不明

調査に行く予定だったか、天気が悪そうなので中止、、、ことごとく雨雲情報が外れ、どうにか調査できたのではと思った。

そのおかげで、授業の準備が進んだ。

エラーがでて困っていた、library(tcltk)。

いつの間にか出なくなったが、その間に、OSのアップデート、Rのversionアップやlibraryのこねくり回し、tcltkの再インストールなど、色々と試したので、何が原因だったのかは不明。

無限地獄

電気泳動の説明×２。

コシビロは、ことごとく２つのバンドが確認された。

あとは授業をして、maxent解析は、終わった、、、ミスだ、、、の無限地獄にはまった。

ミスを見つけたところで終了。

"-h", "-q", "-p"

昨日の図のミスは、ちょっとしたコマンドのミスだったのだが、よくよく結果を眺めてたら大きな問題があることに気づいた。

とある種の気候要因と出現確率の関係。BC-01は平均気温なので、この結果から本種は高温環境を好むと予測されるのだが、私の感覚とはずれている印象。

他の要因との関係でこんな感じになるのか〜とか思っていたが、大きな問題に気づいた。

mod1<-maxent(bio.use, locations, a=bg, args=c("-h", "-q", "-p", "-P", "jackknife=true"))、と、こちらの論文を参考にしてMaxentを動かしていた。

"h", "q", "p"は、説明変数を"hinge features"、"quadratic features"、"product features"として扱うことを指示するのだが、"-"を"指定"と勘違いしていたが、実際には"マイナス"で「扱わない」ことを指定していることにやっと気づいた。

つまり、上記のコマンドでは、"linear features"としか扱ってはいけない、と指定していた。

そもそもデフォルトは、４つ全てを可としているので、全てを考慮するには、

mod1<-maxent(bio.use, locations, a=bg, args=c("-P", "jackknife=true"))、とすれば良い。

直感とも良く合う関係性が認められた。

また、図の作り直しだ、、、投稿前に気づいて良かった。

あとは、授業の準備、PCRの説明、会議に参加、などで終了。

ミスが発覚

PCR産物の精製をしてから、昨日作成した図を綺麗に整頓して、、、ミスが発覚。

やる気がなくなったところで午前中終了。

昼から、PCRの説明をして、本読みゼミ。

その後、シーケンス１plate分の準備、図の作成で終了。

ピペットのチップを純正から安物に変更したが、やはり違和感がある。ちゃんと吸えていれば問題ないが、不安だ。

貴重な標本

午前中は、論文の図の作成と解析の最終チェック。

午後、学生実習、そして、図の作成の続きで終了。

気になっていた種のタイプ標本を貸して頂いた。

貴重な標本なので、休日の静かなときに扱う。

体サイズの地理的変異

再投稿に向けた解析、合間にPCRの説明で終了。

Sfenthourakisのグループの研究。著者に論文をもらった。

Biogeography of body size in terrestrial isopods (Crustacea: Oniscidea)
Karagkouni et al. (2017) J Zool Syst Evol Res, 54: 182–188

体サイズの地理的変異の５つの法則性をワラジムシ類で検証している。

５つの法則性とは、
1）ベルクマンの法則とtemperate-size rule：寒い環境で大きくなる
2）metabolic cold adaptation theory：寒い環境で小さくなる
3）primary productivity hypothesis：資源の豊富（一次生産の高い）な環境で大きくなる
4）aridity resistance hypothesis：乾燥した環境で大きくなる
5）acidosis hypothesis：酸性の環境で小さくなる

全体的には弱いベルクマンの法則とaridity ruleが認められ、球体になる種は弱いacidosis hypothesisが認めらたが、系統の影響が大きい．

マクロ形態のパターンは、あまり見つからないな〜。土壌は環境が安定しているから？

早明ラクビーは、結局は接戦になり面白かったけど、レフェリングが早稲田よりだった気も。Television Match Officialに慣れてしまったので、スッキリしなかった。

あと、グランドコンディションがあまりにも悪くて、可哀想だった。

サンプリングバイアス

ほぼ丸一日、PCとにらめっっこ。どうにか決着。

先日、投稿して、即リジェクトになった点についての対策。

日本全国のデータを使って分布推定を行うのだが、計画立ててサンプリングがなされた訳ではないので、報告がない場所が、不在なのか、調査をしていないだけ、なのか分からないという大きな問題（サンプリングバイアス）がある。

Maxentは、在データだけでも中々良い予測ができるのだが、このサンプリングバイアスの影響は、かなり大きいことが知られており、色々な補正方法が考えられている。

もちろん一番良いのは、計画的に全域を調査することである。

例えば、ある種の在データ。

北海道でほとんど採集例がないのだが、生息していないのか、そもそも調査していないのか、についてはよく分からない。

そこで、この在データに基づき、カーネル密度推定という方法で、サンプリングバイアスを確率密度で評価する。

で、この確率密度に基づき点を発生させ、これをバックグラウンドデータとして利用することで、多少はサンプリングバイアスが補正される、、、？

解析には10000地点を利用した。

もちろん、自力で考えたはずもなく、下記論文にRコマンドがある。

MaxEnt versus MaxLike: empirical comparisons with ant species distributions
Fitzpatrick et al. (2013) Ecosphere, 4: 1–15

来週は雪が降るかも。