雷山髭蟾的种群历史研究

来源 :华中师范大学 | 被引量 : 0次 | 上传用户:sohdengmang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
雷山髭蟾(Vibrissaphora leishanensis)属于中国雷公山特有种。由于自然和人为因素,雷山髭蟾的数量正急剧减少并且面临着灭绝。为了对雷山髭蟾制定科学合理的保护策略,本研究以采集于雷公山自然保护区的两个地点的48个雷山髭蟾个体为研究对象,分别应用微卫星、线粒体细胞色素b (cytochrome b)和MHC (Major Histocompatibility Complex)基因三种不同的分子标记对雷山髭蟾进行了遗传多样性、遗传结构、种群动态等方面的的对比和研究,主要研究结论如下:(1)雷山髭蟾两个地理种群遗传多样性水平均较高。两个种群的微卫星结果显示杂合度(茅坪村种群Ho为0.609-0.875,雷山林场种群Ho为0.583-0.958)及等位基因丰富度(茅坪村种群10.33,雷山林场种群10.58)均较高,遗传多样性丰富;两个种群的Cytb核苷酸多样性(茅坪村种群0.00288,雷山林场种群0.00268)均较低,单倍型多样性均较高(茅坪村种群0.895,雷山林场种群0.889),表明遗传多样性略低;MHC I类基因exon3的53个等位基因间变异较大,遗传多样性高;在这三种分子标记中,进化速率最慢的是Cytb,微卫星次之,MHC最快。综合来看,雷山髭蟾遗传多样性较高,说明雷山髭蟾致危的主要因素并不是遗传多样性低。(2)雷山髭蟾两个地理种群间的遗传分化均较低。微卫星遗传分化值Fst为0.0120, Cytb的Fst为0.0219,且P值均大于0.05,说明雷山髭蟾种群间的遗传分化不明显,推测可能是由于两个地理种群的采样点仅相隔20多千米,两个地理种群间的基因交流未受到阻碍,并未独立成两个亚种群。(3)雷山髭蟾种群历史上先经历了种群瓶颈后发生了种群扩张,且其MHC I类基因exon3受正选择作用。微卫星检测雷山髭蟾种群经历了种群瓶颈;Cytb检测雷山髭蟾发生了种群扩张;线粒体DNA的进化速度还不够快,不能检测当代的基因流,所以线粒体DNA反映的是远期事件所导致的遗传变异及基因流状况,而微卫星的进化速率比线粒体DNA快,那么微卫星检测的是物种近期经历的事件,因此种群瓶颈事件必然发生在种群扩张之前。(4)根据上述研究结果,对雷山髭蟾的保护提出的建议为:加强人类对雷山髭蟾的保护意识,严厉惩治捕杀行为;就地建立保护点进行生态监测。
其他文献
目的:分析2011-2013年乐清市发生的麻疹流行病的特征,为制定和调整麻疹防控策略提供科学的依据。方法:对麻疹监测信息报告管理系统发布的麻疹病例监测数据及乐清市统计局发布
利用国家气象信息中心提供的2008—2013年6—8月中国自动站逐小时降水资料与CMORPH(CPCMORPHingtechnique)卫星反演降水资料融合生成的逐小时融合降水产品(0.1°网格数据
本文通过考察韩国三大报社中文网站中韩汉新闻词汇的翻译,找出偏误并分类分析,提出避免偏误出现的可行翻译方法,以期对提高韩汉新闻翻译质量有所帮助。 This article examin
随着城市化进程的不断往前推进,高层建筑数量猛涨,火灾事故频发,消防安全面临严峻挑战。对高层建筑进行火灾风险评估可为建筑消防管理、现代城市消防设施规划以及保险行业保
近年来我国建筑业长期粗放式发展,在消耗大量资源的同时还造成生态环境的破坏,建筑业“四节一环保”的绿色施工理念逐渐被人们关注,但由于我国绿色施工发展较滞后,还没有广泛
<正> 1992年8月28日至9月1日,受第16号强热带风暴和天文大潮的综合作用,我国东部沿海发生了1949年以来影响范围最广、损失最严重的一次风暴潮灾。潮灾先后波及福建、浙江、上
东南隆起区作为松辽盆地的一级构造单元,自上世纪六十年代以来开展了丰富的勘查工作,不仅证明了松辽盆地东南隆起区是丰富的油气成藏区,还是重要的铀矿富集成矿区。铀矿床主要富集于沉积砂体中,因此对东南隆起沉积体系的研究就尤为重要。本文在综合野外、钻井、地震及其他地质资料的基础上,以沉积相、沉积体系划分为重点,结合层序地层学分析,对东南隆起区泉头组-姚家组的沉积相、沉积体系、构造环境、砂体特征进行了研究,为
我们用高压溶样器做人体样品预处理,有效防止了样品消化过程中硒的挥发损失;用金电极阳极溶出伏安技术研究了人体中痕量硒的测定方法,确定了最佳测试条件,检出下限为2&#215;1
复杂网络模型着重强调复杂系统的拓扑结构,在现实世界中,主要被应用于信息网、交通网、生物网、社交网等领域。现实世界中的网络复杂、节点数量巨大,人们在利用复杂网络尽享便利的同时也因网络的脆弱与动荡受到不利影响。为解决这些问题,研究者们关注不同学科、不同系统中复杂网络的结构、功能、稳定性、同步与混沌、鲁棒性等动力学问题,并结合目前的机器学习与大数据等科学方法进行交叉研究,以深入明晰地研究复杂网络的拓扑性