مروری بر تحلیل ساختار جمعیت با نشانگرهای مولکولی غالب و معرفی نرم افزار جدید STRUCTUREasy
Publish place: Taxonomy and biosystematics، Vol: 10، Issue: 36
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 354
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_TBJ-10-36_003
Index date: 13 May 2021
مروری بر تحلیل ساختار جمعیت با نشانگرهای مولکولی غالب و معرفی نرم افزار جدید STRUCTUREasy abstract
تحلیل ساختار ژنتیکی جمعیت ها براساس نشانگرهای مولکولی عموما با استفاده از سه برنامه کامپیوتری STRUCTURE، CLUMPP و Distruct به طور متوالی انجام می شود. دو برنامه CLUMPP و Distruct واسط گرافیکی کاربر ندارند و برای اجرای آنها لازم است پژوهشگر ویژگی های فایل های ورودی و خروجی و تنظیمات مربوط به انتخاب الگوریتم ها و شاخص ها را در خارج از برنامه های اصلی به طور دستی آماده کند. تاکنون نرم افزار های کمکی مختلفی برای تسهیل کار نوشته شده اند که بیشتر به طور آنلاین یا وابسته به پکیج آماری R هستند. در مقاله حاضر با مرور اهداف و روش های تحلیل ساختار جمعیت با استفاده از داده های نشانگرهای مولکولی دامیننت، برنامه کامپیوتری جدید STRUCTUREasy که روند تحلیل ها را تسریع می کند و به آشنایی با زبان برنامه نویسی نیاز ندارد، معرفی می شود. این برنامه به شکل متن باز و دارای واسط گرافیکی ساده و قابل اجرا در محیط MicrosoftOffice است. کاربرد آن در استخراج ماتریس های Q و اتصال آنها به نرم افزارهای پایین دست و فراهم کردن سرعت و دقت بیشتر برای تحلیل ساختار ژنتیک جمعیت با استفاده از نشانگرهای چندلوکوسی است. این برنامه کامپیوتری در محیط بانک اطلاعاتی Microsoft Access ۲۰۱۶ اجرا می شود و تمام تنظیمات و عملیات استخراج داده ها بین نرم افزارهای STRUCTURE، CLUMPP و Distruct را برای افزایش سرعت و دقت انجام می دهد.
مروری بر تحلیل ساختار جمعیت با نشانگرهای مولکولی غالب و معرفی نرم افزار جدید STRUCTUREasy Keywords:
مروری بر تحلیل ساختار جمعیت با نشانگرهای مولکولی غالب و معرفی نرم افزار جدید STRUCTUREasy authors
مجید شریفی تهرانی
استادیار گروه زیست شناسی، دانشکده علوم پایه، دانشگاه شهرکرد، شهرکرد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :