Improve Research Reproducibility
A Bio-protocol resource
实验方案
研究领域
癌症生物学 (450)
发育生物学 (339)
分子生物学 (1201)
干细胞 (269)
免疫学 (620)
神经科学 (740)
生物化学 (1444)
生物物理学 (183)
微生物学 (1193)
系统生物学 (359)
细胞生物学 (2243)
植物科学 (1098)
Bio-protocol
期刊
Bio-101 实验手册
课题组实验方案合辑
Request a Protocol
作者指南
关于
提交实验方案
订阅
A high-quality database for basic life science protocols
实验方案
研究领域
癌症生物学 (450)
发育生物学 (339)
分子生物学 (1201)
干细胞 (269)
免疫学 (620)
神经科学 (740)
生物化学 (1444)
生物物理学 (183)
微生物学 (1193)
系统生物学 (359)
细胞生物学 (2243)
植物科学 (1098)
Bio-protocol 期刊
Bio-101 实验手册
课题组实验方案合辑
Request a Protocol
订阅
提交
提交实验方案
作者指南
关于
本地适应的搜索结果
Peer-reviewed
Preprint
Extracted from published research articles
生物化学
生物信息学与计算生物学
生物物理学
癌症生物学
细胞生物学
发育生物学
免疫学
微生物学
分子生物学
神经科学
植物科学
干细胞
系统生物学
研究物种
节肢动物
鱼类
真菌
无脊椎动物
哺乳纲
其它脊椎动物
植物
原核生物
原生动物
病毒
蠕虫
相关性
日期
浏览量
应用环境关联分析检测本地适应位点
Detecting Loci Underlying Local Adaptation Using Environmental Association Analysis
Authors:
金铃
郭宝成
and
date:
06/24/2021,
view:
6762,
Q&A:
0
SNP等位基因频率变异与环境变量间相关联的频率分布直方图以log10[Bayes factor (BF)] > 1.5为标准,可统计与特定环境变量强相关的SNP数目,这些SNPs通常被认为与群体的
本地
适应
相关 研究背景随着全球气候和环境的剧烈变化,理解生物
适应
环境变化的遗传响应,已成为进化生物学研究中的一个重要问题。 群体基因组水平的
适应
性位点检测. Bio-101: e1010627.Ahrens, C. W., Rymer, P. 该分析方案已在鱼类野生群体的
适应
性机制研究中广泛应用 (如Mag
群体基因组水平的适应性位点检测
Detecting Adaptive Loci with Population Genomic Data
Authors:
金铃
郭宝成
and
date:
07/23/2021,
view:
5505,
Q&A:
0
本地
适应
是指某群体相比于其他群体更
适应
其所在生境的进化过程 (Savolainen et al., 2013)。 近年来,随着高通量测序技术的发展,群体基因组学数据和研究方法逐步应用于鱼类的
本地
适应
(local adaptation) 研究中 (López et al., 2015; Bernatchez, 2016 研究背景
适应
性进化是生物
适应
环境变化赖以生存的基础。生物能否快速
适应
环境变化,对于维护生物多样性、人类健康、粮食安全、自然资源的可持续
EasyCodeML在适应性进化分析中的应用
Application of EasyCodeML on Adaptive Evolution Analysis
Authors:
许瑜婷
高芳銮
and
date:
09/10/2021,
view:
5464,
Q&A:
1
研究背景在DNA水平上检测正选择,并找出对应的氨基酸位点是
适应
性进化分析中不可或缺的一项重要内容。 EasyCodeML参数配置界面2.1选择一个
本地
文件夹作为工作目录,可以直接通过拖曳进行操作。2.2选择Site Model作为分析模型 (默认)。2.3载入已转为PAML格式的比对序列文件。 应用EasyCodeML进行
适应
性进化分析,简单易用。但受内核所限,该软件仅适用于中、小型数据集。 比对序列格式转换1.2系统发育树文件 用于
适应
性进化分析的树文件必须是不带任何数值的 Newick 格式。
野生动物微生物组数据平台构建的技术方法和实践挑战
Technical Frameworks and Practical Challenges in Developing Wildlife Microbiome Databases
Authors:
王恺毅
杨蕊菁
,
李雨霏
,
赵李頔涵
,
闫利平
,
王海燕
,
高云云
and
date:
02/05/2026,
view:
258,
Q&A:
0
... 在野生动物研究中,精确地理坐标、栖息地特征及个体生态信息对于后续生态
适应
性分析尤为重要。 数据来源的多样化是确保数据库广度的重要保障 [26]。 对于计算密集型分析任务,例如大规模宏基因组装配、序列比对以及系统发育分析,
本地
高性能计算集群依然是常用方案之一。 以野生动物微生物组为例,数据库设计不仅要考虑常规的物种多样性,还需结合宿主分类信息、地理分布、保护等级等生态学属性上做“场景强化”,从而支持生物多样性保护、疾病监测及生态
适应
性研究。 这类平台能够提供从数据导入、质控、组装到功能注释与结果展示的端到端支持,降低对
本地