🔺Часть 5
Никаких фундаментальных выводов, как я обычно это люблю у этого исследования нет. Зато есть вполне себе прикладные. Изученные криокониты состояли в основном из песка в большей степени чем из грязи (или если по-умному, то там преобладает грубый обломочный материал 🤓). В Тянь-шаньских криоконитах очень мало органики – доли процента, вместо целых процентов в ледниках других горных экосистем зато очень много всяких загрязнений, в особенности кадмия, цинка и никеля. Из ледников это всё попадет в почвы, где накаливается, а ещё – в стоки рек и озёр, откуда берётся питьевая вода для всех ближайших городов. И да, я знаю, что всё это загрязнение из-за автомболией, но не могу этого доказать 🤨
Ну и основной вывод этой истории – если вам понадобится крепкий мужчина для вашего исследования, то вы знаете к кому теперь обращаться 😏
Никаких фундаментальных выводов, как я обычно это люблю у этого исследования нет. Зато есть вполне себе прикладные. Изученные криокониты состояли в основном из песка в большей степени чем из грязи (или если по-умному, то там преобладает грубый обломочный материал 🤓). В Тянь-шаньских криоконитах очень мало органики – доли процента, вместо целых процентов в ледниках других горных экосистем зато очень много всяких загрязнений, в особенности кадмия, цинка и никеля. Из ледников это всё попадет в почвы, где накаливается, а ещё – в стоки рек и озёр, откуда берётся питьевая вода для всех ближайших городов. И да, я знаю, что всё это загрязнение из-за автомболией, но не могу этого доказать 🤨
Ну и основной вывод этой истории – если вам понадобится крепкий мужчина для вашего исследования, то вы знаете к кому теперь обращаться 😏
1
Пока мои статьи всё не выходят, а только бесконечно висят на разных стадиях рассмотрения и кругов ревизий 🤬, я расскажу об одном из таких исследований. Благо оно доступно в виде препринта, то есть неопубликованной версии, которую тоже незнамо когда опубликуют и непонятно, опубликуют ли вообще 🤷♂️
Всё началось с того, как я обнаружил (раз, два), что в морских гидротермальных источниках (ну то есть там где тёплая вода,фигачит выходит прямо в океан) живут очень интересные улитки – совсем непохожие на тех, что населяют обычные моря. Они даже научились сожительствовать с бактериями и получать от них питательные вещества. Я подумал, что неплохо бы поискать что-то похожее не только в океанических глубинах, но и в местах попроще – ведь тёплые ручьи есть и на суше. К этому времени у меня уже был опыт путешествия по Исландии и сбора там улиток из тёплых ручьёв и приготовления макарон на гидротермальном грязевом вулкане, которые на проверку оказались самыми обычными прудовиками (такая группа пресноводных улитонек), такими же как и в неподогретых лужах рядом. Поэтому у меня был и запасной план – наверняка в тёплых источниках (если они не на изолированном острове) завелись какие-нибудь тропические улитоньки, приползшие туда из аквариумов (эти, как мы помним даже до Норильска доползли), тогда можно было бы собрать и их.
🔻#Пресноводные
Всё началось с того, как я обнаружил (раз, два), что в морских гидротермальных источниках (ну то есть там где тёплая вода,
🔻#Пресноводные
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10❤5🥰2👀2🐳1
🔺Часть 3
Я нашёл гидротермальную зону на северном Тянь-Шане (ну вы помните, что я работал там носильщиком) и мы поехали туда искать улитонек. Действительно, в каждом подогретом ручье сидели североамериканские физеллы, которые очень легко проникают в естественные экосистемы из обычных аквариумов и мелкие прудовики. К моему разочарованию ни в той, ни в другой находках не было ничего необычного – физеллы известны уже давно и повсеместно, а прудовики и есть прудовики, что их смотреть 🤷♂️ К тому же по анатомии они оказались очень похожими на обычных улиток, живущих чуть ли не в каждой соседней луже. Ну правда они были помельче и отличались по форме раковины от обычных, но это бывает и в Исландии.
🔻#Пресноводные
Я нашёл гидротермальную зону на северном Тянь-Шане (ну вы помните, что я работал там носильщиком) и мы поехали туда искать улитонек. Действительно, в каждом подогретом ручье сидели североамериканские физеллы, которые очень легко проникают в естественные экосистемы из обычных аквариумов и мелкие прудовики. К моему разочарованию ни в той, ни в другой находках не было ничего необычного – физеллы известны уже давно и повсеместно, а прудовики и есть прудовики, что их смотреть 🤷♂️ К тому же по анатомии они оказались очень похожими на обычных улиток, живущих чуть ли не в каждой соседней луже. Ну правда они были помельче и отличались по форме раковины от обычных, но это бывает и в Исландии.
🔻#Пресноводные
🔺Часть 4
Вот, посмотрите, какие пейзажи на Тянь-Шане, где мы собирали улитонек(да, не Исландия 😭) . Ну и на самих улитонек и их причендалы половые системы на последнем фото
🔻#Пресноводные
Вот, посмотрите, какие пейзажи на Тянь-Шане, где мы собирали улитонек
🔻#Пресноводные
❤7
🔺Часть 5
Потом мы обнаружили что у другого вида прудовика есть интересное разделение на западную и восточную популяции, что на наш взгляд связано с серией оледенений, которые происходили на Земле регулярно последние два миллиона лет, и нам захотелось проверить – насколько это особенность конкретного вида или общеулиточья закономерность. Тогда мы и начали изучать ДНК у всех собранных раньше улитонек, не редких, а как раз самых обычных. Туда же попали и прудовики из гидротермального ручья, которые внезапно оказались юго-восточно-азиатским, то есть распространёнными в восточном Китае 🇨🇳, Японии 🇯🇵, Лаосе 🇱🇦 и прочих Камбоджах 🇰🇭, видом – Radix plicatula.
Вообще, каждый кто был в Тайланде 💗 или Вьетнаме 🪖 подтвердит, что население, этих регионов сильно отличается от европейского и центральноазиатского (а вот эти регионы очень похожи своими зверюшками). Поэтому вряд ли эти улитоньки были местными – наверняка понаехали с людьми, как и физеллы. Такая находка сначала нас не сильно озадачила – рядом с местом сбора трасса к китайской границе и мало ли чего могли оттуда привести кроме короновируса 🦠 и лабубу 🤓
Интересное началось в процессе написания статьи. Обычно в таких случаях пишут либо что-то вроде последовательности такого-то гена полностью соответствуют последовательности номер такой-то из базы данных GenBank (а зоологи всюсвою ДНК своих зверюшек заливают именно туда – правило такое), либо приводят филогенетическое дерево или сетку гаплотипов, чтобы было видно насколько вновь собранные экземпляры родственны остальным. Хотя в GenBank и полно последовательностей генов Radix plicatula, мы не нашли точного соответствия с нашими экземплярами, поэтому начали растить деревья 🌳 и плести сети интриг 🕸️
🔻#Пресноводные
Потом мы обнаружили что у другого вида прудовика есть интересное разделение на западную и восточную популяции, что на наш взгляд связано с серией оледенений, которые происходили на Земле регулярно последние два миллиона лет, и нам захотелось проверить – насколько это особенность конкретного вида или общеулиточья закономерность. Тогда мы и начали изучать ДНК у всех собранных раньше улитонек, не редких, а как раз самых обычных. Туда же попали и прудовики из гидротермального ручья, которые внезапно оказались юго-восточно-азиатским, то есть распространёнными в восточном Китае 🇨🇳, Японии 🇯🇵, Лаосе 🇱🇦 и прочих Камбоджах 🇰🇭, видом – Radix plicatula.
Вообще, каждый кто был в Тайланде 💗 или Вьетнаме 🪖 подтвердит, что население, этих регионов сильно отличается от европейского и центральноазиатского (а вот эти регионы очень похожи своими зверюшками). Поэтому вряд ли эти улитоньки были местными – наверняка понаехали с людьми, как и физеллы. Такая находка сначала нас не сильно озадачила – рядом с местом сбора трасса к китайской границе и мало ли чего могли оттуда привести кроме короновируса 🦠 и лабубу 🤓
Интересное началось в процессе написания статьи. Обычно в таких случаях пишут либо что-то вроде последовательности такого-то гена полностью соответствуют последовательности номер такой-то из базы данных GenBank (а зоологи всю
🔻#Пресноводные
🔺Часть 6
А вот посмотрите, какая сетка у нас получилась. Наши экземпляры (светло-зелёные) расположились довольно отдельно от всех остальных и никто с такой же изученной последовательностью гена не встречался в регионах, откуда ранее был Radix plicatula известен. И хотя Тянь-Шаньские прудовики и имеют единичных родственников в Китае 🇨🇳, Японии 🇯🇵 и Корее 🇰🇵 🇰🇷, они немного обособлены от основных популяций. А главное – расположены в виде звезды с отходящими от неё лучиками. Это может быть артефактом сетки “бутылочным горлышком” – следствием того, что популяция когда-то имела одного предка, но потомки стали накапливать мутации и как бы отделяться в разные стороны от него, потому что мутации у всех единичные и разные. То есть такая структура никак не вяжется с предположением, что Radix plicatula понаехали недавно. Они уже успели обжиться и мутировать. На участке гена длинной менее 500 букв нуклеотидов и при скорости мутаций примерно 1,6% на миллион лет такие различия могли появиться в том же самом Плейстоцене, примерно когда разделились популяции малого прудовика, но только если в последнем случае они разделились в самом раннем Плейстоцене (а может и раньше, ктож свечку-то держал 🥺), то в последнем случае – в позднем.
🔻#Пресноводные
А вот посмотрите, какая сетка у нас получилась. Наши экземпляры (светло-зелёные) расположились довольно отдельно от всех остальных и никто с такой же изученной последовательностью гена не встречался в регионах, откуда ранее был Radix plicatula известен. И хотя Тянь-Шаньские прудовики и имеют единичных родственников в Китае 🇨🇳, Японии 🇯🇵 и Корее
🔻#Пресноводные
🔺Часть 7
Параллельно с генетическим анализом, я решил построить модель экологической ниши вида. Такие модели оценивают условия обитания в местах, где вид был совершенно точно найден, сравнивают с теми условиями, где вид найден не был и пытаются найти закономерность. В результате можно построить карту, на которой будет показана пригодность территории для обитания вида, если предположить что его распространение ограничено только теми условиями, которые изначально были оценены при обучении модели. В моём случае это были климатические факторы и проективное покрытие территории (то есть леса, поля, болота и так далее). Конкуренцию между видами и ограничения вызванные оледенениями и многие другие такие модели, как правило не учитывают, моя – не исключение. Поэтому прогнозируемая моделью пригодная для обитания область оказывается шире реальной, хотя не всегда (об этом – наша другая статья, полгода висящая без положительного ответа 😡).
Примерно по такому же принципу работают, например и рекомендательные модели на музыкальных стримингах – они сравнивают то, что вам понравилось с тем, что не зашло. Но часто промахиваются, потому чтоне понять бездушному алгоритму живого человека не имеют полной информации: например, какое у вас настроение и как меняются ваши вкусы. В очень грубом приближении так же работают и языковые модели при помощи которых написан этот текст – они пытаются предсказать что должно быть в ответе на заданный вопрос.
🔻#Пресноводные
Параллельно с генетическим анализом, я решил построить модель экологической ниши вида. Такие модели оценивают условия обитания в местах, где вид был совершенно точно найден, сравнивают с теми условиями, где вид найден не был и пытаются найти закономерность. В результате можно построить карту, на которой будет показана пригодность территории для обитания вида, если предположить что его распространение ограничено только теми условиями, которые изначально были оценены при обучении модели. В моём случае это были климатические факторы и проективное покрытие территории (то есть леса, поля, болота и так далее). Конкуренцию между видами и ограничения вызванные оледенениями и многие другие такие модели, как правило не учитывают, моя – не исключение. Поэтому прогнозируемая моделью пригодная для обитания область оказывается шире реальной, хотя не всегда (об этом – наша другая статья, полгода висящая без положительного ответа 😡).
Примерно по такому же принципу работают, например и рекомендательные модели на музыкальных стримингах – они сравнивают то, что вам понравилось с тем, что не зашло. Но часто промахиваются, потому что
🔻#Пресноводные
🔺Часть 8
Модель я сначала, сделалъ👌 , а потом подумал, что неплохо бы поискать публикации в которых тоже кто-то моделировал распространение Radix plicatula, и нашёл. Отрисованная как пригодная для обитания территория, на опубликованной ранее карте была ограничена лишь его известным ареалом – юго-восточной Азией и Тянь-Шань туда никак не попадал. Моя же карта вообще показывала высокую пригодность обитания этого вида на значительной территории Евразии. В принципе-то это и логично, ведь на Тянь-Шане, как мы помним, улитоньки были найдены в гидротермальном ручье, то есть в нетипичных для этого региона условиях, где я изначально надеялся найти вообще что-то очень необычное. Но с другой стороны моя модель базировалась на четырёх разных алгоритмах и включала не только климат, но и ландшафт, тогда как сделанная ранее только на одном алгоритме и только с климатом, то есть мой прогноз должен быть более лучше.
Чтобы понять в чём подвох я попытался сделать моделирование тем же алгоритмом и с тем же набором факторов, что и в опубликованной работе, но по-прежнему получил очень непохожий результат. Единственным отличием было то, что я делал свои модели на языке программирования R, а коллеги, делавшие это раньше – в специальной программе для моделирования MaxEnt. Вообще я не люблю всякие самописные биологические программы, из-за их кривого интерфейса из начала нулевых, постоянными проблемами с форматами файлов и трудностью их установки, поэтому я даже не стал в неё пытаться, а начал изучать инструкцию, чтобы понять что она делает не так, как мой код. И нашёл.
Мы помним, что для моделирования нужны не только места, где вид был найден, но и те, где он найден не был. Точки отсутствия обычно генерируются случайно (ну не записывают биологи такие места 🤨) и этот подход оправдан. Например, даже если вы выйдите на улицу и кинете случайно монетку или любой другой предмет, вероятность того, что он попадёт в берёзу (а они у большинства из нас – не редкость) будет низкая. А если вы ищете менее распространённый вид, то и вообще будет почти нулевой. Это и есть точка отсутствия.
Но в случае с берёзой, мы пытаемся найти её только там, где она хотя бы в теории может расти. А вот что будет, если нагененировать точек отсутствия там, где по каким-то причинам берёз нет даже рядом. Например мы можем представить, что берёзы могут расти в Австралии, но не растут (ну по крайней мере в естественной среде), потому что этот континент отделился давно, задолго до того как эти деревья появились и смогли туда заселиться. Если взять реальные точки находок берёз у вас под окнами и сгенерированные точки отсутствия – в Австралии, то модель будет учится отличать условия обитания у вас за окном от Австралии и, конечно, их найдёт. Соответствующим будет и карта возможного распространения.
🔻#Пресноводные
Модель я сначала, сделалъ
Чтобы понять в чём подвох я попытался сделать моделирование тем же алгоритмом и с тем же набором факторов, что и в опубликованной работе, но по-прежнему получил очень непохожий результат. Единственным отличием было то, что я делал свои модели на языке программирования R, а коллеги, делавшие это раньше – в специальной программе для моделирования MaxEnt. Вообще я не люблю всякие самописные биологические программы, из-за их кривого интерфейса из начала нулевых, постоянными проблемами с форматами файлов и трудностью их установки, поэтому я даже не стал в неё пытаться, а начал изучать инструкцию, чтобы понять что она делает не так, как мой код. И нашёл.
Мы помним, что для моделирования нужны не только места, где вид был найден, но и те, где он найден не был. Точки отсутствия обычно генерируются случайно (ну не записывают биологи такие места 🤨) и этот подход оправдан. Например, даже если вы выйдите на улицу и кинете случайно монетку или любой другой предмет, вероятность того, что он попадёт в берёзу (а они у большинства из нас – не редкость) будет низкая. А если вы ищете менее распространённый вид, то и вообще будет почти нулевой. Это и есть точка отсутствия.
Но в случае с берёзой, мы пытаемся найти её только там, где она хотя бы в теории может расти. А вот что будет, если нагененировать точек отсутствия там, где по каким-то причинам берёз нет даже рядом. Например мы можем представить, что берёзы могут расти в Австралии, но не растут (ну по крайней мере в естественной среде), потому что этот континент отделился давно, задолго до того как эти деревья появились и смогли туда заселиться. Если взять реальные точки находок берёз у вас под окнами и сгенерированные точки отсутствия – в Австралии, то модель будет учится отличать условия обитания у вас за окном от Австралии и, конечно, их найдёт. Соответствующим будет и карта возможного распространения.
🔻#Пресноводные
Please open Telegram to view this post
VIEW IN TELEGRAM
🔺Часть 9
Вот именно так и было сделано в предшествующей модели распространения Radix plicatula – были взяты реальные находки, и придуманные точки отсутствия(если совсем подушнить, то для этого алгоритма это фоновые точки, а не отсутствия) сгенерированые по всей Евразии, то есть модель училась отличать климат юго-восточной Азии от всего остального. Чтобы этого избежать в современном моделировании (включая и сделанное мной) ограничивают область внутри которой могут быть придуманы точки отсутствия. Мне удалось почти полностью воспроизвести результаты этого исследования только убрав ограничение по территории придумывания псевдоотсвутвий, без изменения набора алгоритмов. Вот, посмотрите на две карты, сделанные без ограничения района генерации точек отсутствия (Model 1) и с ограничением (Model 2) и сделайте выводы какая лучше. Чем интенсивнее территория окрашена красным, тем более подходящий район для обитания.
🔻#Пресноводные
Вот именно так и было сделано в предшествующей модели распространения Radix plicatula – были взяты реальные находки, и придуманные точки отсутствия
🔻#Пресноводные