Back to site
Since 2004, our University project has become the Internet's most widespread web hosting directory. Here we like to talk a lot about web servers, web development, networking and security services. It is, after all, our expertise. To make things better we've launched this science section with the free access to educational resources and important scientific material translated to different languages.

Системите за биологија на фотосинтезата


Xin-Guang Zhu (2008) Systems Biology in Photosynthesis, in Photobiological Sciences Online (KC Smith, ed.) American Society for Photobiology, http://www.photobiology.info/

Xin-Guang Жу растенијата системи и биологија група, Институт за Компјутерска биологија, Кинеската академија на науките / Макс Планк општество, Yue Јанг Road, Шангај, Кина, 200.031zhuxinguang@picb.ac.cn www.picb.ac.cn/ ~ zhuxinguang 
Вовед

Со осиромашување на фосилните горива и на зголемената побарувачка за производство на храна, растителна биолози за прв пат во историјата се играат главна улога во решавање на предизвикот голема за општеството, односно идентификување на нови начини за зголемување на продуктивноста фабрика под промена на глобалната клима. Зголемување на photosynthetic енергија конверзија ефикасност е еден главен пат уште е на располагање за нас драматично да се зголеми продуктивноста култура. Комбинирање системи модели со еволутивен алгоритам обезбедува еден ефикасен и изводливо механизам за да се идентификуваат нови пристапи да произведеме повисок фотосинтеза.

Голем дел од нашето знаење за фотосинтезата е стекнато преку пристап редукционистичкиот, каде секој поединец компонента на системот е изолиран и студирал независно. Преку овој пристап, коишто ги имаме прибавено детални биофизички и биохемиски информации за различните компоненти на фотосинтеза. Во исто време, модерната биотехнологија овозможува лесно нагоре или надолу регулирање на речиси секој ген во фотосинтезата. Дури и со сите овие капацитети и знаење, се уште сме многу далеку од тоа да биде во можност прецизно да произведеме на photosynthetic апарат за повисока photosynthetic стапка. Ова не е премногу изненадувачки со оглед дека photosynthetic енергија конверзија ефикасност е сопственост системи, односно, тоа е определено со интеракцијата помеѓу различните компоненти на системите, а не утврдени со било кој поединец компонента на системот.

Oглед на тоа дека фотосинтезата е основа на двете храна и производството на енергија и зголемената побарувачка за двете во нашето општество, како можеме да произведеме повисок фотосинтезата? Со други зборови, она што е ограничување на фотосинтеза за различни растенија под различни средини? Одговорите на овие две прашања го држи клучот за зголемување на растенијата продуктивноста.Одговарањето на овие две прашања се крајно предизвикувачки.Повеќе од сто протеини се вклучени во фотосинтезата. Дури и ако манипулација е ограничена само на едноставно менување на количество на протеини, а не нејзините својства, потенцијалот пермутации ќе се кандидира во милиони.

Oглед на тоа што повеќе протеини можеби ќе треба да се дизајнира, во исто време, таа брзо станува јасно дека експериментално до-регулирање на или надолу-регулирање на висината на секој протеин и испитување на неговото влијание врз продуктивноста е неефикасна. Еден од потенцијалните начин да се реши овој проблем е да се земат системи пристап. На системи за пристап е да се развие математички модели, кои верно може да се симулира сите биофизички и биохемиски процеси кои се вклучени во фотосинтезата, а потоа, да се спроведе нумерички експерименти со цел да се идентификуваат цели да произведеме за поголема продуктивност. јас ќе го користи модел на photosynthetic јаглерод метаболизам за да се илустрира основните методологија на развој на системи за модели, и користење на еволутивен алгоритам за да се идентификува оптимална алокација на азот во метаболизмот за повисока photosynthetic стапка на CO2 навлегувањето.

Јас исто така ќе накратко опишете другите големи апликации на системи модели на фотосинтезата, кои вклучуваат поврзување геномната податоци за физиолошки податоци, проучувајќи динамичен сигнали во фотосинтезата, проучувањето на значењето на промените во photosynthetic апарат да се зголеми photosynthetic ефикасност, и работи како основа за ecophysiological модели.

 

Една од клучните цели за заштита на растенијата биологија истражување е да се зголеми фотосинтезата Во текот на изминатите четири децении, одгледување има произведено извонреден зголемување на потенцијалните приноси на многу култури. Потенцијал принос се дефинира како принос дека генотип може да се постигне без биотски и абиотски стресови. Следејќи ги принципите на Monteith (1977), потенцијалот принос (Y) на културите и примарното производство (P n) на дадена локација е определен од:
P n = S T. ε јас. ε в/к....(1а)
Y = η.P N.... (1б) 
Каде С Т е годишниот составен од индиректното сончево зрачење (МЈ m -2), ε јас на ефикасноста со која зрачење е пресретнат од страна на култура; ε в ефикасноста со која пресретнати зрачење е претворена во биомаса; η на жетва индекс или на ефикасноста со која биомасата е поделен во берат производот; и k енергетската содржина на фабриката маса (МЈ е -1). С т е определен од страна на сајт и година. к варира многу малку меѓу вегетативни органи, обично во просек 17 MJ / kg, иако жито со значителна содржина на нафта може да имаат повисока енергија содржини (Робертс et al., 1993). P n е примарна продуктивноста, односно вкупно фабрика биомаса произведени во текот на сезоната на растење. Врз основа на равенката 1, Y е определен со комбиниран производ на три ефикасност, секоја опишувајќи широка физиолошки карактеристики на културата: ε јас, ε в, а η. ε 1 се определува со брзина од крошна развој и затворање, и крошна долговечност, големината и архитектура. ε в е во функција на комбинираната photosynthetic стапка на сите лисја во рамките на балдахин, помалку култура респираторни загуби (Long et al., 2006).

Во контекст на равенката 1, зголемувањето на потенцијални принос во текот на изминатите 40 години резултираа од голема мера зголемување на η и ε јас, додека реализира приноси се подобри преку подобро оплодување и подобрени болест заштита, пак зголемување на ε i (ревидираат: Долги et al, 2006 година.). Но, како можеме да се зголеми Y понатаму? Здрава култури на модерната сорти на оптимизиран проред пресретнат повеќето од достапните зрачење во рамките на нивните растечки сезона, ограничување изгледите за подобрување на ε јас. Жито во современиот сорти на житни култури, може да претставува 60% од вкупната биомаса во жетвата (Еван, 1993). На жетвата индекс за жито се чини дека се приближува горна граница, со оглед на тоа минимално количество на биомаса мора да останат во фабриката тело, да се осигура дека витални хранливи материи, а девизните резерви може да се translocated во жито, и да сметка за клеточен ѕид материјали кои може да не бидат деградирани. На жетвата индекс за биомаса култури е уште поголема.

Ако η и ε јас се приближуваат горна граница, што дополнително зголемување на потенцијалот принос само може да се постигне со зголемување на ε в, која е определена од фотосинтезата и дишењето. Значи, она што е теоретски максимален ε в, и она што е остварен ε в? А теоретска анализа укажуваат на тоа дека максимално ε в за растенијата C3 и C4 се 4,6% и 6%, соодветно (Слика 1, видете детали за пресметка во Жу et al., 2008). 

Слика 1
Слика 1. Минимум енергетските загуби пресметува за 1000 kJ на инцидентот сончево зрачење, на секој чекор дискретни на фабриката photosynthetic процес од следење на зрачењето до формирање на складирани хемиски енергија во биомасата. Двете C3 и C4 (NADP-јаболкова Ензим тип) фотосинтезата се смета. Пресметки се претпостави лист температура од 30 ° C и атмосферска [ко 2] од 380 ppm. Стрелките покажуваат износот на загубите на енергија за различни процеси (Жу et al., 2008).

За C3 култури, што е највисока краткорочни ефикасност ќе 0,035, а за C4 за 0,043; најчесто се постигне ε в во областа е само околу 1/3 од овие максимална вредности, што укажува дека постои значителен простор на располагање за дополнително зголемување на ε в(ревидиран во Жу et al., 2008). Директен доказ беа обезбедени од страна на растенијата расте под слободни Ер CO2 збогатување, каде што се зголемуваат и photosynthetic стапка и растителни продуктивноста (Long et al., 2004).

Како можеме да се идентификуваат нови начини да инженер за поголема продуктивност? Како што беше претходно, експериментални пристапи стануваат неефикасни во идентификување на нови инженеринг цели.Еве јас ќе се користи моделот на photosynthetic јаглерод метаболизам за да се илустрира системи пријде да се идентификуваат нови цели да произведеме повисок photosynthetic енергија конверзија ефикасност.

Cистеми и биологија пристап за да се идентификуваат нови можности да произведеме за поголема продуктивност Во овој дел, јас накратко ќе ги опишеме основните постапка за развој на системи модел, а потоа да го опише начинот на комбинирање на системи модел со еволутивен алгоритми за да се идентификуваат нови цели да произведеме за поголема продуктивност. На крајот од овој дел, ќе објаснам зошто еволуцијата не ги селектираше оптимална photosynthetic апарат.
 з) Основната постапка за да се развие системи модел

Слика 2
Слика 2. Општата алгоритам за изградба на динамички системи модел. Процесот се вклучени во развој на модел системи вклучува воспоставување на реакција дијаграм, градење на стапката равенки, градење на обичните диференцијални равенки, тестирање и валидација на моделот резултати со експериментални набљудувања. Овој процес iterates до модел верно може да репродуцира најчесто се забележани одговори на генетски или животната средина пертурбации.

Слика 2 илустрира на процесот користи за да се развие кинетички модел на метаболички процеси. Прво, реакции тесно вклучени во овој процес треба да се состави за да се формира реакција дијаграм. Потоа, стапката равенка за секоја реакција вклучени во дијаграмот е развиен. А системи модел претставува овој метаболички процес е тогаш конструирана од страна на развивање на обичните диференцијална равенка (ODE) за секоја метаболит се вклучени во процесот. Секој ODE опишува стапка на промена на метаболит концентрација со текот на времето, формирана од страна стапки на формирање минус стапка на потрошувачка на овој метаболит. На пример, во photosynthetic јаглерод метаболизам, RuBP (Ribulose-1,5-бисфосфат) е формиран преку Ru5P (Ribulose-5-фосфат) фосфорилација преку реакција:
Ru5P+ АТР → АДП+ RuBP.... 2 
Тоа се конзумира преку двете RuBP carboxylation и RuBP оксигенација:
RuBP+ Co 2 → 2 ГАЛ.... 3
RuBP+ O 2 → ГАЛ+ PGCA.... 4
каде PGA е 3-Фосфоглицерат и PGCA е 2-phosphoglycollate. Претпоставувајќи дека стапката на RuBP фосфорилација е V Rp и стапките на RuBP carboxylation (равенката 3) и оксигенација (Равенка 4) се v в и V o, односно, тогаш стапката на RuBP концентрација промени со текот на времето се изразува како:
D [RuBP]/dt = v Rp -V в -V o.... 5

Сите оди колективно формираат систем на обичните диференцијални равенки, решавање на која одговара на различни физиолошки и динамична членки на метаболички процеси. Откако систем на обичните диференцијални равенки е изградена, серија на нумерички експерименти се бара да ги тестира и потврда на модел. Нормално, системи модел има да ја покаже својата способност да се здобијат со постојан држави, робусноста од надворешни ужас, како и можноста да се предвиди најчесто се забележани појави. На пример, модел на photosynthetic јаглерод метаболизмот достигна стабилна состојба во рок од околу 200 секунди (Жу et al., 2007). Тоа верно симулирани најчесто се мери AC јас крива, односно, ко 2 навлегувањето наспроти меѓуклеточната CO2 концентрација (C i) крива, и за нормално (21%) и ниска (2%) ниво на кислород. Исто така, по драстични пертурбации на меѓуклеточната О 2 концентрација, моделот брзо може да ја врати нова стабилна држава со реална стапка на фотосинтеза. Конечно, моделот верно симулирани фосфат ограничен фотосинтезата во услови на ниска стапка на triose фосфат користење (Жу et al., 2007).По овие validations, на photosynthetic јаглерод метаболизмот модел може да се користи за да се идентификуваат нови цели да произведеме повисок photosynthetic ефикасност.

ii) Комбинирање системи модел со еволутивен алгоритам за да се идентификуваат нови цели да произведеме за поголема продуктивност Во традиционалниот одгледување, поминува меѓу различни растенија се создаде варијации во одредени особини, како што се на приносот. Семе за оние поединци со супериорен квалитет особина се избрани и користат за генерирање на поединци за следната генерација. По многу генерации, избраните карактеристики постепено се подобри во текот на овој процес. Овој метод доведе до драматично зголемување на посевите продуктивноста, и го создал "зелена револуција". Аналогно на избор на подобри особини со текот на генерациите во традиционалните одгледување, комбинирајќи системи модели со еволутивен алгоритам овозможува симулирани еволуцијата на photosynthetic апарат за повисока photosynthetic стапка.

На еволутивниот алгоритам во суштина го имитира процесот на природната селекција. Во реално природната селекција, селективниот притисок се е да се обезбеди опстанок и повисоки плодност. Во вештачки избор мимикрирани од еволутивниот алгоритам, селективниот притисок е да имаат повисока photosynthetic CO2 навлегувањето стапка со истото количество на азот инвестиции во ензимите во photosynthetic јаглерод метаболизам. Понатаму, секоја генерација има голем број на поединци, со секоја индивидуа претставува еден сет на ензими потребен да се кандидира на модел на јаглерод метаболизам. За секој поединец, или збир на ензими, постои една стабилна држава стапка на CO 2 навлегувањето. Во секоја генерација, поединец со повисоко photosynthetic CO2 навлегувањето стапка ќе бидат избрани да "семе" на следната генерација. Да се генерираат поединци за следните генерации, на избрани поединец ќе се удвои да генерира население, а потоа на поединци, кај оваа популација ќе биде "мутирани" (т.е., додавајќи случајни варијации на ензими).Овој процес на селекција и мутација iterates, а стапката на photosynthetic CO2 навлегувањето стапка постепено се зголемува со текот на генерациите. Овој процес престанува кога стапката на фотосинтезата не може да се зголеми со повеќе генерации (Жу et al., 2007). Конечниот азот дистрибуција во ензим сет се смета како оптимална азот дистрибуција (Слика 3).

 
Слика 3
Слика 3. Избор на оптимална поделба на ресурсите меѓу ензимите на јаглерод метаболизам за да се зголеми светло-заситени photosynthetic стапка. А, да се зголеми во светло-заситени photosynthetic стапка над 1.500 генерации на селекција со помош на еволутивен алгоритам. Б до F покажуваат промените во износите на пет од овие ензими во однос на нивните иницијални вредности над овие 1.500 генерации. Селекција беше на светлината сатурација, и на C i од 280 μmol mol -1.
Кратенки:
А: photosynthetic CO2 навлегувањето стапка 
ADPGPP: АДП гликоза pyrophosphorylase 
SBPase: sedoheptulose-l,7-bisphosphatase 
СПП: сахароза фосфат фосфатаза 
FBPase: фруктоза-2,6-bisphosphatase. 
Од Жу et al. (2007).

Откако оптимална азот дистрибуции се идентификувани, можеме да го употребиме за да се пресмета на побарувачката на пораст за секој ензим, Побарувачка [i] = [Ензим [i] _opt]/[Ензим [i] _initial]....(6) Каде [Ензим [i] _opt] претставува оптимална азот концентрација и [Ензим [i] _initial] претставува почетна азот концентрација. Ако побарувачката за ензим е повисока од 1, ензимската активност треба да се зголеми, инаку, ензимската активност треба да се намали за слободен азот за синтеза на другите ензими за да се добие оптимална CO2 навлегувањето стапка (Жу et al., 2007). Користење на овој пристап, ние покажа дека Rubisco, SBPase и FBPase треба да се зголемат за повисока photosynthetic CO2 стапка (Жу et al., 2007).Исто така, зголемување на мијалник капацитет, односно, можноста да се трошат triose фосфат (PGA, или дихидроксиацетон фосфат, или glyceraldehyde 3-фосфат) преку синтеза на скроб, сахароза, или други макромолекули. На азот се потребни за да се зголеми активностите на овие ензими се предвидува да бидат упатени и од photorespiratory пат (Жу et al., 2007). SBPase, еден од ензими идентификувани да се зголеми да се добие повисока фотосинтезата, е над-изразени во тутун, што доведе до повисоки фотосинтезата и производство на биомаса (Лефевр et al., 2005), покажувајќи дека комбинирање еволутивен алгоритам со системи модели може да се идентификуваат потенцијал инженеринг цели за повисоки фотосинтеза.

Друг пристап за да се идентификуваат цели за да инженер е метаболна контрола анализа (МЦА) преку пресметување на флукс контрола коефициент (падна 1997). Двете МЦА и еволутивната алгоритам обезбеди инженеринг цели, но сепак, постојат фундаментални разлики помеѓу овие два пристапа. На флукс контрола коефициент на еден ензим претставува контрола на овој ензим на одредени флукс, под претпоставка дека сите други ензими не се менува, односно, овој коефициент претставува локалните поглед на контрола на овој ензим во текот на систем флукс. Од друга страна, еволутивен алгоритам идентификува оптимална распределба на сите ензими во метаболизмот истовремено менување на сите ензими. Затоа, теоретски, на еволутивниот алгоритам може да се идентификуваат цели за повисоки фотосинтезата од повеќе глобален поглед на системот.

III) Зошто фотосинтезата, по милиони години на еволуција, воопшто не еволуираше оптимално photosynthetic стапка? Комбинацијата на еволутивен алгоритам со системи модели обезбедува изводливо и ефикасен механизам за да се идентификува оптимална photosynthetic апарат. Еден филозофски прашање луѓе може да побара е:, откако милиони години еволуција, зошто не растенија еволуирале оптимално photosynthetic апарат? Постојат неколку можни причини. Прво, еволуцијата избира опстанок и плодност, а не на продуктивноста. За да се обезбеди опстанок под стрес услови, одредена количина на ресурси, како што се азот, се инвестирани во заштитни механизми на сметка на photosynthetic ефикасност. На пример, ние покажавме дека азот е над се инвестира на photorespiratory пат (Жу et al., 2007). Овој над инвестиции, сепак, е од клучно значење за опстанокот на растенија под екстремно топли и нацрт-услови. Иако такви услови се ретки, можеби еднаш на секои неколку стотини години, тие би можеле да бидат доволно чести целосно да се елиминира растенија без такви заштитни механизми (Жу et al., 2007). Второ, глобалните климатски промени е уште еден фактор. На амбиентниот атмосферски CO2 концентрација е околу 280 ppm во изминатите 25 милиони години (Barnola et al., 1999), пред брзо зголемување на CO 2 концентрација по Индустриската револуција. Тековната photosynthetic јаглерод метаболизам, на пример, повисоки инвестиции во photorespiratory патека, би можело да претставува оптимална алокација на азот за preindustrial револуција на CO2 нивоа (Жу et al., 2007). Она што претходно го покажа дека еден од клучните ензими во фотосинтезата, Rubisco, е навистина оптимизиран за повисока CO2 навлегувањето на атмосферска CO2 концентрација од 280 ppm (Жу et al., 2004). Две посуптилни причини, исто така, може да биде одговорна за сегашниот не-оптимална алокација на азот во photosynthetic јаглерод метаболизам. Под-оптимална инвестиција од SBPase би можеле да бидат поврзани со улогата на SBPase како контрола точка во photosynthetic јаглерод метаболизмот, додека над-инвестиција на ензими во photorespiratory пат, исто така може да се должи на строги односот помеѓу RuBP carboxylation и оксигенација за дадени Rubisco специфичност и атмосферските услови (Жу et al., 2007).

 

Други поголеми апликации на фотосинтезата системи моделидинамички системи модели имаат различни на други апликации покрај идентификување на нови пристапи кон инженер за поголема продуктивност. Тие вклучуваат:
Прво, системи модели обезбеди директна врска на геномната податоци за да се фенотипски податоци. Влезови на системите модел се ензим активности или протеини содржини, кои можат да се добијат од било литература анкета или Proteomics. Резултатите на системи модели се метаболит концентрации, струи, и физиолошките параметри.
Второ, системи модел може да се користат за изучување на адаптивни значење на молекуларната промени во photosynthetic апарат за photosynthetic ефикасност. Тука photosynthetic апарат е дефинирана како различни компоненти (ензими, електрони трансфер превозници, итн) и интеракции помеѓу различните компоненти во фотосинтезата. Како што споменавме порано, комбинирајќи еволутивен или генетски алгоритми со системи модел обезбедува ефикасен начин да се идентификува оптимална photosynthetic апарат под определени услови. Оваа разлика помеѓу оптимална photosynthetic апарати и постоечките photosynthetic апарат обезбедува можности за нас да произведеме за поголема продуктивност. Оваа разлика, исто така, укажува на адаптација значењето на различни својства на photosynthetic апарат.
Трето, динамички системи модели може да се користи за тестирање хипотези во врска со механизми основните динамичен сигнали во врска со фотосинтезата. Ние сме користеле системи модел од примарните настани околу photosystem II да учат на механистичката основа на флуоресценција индукција крива снимен по сјае во saturating светлина пулсот (т.е., краток светлина пулсот (<1s) што може да ги затвори сите фотосинтезата II реакција центри) на темно адаптирани лисја (Жу et al., 2005).
Четврто, системи модел на фотосинтезата може да се користи во ecophysiological култура симулација на модели за да се овозможи директна поврзаност од геномот на екосистемот. На компјутерски потпомогната дизајн на интегрирано коло (IC) одигра клучна улога во брзиот развој на нови ИКТ технологии. Се очекува дека модел во можност да поврзат од геномот на екосистемот директно може да послужи за истата улога. Иако земјоделски екосистеми модели се развиени во текот на изминатиот половина век, тие се уште не може директно да се предвиди култура перформанси од геномот на културите и нејзиниот раст на животната средина (Џонс et al., 2003), иако постојат неколку неодамнешните напори да се користи QTLs (т.е., се протега на ДНК кои се тесно поврзани со гените кои што придонесуваат за одлика) во агро-екосистем модели. (Јин и сор., 2004).

Развој на интегриран модел во можност директно да се поврзе геном да екосистем е крајно предизвикувачки, бидејќи таквиот модел не само што има да се опише механистички процеси во различни организациски нивоа, почнувајќи од екосистемот ниво, да крошна ниво, лист и клеточно ниво процеси, но исто така има за да се опише промените во генската експресија под различни услови и различни развојни фази. Несомнено, развивање на таквиот модел ќе бидат потребни години на заеднички напори од страна на целото растение моделирање заедница. Сметајќи дека фотосинтезата е основа на материјалите и енергијата за раст на растенијата и развој, детален механистичката модел на фотосинтезата е критична компонента на таква интегриран модел. Интеграција на моделот на photosynthetic јаглерод метаболизмот со агро-екосистем модели може да биде прв чекор кон остварување како интегриран геном-на-екосистем модел.

Kнижевност:
 Barnola, Ј.М., Raynaud, Д, Lorius, Ц и Barkov, НУ Историски на CO2 рекорд од мраз Восток јадро. Во Трендови: компендиум на податоци за глобалните промени. Јаглерод диоксид информации, анализи центар, Oak Ridge Националната лабораторија, Министерство за енергетика, Oak Ridge, TN, САД (1999).
 Еванс LT Поправете Еволуција, адаптација и принос. КУП, Кембриџ. (1993)
 падна, ДА Разбирање на контрола на метаболизмот.Портланд Прес, Лондон (1997).
 Џонс, ЏВ, Hoogenboom, Г, Портер, CH, Boote, KJ, Batchelor, WD, Хант, Лос Анџелес, Wilkens, сериозни проблеми, Синг, U., Gijsman, aj, Ричи, Ј.Т. на DSSAT сечење систем модел. Европската весник на 18 Агрономически, 235-265 (2003).
Лефевр, С, Lawson, Т, Zakhleniuk, ов, Лојд, JC & Raines, CA Зголемен sedoheptulose-1,7-bisphosphatase активност во трансгенска тутунот стимулира фотосинтезата и раст од раната фаза на развој. Фабрика Physiol. 138, 451-460 (2005).
 Лонг, СП, Жу, Форум, Naidu, SL и Ort, ДР Може подобрување во фотосинтезата зголемување на приносите?Фабрика Мобилен животна. 29, 315-330 (2006).
 Долго СП, Ainsworth ЕА, Роџерс А и Ort ДР Рајзинг атмосферски јаглерод диоксид: растенија се соочат со својата иднина. Годишен Преглед на растенијата биологија, 55, 591-628 (2004).
 Monteith, Л клима и ефикасноста на растителното производство во Велика Британија.Philos. Транс. Р социјален. Лондон 281, 277-294 (1977).
 Робертс МЈ, Лонг СП, Tieszen LL и Beadle КП Мерење на растенијата биомаса и нето примарното производство на тревни вегетација. Во: фотосинтезата и производство во менување на животната средина: А теренски и лабораториски прирачник (EDS, НЕ сала, JMO Scurlock, со хумани ресурси Bolhàr-Nordenkampf, РК Leegood, и СП долго), стр 1-21. Чепмен & сала, Лондон (1993).
 Јин, XY, Struik, компјутер и Kropff, МЈ Улогата на култура физиологија во предвидувањето на ген-за-фенотип односи. Трендови на растенијата наука. 9, 426-432 (2004).
Жу, X.-G., Portis Џуниор, AR & Лонг, СП Зарем трансформација на С3 култура растенија со странски Rubisco зголемување на продуктивноста? А компјутерската анализа екстраполација од кинетички особини да крошна фотосинтеза. Фабрика Мобилен животна. 27, 155-165 (2004).
 Жу, X.-G. Компјутерска Пристапи кон Водечките биотехнолошките Подобрување на растителното photosynthetic ефикасност. Д-р теза, на Универзитетот во Илиноис.Urbana, ИЛ. (2004).
 Жу, X.-G., Govindjee, Бејкер, Намалување на шумот, deSturler, Е, Ort, ДР, Лонг, СП Хлорофилот на флуоресценција индукција кинетика во лисјата предвиде од модел опишува секоја дискретни сет на побудување енергија и електрони пренос поврзани со photosystem II. Planta 223, 114-133 (2005)
 Жу, X.-G., де Sturler, Е & Лонг, СП оптимизирање на распределбата на ресурсите меѓу ензими на јаглерод метаболизмот драматично да се зголеми стапката photosynthetic: А нумеричка симулација користење на еволутивен алгоритам. Фабрика Physiol. 145, 513-526 (2007).
 Жу, X.-G., Лонг, СП и Ort, ДР Која е максималната ефикасност со која фотосинтезата може да се конвертира соларната енергија во биомасата? Трендови во 19 биотехнологија, 153-159 (2008).
 8/17/08


[ТОП]
Published (Last edited): 14-02-2012 , source: http://www.photobiology.info/Zhu.html