项目名称: 马鸡属鸟类的物种分化模式研究

项目编号: No.31272296

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 生物科学

项目作者: 张正旺

作者单位: 北京师范大学

项目金额: 88万元

中文摘要: 物种形成(Speciation)是进化生物学研究的核心问题之一。马鸡属(Crossoptilon)是我国鸟类的一个特有属,包含四种马鸡,即白马鸡(Crossoptilon crossoptilon)、藏马鸡(Crossoptilon harmani)、蓝马鸡(Crossoptilon auritum)和褐马鸡(Crossoptilon mantchuricum),由于它们分布区少有重叠且生态环境有差异,是研究物种分化的理想对象。本项目拟利用新一代转录组测序技术,结合生物信息学方法、ABC近似贝氏计算统计等方法,查明四种马鸡的分化时间与基因流程度,探讨地理隔离和生态压力在促进物种形成中的相对重要性;在此基础上筛选与马鸡分化有关的功能基因,并尝试对与之相关的表型进行定量分析,初步确定基因型-表型相关关系。

中文关键词: 物种分化;马鸡属;转录组测序;基因测序;演化

英文摘要: Speciation is one of the core issues in evolutionary biology. Crossoptilon is endemic to China, including White Eared Pheasant (Crossoptilon crossoptilon), Tibetan Eared Pheasant (Crossoptilon harmani), Blue Eared Pheasant (Crossoptilon auritum) and Brown Eared Pheasant (Crossoptilon mantchuricum). Considering they have little overlap of the distribution and live in different ecological environment, these four species are the ideal species for studying species divergence. This project will use the new generation of transcriptome sequencing technology, combining with bioinformatics methods, Approximate Bayesian Computation (ABC) method and other statistical methods, investigate the divergent time and gene flow suspend time of the four species, explore the relative importance of geographical isolation and ecological pressures in the divergence; Screening functiion genes involved in species divergence and try to quantitative analysis of the associated phenotype, build the genotype-phenotype relationship finally.

英文关键词: speciation;Crossoptilon;transcriptome sequencing;gene sequencing;evolution

成为VIP会员查看完整内容
0

相关内容

机器推理的进展与展望
专知会员服务
44+阅读 · 2022年4月11日
MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
专知会员服务
14+阅读 · 2022年3月18日
专知会员服务
86+阅读 · 2021年8月11日
专知会员服务
85+阅读 · 2021年6月30日
【NeurIPS2020】因果推断学习教程,70页ppt
专知会员服务
190+阅读 · 2020年12月12日
【NeurIPS 2020】近似推断进展,272页ppt
专知会员服务
32+阅读 · 2020年12月11日
【NeurIPS 2020】图神经网络GNN架构设计
专知会员服务
83+阅读 · 2020年11月19日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
来看看几篇Nature上的GNN吧~
图与推荐
2+阅读 · 2022年3月25日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
无生命的AI算不上「智能」
AI前线
0+阅读 · 2022年2月21日
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
国家自然科学基金
1+阅读 · 2014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 · 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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Detecting Deepfakes with Self-Blended Images
Arxiv
2+阅读 · 2022年4月18日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
小贴士
相关VIP内容
机器推理的进展与展望
专知会员服务
44+阅读 · 2022年4月11日
MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
专知会员服务
14+阅读 · 2022年3月18日
专知会员服务
86+阅读 · 2021年8月11日
专知会员服务
85+阅读 · 2021年6月30日
【NeurIPS2020】因果推断学习教程,70页ppt
专知会员服务
190+阅读 · 2020年12月12日
【NeurIPS 2020】近似推断进展,272页ppt
专知会员服务
32+阅读 · 2020年12月11日
【NeurIPS 2020】图神经网络GNN架构设计
专知会员服务
83+阅读 · 2020年11月19日
【Cell 2020】神经网络中的持续学习
专知会员服务
59+阅读 · 2020年11月7日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
相关资讯
来看看几篇Nature上的GNN吧~
图与推荐
2+阅读 · 2022年3月25日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
无生命的AI算不上「智能」
AI前线
0+阅读 · 2022年2月21日
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
相关基金
国家自然科学基金
1+阅读 · 2014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 · 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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员