القای تفکیک در مریستم رأسی شاخه از طریق بیان بیش از حد و ناپایدا

  • عنوان لاتین مقاله: Induction of Differentiation in the Shoot Apical Meristem by Transient Overexpression of a Retinoblastoma-Related Protein1 Joanna
  • عنوان فارسی مقاله: القای تفکیک در مریستم رأسی شاخه از طریق بیان بیش از حد و ناپایدار پروتئین مرتبط با رتینوبلاستوما.
  • دسته: زیست شناسی
  • فرمت فایل ترجمه شده: WORD (قابل ویرایش)
  • تعداد صفحات فایل ترجمه شده: 23
  • ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

مریستم رأسی شاخه دارای سلول هایی است که برای تولید عناصر اصلی قسمت هوایی گیاه، دستخوش رشد و تقسیم مداوم می شوند. همانطور که سلول از مریستم خارج میشوند، برای تشکیل انواع خاص سلول تفکیک میشوند. سلول های خوراک گیر (تغذیه کننده) از طریق سنتز و اجتماع اجزاء کلروپلاست به سرعت قابلیت غذاسازی پیدا میکنند. در عین حال، سلول ها از طریق واکوئل سازی، بزرگ میشوند. علیرغم اینکه پیشرفت های قابل توجهی در زمین? تعیین ویژگی شبکه های رونوشتی که در حفظ مریستم و تعیین برگ نقش دارند انجام گرفته است اما درک ما ازمکانیسم واقعی تفکیک سلول مریستم هنوزبسیار محدود و کم است. ما با استفاده از روش ریزالقایی نشان خواهیم داد که بیان بیش از حد و ناپایدار موضعی پروتئین مرتبط با رتینوبلاستوما (RBR) در مریستم رأسی شاخه برای تحریک سلول ها درمریستم به منظور تحمل مراحل اولی? تفکیک، کافی است. روی همرفته باتوجه به داده های اخیر مبنی بر نقش پروتئین RBR در محدودکردن تفکیک ساق? سلول در مریستم رأسی شاخه، داده های ما به تصویر در حال ظهور پروتئین های RBR به عنوان قسمت مرکزی مکانیسم کنترل کنند? تفکیک سلول مریستم کمک می کند.

مریستم راسی شاخه (SAM) شامل گروهی از سلولهای در حال تکثیر است که دودمان آن، عناصر اصلی را در اختیار تمام قسمت های هوایی گیاه قرار میدهد. بااینحال تولید مداوم سلولهای جدید معمولا منجر به افزایش مداوم انداز? SAM نمی شود. درعوض، سلول های در جهت بنیان مبدائی SAM تفکیک میابند و با ساق? گیاه یکی می شوند. در حالیکه گروهی از سلولهای روی پهلوی مریستم در فواصل منظم زمانی ومکانی با اندام های جدید مثل برگ ها، یکی میشوند برای بررسی بیشتر به Tsiantisو Hay، 2003؛ Byrne، 2005؛ Fleming، 2005). پرس? تفکیک سلول مریستم در واقع با بسیاری از روش های مشخص شده توسط تغییرات اختصاصی در سلولشناسی ارتباط دارد. بنابراین، در حالی که سلول های SAM را میتوان با از طریق تراکم نسبتا کم و سیتوپلاسمی شناسایی کرد، همانند سلولهایی که با ساختارهای برگ و ساقه یکی میشوند، این سلول ها نیز در نتیج? بزرگ شدن واکوئل بزرگتر میشوند. به طوریکه به سیتوپلاسم به سمت لای? اطراف پیرامون فشار وارد میشود. به طور همزمان، سرعت تکثیر سلول روبه کاهش میرود و اشکالی از تقسیم سلول ایجاد میشود که نتیجتا بافت شناسی برگ ها و ساقه را مشخص میکنند (Donnelly وهمکاران 1999). علاوه بر تغییر اندازه و شکل تقسیم، سلول هایی که قلمرو SAM را ترک میکنند، به نوعی بیوشیمی اختصاصی و ویژه دست میابند. سلول های موجود در SAM، غذاگیر (تغذیه کننده) هستند و به کربن وارد شده برای پرسه های کاتابولیکی که دراین قسمت از گیاه رخ می دهد بستگی دارد. اکثر سلول های مجاور SAM از طریق تفکیک پروتوپلاستیدهای کوچک به کلروپلاست ها، به سرعت به قابلیت غذاسازی دست میابند (فلمینگ و همکاران، 1996). سنتز و اجتماع اجزاء گوناگون سازمان فتوسنتزی در این پرسه نقش دارند.

  • فرمت: zip
  • حجم: 2.20 مگابایت
  • شماره ثبت: 411

خرید

مطالب مرتبط


ترجمه مقاله تجدید ساختار شبکه بهینه سیستم توزیع مقیاس بزرگ

چکیده: تجدید ساختار شبکه توزیع الکتریکی یک فرآیند بهینه سازی ترکیبی مختلط با هدف پیدا کردن یک ساختار عملکردی شعاعی می باشد که تلفات سیستم قدرت را حداقل می کند. در این مقاله یک الگوریتم جستجوی هارمونی (HSA) برای حل مسئله تجدید ساختار جهت دستابی به ترکیب کلید زنی بهینه در شبکه پیشنهاد می شود که نتیجه آن حداقل شدن تلفات است. الگوریتم جستجوی هارمونی (HSA) یک الگوریتم توسعه یافته جدیدی است که با استفاده از فرآیند موزیکال جستجو برای یک حالت هارمونی کامل تصور می شود. این الگوریتم بجای استفاده از الگوریتم گرادیانی از الگوریتم جستجوی راندوم و تصادفی استفاده می کند که در نتیجه نیاز به گرفتن و اتخاذ اطلاعات، حذف می شود. شبیه سازی ها بر روی سیستمهای 33 باسه و 119 باسه جهت اعتباربخشی الگوریتم پیشنهادی انجام شده است. نتایج با روشهای دیگر موجود در سایر مقالات مقایسه می شود. مشاهده می شود که روش پیشنهادی در مقایسه با سایر روشها بر حسب کیفیت حل، به خوبی اجرا می شود.

پروژه کارشناسی ارشد برق

فایل محتوای:

  • اصل مقاله لاتین 9 صفحه IEEE
  • متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش 28 صفحه

خرید

مطالب مرتبط


مقاومت آفات حشره به چندین آفت کش

چکیده

این مقاله به بررسی مقاومت انگلی به نام (تترانیچوس سینابارینوس) در برابر آفت کش ها و مطالعه بر روی ژنتیک و مدیریتمقاوت در برابر آفت کش ها می پردازد. این انگل درکشور چین حداقل در برابر 25 نوع آفت کش از خود مقاومت نشان داده است. این انگل در ابتدا در برابر آفت کش های پاراسیون و دمتون از خود مقاوت نشان داد. در اوایل سال 1962 سطح مقاومت در برابر آفت کش دمتون در انگل سینابارینوس به 62 برابر رسید. ژن های مقاومتی اومسوات و مونوکروتوفوس در این انگل توسط یک ژن غالب کنترل می شود بنابراین میزان مقاومت سرعت بیشتری می یابد. زمان مربوط به رشد و پارامترهای دیگری در رابطه با زندگی این انگل زمانی که این انگل در برابر آفت کش ها از خود مفاومت نشان می دهد تغییر می کند. چرخه زندگی کوتاه تر شده و میزان مولد های آن بیشتر می گردد. این دلیل دیگری برای افزایش میزان مقاومت این انگل در برابر آفت کش ها می باشد. مقاومت انگل در برابر این آفت کش ها توسط استفاده چرخشی از این آفت کش ها، کنترل بیولوژیکی و روش های دیگرتوسط افراد مدیریت می شود.

مقدمه

بیش از 130 گونه از انگل ها در کشور چین شناخته شده است. انگل سینابارینوس یکی از مخربترین گونه ها در زمینه محصولات کشاورزی می باشد. برای سال های زیادی کنترل این انگل ها در کشور چین از طریق اسپری های آفت کش انجام می شده است. از سال 1980 سطح مقاومت این انگل در برابر آفت کش ها به سرعت افزایش یافته است . در نتیجه تاثیر این نوع آفت کش ها کمتر شده و هزینه های مربوط به کنترل شیمی ایی بالا رفته است. بنابراین واکنش کشاورزان به ابن امر با افزایش مقدار این اسپری ها و استفاده مکرر از آن ها بوده است. اما استفاده نامعقول از این آفت کش ها تنها مقاومت این نوع انگل ها را نسبت به آفت کش ها بالا برده است. در طی سال های 1980 تا 1990 دانشمندان در چین از این مشکل آگاه شده و مطالعاتی را در مورد مدیریت مربوط به مقاومت این گونه در برابر آفت کش ها انجام داده اند. سازمان های مربوطه هر ایالتی شروع به کار در زمینه اکتشاف و مدیریت در زمینه مقاومت این نوع آفت ها در برابر آفت کش ها کردند. در نتیجه پیشرفت در زمینه مقاومت این گونه از انگل ها در برابر آفت کش ها کمتر شده و تا حدودی تحت کنترل در آمده است.

خرید

مطالب مرتبط


الگوریتم بهینه سازی ازدحام ذرات (PSO)

  • عنوان لاتین مقاله: An Analysis of Particle Swarm Optimizers
  • عنوان فارسی مقاله: تجزیه و تحلیل الگوریتم بهینه سازی ازدحام ذرات (PSO)
  • دسته: مهندسی صنایع
  • فرمت فایل ترجمه شده: WORD (قابل ویرایش)
  • تعداد صفحات فایل ترجمه شده: 11
  • ترجمه سلیس و روان مقاله آماده خرید است.

خلاصه

بسیاری از مسائل علمی، مهندسی و اقتصادی شامل بهینه سازی مجموعه ای از پارامترها می باشد. این مسائل شامل نمونه هایی همچون به حداقل رسانی اتلاف در شبکه برق با یافتن تنظیمات بهینه بخش ها، یا تقویت شبکه عصبی برای تشخیص تصویر چهره افراد می باشد. الگوهای بهینه سازی بیشماری مطرح شده اند تا به حل این مشکلات، با درجلت مختلفی از موفقیت بپردازند. بهینه سازی ازدحام ذرات (PSO) تکنیک نسبتا جدیدی می باشد که به صورت تجربی نشان داده شده است که دارای عملکرد خوبی بر روی بسیاری از این مسائل بهینه سازی می باشد. این مقاله مدل نظری را ارائه می دهد که می تواند برای شرح رفتار بلندمدت الگوریتم مورد استفاده قرار گیرد. نسخه پیشرفته بهینه کننده ازدحام ذرات ایجاد شده و نشان داده شده که دارای همگرایی تضمین شده ای بر روی سطح محلی می باشد. این الگوریتم رو به توسعه بوده، که منجر به الگوریتم هایی با همگرایی تضمین شده در سطح جهانی شده است. مدلی برای ایجاد الگوریتم های PSO مشترک ایجاد شده است، که منتهی به معرفی دو الگوریتم مبتنی بر PSO جدید شده است. شواهد تجربی نیز ارائه شده تا به پشتیبانی از خصوصیات نظری پیش بینی شده توسط مدل های مختلف، با استفاده از فعالیت های مبنا ترکیبی برای بررسی مشخصه های ویژه بپردازد. سپس الگوریتم های مختلف مبتنی بر PSO، در مورد فعالیت تقویت شبکه های عصبی اعمال می گردد که به ادغام نتایج حاصل شده بر روی فعالیت های مبنا ترکیبی بپردازد.

مقدمه

شما با صدای ساعتتان بیدار می شوید. ساعتی که توسط شرکتی ساخته می شود تا سود خود را با مد نظر قرار دادن تخصیص بهینه منابع تحت کنترلش به حداکثربرساند. شما کتری را روشن می کنید تا قهوه ای درست کنید، بدون اینکه در مورد مدت زمان طولانی که شرکت برق برای بهینه سازی ارائه برق وسایل تان صرف می کند، فکر کنید. هزاران متغیر در شبکه برق تلاشی را به منظور به حداقل رسانی اتلاف در شبکه به منظور به حداکثر رساندن بازدهی تجهیزات برقی تان انجام می دهد. شما وارد اتومبیلتان شده وموتور را بدون درک پیچیدگی های این معجزه کوچک مهندسی شده، روشن می کنید. هزاران پارامتر توسط سازندگان مد نظر قرار داده می شود تا وسیله نقلیه ای را تحویل دهند که متناسب با انتظارتان بوده، که شامل زیبایی بدنه تا شکل آینه بغل اتومبیل می باشد تا از تصادف جلوگیری شود.

  • فرمت: zip
  • حجم: 0.34 مگابایت
  • شماره ثبت: 411

خرید

مطالب مرتبط


بررسی و مطالعه کامل داده کاوی با (SQL server 2005) پیاده سازی آن

پایان نامه دوره کارشناسی کامپیوتر : گرایش نرم افزار

چکیده

فصل اول: مقدمه ای بر داده کاوی

1-1-مقدمه

1-2-عامل مسبب پیدایش داده کاوی

1-3-داده کاوی و مفهوم اکتشاف دانش (KDD)

1-3-1-تعریف داده کاوی

1-3-2- فرآیند داده کاوی

1-3-3-قابلیت های داده کاوی

1-3-4-چه نوع داده هایی مورد کاوش قرار می گیرند؟

1-4- وظایف داده کاوی

1-1-4-کلاس بندی

1-4-2- مراحل یک الگوریتم کلاس بندی

1-4-3-انواع روش های کلاس بندی

1-4-3-1- درخت تصمیم 1-4-3-1-1- کشف تقسیمات

1-4-3-1-2- دسته بندی با درخت تصمیم

1-4-3-1-3-انواع درخت های تصمیم

1-4-3-1-4- نحو? هرس کردن درخت

1-4-3-2- نزدیکترین همسایگی K

1-4-3-3-بیزی 1-4-3-3-1 تئوری بیز

1-4-3-3-2 -دسته بندی ساده بیزی

1-4-3-4- الگوریتم های ژنتیک در فصل دو با آن آشنا می شویم

1-4-3-5-شبکه های عصبی

1-4-4- ارزیابی روش های کلاس بندی

-2-4-1پیش بینی

1-4-3-انواع روش های پیش بینی

1-4-3-1- رگرسیون

1-4-3-1 -1- رگرسیون خطی

1-4-3-1-2-رگرسیون منطقی

1-4-3- خوشه بندی

1-4-3-1- تعریف فرآیند خوشه بندی

1-4-3-2-کیفیت خوشه بندی

1-4-3-3-روش ها و الگوریتم های خوشه بندی

1-4-3-3-1-روش های سلسله مراتبی

1-4-3-3-1-1- الگوریتم های سلسله مراتبی

1-4-3-3-1-1-1-الگوریتم خوشه بندی single-linkage

1-4-3-3-2-الگوریتم های تفکیک

1-4-3-3-3-روش های متکی برچگالی

1-4-3-3-4-روش های متکی بر گرید

1-4-3-3-5-روش های متکی بر مدل

1-4-4- تخمین

1-4-4-1- درخت تصمیم

1-4-4-2- شبکه عصبی

1-4-5-سری های زمانی

1-5-کاربردهای داده کاوی

1-6-قوانین انجمنی

1-6-1-کاوش قوانین انجمنی

1-6-2-اصول کاوش قوانین انجمنی

1-6-3-اصول استقرا در کاوش قوانین انجمنی

1-6-4-الگوریتم Apriori

1-7-متن کاوی

1-7-1- مقدمه

1-7-2- فرآیند متن کاوی

1-7-3- کاربردهای متن کاوی

1-7-3-1- جستجو و بازیابی

1-7-3-2-گروه بندی و طبقه بندی داده

1-7-3-3-خلاصه سازی

1-7-3-4- روابط میان مفاهیم

1-7-3-5- یافتن و تحلیل ترند ها

1-7-3-5- برچسب زدن نحوی (POS)

1-6-2-7-ایجاد تزاروس و آنتولوژی به صورت اتوماتیک

1-8-تصویر کاوی

1-9- وب کاوی

فصل دوم: الگوریتم ژنتیک

1-2-مقدمه

2-2-اصول الگوریتم ژنتیک

2-2-1-کد گذاری

2-2-1-1-روش های کد گذاری

2-2-1-1-1-کدگذاری دودویی

2-2-1-1-2-کدگذاری مقادیر

2-2-1-1-3-کدگذاری درختی

2-2-2- ارزیابی

2-2-3-انتخاب

2-2-3-1-انتخاب گردونه دوار

2-2-3-2-انتخاب رتبه ای

2-2-3-3-انتخاب حالت استوار

2-2-3-4-نخبه گزینی

2-2-4-عملگرهای تغییر

2-2-4-1-عملگر Crossover

2-2-4-2-عملگر جهش ژنتیکی

2-2-4-3-احتمالCrossover و جهش

2-2-5-کدبرداری

2-2-6-دیگر پارامترها

2-4-مزایای الگوریتم های ژنتیک

2-5- محدودیت های الگوریتم های ژنتیک

2-6-چند نمونه از کاربرد های الگوریتم های ژنتیک

2-6-1-یک مثال ساده

فصل سوم: شبکه های عصبی

3-1-چرا از شبکه های عصبی استفاده می کنیم؟

3-2-سلول عصبی

3-3-نحوه عملکرد مغز

3-4-مدل ریاضی نرون

3-5-آموزش شبکه های عصبی

3-6-کاربرد های شبکه های عصبی

فصل چهارم: محاسبات نرم

4-1-مقدمه

4-2-محاسبات نرمچیست؟

4-2-1-رابطه

4-2-2-مجموعه های فازی

4-2-2-1-توابع عضویت

4-2-2-2- عملیات اصلی

4-2-3-نقش مجموعه های فازی در داده کاوی

4-2-3-1- خوشه بندی

4-2-3-2- خلاصه سازی دادهها

4-2-3-3- تصویر کاوی

4-2-4- الگوریتم ژنتیک

4-2-5-نقش الگوریتم ژنتیک در داده کاوی

4-2-5-1- رگرسیون

4-2-5-2-قوانین انجمنی

4-3-بحث و نتیجه گیری

فصل پنجم: ابزارهای داده کاوی

5-1- نحوه انتخاب ابزارداده کاوی

5-2-1-ابزار SPSS-Clemantine

5-2-3-ابزار KXEN

5-2-4-مدل Insightful

5-2-5-مدل Affinium

5-3- چگونه می توان بهترین ابزار را انتخاب کرد؟

5-4-ابزار های داده کاوی که در 2007 استفاده شده است

5-5-داده کاوی با sqlserver 2005

5-5-1-اتصال به سرورازمنوی

5-5-2- ایجاد Data source

5-5-3- ایجاد Data source view

5-5-4- ایجاد Mining structures

5-5-5- Microsoft association rule

5-5-6- Algorithm cluster

5-5-7- Neural network

5-5-8-Modle naive-bayes

5-5-9-Microsoft Tree Viewer

5-5-10-Microsoft-Loistic-Regression

5-5-11-Microsoft-Linear-Regression

فصل ششم: نتایج داده کاوی با SQL SERVER2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان

•1-6-نتایج Data Mining With Sql Server 2005 روی بانک اطلاعاتی دانشگاه آزاد قوچان

1-6-1-Microsoft association rule

1-6-2- Algorithm cluster

1-6-3- Neural network

1-6-4- Modle naive-bayes

1-6-5-Microsoft Tree Viewer

7-1-نتیجه گیری

منابع و ماخذ

خرید

مطالب مرتبط