| [Návštěvník (112.0.*.*)]Odpovědi [Číňan ] | Čas :2022-08-30 | | Například podle výběru 52 morfologických znaků, cytologických znaků a chemických znaků ženšenu bylo numericky studováno 10 druhů a variant čínského ženšenu, což dále prokázalo, že je rozumné pro výzkum chemické klasifikace rozdělit ženšen na dva taxony. Numerická taxonomie využívá počítačovou statistickou analýzu k objektivnímu porovnání vztahu mezi různými skupinami dat, rekonstrukci evolučního vztahu a posouzení evolučního trendu znaků a orgánů prostřednictvím existujících informačních dat o rostlinách. |
| [Návštěvník (112.0.*.*)]Odpovědi [Číňan ] | Čas :2022-08-30 |  Taxonomie čísel
Numerická klasifikace je metoda klasifikace mikroorganismů, které mají být klasifikovány podle stupně podobnosti jejich vlastností podle numerické analýzy pomocí počítačů.
(1) Hlavní klasifikační principy číselné klasifikace
Hlavní klasifikační principy zákona jsou: (1) Každý znak je považován za stejně důležitý při klasifikaci, aby se zabránilo subjektivnímu zkreslení klasifikátora a výsledky byly objektivnější. (2) Klasifikovat podle co největšího počtu znaků, aby se odhalil skutečný vztah mezi klasifikačními jednotkami. (3) Klasifikován jako ekvivalentní taxon podle podobnosti znaků.
(2) Základní postup číselné klasifikace
Základní postup numerické taxonomie je následující:
(1) Výběr klasifikačních objektů a znaků: Při číselné klasifikaci může být klasifikačním objektem kmen nebo druh či rod, takže každý klasifikační objekt se nazývá provozní klasifikační jednotka. V mnoha případech se OTU týká kmene. Při číselné klasifikaci by měly být kmeny pečlivě vybírány podle účelu práce, který musí zahrnovat vzorové kmeny taxonů spojených s taxonem. Pokud je to možné, nově izolované kmeny by měly být také zahrnuty do kmenů, které se liší od kmenů v různých částech světa.
Aby bylo dosaženo účelu objektivnějšího a přesnějšího rozlišení, charakteristiky výběru by měly být co nejvíce, obvykle ne méně než 50 a až stovky nebo dokonce stovky. Obecně platí, že čím větší je počet vybraných znaků, tím spolehlivější jsou výsledky klasifikace. Vybrané znaky by měly být co nejširší a nejjednotnější u studovaných mikroorganismů, morfologické, fyziologické a biochemické, ekologické, imunitní, genetické a další rysy. Je však třeba poznamenat, že nesmyslné rysy a homogenní rysy by neměly být vybírány a související rysy, jako je kinesteticita a bičík, nemohou být vybrány současně.
(2) Kódování znaků zaznamenává pozorované a měřené znaky se symboly, které mohou být rozpoznány a vypočteny počítačem. Vezmeme-li například nejpoužívanější dvoustavové znaky v klasifikaci, jako je to, zda se používá zdroj uhlíku nebo ne, zda existuje určitý enzym, zda může růst při 45 ° atd., Pozitivní výsledek (může používat určitý zdroj uhlíku, má určitý enzym, může růst o 45 ° atd.) je reprezentován " " a negativní výsledek je reprezentován "-". Pokud informace chybí nebo jsou podezřelé, mohou být označeny "NC". Pro kvantitativní polymorfní znaky nebo kvalitativní polymorfní znaky se používá metoda váženého inkrementálního kódování k převodu jednoho polymorfního znaku na více 3-stavových znaků. Poté, co jsou znaky zakódovány, jsou uspořádány do pořadových čísel, aby vytvořily matici rysů (surových dat), která je poté zadána do počítače.Počítač je zadán s 1 a 0 a "NC" je při vstupu do počítače reprezentován "3"...
(3) Výpočet koeficientu podobnosti: Koeficient podobnosti je měřítkem celkové podobnosti mezi porovnávanými páry OTU, která se vypočítá podle podobnosti každé dvojice znaků. Existuje mnoho způsobů, jak vypočítat podobnost, z nichž nejjednodušší je vypočítat počet podobností mezi dualitami.
Jeho výpočetní vzorec je následující: S = NS / (NS ND)
NS ve výše uvedené rovnici naznačuje, že porovnávané páry OTU mají stejný počet znaků a ND představuje počet porovnávaných párů OTU, které mají různé rysy. Vypočtená podobnost je vyjádřena v procentech nebo poměrech.
(4) Systematické shlukování (nebo hierarchické shlukování): Systematické (nebo hierarchické) shlukování OTU podle koeficientu podobnosti za účelem získání matice podobnosti, tj. matice S. Například, pokud je číselně klasifikováno 10 kmenů, lze získat matici S systematickým shlukováním a podobnost je procento a 100 znamená, že každá OTU se porovnává sama se sebou.
(5) Reprezentace výsledků shlukování: Korelace mezi těmito 10 kmeny nemůže být z matrice vidět, takže matrice musí být znovu zpracována a vysoká a nízká podobnost jsou uvedeny společně, aby se získala další sada matic.
Tato matice je pak převedena na dendritické spektrum, které ukazuje vzájemný vztah těchto 10 kmenů. Výsledkem numerické klasifikace je epitetická skupina. Praxe prokázala, že zdánlivé skupiny jsou ekvivalentní taxonům. Zdánlivé skupiny s podobností asi 75% mohou být považovány za stejný druh a ty s poměrem vyšším než 65% mohou být klasifikovány jako stejný rod. Tyto závěry jsou obvykle v souladu s výsledky tradičních klasifikačních metod. |
|
