基于贝叶斯网络的生态系统服务权衡协同关系及其驱动因子分析——以陕北黄土高原为例

了解生态系统服务的权衡协同关系及其驱动因子效应是实现生态系统有效管理和改善人类福祉的基础。以陕北黄土高原为例,定量评估其2018年土壤保持、产水服务、粮食供给和固碳服务,在构建贝叶斯网络生态系统服务模型的基础上,通过节点的重要性分析识别影响生态系统服务的关键节点,利用联合概率分布、概率推理和情景模拟探讨生态系统服务权衡协同关系及其驱动因子效应。结果表明：（1）陕北黄土高原各类生态系统服务空间异质性较强。其中,土壤保持、产水服务和固碳服务的空间分布情况较为一致,高值区集中在东南部,低值区在西北部,呈"南高北低"的分布特征;粮食供给呈"中部高、南北低"的分布特征。（2）土壤保持、产水服务和固碳服务之间互为协同关系,粮食供给分别与土壤保持、产水服务、固碳服务为权衡关系。其中,产水服务与固碳服务的协同关系、产水服务与粮食供给的权衡关系较强。（3）土地利用、降水和NPP （Net primary production）是影响生态系统服务权衡协同关系的主要驱动因子,其中土地利用主要影响生态系统服务的协同关系,而降水和NPP在影响协同关系的同时对权衡关系也有一定的制约作用。研究发现：不同驱动因子在不同状态下产生相同的协同（或权衡）方式,相同驱动因子在不同状态则会造成协同（或权衡）方式的差异。研究对于认识多种生态系统服务间的复杂关系及其驱动因子差异,为后续提出改善生态系统管理和提高人类福祉的对策与措施,具有重要的理论和实践价值。     

平原圩区水系结构与功能特征及其影响机制——以昆山南部为例

明晰平原河网水系结构和功能的影响机制对区域生态可持续发展具有重要意义。以昆山市南部防洪分区为例,选取水系指标分析圩区单元尺度下的水系网络结构与调蓄功能,并构建贝叶斯网络模型,综合考虑用地、自然、工程与政策管理等因子及其相互作用,定量探究水系结构与功能的影响机制。结果表明:(1)水系网络结构具有显著空间异质性,且水系调蓄功能与结构特征密切相关,较复杂的水系形态结构往往表现出较强的调蓄功能;(2)政策、工程、用地和自然条件等因子对水系调蓄功能的影响强度依次减弱;(3)识别水系功能优化目标下的关键变量与关键状态子集,可从社会-生态协同视角指导圩区单元的水系治理与优化。研究结果可为平原圩区水系网络健康与可持续发展提供理论参考和决策依据。     

基于贝叶斯网潜类模型的高维SNPs分析

采用贝叶斯(Bayesian)网的潜类模型对GAW17高维SNPs数据进行分析,为复杂性状疾病遗传以及基因定位等方面的研究提供新的方法支持。本研究从GAW17提供的包含697个个体22条常染色体的上万个SNP中,随机挑选出1号染色体上12个基因的29个SNPs作为研究对象。按照累计信息贡献率达到95%的原则,应用贝叶斯网潜变量模型选出C1S11408,C1S3201,C1S1786等15个与X0互信息量大的SNPs位点来对研究人群进行分类与解释。结果表明697个个体总的被分为2个潜在类别,各类别的概率分别为0.68和0.32。对两类人群的疾病分布状况进行分析,结果表明二者不一致,第二个类别人群患病率(38.64%)明显高于第一个类别人群(25.99%)(χ2=11.46,P=0.001)。由此可见,两类人群疾病患病率的差别正是由选出的15个SNPs造成的,从而有理由认为这些SNPs为可疑致病位点,为进一步的研究提供明确的思路。     

基于贝叶斯二项式模型分析棕头鸥种群多度与环境因子间的关系

传统的种群多度调查方法由于默认观察率 p 等于 1,因此极有可能低估种群大小,进而误判种群多度与环境因子间的关系。为了了解禽流感爆发后青海湖棕头鸥种群与环境因子间的关系,为棕头鸥管理提供有效依据,于 2010 年和 2011 年的 4 ～6 月调查了青海湖保护区 23 个观测点的棕头鸥种群数量及环境因子。通过包含观察率的贝叶斯二项式混合模型分析棕头鸥种群多度与环境因子间的关系,采用 DIC 准则进行因子筛选。结果表明: 种群数量亚模型包含取样面积、放牧强度、距公路距离和植被盖度 4 个参数,种群数量随取样面积、距公路距离和植被盖度的增加而增加,随放牧强度的增加而减少; 观察率亚模型包含观察经验和棕头鸥的行为月节律 2 个参数,观察率随观察月的递增而降低,随观察经验的增加而升高,高经验观察者平均每千米观察到 18. 1 只棕头鸥,低经验观察者可以平均观察到 13. 7 只。天气状况不影响观察率,这可能与棕头鸥的觅食栖息地距岸边较近,不影响观察者的观察有关。     

基于关联基因本体论注释的蛋白质相互作用预测

细胞中的生理活动主要是通过蛋白质 - 蛋白质之间的相互作用来调控完成 . 详尽细致的蛋白质 - 蛋白质相互作用网络的解析对于理解细胞中复杂的调控、代谢和信号通路有重要的意义 . 近年来,关于新的蛋白质 - 蛋白质相互作用预测领域进展快速,这里,利用贝叶斯算法结合关联的 GO (Gene Ontology) ,来预测蛋白质的相互作用 . 利用非冗余的蛋白质相互作用数据来观察 GO 对的特性,得到 GO 关联的概率 . 通过阳性的和阴性的标准对照数据证实这个新方法可以很好地区别这两类不同的数据,显示出较好的灵敏度和非常低的假阳性预测率 . 通过与已知的高通量的实验数据比较,这个方法具有灵敏度高、速度快的优点 . 而且,运用这个新方法可以提供一些新的关于细胞内蛋白质之间相互作用的信息,为进一步的实验提供理论依据 .     

以子囊菌部分类群的rRNA数据为例,评估不同分区策略对贝叶斯分析效果的影响(英文)

在使用rRNA基因进行系统发育分析过程中,不同位点间进化速度的差异性可能是导致系统误差的一个重要原因。以52个真菌为研究对象,利用rRNA二级结构特征构建分区策略,探讨不同分区策略对贝叶斯分析的影响。结果显示各结构分区的最优核酸替代模型及其参数与分区类型密切相关。与传统的贝叶斯方法相比,使用结构环的分区策略对结果没有显著影响,而引入臂元素的方法却导致更高的边际似然值和支持率。此外,不考虑结构特征,简单的增加子分区数量的分区策略尽管也能导致贝叶斯因素值的增加,却没有提高解决亲缘关系的能力,说明一个合理的分区策略应该基于生物学功能(或二级结构特征)而非纯数学因素。     

RPB2序列的贝叶斯分析估计梅衣科部分谱系分化时间

以树发属(Alectoria)化石为校正点,使用RPB2序列和BEAST分析方法估计梅衣科部分类群的分化时间。梅衣科地衣部分谱系的分化发生在白垩纪、古新世到始新世和渐新世;主要属内辐射则发生在晚始新世、早渐新世,并延续到中新世和上新世早期。估计的主要谱系分化时间与古气候条件及古地质区域分支图相呼应。     

基于微阵列数据构建基因调控网络

随着微阵列数据的快速增长, 微阵列基因表达数据日益成为生物信息学研究的重要数据源。利用微阵列基因表达数据构建基因调控网络也成为一个研究热点。通过构建基因调控网络, 可以解读复杂的调控关系, 发现细胞内的调控模式, 并进而在系统尺度上理解生物学进程。近年来, 人们引入了多种算法来利用基因芯片数据构建基因调控网络。文章回顾了这些算法的发展历史, 尤其是其在理论和方法上的改进, 给出了一些相关的软件平台, 并预测了该领域可能的发展趋势。