项目名称: 基于近似贝叶斯计算的西藏高山倭蛙进化模型研究

项目编号: No.31301874

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 生物科学

项目作者: 杨继

作者单位: 中国科学院动物研究所

项目金额: 22万元

中文摘要: 高山倭蛙是青藏高原特有物种,广泛分布于我国西藏地区,是世界上分布海拔最高的蛙类。至今我们对高山倭蛙的遗传多样性、种群结构和种群进化历史等重要信息一无所知。近似贝叶斯计算(ABC)是研究种群进化历史的一种新方法,具有能处理大规模数据和复杂进化模型等优点,在国际上相关生物学领域得到了广泛应用。本项目提出用ABC方法研究高山倭蛙的种群进化历史,主要研究内容包括:(1)针对科学问题为西藏地区高山倭蛙构建一系列比较合理的进化模型;(2)通过ABC方法比较各模型的后验概率和评估各模型的质量,选出最佳进化模型并估算其种群参数值及偏倚,从而准确地重建出种群进化历史;(3)探讨高原地质历史和近期人为因素对高山倭蛙进化历史的影响。本项目对揭示高山倭蛙和青藏高原其它两栖类动物的进化历史以及对这些两栖类物种的保护具有重要意义。

中文关键词: 近似贝叶斯计算;高山倭蛙;进化历史;青藏高原;第四纪冰期

英文摘要: Tibetan frog (Nanorana parkeri) is endemic to Tibetan plateau and has a wide distribution in Xizang region, it is also the frog inhabiting the highest altitude in the world. So far, we don't know the genetic information of this species, such as genetic diversity, genetic structure and population evolutionary history. Approximate Bayesian computation (ABC) is a new method for population evolutionary history study. This method has many advantages, such as handling huge data and complex evolution models, therefore it has been applied in many biological fields. In these context, this project proposes to use ABC method to evaluate evolutionary models of Tibetan frog, which includes: (1) constructing a series of evolutionary models according to the scientific questions; (2) testing the evolutionary models, as well as estimating the population parameters and their relative bias under the optimal model, and consequently reconstructing precise evolutionary history of Tibetan frog; (3) exploring the effects of geological history of the plateau and recent anthropogenic factors on evolutionary history of Tibetan frog. This project will be of great sense to revealing the evolutionary history and to the conservation of Tibetan frog as well as other amphibians on Tibetan plateau.

英文关键词: approximate Bayesian computation;Nanorana parkeri;evolutionary history;Tibetan Plateau;Quaternary Glaciation

成为VIP会员查看完整内容
0

相关内容

图像分类的深度卷积神经网络模型综述
专知会员服务
56+阅读 · 2021年10月29日
专知会员服务
56+阅读 · 2021年10月12日
专知会员服务
20+阅读 · 2021年5月20日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
稀缺资源语言神经网络机器翻译研究综述
专知会员服务
26+阅读 · 2020年12月2日
时空序列预测方法综述
专知会员服务
165+阅读 · 2020年10月18日
基于知识图谱的推荐系统研究综述
专知会员服务
328+阅读 · 2020年8月10日
专知会员服务
78+阅读 · 2020年8月4日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
图嵌入模型综述
专知
3+阅读 · 2022年1月17日
最新基于强化学习的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年9月10日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
时空序列预测方法综述
专知
21+阅读 · 2020年10月19日
领域知识图谱研究综述
专知
16+阅读 · 2020年8月2日
图神经网络综述:模型与应用
PaperWeekly
197+阅读 · 2018年12月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年5月24日
Arxiv
0+阅读 · 2022年5月23日
Arxiv
0+阅读 · 2022年5月23日
Arxiv
39+阅读 · 2021年11月11日
Arxiv
19+阅读 · 2020年12月23日
小贴士
相关VIP内容
图像分类的深度卷积神经网络模型综述
专知会员服务
56+阅读 · 2021年10月29日
专知会员服务
56+阅读 · 2021年10月12日
专知会员服务
20+阅读 · 2021年5月20日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
稀缺资源语言神经网络机器翻译研究综述
专知会员服务
26+阅读 · 2020年12月2日
时空序列预测方法综述
专知会员服务
165+阅读 · 2020年10月18日
基于知识图谱的推荐系统研究综述
专知会员服务
328+阅读 · 2020年8月10日
专知会员服务
78+阅读 · 2020年8月4日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
图嵌入模型综述
专知
3+阅读 · 2022年1月17日
最新基于强化学习的推荐系统综述
机器学习与推荐算法
6+阅读 · 2021年9月10日
多模态视觉语言表征学习研究综述
专知
27+阅读 · 2020年12月3日
时空序列预测方法综述
专知
21+阅读 · 2020年10月19日
领域知识图谱研究综述
专知
16+阅读 · 2020年8月2日
图神经网络综述:模型与应用
PaperWeekly
197+阅读 · 2018年12月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员