，33（4）：1001-1005.（潘玉民，邓永红，张全柱，等.小波神经网络模型的确定性预测及应用[J].计算机应用，2013，33（4）：1001-1005.）

[3]LEUNGHF，LAMHF，LINGSF，etal.Tuningofthestructureandparametersofneuralnetworkusinganimprovedgeneticalgorithm[C]//Proceedingsofthe27thAnnualConferenceofIEEEIndustrialElectronicsSociety.Piscataway：IEEE，2001：25-30.

[4]LEUNGHF，LAMHF，LINGSH，etal.Tuningofthestructureandparametersofaneuralnetworkusinganimprovedgeneticalgorithm[J].IEEETransactionsonNeuralNetwork，2003，14（1）：79-88.

[5]XIAOC，CAIZ，WANGY，etal.Tuningofthestructureandparametersofaneuralnetworkusingagoodpointssetevolutionarystrategy[C]//Proceedingsofthe9thInternationalConferenceforYoungComputerScientists.Piscataway：IEEE，2008：1749-1754.

[6]SHUL，HOSY，HOSJ.Tuningthestructureandparametersofaneuralnetworkusinganorthogonalsimulatedannealingalgorithm[C]//Proceedingsofthe2009JointConferencesonPervasiveComputing.Piscataway：IEEE，2009：789-792.

[7]DUW，ZHOUR，ZHOUL，etal.Cooperativequantumdifferentialevolutionalgorithmbasedmethodforoptimizingneuralnetworks[J].JournalofTsinghuaUniversity：ScienceandTechnology，2012，52（3）：331-335.（杜文莉，周仁，赵亮，等.基于量子差分进化算法的神经网络优化方法[J].清华大学学报：自然科学版，2012，52（3）：331-335.）

[8]TSAIJ，CHOUJ，LIUT.TuningthestructureandparametersofaneuralnetworkbyusinghybridTaguchi-geneticalgorithm[J].IEEETransactionsonNeuralNetwork，2006，17（1）：69-80.

[9]LIY，JIAOL.Quantum-inspiredimmuneclonalalgorithmanditsapplication[C]//Proceedingsofthe2007InternationalSymposiumonIntelligentSignalProcessingandCommunicationSystems.Piscataway：IEEE，2007：670-673.

[10]JIAOL，LIY，GONGM，etal.Quantum-inspiredimmuneclonalalgorithmforglobaloptimization[J].IEEETransactionsonSystems，ManandCybernetics，PartB：Cybernetics，2008，38（5）：1234-1253.

[11]ZHOUC，QIANF.Improvementofquantumgeneticalgorithmanditsapplication[J].JournalofComputerApplications，2008，28（2）：286-288.（周传华，钱峰.改进量子遗传算法及其应用[J].计算机应用，2008，28（2）：286-288）

[12]ZHOUQ，JIANGS，ZHAOX，etal.Improvedquantumgeneticalgorithmanditsapplicationintestdatageneration[J].JournalofComputerApplications，2012，32（2）：557-560.（周绮，姜淑娟，赵雪峰，等.改进的量子遗传算法及其在测试数据生成中的应用[J].计算机应用，2012，32（2）：557-560.）

[13]QIAOJ，LEEYG，SCOTTDS，etal.Self-organizingradialbasisfunctionnetworkforreal-timeapproximationofcontinuous-timedynamicalsystems[J].IEEETransactionsonNeuralNetworks，2008，19（3）：460-474.

[14]HANH，QIAOJ，BOY，etal.OnstructuredesignforRBFneuralnetworkbasedoninformationstrength[J].ActaAutomaticaSinica，2012，38（7）：1083-1090.（韩红桂，乔俊飞，薄迎春，等.基于信息强度的RBF神经网络结构设计研究[J].自动化学报，2012，38（7）：1083-1090.）

[15]ZHAOL.FuzzyidentificationandneuralnetworkslearningbasedoncooperativePSOalgorithm[D].Shanghai：ShanghaiJiaoTongUniversity，2008.（赵亮.基于协同PSO算法的模糊辨识与神经网络学习[D].上海：上海交通大学，2008.）

正向遗传学克隆基因的方法范文

关键词：羊草；分子生物学；遗传多样性；组织培养；基因克隆

中图分类号：S543.901文献标识码：A文章编号：1007-7847(2007)04-0289-06

羊草(Leymuschinensis)是多年生禾本科赖草属草本植物，由于其环境适应性较强。具有耐寒、耐旱、耐盐碱等优点而成为松嫩平原的优势物种，同时羊草也是一种重要的牧草资源，蛋白质含量高，适口性好，耐践踏，在发展草原畜牧业方面具有重大的经济和社会效益，但羊草种子发芽率低、种子萌发最适pH值为8.0～8.5，加上过变放牧和草地盐碱化日益加重等原因，我国现存系统管理重点实验室项目(K09M6)羊草草地约有90％以上发生了不同程度的退化，因此，研究羊草的遗传分化、抗逆机理、栽培育种以及转基因等对于改善生态环境和草场建设具有重要意义，随着分子生物学对各个学科的交叉渗透，使羊草的研究从细胞水平进一步深入到分子水平，羊草属于异交植物，物种趋向于在种群中具有较高水平的变异性，仅在松嫩草原中西部靠近内蒙古高原东部草原上的羊草种群就数以千计，这为研究羊草种群的遗传多样性提供了对象，培养愈伤组织是进行羊草转基因研究的前期工作，但诱导率低的问题尚未得到解决，笔者结合自己的科研工作，对羊草分子生物学领域的研究成果加以综述，旨为羊草抗逆分子机理研究提供参考资料。

1羊草遗传多样性研究

由于羊草生态适应性强、分布范围广、生境类型多样，在长期的适应和进化过程中，羊草种群之间在形态、生理、生态以及遗传特征方面均产生了趋异，RAPD(randomlyamplifiedpolymorphicDNA，随机扩增多态DNA)技术可以在对被检对象无任何分子生物学资料的情况下对其基因组进行分析，而且具有费用较低、方便易行、模板DNA用量少、不需要同位素，在安全性和实验操作上具有比AFLP(amplifiedfragmentlengthpolymorphism，扩增酶切片段多态性)、SSR(simplesequencerc-peat，微卫星重复序列)等分子标记更加简便易行等优点，从而使其成为目前研究羊草遗传多样性的最重要的手段之一，该技术主要是利用各种群羊草的总基因组DNA作为模版，筛选能够扩增出具有明显差异性条带的随机引物，以至少两次重复均出现的结果做0，1矩阵图，即有条带记为1，无条带记为0，计算总片段数及多态位点百分率、各种群间遗传相似系数和遗传距离，利用分析软件进行聚类分析从而得到其遗传结构树状图，

羊草RAPD分析可以用于研究羊草的种群关系以及遗传分化的影响因子，崔继哲等应用RAPD技术证明相似生境或同一地域的种群在一些位点上表现出相似或相同的变化，刘惠芬等运用RAPD技术对内蒙古典型草原不同生境8个羊草种群进行分析，聚类结果显示生境相似的种群能够聚在一起，而地理距离最近的种群不一定归为一类，说明小范围内羊草种群间的遗传分化与地理距离不存在相关性，而与其生境间的相似度相关，影响遗传相似性的不是单一因子而是各种因子的综合作用，较小地理范围内羊草种群间的遗传分化主要是由环境的异质性所引起的，笔者曾以采自中国大安碱地生态试验站(N45°36′，E123°53′)的羊草种子单株播种栽培，以每株羊草幼苗的地上部为材料进行RAPD分析，30个实验样品的平均遗传距离为0.1909，共可分为4个类群(待发表)，通过RAPD分析，还可以进一步将羊草遗传分化多样性的原因具体化，汪恩华等””利用分子标记与形态标记以21个有效随机引物中对9份羊草材料进行RAPD分析，对随机抽取的17份禾草种质进行了种质评估的比较研究，结果表明，羊草种质的小穗数、种子千粒重、叶色、有性繁殖量和结实率5个形态学指标与遗传多样性指标存在一定的相关性，应用RAPD技术对不同生境羊草在水分胁迫下游离脯氨酸含量的变化做聚类图比较分析，证实水分是影响羊草种群间遗传变异和生态型分化的一个最主要的因子，虽然水因子是影响羊草分化的一个主导因子，但是在实际研究工作中也认识到羊草变异和分化是多种生态因子综合起作用的结果(如温度、海拔、经纬度、土壤类型等)，而且各因子之间又是相互影响，在不同的生境中限制因子又是变换的，这就造成不同地理种群的羊草遗传分化过程的复杂性，由此可见，目前以羊草为实验材料的RAPD分析虽有许多报道。但是由于羊草本身具有较高的种群变异性。组成羊草群落的植物总计有357种，加之尚缺乏一种统一的标准分型方法，因此RAPD技术就成为研究羊草分类及来源的主要工具，在物种鉴定及遗传分化研究中发挥着重要作用。

除了RAPD技术以外，等位酶技术也可用于羊草遗传多样性分析，等位酶是指由一个位点的不同等位基因编码的同种酶的不同类型，其功能相同但氨基酸序列不同，崔继哲等通过该技术，综合分析了松嫩平原11个羊草种群的遗传多样性及遗传分化指标，深入剖析了灰绿型和黄绿型两种叶色类型羊草种群之间的遗传差异，证明种群间的遗传距离与地理距离之间没有相关，崔继哲等还采用淀粉凝胶电泳技术，应用等位酶分析方法测定了松嫩平原南部微生境下羊草灰绿色和黄绿色两种生态型9个种群的遗传多样性和遗传分化程度，证明羊草种、种群和生态型水平都维持较高的遗传多样性，两种生态型之间有明显的遗传多样性差异及遗传分化，另外，对不同生境、不同分类种群的遗传结构分析发现羊草种群遗传变异度很高，但是无论如何归属，松嫩草原上的羊草种群遗传分化程度很低，推测可能与羊草为异花授粉、不同类型混生及种群间基因流强度大有关，刘杰等曾用SSR作为探针构建了羊草的遗传指纹图谱，为羊草种质资源评价、种间及种内亲源关系分析、生物多样性研究提供了有效手段，利用AFLP方法对我国不同地区分布的羊草材料进行的DNA多态性分析结果也表明了羊草基因组DNA具有比较丰富的多态性。

2羊草愈伤组织培养及利用

植物组织细胞培养(planttissueandcellcul-ture)是通过运用植物组织细胞培养技术实现植物育种获得新品种的一条快捷途径，既可以通过

花粉培养、未授粉子房以及胚株培养等诱导形成单倍体植物，也可以通过植物愈伤组织培养中普遍存在的染色体变异实现植物突变育种，另外，通过植物组织培养技术进行的植物细胞融合(尤其是原生质体融合)、胚胎培养以及植物体外受精技术可获得远缘杂交种，通过植物组织培养中的茎尖培养能够产生无病毒原种，因而可用于植物脱毒，解决生产实践中植物病毒危害问题，组织培养是植物细胞工程学、遗传学、植物生理学、生物化学与分子生物学研究的重要基础，不仅用于快速繁殖。还用于单倍体育种、种质保存、生理学研究和基因转化等领域。

早在上世纪80年代，高天舜就利用羊草根茎作为外植体进行愈伤组织的诱导和植株再生材料，目的是为了改良羊草的遗传性状，试图通过组织培养途径获得羊草新类型，该研究采用当年生羊草根茎幼嫩部分的节间基部切段以及隔年生老根茎和当年生根茎的芍间中部、顶部切段作为外植体，消毒处理后接种于3种MS培养基中，先进行暗培养。待长出愈伤组织后转入光照培养，诱导率平均在20％左右，分化率最高也只有24.2％，羊草幼穗和成熟种子也可作为诱导愈伤组织的外植体，刘公社等，以幼穗作为外植体，恒温25℃条件下诱导愈伤组织，在加有1mg/L2，4-DMS培养基上继代2次后，转移到含1.0mg/LKT和0.5mg/NAA的MS培养基上分化培养得到再生芽，并在无激素的基本培养基上获得了生根的试管苗，移栽到温室后可正常生长，尽管从羊草叶片、幼穗和成熟胚在同样培养条件下均能诱导出愈伤组织，但只有幼穗愈伤组织能够继续分化出再生植株，但分化率因基因型和外源激素的不同而不同，以成熟羊草种子为外植体诱导愈伤组织具有操作简便、污染程度低、材料选择直观化的优点，且诱导率和幼苗分化率较高、幼苗健壮、生长势好，崔秋华等采用3种培养基(MS、B5和8114)，3种2，4-D的浓度水平(1、2、4mg/L)培养羊草幼嫩根茎和种子，结果表明，以种子作为外植体可获得较高的愈伤组织诱导率(29.05％)，但目前对于最适激素浓度没有统一结论，其范围从1～4mg/L不等，对愈伤组织的诱导效果也未达到令人满意的水平，仍需要深入研究。

在对羊草愈伤组织的应用方面，可以以羊草种子诱导出的愈伤组织为材料，用含有NaCl的培养基和含有NaHCO3与Na2CO3的混合盐培养基进行培养，测定羊草愈伤组织的耐盐性，结果表明羊草愈伤组织对NaCl最大耐受强度为180mmol/L；对NaHC03与Na2CO3的混合盐的最大耐受强度为4mmol/L中性盐(NaCl)与碱性盐(NaHCO3与Na2CO3)对羊草愈伤组织的胁迫机制明显不同，国内外对于愈伤组织的培养大多应用于转基因，但在羊草方面进行的该项研究却很少，刘公社将携带PAT基因的质粒通过基因枪法转化羊草愈伤组织。然后在筛选培养基上进行培养，筛选抗性愈伤组织并转接到分化培养基上，得到再生苗，然后接种到含有筛选剂的生根培养基上培养后得到转基因羊草小苗，该研究已获得耐除草剂的羊草新品种专利，曲同宝等用基因枪将BADH基因转入由羊草成熟胚诱导出的胚性愈伤组织中，获得了转基因植株，经过PCR检测证明外源基因已整合到羊草基因组中并得以表达，虽然转入羊草的基因都可被检测到已整合人羊草基因组中，而且也得到表达，但是对于转基因羊草对周围生态环境的影响还未见相关报道，筛选突变体是羊草愈伤组织的另一用途，陈晖等用组织培养方法筛选获得羊草抗羟脯氨酸(HYP)变异系HR20-8，该变异系细胞内游离氨基酸和蛋白质组分氨基酸含量均发生了较大的变化，与供体对照比较，分别提高2.35倍和1.40倍，其中，游离脯氨酸和蛋白质组分脯氨酸分别提高6.6倍和3.0倍，且脯氨酸合成途径必需的r-谷氨酸激酶的活性提高了2.5倍。

3羊草酶蛋白类研究

蛋白质是生物体生命中的第一重要物质，是生理功能的执行者，是生命现象的直接体现者，同时能够调控相关基因的表达，植物对抗非生物胁迫必然有蛋白质的参与，比如耐冷蛋白、热休克蛋白、水通道蛋白、赤霉素信号传导蛋白等，从羊草中检测这些蛋白的含量以及克隆表达该蛋白的基因对于研究羊草耐逆分子机理和改善羊草品质都具有重要意义。

目前对于羊草酶蛋白的研究还远远不够，主要有细胞色素氧化酶、过氧化物酶、脂酶同工酶等，其应用也仅局限于阐明羊草的遗传分化，通过聚类分析可以研究羊草种群在不同地理及生态环境中羊草在分子水平上细胞色素氧化酶同工酶存在着种内分化，羊草在同工酶水平上的分化受多个环境因子的综合影响，而且与羊草耐寒性能存在一定的内在联系，张丽萍等对采自同一天然草地上叶片呈黄绿色、灰绿色两种类型羊草的根、茎、叶的过氧化物同工酶、脂酶同工酶进行了分析比较，结果表明，两种叶色羊草，其相同组织的过氧化物同工酶谱及脂酶同工酶谱基本一致，两种羊草叶片呈现不同颜色只属不同生态型，

磁场处理不仅可以促进羊草的生长。而且还能提高羊草的抗盐碱性，磁场使羊草过氧化物酶(POD)活性提高，并且诱发了一条新的同工酶带，张卫东等认为羊草自交不孕的原因是自交不亲和。并利用禾本科植物自交不亲和性有关的硫氧还蛋白(thsioredoxin)^基因设计的引物在羊草DNA中检测到预期片段，说明硫氧还蛋白h基因可能与羊草的自交不亲和性有关，该基因现已被克隆并能够从GenBank中查到其序列。

研究羊草草原土壤酶的活性可以判断土壤的肥力，土壤肥力水平接近则土壤酶的活性相似，土壤蛋白酶、脲酶、多酚氧化酶的活性与土壤有机碳、全氮呈显著相关关系，可以反映土壤肥力水平高低，是评价土壤退化的重要指标。

4羊草耐逆基因的分离与克隆

羊草具有耐寒、耐旱、耐盐碱的特性，并且蛋白质含量较高，说明羊草在面对非生物胁迫时高效表达能够适应、缓解或对抗相应逆境条件的物质，尤其是调控这些物质表达的酶类基因，据报道，羊草种子个体萌发期最大忍受pH范围是9.14-9.53，对于NaCl可耐受的最大强度为600mmol/L，对于Na2C03可耐受的最大强度为175mmol/L，为了弄清这种适应机制的复杂性，通过大规模的cDNA克隆或者表达序列标签(EST)的测序分离相关基因是非常重要的，Jin等采集自然生长的植物叶组织经过Na2CO3胁迫处理构建了cDNA文库，并对其EST进行测序对比分析，推断在羊草叶和根中各有39和31个非生物胁迫相关基因，这些EST资源将有助于对植物耐盐碱分子基础的深入研究和理解。

甜菜碱是在生物体内起着渗透保护作用最主要的细胞相溶性物质，编码决定该物质合成的关键酶一甜菜碱醛脱氢酶(BADH)基因已经先后从多种生物体内得到克隆，并在多种植物中进行了遗传转化。已获得了抗盐、抗寒、耐旱能力得到较大程度提高的转基因植株，某些植物体内的甜菜碱含量和BADH活性随着土壤盐碱化程度的加重而增加，因此推测甜菜碱可能与羊草耐盐碱性有关，目前羊草中的部分BADH基因片段也已经被成功克隆。

5问题与展望

正向遗传学克隆基因的方法范文篇3

关键词：生命科学；伦理道德；社会责任感；道德冲击

1.生命科学发展对伦理道德观的影响

1.1对生命观的影响

1.1.1改变人类进化过程

达尔文进化论奠定了人类起源的基础理论，他认为，人类是从低级动物经过自然进化成高级动物，是自然选择的结果，关于人类性别以及个性也是自然选择。但是生命科学技术的发展，使生物技术达到一定水平能够进行克隆技术，1996年科学家利用克隆技术克隆了一头羊叫多利，打破了传统伦理道德上的自然生命规则，传统科学中哺乳动物的繁衍需要依靠两性生殖细胞完成，而克隆技术的出现意外着无性繁殖成为未来生命诞生的可能，人类由自然进化走向自主进化，自主进化过程中对人类进行复制成为了世人关注的焦点，其面临的伦理道德使大众难以接受[1]。

1.1.2改变人类健康观

在传统的思想中，人是由躯体和精神共同活动的结合体，这种观点引入到现代健康观念中则是传统医学中提出的形与神。中医健康观讲究养生之道，需形神俱备，而西方健康观受亚里士多德哲学思想影响较大，主要强调身体的健康。世界卫生组织对于健康有着明确的定义，即身体、心理以及社会都处在完全健康的状态。但是生命科学发展研究认为疾病产生的根源在于基因，因此，有关心灵、精神对身体健康的影响在基因的作用下显得很渺小，导致人们对于健康的认识走向片面化。

1.2对公平观的影响

普遍人们所理解的公平则是指人与社会、自然、人之间公平享有的生存价值。比如在伦理道德范围内所有人具有同等的自由、机会、自尊以及荣誉等，然而生命科学的发展冲击着这种作为人所拥有的基本公平体系。在目前的生物分子研究过程中发现，人的性格特征以及行为方式等被证明与遗传基因有关，比如基因研究认为具有XYY染色体的男性犯罪几率较高，这种遗传基因决定的行为方式冲击着人类生而平等的观念。当生命科学发展到一定程度，人类具备相关技术为下一代选择优秀基因时，由于个人的基因信息被公共化，则无可避免挑战人类关系中的公平观，对于基因有缺陷的人来说，由此可能引发社会对于遗传基因的歧视问题。

1.3对家庭观的影响

1.3.1影响人伦关系

家庭是整个庞大社会的基础组成部分，家庭通过婚姻以及血缘关系组成，因此，家庭也是法律与道德的出发点。在家庭中，各个成员之间的关系有着严格的秩序。根据成员的身份组成进行家庭义务的分配是传统伦理道德观所遵循的原则，也是符合法律权利与义务的基础原则。然而生命科学大发展衍生出克隆人，打破了这种世俗人伦关系，甚至在法律上的权利与义务变得模糊不清。利用无性繁殖复制的人类，从遗传学上看，与一卵多胞胎相似，但是年龄上又存在差距，无法界定是亲子关系还是同胞关系，搅乱了家庭成员中对于关系的定位，造成长幼无序的混乱局面。

1.3.2影响家庭两性关系

传统家庭被赋予了繁衍的社会属性，在家庭中两性关系影响着人口的生理健康。家庭不仅给与人类生存物质保障，还提供亲情和友爱。当生命科学发展到一定地步，不再需要两性关系进行人类繁殖，家庭生育功能随着生命科学发展逐渐淡化，引发对家庭存在的质疑。在传统伦理道德观念中，父母赋予子女生命，子女是父母情感的结晶，家庭和谐血缘关系功不可没。克隆技术的发展使得两性之间没有亲子血缘关系，家庭成员之间亲情观念淡薄[2]。

2.生命科学家行为的伦理道德责任

2.1生命科学家的科技伦理道德责任

目前，由于人们对于生命科学的认识不够，通常认为生命科学只要不停止就是在进步，其本质上是中性的，与伦理道德不存在任何关系。随着生命科学的发展对人类造成的负面影响越来越严重时，人们才逐渐意识到，生命科技与伦理道德有着非常紧密的关系，社会意识形态、政治决策、宗教信仰以及伦理道德规范等都会制约着生命科学的发展。生命科学家作为生命科学研究的主体，其伦理道德观影响着生命科技研究的目标定位，同时对生命科技研究的内容及方式也有着影响。生命科技的研究方向，及其成果应用范围无不包含着经济、社会、文化、以及伦理道德的因素，因此，生命科学家在进行生命科学研究活动时需要承担起科技带来的伦理道德责任，为生命科学研究承担后果。

2.2生命科学家的社会伦理道德责任

随着生命科学技术的发展，人类逐渐面对生命技术发展所带来的危害进行反思和讨论，例如生命科学家曾经对重组DNA技术研究可能存在的潜在危害进行论证。近年来基因组计划、克隆技术也引发了广大人民群众对于伦理道德观念的讨论。但是对于生命科学研究中存在潜在危险的生命技术是否加以限制，并没有得出有效的结论。因此，生命科学家的社会责任不仅是为人类发展提供更先进的技术层面支持，更重要的是可以利用生命科学精神给社会公众带来正能量。另外生命科学家对生命技术进行研究，有专业的知识能够预见生命科学发展所带来的影响，作为人类社会的精英，生命科学家有能力参与重大社会发展决策，以保证生命科学发展实验的安全和可靠[3]。

3.生命科学发展过程中伦理道德的政策约束

生命科学研究成果的应用，对人类的影响极为深远。人类面对生命科技应用过程中存在着伦理道德风险，必须制定合理的生命科技政策进行约束，通过政策引导生命科学研究走在正确的道路上，为人类可持续发展创造有利的环境。生命科学研究的复杂性要求生命科技政策具有一定的灵活性，生命科学研究与科技政策之间保持良性的平衡以求获得伦理道德的认可。在生命科技政策具体制定过程中，需要综合多方意见，对科技成果有充分的认识和把我，遵循生命科学发展与人文伦理相结合的原则，对应用范畴进行规范。目前，社会上已有许多政策规范了现有的生命科技应用，比如1998年我国颁布实施遗传资源管理暂行条例；2003年加拿大正式提出法律草案，该法案禁止克隆人类的行为，禁止婴儿性别选择等。

4.结束