もっと

QGISにトポロジーハンドラーはありますか?

QGISにトポロジーハンドラーはありますか?


AutoCADマップをインポートする場合、トポロジが混乱することがあります。これを修正する必要があります。そして、QGISに新しいトポロジーを追加するとき、それをpostgreSQLに保存する方法は?これらの機能はQGISに含まれていますか、それとも二次開発が必要ですか?


postgisMakeValidコマンドをProcessingToolboxに追加する「TopologyChecker」プラグインと「ProcessingLWGEOMProvider」プラグインを探します。

これらの2つのプラグインに関連する他のgis.stackexchangeメッセージがあります。

よろしく、


目的

ヘリコプターの救急医療サービスは、重病や負傷した患者の入院前のケアにおいて重要な役割を果たし、強化された介入と専門センターへの直接転送を提供します。 Essex&Herts Air Ambulance(EHAAT)は、エセックス、ハートフォードシャー、およびその周辺地域の患者に病院前の救急車を提供します。歴史的に、EHAATのリソースは夜間に運用されていませんでした。この研究は、夜間のエセックスとハートフォードシャーでの病院前救命救急の需要を確認することを目的としています。

メソッド

前向き観察デザインが使用されました。データは、オンライン調査を使用して、救命救急デスクで夜間勤務中に11人の救急救命士によって収集されました。病院前の救命救急対応に適切と思われる21:00から07:00までのエセックスとハートフォードシャーでの事件の詳細が記録されました。

結果

52泊で合計108件のインシデントが記録されました。これは、1泊あたり平均2.08件のインシデントに相当します。 52件のインシデントについて、参加できる救命救急リソースはありませんでした。事件の大部分は、アールズコルネ基地よりもEHAATのノースウィールド基地に近接していた。

結論

調査結果は、エセックスとハートフォードシャーでの夜間の病院前救命救急の潜在的な必要性を示唆しており、EHAATのノースウィールド基地からのリソースの運用をサポートしています。


の新種 タナエシウム (ノウゼンカズラ科、ノウゼンカズラ科)ブラジルのアマゾンとその系統発生的配置から

タナエシウム (ノウゼンカズラ科、ノウゼンカズラ科)は、アマゾンを中心とする新熱帯区のつる植物の属です。この属は、特に花の形態に関して、形態学的変異の興味深いパターンを示しています。それにもかかわらず、グループはあまり知られておらず、系統発生と分類学的改訂が欠けています。の分類学に取り組んでいる間 タナエシウム、の形態学的バリアントに遭遇しました Tanaecium pyramidatum 独立した進化の系統を表し、さまざまな形態学的特徴でその種とは異なるブラジルのアマゾンから。この分類群はここでは次のように説明されています Tanaeciumdecorticans, sp。 11月。その間 T.decorticans 姉妹であり、形態学的に最も類似しています T.ピラミダタム、それは剥離表皮で異なります(対剥離しない T.ピラミダタム)、矢印型のペティオールの存在(対矢印型のペティオールの不在 T.ピラミダタム)、および腺毛状突起のフィールドで覆われた花弁間領域(対腺毛状突起間領域 T.ピラミダタム)、他の文字の中で。この発見は、アマゾンの生物多様性の理解を深めるために、個々の系統の詳細な分類学的研究の重要性を浮き彫りにしています。

これは、サブスクリプションコンテンツのプレビューであり、所属機関を介してアクセスします。


現代の軌道分析における方法論の問題

トラック分析は、汎生物地理学的分析の中核です。この作業では、新しいソフトウェア開発を使用して、現代の進化的生物地理学的観点から、トラック分析の形式化、その方法論的問題、および解釈について考察します。プリムのアルゴリズムが個々のトラックを描画するために最も一般的に使用されていることを考慮して、幾何学的な観点から、最小スパニングツリーの意味を分析します。次に、既存の方法論(グラフ、PAE、組み合わせた方法、AE)とソフトウェアパッケージ(Trazos2004, クロイザット, Martitracks, 化石)トラック分析を実行するために使用されます。最後に、例として新北区の哺乳類を使用したトラック分析を示します。私たちのレビューに基づくと、接続マトリックス分析は、最小スパニングツリートポロジを比較するため、個々のトラックを一般化されたトラックに関連付けるための最良の方法である可能性があります。ただし、種間の高い空間的一致が必要であり、したがってよりアルゴリズム的な開発が必要なため、すべての方法の中で最も要求が厳しいものです。

これは、サブスクリプションコンテンツのプレビューであり、所属機関を介してアクセスします。


在来の豊富さと種レベルの栄養特性は、エイリアンの淡水魚の定着を予測します

複雑な栄養相互作用を持つより多様なコミュニティは、より大きな生物抵抗性と関連している可能性があるため、コミュニティレベルの生態学的特性は侵入性に影響を与えると考えられています。この関係の性質の解明は、特にフィールドデータが不足している場合、食物網の特性評価が難しいためにしばしば妨げられます。食物網のモデリングと、モデル化されたウェブの情報理論的分析を組み合わせることで、これを克服しようとしました。さらに、確立されたエイリアンの栄養特性の種レベルの傾向が空のニッチの搾取を反映している可能性も調査しました。 71家族を代表する370の魚種からなるデータセットから、26の自然および人工のレンティック生息地の架空の食物網を構築しました。これらの食物網を使用して、一連の競合する先験的仮説に基づく情報理論的アプローチを使用して、食物網の特性とネットワークトポロジおよび外来魚種の数との間のコミュニティレベルでの関連を調査しました。種レベルでは、同様に、情報理論的アプローチに加えて、確立された外来魚の栄養特性の傾向をテストしました。 nMDS ダイエットデータの。コミュニティにおける在来種の豊富さは、エイリアンの魚の分類群の数の最も重要な決定要因であり、逆の関係を示していることがわかりました。私たちのデータはまた、エイリアンの魚は一般的に食物網の下で餌を与えることを示しています。私たちの調査結果は、生物耐性仮説は、規模に依存しますが、動物群集で観察可能な影響をもたらす可能性があることを示唆しています。さらに、低エネルギー収量の食料源を利用する能力は、在来分類群からの抵抗力を回避することにより、外来種の確立に有利に働く可能性があることもわかりました。

これは、サブスクリプションコンテンツのプレビューであり、所属機関を介してアクセスします。


議論

侵入範囲で出現する寄生虫の空間分布を制限する要因を特定しました。種分布モデルと集団ゲノミクスアプローチを組み合わせることで、寄生されていない地域に住む個体のゲノム背景などの宿主特性が、環境の特徴よりも、現在の空間分布を説明する可能性が高いことを示唆します。 Tracheliastes polycolpus、したがって、なぜそれがいくつかの地域に侵入していないのか。

最初に、次の多因子ドライバーが関与する環境要因の複雑な役割を強調しました。 T.ポリコルパス 空間分布。気候は、寄生虫の分布において最も研究されている要因の1つです(Kutz etal。2005、Barrett etal。2012、Caminade etal。2019)。私たちは一貫して水温の重要な影響を発見しました。特に、寒冷地は高い有病率と関連しており、これはこの寄生虫種の生物学および宿主の生息地の好みとも一致します(Mazé-Guilmoetal.2016、Franke et al.2019)。しかし、宿主に関連する要因(宿主の体長と宿主の種)、川の地形、周囲の景観構成、人為的断片化など、さまざまな環境要因の重要な影響も発見しました。全体として、これらの後の発見は、この種に関する以前の発見を裏付けています。たとえば、Blanchet etal。 (2009a)、おそらく寄生虫が固定するために利用できる表面と、寄生虫に抵抗/耐性する宿主の加齢に伴う能力との間のトレードオフのために、中間の体長の宿主で寄生虫の付着が好まれることがわかりました(Cardon et al。2011)。同様に、小川の速度が遅く(「水文学」変数の悪影響、補足資料付録1図A1)、下流に堰がある小さな川に局在するサイトが高い有病率に関連していることがわかりました。この寄生虫の自由生活感染段階は発達のために低い水速度を必要とするため、これらの効果は予想されていました(Loot et al.2004)。より一般的には、そのような多因子環境決定論は T.ポリコルパス 分布は、生物学的相互作用を含む複数の環境要因を説明する統合分布モデルが、寄生虫の空間分布を予測するのに特に強力であるという見方の高まりを強く支持しています(Lafferty 2009、Giannini etal。2013、Marcogliese 2016)。

この種分布モデルからの予測に基づいて、環境適合性がの範囲制限を説明する可能性が低いことをさらに示しました。 T.ポリコルパス。寄生虫が現在存在しない地域を特徴付ける環境条件から予測された有病率レベルは、寄生虫が繰り返し観察される地域を特徴付けるものと類似していた。これは、これらの条件がに適していることを示唆しています T.ポリコルパス。寄生されていないフランスの河川流域では、寄生虫の発生をより正確に予測するいくつかの重要な環境変数を見逃している可能性があると主張することができます。それにもかかわらず、私たちの種分布モデルは、他のすべての宿主系統に対して非常に優れた予測性能を示し、非常に優れた予測力を強調しています。予測された寄生虫有病率が宿主系統VIについて過小評価されたことは注目に値する。興味深いことに、系統VIは、系統発生的に最も分化した系統でもあります。 L. burdigalensis 実際、一部の著者は別の固有種と見なしています(L. bearnensis、Kottelat and Freyhof 2007ですが、Costedoat etal。を参照してください。 2014)。この系統発生的に発散する系統および宿主系統IIIでの予測された有病率と観察された有病率の間の不一致-寄生されていないことは、環境適合性以外の要因、特に宿主のゲノム背景が T.ポリコルパス 有病率、したがってその範囲の制限。

2543のSNPに基づく集団ゲノムアプローチを使用して、ホストのゲノムバックグラウンドが T.ポリコルパス 個人レベルと人口レベルの両方での分布。私たちは最初に、マークされた宿主集団構造を明らかにしました L. leuciscus の分布と空間的に一致する T.ポリコルパス。 Costedoatらによって提案された系統IIIを示しました。 (2014)は、実際には、ノルマンディー川流域に局在する寄生された「亜系統」(図2)と、リンセーヌ川流域にある寄生されていない「亜系統」に分けられます。の遺伝的構造に関する以前の研究 ロイシスカス 複合種は、マイクロサテライト、アロザイム、およびミトコンドリアマーカーに基づいており、より拡張された空間範囲をカバーしましたが、場所ごとにサンプリングされた個体は少なくなりました(Costedoat et al。2006、2014)。ここで、私たちが検出したより細かい遺伝子構造は、おそらく私たちが使用したSNPパネルのより高い解像度と、より集中的なサンプリングの結果です。 ロイシスカス 系統内の種。技術的な理由から、 T.ポリコルパス フランスでの宿主分布(図1、2)。したがって、宿主集団の系統内ゲノム構造は、以下のパターンの根底にあるより一般的なメカニズムである可能性があると推測できます。 T.ポリコルパス フランス全土での有病率(たとえば、サンプリングされた南部のサイトでもヌルの有病率を示す系統II内、図1)。さらに、人口構造を制御している場合でも、90のSNPが個々の感染状態に関連していることを発見しました。寄生されていない領域に局在する宿主集団の遺伝的独自性とSNPと個々の感染状態との関連の両方が T.ポリコルパス 範囲の制限はローカルホストの抵抗によるものであるため、「ホストゲノムバックグラウンド仮説」を強力にサポートします。

に対する抵抗の出現 T.ポリコルパス 北東部の河川流域では興味深い質問があり、2つの主要な仮説を立てることができます。1つはマクロ進化過程に関連し、もう1つはこの侵入寄生虫への宿主の最近の急速な適応に関連しています。 「マクロ進化的」仮説は、 T.ポリコルパス の分化中に出現した ロイシスカス 時間の経過とともに系統。 Costedoat etal。 (2006)は、系統IIIの分化を更新世にさかのぼります(

50万年前)、東ヨーロッパからフランス北部の河川流域が植民地化されました。その結果、リネージュIII-寄生とリネージュIII-非寄生(したがって抵抗の出現)の区別は、おそらく旧チャンネル川が後退した後の更新世後期に発生した可能性があり、したがってノルマンディー川流域とリンの間の接続が失われます-セーヌ川流域(発生した

10〜12000年前、Antoine etal。 2007年、Hugueny etal。 2011、Dias etal。 2014)。あるいは、最近の迅速な適応シナリオは、ホストの急速な適応変化と T.ポリコルパス 1920年代のフランスで(Rey etal。2015)。野生の宿主集団における耐病性の急速な進化のいくつかの例が文書化されていますが(Duffy and Sivars-Becker 2007、Bonneaud etal。2011、Epstein etal。2016)、これらの例はまれなままです。の中に L. leuciscusT.ポリコルパス システムでは、SNP感染状態に有意な関連性が見られたため、耐性への適応進化を排除することはできませんが、耐性の出現がドリフトによるものなのか適応進化によるものなのか、そしてこれがはるか昔に起こったのか、ごく最近起こったのかは、完全にテストされます。

全体として、私たちの結果は、共進化し相互作用する種の分布範囲を予測するためのアプローチを組み合わせることが重要であることを示しました。寄生虫種に焦点を当てた種分布モデリングアプローチは、これまで、主に環境要因に焦点を当ててきました(Ostfeld etal。2005、Caminade etal。2019)。しかし、私たちの結果は、環境要因のみに基づいた場合の将来の寄生虫分布の予測(気候変動の文脈でしばしば予測される北部範囲の拡大、Altizer etal。2013、Carter 2018など)を注意深く解釈する必要があることを示唆しています。ここでは、実際に寄生虫が地元の宿主に感染することは決して達成されなかった地域で寄生虫の存在が予想されたであろう経験的な例を提供しました。これは、生態学的特徴だけでは、出現する寄生虫の範囲と潜在的な広がりを説明するのに十分ではないことを示唆しています(Pérez-Rodríguezetal。2013、Anderson 2017)。さらに、ゲノムベースのアプローチにより、宿主のゲノム背景が説明のための重要な要因である可能性が高いことを実証することができました T.ポリコルパス 人口レベルと個人レベルの両方での分布。集団ゲノムアプローチは、局所適応などの寄生虫抵抗性につながる進化過程を説明することを可能にします。これは、我々の結果から、新たな病原体の潜在的な広がりに関する予測を改善するために考慮する重要なプロセスであるように見えます。結論として、私たちの研究は、大規模な空間スケールで新たな病原体の決定要因を明らかにし、将来の広がりを予測するための統合的アプローチの有用性を示しています。

データ可用性ステートメント

Figshareデジタルリポジトリから入手可能なデータ:&lthttps://doi.org/10.6084/m9.figshare.13142528>(Mathieu-Bégnéetal.2020)。

謝辞 –この調査に貢献したすべての人々、特にその期間中に私たちのチームの人々(V. Dubut、I。Paz-Vinas、C。Veyssière)など、フィールドに関するデータの収集に協力してくれた人々に感謝します。また、Agence National pourlaBiodiversité(AFB)およびFédérationsDépartementalesdePêcheetdeProtection des Milieux Aquatiques(FDPPMA)の人々もいます。また、M。Bernard、M。Chevalier、J-Bなど、この作業についてアドバイスやフィードバックを提供してくれた人々にも感謝します。 Ferdy、L。Fourtune、E。Goetz、C。Mathieu、J。Prunier

資金調達 –この作品は、フランス国立研究機構(プロジェクトINCLIMPAR、助成金番号ANR-11-JSV7-0010)とフランス大学研究院によって資金提供されました。 EMBとEMGは、フランス教育科学省からの博士号の助成金によってサポートされていました。この作業は、フランスのトゥールーズにあるGeTコア施設(&lthttp://get.genotoul.fr>)と共同で実施されました。この作業は、TULIP(ANR-10-LABX-41)というタイトルの「Laboratoired'Excellence」(LABEX)の一部である研究所で行われました。

著者の貢献 – GLとSBは研究を調整し、データ取得と分子分析を監督しました。 EMB、EMG、VMは補完的なデータを取得しました。 EMBは統計分析とバイオインフォマティクス分析を実行しました。 EMB、SB、GLが原稿を書きました。すべての著者はアイデアの構想に参加し、その中の内容について責任を負い、原稿の最終版を承認することに同意します。

利益相反 –競合する利害関係はありません。

注意:出版社は、著者によって提供されたサポート情報の内容または機能について責任を負いません。 (不足しているコンテンツ以外の)クエリは、記事の対応する著者に送信する必要があります。


ミトコンドリアDNA制御領域の種内多型と小さなジリスの系統地理学(Spermophilus pygmaeus、リス科、齧歯目)

小さなジリス(Spermophilus pygmaeus)は、地理的範囲が広く、多数の大きな川(ドン川、ヴォルガ川、ウラル川)で分割された多型種です。 mtDNA制御領域の予備分析では、ヴォルガ川の右岸と左岸に生息する小さなジリスの個体群間の実質的な遺伝的差異(7%)が明らかになり、大きな川がこの種の地理的障壁として機能することが示唆されました。ここでは、種の範囲全体で小さなジリス(35の地域から52個体)の遺伝的多様性分析の結果を提示します。ドン川とウラル川は、ヴォルガ川とは異なり、小さなジリスの系統地理学的構造に大きな影響を与えませんでした。ヴォルガ川の東に生息するジリスに見られる地理的細分化は、氷期にトゥルガイ渓谷に沿って流れる大きな古川の影響によって説明できます。ヴォルガ川は種を2つの主要なグループ(西部と東部)に分け、どちらもハプロタイプの多様性が高いレベルにあります。遺伝的多様性指数は、西部クレードでほぼ2倍高くなっています。中立性と距離テストによる分離の結果は、東部クレードの比較的最近の範囲拡大をサポートしています。全体として、観察された遺伝的多様性の構造は、ヨーロッパの起源に関する仮説を支持しています。 S. pygmaeus 種の起源の中心は白人の地理的地域の領域にあります。回帰期間中に一時的な移動回廊が形成されたため、カスピ海レベルの変動の影響下で、小さなジリスが西部と東部の系統発生系統に分割された可能性があります。


序章

レプトスピラ症は人獣共通感染症であり、世界中に分布しており、ほとんどの哺乳類に影響を及ぼしています(Bharti et al。、2003)。それは病原性の感染によって引き起こされます レプトスピラ spp。生物は、貯水池または維持宿主の尿細管にコロニーを形成し、そこから尿を介して環境に放出されることにより、自然界でそれ自体を維持します。維持宿主はしばしばげっ歯類ですが、原則として、感染しやすい宿主は慢性的なキャリアになる可能性があります レプトスピラ。共進化的適応のために、多くの血清型は特定の維持宿主を好み(例えば、ラットはしばしば血清型Icterohaemorrhagiaeを持っている)、これらの宿主に感染の臨床的兆候をほとんど引き起こさない。対照的に、宿主が適応していない血清型に感染した場合(偶発的な宿主感染)、急性で生命を脅かす可能性のある病気が発症する可能性があります。偶発的な宿主の臨床症状には、発熱、腎臓および肝臓の損傷、肺出血、および生殖不全が含まれます(Adler、2015年)。一般に、感染した維持宿主は、偶発的な宿主と比較して、より高い強度およびより長い期間のレプトスピリリアを示す(Chernukcha et al。、1974、Rojas et al。、2010)。

人間のレプトスピラ症は、ラテンアメリカや東南アジアを含む多くの国で主要な公衆衛生問題であり、自然災害や洪水に関連した大発生があります(Abela-Ridder et al。、2010)。温帯の先進国では、レプトスピラ症はまれな病気と見なされており、農民、食肉処理場の労働者、下水労働者、獣医などの職業や、釣りやウォータースポーツなどの野外活動を行う個人の職業リスクが高くなっています(Picardeau、2013年)。

犬では、無症候性の犬における急性臨床感染および曝露の危険因子、ならびに血清陽性と環境または気候要因との関連が、ヨーロッパ、南北アメリカ、オーストラリア、およびニュージーランドを含む世界の多くの異なる地域から報告されています。時々矛盾す​​る結果。最近のメタアナリシスでは、レプトスピラ症の次の主要な危険因子が特定されました:オスの性別、雑種、若い犬(&lt1年)、使役犬、犬の生息地および都市環境での洪水の発生(Azocar-Aedo and Monti、2016 )。その他の考えられる危険因子は、水泳、屋外の水からの飲酒、野生動物への曝露です(Ghneim et al。、2007)。

スイスにおけるレプトスピラ症の疫学は完全には理解されていません。チューリッヒ市で捕獲されたマウス、モグラ、トガリネズミの10〜20%は、PCRに基づく腎コロニー形成の証拠を示しました。 レプトスピラ spp、環境に存在する血清型およびそれらの関連するメンテナンスホストに関するより具体的な情報は現在利用できません。人間のレプトスピラ症の有病率と発生率は、病気の認識が低く、公式の通知システムがないため不明ですが、以前は健康だった若い人の急性レプトスピラ症のクラスターが最近スイスで特定され、アールガウ州のロイス川(Schreiber et al。、2015)。

スイスでは2003年から2012年にかけて犬のレプトスピラ症の発生率が劇的に増加し、2012年にはアールガウ州で28 / 100,000匹の犬の発生率がピークに達しました(Major et al。、2014)。その研究では、獣医大学病院に入院した犬の75%以上が、以前はまれであると考えられていた重症でしばしば致命的な形態のレプトスピラ症であるレプトスピラ肺出血症候群を発症しました。このコホートの犬の約70%は、血清型Australisに属する血清型BratislavaおよびAustralisによる感染の血清学的証拠を示しました(Major et al。、2014)。スイスのこの血清型のメンバーのための自然の貯水池はまだ特定されていません。馬は血清型ブラチスラバの重要な維持宿主と見なされていますが(Arent et al。、2015)、この血清型は無症候性の犬にも同様に運ばれる可能性があるため、他の家畜や野生動物の感染源として機能する可能性があります。人間(エリス、2010年)。

病原性の尿中排出 レプトスピラ レプトスピラ症の疑いのない犬の1.5〜8%で報告されています(Harkin et al。、2003、Rojas et al。、2010、Llewellyn et al。、2016)。犬の飼い主は、ドイツ(Jansen et al。、2005)、バルバドス(Douglin et al。、1997)、ニカラグア(Trevejo et al。、1998)でヒトレプトスピラ症の危険因子として特定されており、 レプトスピラ 犬から人間へのspp。

病原体への曝露が高レベルであると仮定しました レプトスピラ スイスの犬で。さらに、レプトスピラ症の臨床的兆候のない犬ではレプトスピラの尿中排出が一般的であり、したがって犬が環境汚染の一因となる可能性があるという仮説を立てました。

この本研究の目的は次のとおりでした:1)病原体への曝露レベルを推定すること レプトスピラ sp。抗レプトスピラ血清抗体の有病率を決定することにより、2)病原性レプトスピラの尿中排出の有病率を決定し、3)年齢、性別、品種、地理的地域、ワクチン接種状況およびライフスタイルを含む病原性レプトスピラへの曝露の危険因子を決定するスイスでレプトスピラ症の疑いのない犬。


メソッド

2011年、島の南西部にあるパルセラ21にあるサイトP21–3で、モカの発掘調査が行われました。敷地は海抜約20〜30mの海岸段丘にあります。 100と100aの2つのユニットが識別されました。ユニット100aでは合計10m 3が掘削され、ユニット100では合計6.4 m3が掘削されました。掘削はサイトの自然層序に従って行われました。 2×4メートルの領域が約10cmの唾で2メートルの深さまで発掘されました。 P21-3は、約20メートル離れた場所にあり、2001年と2003年にDaniel Quirozらによって発掘された埋葬地であるP21-1に関連する占領地であり、貝塚であると考えられています12。 P21-3サイトには、少なくとも1、000年間の継続的な人間の職業の証拠が含まれています。エルヴェルゲルコンプレックス全体(西暦1、000〜1、500年)からピトレン占領期(西暦0〜600年)までの動物相、セラミック、石材を大量に含む無傷の文化的堆積物の多くは、この時期の占領の証拠を提供します。 。回収された動物相の残骸には、魚、海洋哺乳類、ラクダ科動物、齧歯類、イヌ科動物、鳥の骨が含まれます(未発表のデータ)。シーケンスされたラクダの残骸は、P21-3の考古学的な状況から回収され、関連する資料は689 +/- 31BPから134 +/- 20 BP(Wk 38379–38395)にまでさかのぼります。合計14頭のラクダ科動物のサンプルが古代DNA分析に適していると見なされ、その場所でそのような目的のために袋に入れられ、ラベルが付けられました。

DNA抽出

すべての古代DNAの抽出とシーケンスライブラリの準備は、ダニーデンのオタゴ大学にある専用の古代DNA研究所で行われました。サンプルあたり250mgの骨材料を、きれいな乳鉢と乳棒を使用して粉末に粉砕し、続いてRohland and Hofreiter13から変更されたシリカベースの抽出プロトコルを使用して抽出しました。抽出された5つのサンプルごとに、1つの抽出ブランクも同じ条件下で処理されました。抽出ブランクの3マイクロリットルのアリコートは、Marínの配列に基づいて、プライマーセット(補足表S1)で増幅されました。 et al。 10、ラクダ科のミトコンドリア制御領域の60 bpフラグメントをターゲットにして、抽出物およびブランク中のラクダ科のDNAの存在を検出します。この増幅には、次の熱プロファイルを使用しました。94°Cで9分間の初期変性ステップ、続いて94°Cで20秒間の変性、55°Cで30秒間のアニーリング、72°Cで30秒間の伸長の40ステップ。最終伸長は72°Cで4分間、4°Cで保存します。 PCR産物は、2.5%アガロースゲルでのアガロースゲル電気泳動を介して増幅バンドを視覚的にチェックしました。

イオントレントライブラリの準備

バーコード化されたイオントレントライブラリは、Knappによって記述された古代DNAライブラリビルドプロトコルの修正バージョンを使用して、イオントレント固有のシーケンスアダプターを古代DNA抽出物にライゲーションすることにより、すべてのDNA抽出物、抽出ブランク、およびテンプレートなしコントロールから生成されました。 et al。 14。ライブラリーの準備に続いて、バーコード付きライブラリーをPCR増幅して、保存が容易なストックライブラリーを作成すると同時に、ライブラリーの複雑さを最大限に維持しました14。増幅アーチファクトを低減するために、定量PCRで測定した増幅プラトーに達した後、PCRを停止しました。

増幅されたライブラリーのアガロースゲル電気泳動(2.5%ゲル)を使用して、ライブラリー調製の成功を視覚的に確認し、アダプターダイマーの存在を特定しました。強力なアダプターダイマーを備えたライブラリーは、シーケンス実行でターゲットの読み取りを大幅に削減するため、シーケンスから除外されました。予想されるサイズ(約150〜300 bp)の特徴的なスミアを示し、アダプターダイマーバンドを示さないライブラリーのみをダウンストリーム分析に使用しました。潜在的なクロスコンタミネーションをチェックするために、テンプレートなしのコントロールライブラリーを同じ60 bpラクダコントロール領域特異的プライマーと抽出ブランクのコンタミネーションのテストに使用した同じ熱プロファイルでPCR増幅しました(補足表S1)。 3つのシーケンスライブラリがすべての品質チェックに合格し、ダウンストリーム分析に使用されました。増幅されたライブラリーは、QiagenMinEluteキットを製造元のプロトコルに従って使用して精製しました。

ハイブリダイゼーションキャプチャ

シーケンシングライブラリーは、ハイブリダイゼーションキャプチャー濃縮を使用してミトコンドリアDNAを濃縮しました15。ハイブリダイゼーションの捕捉には、各ライブラリーの2マイクログラムが必要でした。この量のテンプレートライブラリーを得るために、各ストックライブラリーの4つの1μlアリコートをそれぞれ100μlの反応容量でPCR増幅し、PCR増幅プラトーに達した後に反応を再び終了させました。次に、各ライブラリーからの4つのアンプリコンをプールし、Qiagen Mineluteキットを使用して精製し、20μlの0.1xTEで溶出しました。現代から抽出されたDNA ビクーニャパカ (アルパカ)サンプルは、Maricicで説明されているように捕獲餌を生成するために使用されました et al。 15。簡単に言えば、最新のサンプルはQiagen DNeasy抽出キットを使用して抽出され、完全なミトコンドリアゲノムは、に基づくプライマーを使用して2つの別々のフラグメントとして長距離PCRによって増幅されました。 ビクーニャパカ ミトコンドリアゲノムNCBI参照配列:NC_002504.1(補足表S2)、Qiagen QIAquick DNA精製キットを使用して精製し、サーモフィッシャーサイエンティフィックナノドロップ2000c分光光度計を使用して定量しました。長距離PCR産物を750ng等モル量でプールし、超音波処理により断片化しました。ビオチン化アダプターを超音波処理したミトコンドリアゲノムフラグメントにライゲーションしました。次に、アダプターをライゲーションしたフラグメントをストレプトアビジンでコーティングしたビーズに結合させ、ハイブリダイゼーションキャプチャーでベイトとして使用しました。

シーケンス

キャプチャが強化されたバーコードライブラリは、qPCRによって決定された量に応じて等モル比でプールされ、オタゴ大学ダニーデン校のIonTorrentシーケンサーでシーケンスされました。

生データ処理とミトコンドリアゲノムマッピング

イオントレントシーケンシングリードは、バーコードに従って分離され、クラークに従って処理されました。 et al。 16。 25 bpより短いアダプター配列と読み取りは、cutadapt17を使用してトリミングされました。処理された読み取りは、Burrows-Wheeler Aligner(BWA)18を使用して、グアナコおよびビキューナ参照ミトコンドリアゲノムNC_011822.1(グアナコ)およびFJ456892.1(ビキューナ)に対してマッピングされました。コンセンサス配列(bcftoolsとmpileup)とカバレッジプロットがSAMtools mpileup 19を使用して構築されている間、重複読み取りの削除と品質管理はSAMtools(短いDNA読み取りアラインメントを相互作用および後処理するためのツール)を使用して実行されました。コンセンサス配列はGenBankに提出されました(アクセッション番号:KX388532-KX388534、表1を参照)。 perlスクリプトmake_coverage_plots.plを使用して、カバレッジプロットを視覚化しました(補足図S3を参照)。

The commonly used Python and R computational framework known as mapDamage was implemented to track and quantify ancient DNA damage patterns in order to assess for ancient DNA authenticity 20 .

Phylogenetic analysis

A multiple sequence alignment (MSA) was performed using the three consensus Mocha camelid mitochondrial genomes alongside guanaco, llama, alpaca, vicuña and outgroup sequences obtained from NCBI Genbank (Supplementary Table S3) using Mafft with parameters specified for accuracy over speed 21 . The MSA was inspected by eye using Jalview 22 , all sites with an unknown base (n) were removed. BEAUti was used to prepare alignments for phylogenetic tree reconstruction, which was carried out using BEASTv1.8.1. Parameters included a HKY+G substitution as determined using jmodeltest2.1.7 23 and a Speciation:Birth-Death process tree prior 24 . The Markov Chain Monte Carlo (MCMC) was run from a random starting tree for 10,000,000 iterations, sampling every 1,000th tree with a burn in of 100,000 states. Effective sample size for estimated parameters was checked using Tracer v. 1.6 25 . All parameters were estimated from at least 200 fully independent trees sampled by the MCMC. The MCMC was run three times and results were compared to check for convergence of the algorithm. Posterior probabilities were annotated onto the BEAST output tree using TreeAnnotator.

ネットワーク分析

As phylogenetic analyses indicated that Isla Mocha camelids were guanacos, a network analysis against a guanaco dataset was undertaken in order to fit the Isla Mocha camelids into the phylogeographic framework of wild guanacos and identify their potential region of origin. Due to lack of sufficient complete mitochondrial genomes available for comparison, the dataset was limited to the control region of the mitochondrial genome, for which an extensive phylogeographic reference database is available 10 . These control regions were aligned with the Isla Mocha camelid samples using Mafft, then analysis and network construction was performed using the freely available R script, TempNet 26 .


材料および方法

サンプリング

We collected tissue and/or venom samples from 138 C. adamanteus, 127 S. miliarius, and 169 A. piscivorus。 We recorded snout-vent length (SVL), total length (TL), and sex for all live-caught individuals prior to release. Samples were collected under the following permits: Florida Fish and Wildlife Conservation Commission (FWC) LSSC-13-00004 and LSSC-09-0399, Eglin Air Force Base 96 SFS/SFOIRP, Everglades National Park—EVER-2012-SCI-0053, Florida Department of Environmental Protection Division of Recreation and Parks—Permits #04101310 and #03211410, St Vincent National Wildlife Refuge—Permit #41650-2012-08, Mississippi Department of Wildlife, Fisheries, and Parks Salvage Permit, and Sapelo Island NERR Research Projects collaboration. The above procedures were approved by the Florida State University Institutional Animal Care and Use Committee (IACUC) under protocols #0924 and #1333.

Probe Design, Library Preparation, and Sequencing

We sequenced 138 C. adamanteus, 95 S. miliarius, and 142 A. piscivorus。 Target capture probes for 348 anchor ( Lemmon et al. 2012 Ruane et al. 2015), 240 long anonymous (∼2,000 bp), and 829 short anonymous (∼250 bp) loci were designed as previously described ( Margres et al. 2017 Margres et al. 2017). Samples were sequenced as previously described ( Margres et al. 2017) through the Center for Anchored Phylogenomics at Florida State University (www.anchoredphylogeny.com). Sequencing was performed in the Translational Science Laboratory in the College of Medicine at Florida State University, and all samples were sequenced PE150, PE200, and/or PE250 on an Illumina HiSeq2500 as previously described ( Margres et al. 2017).

Alignments and Variant Calling

Reference sequences for all anchored, short anonymous, and long anonymous loci to be used in alignments for variant calling were generated as previously described ( Margres et al. 2017). Raw reads were merged with PEAR ( Zhang et al. 2014) and alignments generated using the BWA-MEM algorithm ( Li and Durbin 2009). We used merged and unmerged reads for assembly. Variant calling was performed in GATK ( McKenna et al. 2010 DePristo et al. 2011) as previously described ( Margres et al. 2017).

Identifying Genetic Structure

We used a discriminant analysis of principal components, or DAPC ( Jombart et al. 2010), in the adegenet package ( Jombart 2008) in R to identify distinct genetic clusters for each species independently. This approach uses discriminant functions to maximize variation between and minimize variation within different genetic clusters. The best number of clusters (i.e., k) was identified by using a clustering algorithm that maximizes variation between groups Bayesian Information Criterion (BIC) was used to compare models for k = 1–20, and all principal components were retained during cluster identification. Following cluster identification, we used the dapc function ( Jombart 2008) to describe the genetic clusters identified in the previous step. To avoid overfitting the data, we used the a.score から adegenet package ( Jombart 2008) to select the optimal number of principal components to retain during the DAPC as suggested by the tutorial. NS a.score is the difference between the proportion of successful reassignment and random values. All discriminant functions were retained. We then estimated Weir and Cockerham’s mean and weighted NSNS ( Weir and Cockerham 1984) across the identified genetic clusters using vcftools ( Danecek et al. 2011).

Population-Phylogenetic Inference

To complement our DAPC runs, we inferred unrooted phylogenies for each of the three species using SVDquartets ( Chifman and Kubatko 2014) in PAUP* v4.0a157 ( Swofford 1998). SVDquartets uses SNPs to infer relationships among quartets of taxa under a coalescent model in which each site is assumed to have its own genealogy SVDquartets does not necessitate independence among sites (i.e., multiple SNPs in linkage may be used). By estimating quartet genealogies for each site, the sample-wide phylogeny may be estimated by assembling the resultant quartets. We produced multiple sequence alignments in fasta format using PGDspider v2.1.1.2 ( Lischer and Excoffier 2012) and custom scripts for each species. When converting from variant call to fasta format, PGDspider produces two concatenated sequences per sample: one generated from the concatenation of the first allele across all sites, and one from the second allele across all sites. We produced the input sequences for SVDquartets by concatenating these two resultant sequences for each individual. For each species, all quartets were estimated under the multispecies coalescent model (expecting matrix-rank 10), and these quartets were assembled using the QFM algorithm. Confidence in tree topology was quantified through nonparametric bootstrapping. A consensus tree was produced by summarizing across bootstrapped trees using the SumTrees program as implemented in DendroPy v4.3.0 ( Sukumaran and Holder 2010) using –force-unrooted and –min-clade-freq = 0.25. Consensus trees were visualized using FigTree v1.4.3 ( Rambaut 2012).

Estimating Effective Migration Surfaces

We used the program EEMS ( Petkova et al. 2016) to estimate and project spatially variable migration rates across the landscape for each species independently. Briefly, EEMS models the effective migration rate as the rate at which genetic dissimilarity decays under a population genetic stepping stone model. Under this model, individuals may migrate among adjacent demes, and the rates at which these individuals migrate can spatially vary. To approximate continuous population structure, a dense regular grid is superimposed across the landscape, and expected genetic dissimilarities across this landscape are modeled using resistance distance, thus integrating across all possible migration routes among demes ( McRae 2006). We used QGIS 2.0.1—Dufour ( Team 2009) to generate the bounding polygons for each species in which deme grids were overlain. Briefly, shapefiles for Alabama, Florida, Georgia, Mississippi, and South Carolina were downloaded from the United States Census Bureau (Bureau 2017) 30-km buffers were calculated around each state boundary and merged with the state polygon. These resultant polygons were then manually reduced to contain only sampled locations and coastlines (i.e., unsampled portions of the state were excluded), and the outer coordinates for these shapefiles provided the bounding polygon for the EEMS analyses. We converted the SNP data to PLINK format ( Purcell et al. 2007) and then calculated the pairwise difference matrix using the bed2diffs function in EEMS. Missing genotypes were not imputed. Following the authors recommendations, we used EEMS to estimate migration surfaces for two deme sizes (750 and 1,000), and the final results were obtained by averaging across runs ( Petkova et al. 2016). For each deme size, we conducted two runs. For each run, the MCMC was run for ten million generations, sampling every 10,000 generations with a burn-in of one million generations. The posterior for each chain, therefore, was comprised of 1,000 samples with a total of 2,000 samples per deme size. MCMCs were visually assessed for convergence ( supplementary fig. S7 , Supplementary Material online). Effective migration surfaces and respective posterior probabilities were visualized using the reemsplots2 R package ( R Development Core Team 2013). Here, the contour plot was produced by sampling from the posterior distribution of migration rates and interpolating rates between grid points. Effective migration rates are shown as migrants per generation on a log scale relative to the overall migration rate across the landscape ( Petkova et al. 2016). Mean, untransformed effective migration rates for each DAPC genetic cluster were calculated by extracting the value at each individual sampling location and averaging across all individuals/DAPC genetic cluster. Effective migration rates represent the number of migrants per generation being exchanged between the specific DAPC cluster and neighboring demes.

Venom Statistical Analyses

We collected venom from 91 C. adamanteus, 127 S. miliarius, and 169 A. piscivorus。 To increase sample sizes for the expression analyses, individuals not included in the sequence-based analyses but originating from the same populations were included in RP-HPLC-based analyses. Twenty-five rRP-HPLC peaks per C. adamanteus venom sample, 28 peaks per S. miliarius venom sample, and 38 peaks per A. piscivorus venom sample were quantified as previously described ( Margres et al. 2014 Margres et al. 2015 Wray et al. 2015). We used the ilr transformation ( Egozcue et al. 2003) to transform the data using the robCompositions package ( Templ et al. 2011) in R prior to statistical analyses ( Filzmoser et al. 2009). We used the multiplicative replacement strategy ( Martin-Fernandez et al. 2003) implemented in the R package zCompositions assuming a detection threshold of 0.01% (the smallest measured value) to resolve the issue of zeros. We used the adonis からの機能 ビーガン package ( Oksanen et al. 2007) in R and Euclidean distances to perform a permutational or nonparametric MANOVA ( McArdle and Anderson 2001) on the ilr-transformed data to test for significant protein expression differentiation as previously described ( Margres et al. 2015) we chose to use the Euclidean distance because Euclidean distance on the real space is equivalent to the Aitchison distance in compositional space. Results were visualized using the betadisper function (i.e., multivariate homogeneity of groups dispersions).

Because ontogenetic shifts in venom expression are common among pit vipers ( Mackessy 1988 Durban et al. 2013 Margres et al. 2015 Wray et al. 2015 Rokyta et al. 2017), we separated individuals into age classes to test for ontogenetic expression variation in these species. Crotalus adamanteus <102 cm SVL were classified as juveniles, and C. adamanteus ≥ 102 cm were classified as adults based on previous work ( Waldron et al. 2013 Margres et al. 2015). Sistrurus miliarius <28 cm SVL were classified as juveniles, and individuals ≥ 28 cm were classified as adults ( Smiley-Walters et al. 2017). Agkistrodon piscivorus <45 cm were classified as juveniles, and individuals ≥ 45 cm were classified as adults ( Burkett 1966). Population designations were consistent with population structure analyses. Using this adult-only data, we used the distmeandist functions in R to calculate between group dissimilarity in venom expression using Euclidean distances and the ilr-transformed data. We performed all pairwise comparisons for 1) the identified DAPC clusters, and 2) the sampling localities within each DAPC cluster.たとえば、 C. adamanteus, we performed 1) all pairwise comparisons for the three DAPC genetic clusters (East, West, Jekyll supplementary fig. S4 NS, Supplementary Material online), 2) all pairwise comparisons of the four sampling localities present within the East DAPC genetic cluster ( supplementary fig. S4 NS, Supplementary Material online), and 3) all pairwise comparisons of the three sampling localities present within the West DAPC genetic cluster ( supplementary fig. S4 NS, Supplementary Material online). We never compared, however, the West1 and Everglades sampling localities in supplementary figure S4 NS, Supplementary Material online, to avoid unnecessary, nested pseudoreplication as these sites were already compared when looking across DAPC clusters (i.e., East vs. West). To explicitly address the pseudoreplication that did exist in our data set, we performed Mantel and partial Mantel tests to compare the correlation between the venom, geographic distance, and NSNS distance matrices using the ビーガン package ( Oksanen et al. 2007) in R.


ビデオを見る: 高度なQGIS式