摘要: 【目的】本研究旨在探索使用计算机视觉技术实现对昆虫图像的自动分类方法。【方法】首先通过预处理对采集的昆虫标本图像去除背景,分割出双翅,并对翅图像的位置进行校正。然后把校正后的翅面沿翅伸展的纵向和切向分成4个区域,对每个区域提取WLD(Weber Local Descriptor)和Ho C(Histogram of Color)特征并归一化。WLD在灰度图像上提取,反映了翅图像的局部纹理特征。Ho C则在HSI(Hue,Saturation,Intensity)颜色空间的彩色图像上提取,反映了每个区域的颜色分布信息。将双翅的各个区域的WLD和Ho C按序连接后,得到该昆虫图像的特征向量。使用昆虫图像样本训练集提取到的特征向量训练SVM(Support Vector Machine)分类器,最后使用这些训练得到的分类器即可实现对鳞翅目昆虫的分类识别。【结果】该方法在包含10种576个样本的昆虫图像数据库中进行了测试,取得了100%的独立预测精度,并有理想的时间性能、鲁棒性及稳定性。【结论】实验结果证明了WLD结合Ho C是一种有效的鳞翅目昆虫图像特征描述方式。

摘要: 【目的】了解闪蛱蝶亚科属间及种间的分子系统进化关系。【方法】采用PCR步移法对武铠蛱蝶Chitoria ulupi线粒体基因组全序列进行了测定和分析。基于线粒体基因组13个蛋白质编码基因的核苷酸序列构建了38种鳞翅目昆虫的系统发育树。【结果】分析结果表明,武铠蛱蝶线粒体基因组全长15 279 bp,包括13个蛋白质编码基因、22个tRNA基因、2个rRNA基因和一段长度为391 bp的A+T富含区,基因排列顺序与其他已知近缘种昆虫相同。武铠蛱蝶线粒体基因组中存在很高的A+T含量(79.9%)。13个蛋白质编码基因中,COII以TTG作为起始密码子,COI以CGA作为起始密码子外,其余均为昆虫典型的起始密码子ATN。COII和ND4基因使用了不完全终止密码子T,其余基因均以典型的TAA为终止密码子。在所测得的22个tRNA基因中,除tRNASer(AGN)缺少DHU臂外,其余tRNA均能形成典型的三叶草结构。与其他多数鳞翅目昆虫一样,武铠蛱蝶的A+T富含区中有一段由ATAGAA引导的保守的多聚T结构,长度为21 bp,并散布着一些长短不一的串联重复单元。系统发育树结果显示,总科级别的系统发育关系为:卷蛾总科+(凤蝶总科+(螟蛾总科+(夜蛾总科+蚕蛾总科+尺蛾总科)));在蛱蝶科物种中,武铠蛱蝶与猫蛱蝶Timelaea maculate亲缘关系最近。【结论】基于分子标记构建的鳞翅目昆虫系统发育关系与传统的形态学分类结果基本一致。

摘要: 自噬是细胞通过溶酶体自主降解以实现细胞内物质循环利用的过程,在昆虫细胞分化和个体发育中起着重要作用。鳞翅目昆虫属于完全变态昆虫,会通过自噬和凋亡完成蜕变重建过程,是研究自噬机制的模式生物。自噬相关蛋白Atg8是哺乳动物微管相关蛋白1轻链3的同系物,是自噬相关蛋白的核心蛋白家族,对自噬小体形成、膜的延伸、特定物质识别等具有重要意义。文中就鳞翅目昆虫Atg8在自噬信号通路中的作用、Atg8结构特点、Atg8表达分布及Atg8-PE/Atg8水平与自噬活性关系进行了综述。Atg8-PE是自噬信号通路中两个类泛素结合系统之一,在自噬中起着关键作用。序列分析表明,鳞翅目昆虫Atg8与其他真核生物同源蛋白的整体结构相似,尤其与其他昆虫同源蛋白的氨基酸序列高度一致,体现了Atg8的高度保守性。鳞翅目昆虫发育不同阶段,Atg8在中肠、唾液腺、卵巢、脂肪体、丝腺等器官中的表达分布各不相同。并且,Atg8在核质中分布也存在差异,Atg8在细胞核与细胞质之间的穿梭可能存在蛹化前阶段的某些细胞中。通过检测Atg8-PE在细胞内的表达水平或Atg8含量的变化,可以评价细胞自噬的发生程度。

摘要: 转录组是指组织或者细胞在某一特定状态下转录出来的所有RNA的集合。高通量第2代测序技术使转录组学的研究模式发生了巨大的改变,所衍生出的转录组测序迅速成为研究非模式生物的先进技术。转录组测序能够在整体水平上探究细胞内基因表达的种类和数量,揭示在特定条件下机体生理生化发生过程以及其中的分子机理。本文简要阐述了转录组测序技术的基本概念、技术流程与原理,详细介绍了转录组测序在解决鳞翅目昆虫的分类、毒理、发育、与寄主互作以及非编码RNA调控等问题上做出的贡献,并对该技术现存的困难进行了系统的阐述并对其未来的发展趋势作出了简要的预测与剖析。

摘要: 【目的】为了给林业、农业或植物检疫等行业人员提供一种方便快捷的昆虫种类识别方法,本文提出了一种新颖的鳞翅目昆虫图像自动识别方法。【方法】首先通过预处理对采集的昆虫标本图像去除背景,分割出双翅,并对翅图像的位置进行校正。然后把校正后的翅面分割成多个超像素,用每个超像素的l,a,b颜色及x,y坐标平均值作为其特征数据。接下来用稀疏编码(SC)算法训练码本、生成编码并汇集成特征向量训练量化共轭梯度反向传播神经网络(SCG BPNN),并用得到的BPNN进行分类识别。【结果】该方法对包含576个样本的昆虫图像的数据库进行了测试,取得了高于99%的识别正确率,并有理想的时间性能、鲁棒性及稳定性。【结论】实验结果证明了本文方法在识别鳞翅目昆虫图像上的有效性。