تحلیل ابردرخت ها (Supertrees) در خانواده مگس گیریان (Aves, Muscicapidae)
Publish place: Journal of Applied Biology، Vol: 30، Issue: 1
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 451
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAB-30-1_009
تاریخ نمایه سازی: 20 خرداد 1398
Abstract:
آرایه شناسان به منظور حل ابهامات آرایه شناختی در سطح فراگونه ای از روش ترسیم ابردرخت ها استفاده نموده تا با ادغام کردن درخت ها در مقیاسی بزرگ به بازسازی روابط تبارزادی بپردازند. در این مطالعه به منظور ادغام تمامی درخت های مولکولی موجود و ارائه روابط کامل تبارشناختی بین افراد خانواده مگس گیریان بر روی یک درخت واحد تبارشناختی، تمامی داده های موجود برای ژن های مختلف میتوکندریایی و هسته ای در بانک ژن و نمونه های تعیین توالی شده در آزمایشگاه مولکولی دانشگاه فردوسی مشهد استفاده گردید. در این مطالعه ترسیم ابردرخت براساس ماتریس پارسیمونی (MRP) و با استفاده از 15 درخت منبع برای 166 گونه پرنده از اعضای خانواده مگس گیریان صورت پذیرفت. در ابردرخت ترسیم شده، دو کلاد اصلی دیده می شود که در مجموع حدود 82% از گره های این ابردرخت دارای وضعیت حل شده هستند. باید توجه داشت که بیش از 80 درصد گره ها در این ابردرخت دارای وضعیت حل شده هستند و نحوه قرارگیری کلادهای اصلی مطابق با درخت های مولکولی مطالعات قبلی اعضای این خانواده در ژن های مختلف است. ابردرخت نهایی، نتیجه ای قطعی برای فرضیات روابط بین اعضای خانواده مگس گیریان نیست، ولی قادر است روابط بین گروه ها را بر اساس مطالعات قبلی مولکولی تائید کند. در واقع این روش در کنار مطالعات آرایه شناختی مقایسه ای با استفاده از داده های اولیه حاصل از آنالیزهای مولکولی و ریخت شناسی می تواند منتهی به ارائه مستدل و جامع ترین روابط آرایه شناختی گردد.
Keywords:
Authors
لیلا نورانی
دانشجوی دکترای بیوسیستماتیک جانوری، گروه زیست شناسی، دانشکده علوم پایه، دانشگاه فردوسی مشهد، مشهد، ایران
منصور علی آبادیان
دانشیار گروه زیست شناسی، دانشکده علوم پایه، دانشگاه فردوسی مشهد، مشهد، 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 :