คำถาม : ฉันจะสร้างการทดสอบเพื่อตรวจสอบได้อย่างไรว่า "ภูเขา" - ความถี่ทั้งหมด (รูปที่ 1) ที่สังเกตได้นั้นลดลงอย่างมีนัยสำคัญในภูเขากลางถึงภาคใต้มากกว่าที่ทำนายไว้ (รูปที่ 2) โดยรูปแบบการเลือกเชิงนิเวศ ( ดูรายละเอียดด้านล่าง )
ปัญหา : ความคิดเริ่มต้นของฉันคือการถดถอยส่วนที่เหลือของแบบจำลองกับละติจูด: ลองจิจูดและระดับความสูง (ซึ่งส่งผลเฉพาะการทำงานร่วมกันระหว่างละติจูดและลองจิจูดเป็นสำคัญ) ปัญหาคือสิ่งที่เหลืออยู่ (รูปที่ 3) อาจสะท้อนถึงการเปลี่ยนแปลงที่ไม่ได้อธิบายโดยแบบจำลองและ / หรือว่าเป็นสิ่งที่เกิดขึ้นทางชีวภาพเช่นอัลลีลไม่มีเวลาที่จะแพร่กระจายไปทางทิศใต้ถึงศักยภาพหรือมีอุปสรรคบางอย่างต่อการไหลของยีน หากคุณเปรียบเทียบความถี่ที่สังเกตได้ (รูปที่ 1) กับที่คาดหวัง (รูปที่ 2) มีความแตกต่างอย่างชัดเจนโดยเฉพาะอย่างยิ่งในภาคกลางถึงภูเขาทางตอนใต้ของสวีเดนและนอร์เวย์ ฉันยอมรับว่าตัวแบบอาจไม่สามารถอธิบายการเปลี่ยนแปลงทั้งหมดได้ แต่ฉันสามารถทดสอบแบบมีเหตุผลเพื่อสำรวจความคิดที่ว่าอัลลีลภูเขาไม่ถึงศักยภาพในใจกลางภูเขาทางตอนใต้หรือไม่
พื้นหลัง: ฉันมีเครื่องหมาย AFLP bi-allelic ซึ่งการกระจายความถี่ดูเหมือนว่าเกี่ยวข้องกับภูเขา (และละติจูด: ลองจิจูด) เมื่อเทียบกับที่อยู่อาศัยระดับต่ำบนคาบสมุทรสแกนดิเนเวีย (รูปที่ 1) "ภูเขา" - อัลลีลเกือบคงที่ในภาคเหนือซึ่งเป็นภูเขา มันเกือบจะหายไปหรือคงที่สำหรับ "ที่ราบลุ่ม" - อัลลีในภาคใต้ซึ่งขาดภูเขา ในขณะที่เคลื่อนไปทางเหนือจรดใต้ในภูเขา "ภูเขา" - อัลลีลเกิดขึ้นในความถี่ต่ำ ความแตกต่างนี้ใน "ภูเขา" - ความถี่ทั้งหมดจากเหนือจรดใต้อาจเป็นเพราะกระบวนการทางประวัติศาสตร์หรือกระบวนการทางประวัติศาสตร์เนื่องจากพื้นที่ถูกล่าอาณานิคมจากทั้งเหนือและใต้ ตัวอย่างเช่นหากอัลลีลภูเขาเกิดขึ้นในประชากรภาคเหนือบางทีมันอาจจะไม่มีเวลาที่จะขยายสู่ประชากรภาคใต้อย่างเต็มที่
สมมติฐานการทำงานของฉันคือว่า "ภูเขา" - ความถี่ทั้งหมดเป็นผลมาจากการเลือกทางนิเวศวิทยา (สมมติฐานว่างคือการเลือกที่เป็นกลาง)
สำหรับรูปแบบการเลือกทางนิเวศวิทยาของฉันฉันใช้โมเดลเสริมทั่วไป (GAM) ที่มีความถี่อัลลีลทวินามเป็นตัวแปรตอบสนอง (129 ไซต์ตัวอย่างทั่วทั้ง Fennoscandinavia โดยมีตัวอย่าง 10 ถึง 20 คนในแต่ละไซต์) และตัวแปรตามฤดูกาลและภูมิอากาศ ตัวแปรทำนาย ผลของแบบจำลองมีดังนี้ (TMAX04-06 = อุณหภูมิสูงสุดในเดือนเมษายน - มิถุนายน, Phen_NPPMN = หมายถึงผลผลิตพืชผักในฤดูปลูก, PET_HE_YR = ศักยภาพในการคายระเหยประจำปี, Dist_Coast = ระยะห่างจากชายฝั่ง):
Family: binomial
Link function: logit
Formula: Binomial_WW1 ~ s(TMAX_04) + s(TMAX_05) + s(TMAX_06) + s(Phen_NPPMN) +
s(PET_HE_YR) + s(Dist_Coast)
Parametric coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.74372 0.04736 -15.7 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Approximate significance of smooth terms:
edf Ref.df Chi.sq p-value
s(TMAX_04) 3.8100 4.812 25.729 9.43e-05 ***
s(TMAX_05) 0.8601 1.000 5.887 0.01526 *
s(TMAX_06) 0.8862 1.000 7.644 0.00569 **
s(Phen_NPPMN) 6.2177 7.375 39.028 3.16e-06 ***
s(PET_HE_YR) 3.1882 4.147 18.039 0.00145 **
s(Dist_Coast) 2.2882 2.857 9.725 0.01906 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
R-sq.(adj) = 0.909 Deviance explained = 89.7%
REML score = 326.73 Scale est. = 1 n = 129
รูปที่ 1 สังเกต "ภูเขา" - ความถี่ทั้งหมดสำหรับเครื่องหมาย AFLP bi-allelic เส้นรูปโค้ง 0.1 ช่วงความถี่การแรเงาสีคือระดับความสูงพร้อมบลูส์สำหรับค่าต่ำสุดและสีแดงสูงสุด
รูปที่ 2 คาดการณ์ "ภูเขา" - ความถี่ทั้งหมดสำหรับเครื่องหมาย AFLP bi-allelic เส้นรูปโค้ง 0.1 ช่วงความถี่การแรเงาสีคือระดับความสูงพร้อมบลูส์สำหรับค่าต่ำสุดและสีแดงสูงสุด
รูปที่ 3 รูปแบบการเลือกเชิงนิเวศน์ (โดยใช้ GAM) แยกตามพื้นที่การศึกษาทั้งหมด (Fennoscandinavia) และแยกต่างหากสำหรับนอร์เวย์สวีเดนและฟินแลนด์ เส้นประสีแดงเป็นตัวแทนเขตติดต่อรองระหว่างประชากรภาคเหนือและภาคใต้ที่อนุมานจากเครื่องหมาย AFLP อื่น ๆ และการวิเคราะห์ไอโซโทปที่เสถียรของขนนกที่ปลูกในบริเวณฤดูหนาวที่แยกต่างหากในแอฟริกา เส้นประสีดำบาง ๆ เป็นศูนย์กลางของโซน