We analysed the divergence with the

We analysed the divergence with the Isolation-with-Migration
model using the software IM (Hey and Nielsen, 2004), which conducts
Markov Chain Monte Carlo (MCMC) simulations for parameters
scaled to the neutral mutation rate: q1, q2 and qA (effective
size of population 1, 2, and ancestral population, respectively); t
(time of population divergence) and m1 and m2 (migration rate
into population 1 and 2, respectively, as time moves forward).
Our exploratory analyses revealed that our data from two loci
combined (RAG1 and ND5) did not contain suitable information
to resolve the full model of above six parameters nor a reduced
model of three parameters: q = q1 = q2 = qA; t and m = m1 = m2.
This is a common problem with data sets including reciprocally
monophyletic genealogies (see Section 3 for the reciprocal monophyly
that we found for RAG1), which is not suited for the IM
model because there is often no suitable information to jointly assess
highly correlated parameters, qA and t (Hey and Nielsen,
2004). Consequently, we performed IM analyses including only
ND5 data, which converged well. As our main question was to
distinguish IM (m – 0, t > 0) versus ILS (m = 0, t > 0) scenarios,
we estimated three parameters (q, t and m) under these two
models.

ผลลัพธ์ (ไทย) 1:

เรา analysed divergence กับการแยกกับย้ายแบบจำลองที่ใช้ซอฟต์แวร์ IM (เฮย์และนีล 2004), ที่จำลอง Markov โซ่มอน Carlo (MCMC) สำหรับพารามิเตอร์ปรับอัตราการกลายพันธุ์เป็นกลาง: q1, q2 และ qA (มีผลบังคับใช้ขนาดของประชากร 1, 2 และโบราณประชากร ตามลำดับ); t(เวลาของประชากร divergence) และ m1 และ m2 (อัตราการโยกย้ายในประชากรที่ 1 และ 2 ตามลำดับ เป็นเวลาย้ายไปข้างหน้า)วิเคราะห์เชิงบุกเบิกของเราเปิดเผยซึ่งข้อมูลจาก 2 lociรวม (RAG1 และ ND5) ไม่ประกอบด้วยข้อมูลที่เหมาะสมเมื่อต้องการแก้ไขรูปแบบเต็มของข้างบนพารามิเตอร์หกหรือการลดลงรูปแบบของพารามิเตอร์สาม: q = q1 = q2 = qA t และ m = m1 = m2เป็นปัญหาทั่วไปกับข้อมูลชุดรวม reciprocallygenealogies monophyletic (ดูหมวดที่ 3 monophyly ซึ่งกันและกันที่เราพบ RAG1), ซึ่งไม่เหมาะสำหรับการ IMรุ่นเนื่องจากมักจะมีข้อมูลไม่เหมาะสมเพื่อร่วมกันประเมินพารามิเตอร์สูง correlated, qA และ t (เฮย์และนีล2004) . ดังนั้น เราทำวิเคราะห์ IM รวมเท่านั้นข้อมูล ND5 ซึ่ง converged ดี เป็นคำถามหลักของเราไปแยก IM (m – 0, t > 0) เทียบกับ ILS (m = 0, t > 0) สถานการณ์เราประมาณสามพารามิเตอร์ (q, t และ m) ภายใต้สองรูปแบบจำลอง

ผลลัพธ์ (ไทย) 2:

เราวิเคราะห์ความแตกต่างกับการแยกกับการย้ายถิ่นของ
รูปแบบการใช้ซอฟต์แวร์ IM (เฮ้และนีลเซ่น, 2004) ซึ่งดำเนิน
มาร์คอฟเชนมอนติคาร์โล (MCMC) จำลองสำหรับพารามิเตอร์
ปรับให้อัตราการกลายพันธุ์ที่เป็นกลาง: ไตรมาสที่ 1 ไตรมาสที่ 2 และควบคุมคุณภาพ (ที่มีประสิทธิภาพ
ขนาดของประชากร 1, 2, และจำนวนประชากรของบรรพบุรุษตามลำดับ); T
(เวลาของความแตกต่างของประชากร) และ m1 และ m2 (อัตราการย้ายถิ่น
เป็นประชากรที่ 1 และ 2 ตามลำดับเวลาที่เคลื่อนที่ไปข้างหน้า).
การสำรวจของเราแสดงให้เห็นว่าการวิเคราะห์ข้อมูลของเราจากสอง loci
รวม (RAG1 และ ND5) ไม่ได้มีข้อมูลที่เหมาะสม
ที่จะ แก้ไขรูปแบบเต็มรูปแบบของด้านบนหกพารามิเตอร์หรือลด
รูปแบบของสามพารามิเตอร์: q = Q1 = q2 = QA; เสื้อและ m = m1 = m2.
นี้เป็นปัญหาร่วมกันกับชุดข้อมูลรวมถึงกันและกัน
ไฟย์เลติวงศ์วานว่านเครือ (ดูมาตรา 3 สำหรับ monophyly กฎ
ที่เราพบ RAG1) ซึ่งไม่เหมาะสำหรับ IM
แบบเพราะมีมักจะไม่มีข้อมูลที่เหมาะสม เพื่อร่วมกันประเมิน
ค่าพารามิเตอร์ที่มีความสัมพันธ์อย่างมาก, QA และ t (เฮ้และนีลเซ่น,
2004) ดังนั้นเราดำเนินการรวมถึงการวิเคราะห์ IM เพียง
ข้อมูล ND5 ซึ่งแปรสภาพดี ในฐานะที่เป็นคำถามหลักของเราคือการ
แยกแยะความแตกต่าง IM (ม - 0, เสื้อ> 0) เมื่อเทียบกับ ILS (m = 0, เสื้อ> 0) สถานการณ์
ที่เราประมาณสามพารามิเตอร์ (ด t, ม.) ภายใต้ทั้งสอง
รุ่น

ผลลัพธ์ (ไทย) 3:

เราได้วิเคราะห์ความแตกต่าง ด้วยการแยกด้วยรูปแบบการย้ายถิ่น
ใช้ซอฟต์แวร์ IM ( นี่ และ นีลเซ่น , 2004 ) ซึ่งดำเนิน
Markov Monte Carlo ( MCMC ) จำลองสำหรับพารามิเตอร์
ปรับให้อัตราการกลายพันธุ์เป็นกลาง : Q1 , Q2 และ QA ( มีประสิทธิภาพ
ขนาดของประชากรที่ 1 , 2 และประชากร บรรพบุรุษ ตามลำดับ ) ; t
( เวลา ความแตกต่างของประชากร ) และ M1 และ M2
อัตราการย้ายถิ่นเป็นประชากรที่ 1 และ 2 ตามลำดับ ขณะที่เวลาเคลื่อนที่ไปข้างหน้า ) .
วิเคราะห์สำรวจของเราพบว่าข้อมูลจากสองสถานะ
รวม ( และ rag1 นดีห้า ) ไม่ได้มีข้อมูลที่เหมาะสมเพื่อแก้ไข
เต็มรูปแบบข้างต้น 6 พารามิเตอร์หรือลดลง
รูปแบบสามพารามิเตอร์ : Q = 1 = 2 = QA ; T และ M = M1 = m2
นี้เป็นปัญหาทั่วไปกับชุดรวมทั้งข้อมูลซึ่งกันและกัน
monophyletic ฝังใน ( ดูมาตรา 3
monophyly ซึ่งกันและกันว่าเราพบว่า rag1 ) ซึ่งไม่เหมาะกับอิม
รูปแบบเพราะมีมักจะไม่มีข้อมูลที่เหมาะสม เพื่อร่วมกันประเมิน
ระดับสูงพารามิเตอร์ , QA และ T ( เฮ้ย และนีลเส็น
2004 ) จากนั้น เราแสดงในการวิเคราะห์รวมทั้งข้อมูลนดีห้าเท่านั้น
ซึ่งแปรสภาพเป็นอย่างดี เป็นคำถามหลักของเราคือการ แยก ม ( M )
0T > 0 ) เมื่อเทียบกับ ILS ( M = 0 T > 0 ) สถานการณ์
เราประมาณสามพารามิเตอร์ ( Q , T และ M ) ภายใต้ทั้งสอง
รุ่น