简介:当植物受到植食者为害后,能够迅速合成并释放出一些挥发性物质,进而吸引植食者天敌,达到控制虫害的目的.大量的研究表明,茉莉酸信号路径在调节植物释放挥发物的过程中发挥了重要作用.然而,最近的研究表明,外来入侵刺吸式昆虫如烟粉虱,能通过激活植物体内的水杨酸信号路径,同时还能抑制茉莉酸信号路径.那么,水杨酸信号路径是否在刺吸式昆虫诱导植物释放挥发物吸引天敌过程中发挥重要作用?我们分别以拟南芥和番茄作为模式植物,研究经烟粉虱取食为害后的野生型植株以及不同信号路径突变体植株对丽蚜小蜂的嗅觉行为反应.研究结果表明,烟粉虱为害120h后的野生型拟南芥或番茄植株均能够显著吸引丽蚜小蜂.当茉莉酸路径被抑制时,烟粉虱为害后的拟南芥(dde2-2)或番茄(def-1和spr-2)植株同样显著吸引丽蚜小蜂;但是当水杨酸路径被抑制后,烟粉虱为害后的拟南芥(NahG和npr-1)或番茄(NahG)植株则并未吸引丽蚜小蜂.植物激素分析结果表明,烟粉虱能够诱导拟南芥或番茄植株内源水杨酸含量显著增加,但内源茉莉酸的含量则并未变化.因此,我们认为水杨酸信号路径在调控烟粉虱诱导植物间接防御过程中发挥重要作用.
简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.