Фотохарактеристика стадий и фаз митоза

Рис. 1. Ранняя профаза

Метафаза

Рис. 3. Метафаза

Поздняя метафаза

Рис. 4. Поздняя метафаза

Анафаза

Рис. 5. Анафаза

Поздняя анафаза

Рис. 6. Поздняя анафаза

Телофаза

Рис. 7. Телофаза

Поздняя телофаза с элементом цитокинеза

Рис. 8. Поздняя телофаза с элементом цитокинеза

Фотохарактеристика основных событий стадий и фаз мейоза

Профаза I, зиготена

Рис. 7. Профаза I, зиготена

Профаза I, диплотена

Рис. 3. Профаза I, диплотена

Метафаза I

Рис. 5. Метафаза I

Телофаза I

Рис. 7. Телофаза I

Метафаза I

Рис. 9. Метафаза I

Анафаза II

Рис. 10. Анафаза II

Телофаза II

Рис. 7 7. Телофаза II

Поздняя телофаза II

Рис. 72. Поздняя телофаза II

Фотохарактеристика хромосомных аберраций в клетках апикальной меристемы пшеницы

Анафаза с фрагментами

Рис. 7. Анафаза с фрагментами

Ранняя телофаза с фрагментами

Рис. 3. Ранняя телофаза с фрагментами

Методы статистической обработки экспериментальных данных

Техника расчета критерия достоверности — у2

1. Установите общее количество особей, полученных в эксперименте (фактические данные — р), число фенотипических классов и количественный их состав. Данные запишите в таблицу 1.

Таблица 1

Результаты количественного анализа (на примере моногибридного скрещивания)

Количественный анализ

Число особей фенотипического класса

первого

второго

всего

Фактическое расщепление — р

Ожидаемое отношение

Теоретически ожидаемое расщепление — q

  • 2. Вычислите теоретически ожидаемое число особей каждого фенотипического класса (q). Для этого фактически полученное общее количество особей разделите на ожидаемое число частей фенотипических классов, таким образом будет установлено число особей, приходящихся на одну часть. Например: общее число особей в эксперименте — 136, число ожидаемых и полученных фенотипических классов — 2, ожидаемое расщепление — 3 : 1, т. е. 4 части, 136 : 4 = 34, следовательно, 1 часть должна быть представлена 34 особями, а 3 части — 102.
  • 3. Определите отклонение (d) полученных данных от теоретически ожидаемых в каждом фенотипическом классе (р - q = d). Возведите каждое отклонение в квадрат — d2.
  • 4. Квадрат отклонения каждого фенотипического класса разделите

на теоретически ожидаемые величины--. Суммируйте полученные частные каждого фенотипического класса и получите параметр

d2

«хи-квадрат» (%2)по формуле: %2 —.

<3

5. Произведите оценку величины хи-квадрат по таблице Фидера (таблица 2), используя число степеней свободы, которое равно количеству фенотипических классов эксперимента (АЗ) минус 1: N - 1. Если величина хи-квадрата равна 0, значит, данные эксперимента полностью соответствуют теоретически ожидаемым, если хи-квадрат не равен 0, то можно предположить, что различия случайны (нулевая гипотеза) или не случайны. Различия случайны только в случае, если критерий вероятности Р равен или меньше 0,05 (5 % значимости). Если значение хи-квадрата больше табличного, указанного в графе 0,05, но меньше значения графы 0,01, то полученные данные сомнительны, а если больше значения 0,01, то различия не случайны, а закономерны, обусловлены более сложным наследованием изучаемого признака.

Таблица 2

Критерий Фишера

Число

степеней

свободы

Критерий вероятности Р

0,99

0,95

0,90

0,75

0,50

0,25

0,10

0,05

0,025

0,01

1

0,000

0,00

0,02

0,10

0,45

1,32

2,71

3,84

5,02

6,63

2

0,02

0,10

0,21

0,58

1,39

2,77

4,61

5,99

7,38

9,21

3

0,11

0,35

0,58

1,21

2,37

4,11

6,25

7,81

9,35

11,34

4

0,30

0,71

1,06

1,92

3,36

5,39

7,78

9,49

11,14

13,28

5

0,55

1,15

1,61

2,67

4,35

6,63

9,24

11,07

12,83

15,09

Техника статистической обработки данных эксперимента при изучении вариабельности признака

  • 1. Определите крайние (лимитные, от лат. limites — предел, граница) варианты выборки, а значения всех вариант ранжируйте, т. е. расположите от меньшего (Xmin) к большему тах).
  • 2. Составьте вариационный ряд, определите частоту встречаемости каждой варианты —/, заполните рабочую таблицу (таблица 3).

Таблица 3

Значение варианты, х

Частота встречаемости, /

Xf

х-х

(х - х)2

(Х-Х)2/

Помните: если значения признака отличаются на малую величину (десятые, сотые значения целого числа), то ряд называется непрерывным, например, у таких признаков, как длина колоса, высота растения, масса зерен колоса и др. Если на целое число, то ряд называется прерывистый, например, у признаков «число колосков в колосе», «число зерен в колосе», «число продуктивных стеблей растения» и др.

3. В том случае, если признак образует непрерывный ряд, рассчитайте классовый интервал (А.— лямбда) и проводите разбивку вариант на классы. Вариационный ряд признака с непрерывной изменчивостью будет представлен не отдельными значениями вариант, а классами с частотой встречаемости вариант этого класса (таблица 4).

где г — число классов, которое определяется помощью таблицы 4.

Таблица 4

Соотношение объема выборки с классовым интервалом

Объем выборки, п

Классовый интервал, г

20

5

30—40

6

40—90

7

4. Рассчитайте среднее значение выборки как частное от суммы всех вариантов и объема выборки (х), а также среднее значение класса как полусумму крайних вариант, входящих в класс. Среднее значение выборки совпадет со среднем значением класса, в котором будет отмечено наибольшее число вариант (таблица 5).

или

Таблица 5

Классы

Среднее значение класса, X

Частота встречаемости,/

Х-Х = а’

a'f

(а')2/

5. Установите величину «а’», для этого лучше использовать относительные единицы, в колонке, соответствующей среднему арифметическому выборки запишите ноль, затем вверх и вниз нумеруйте строчки, при этом цифры, идущие вверх со знаком минус, а вниз — с плюсом.

Пример:

Классы

X

/

а'

А'/

(а) 2/

3,0—3,4

3,2

2

-3

-6

18

3,5—3,9

3,7

8

-2

-16

32

4,0—4,4

4,2

10

-1

-10

10

4,5—4,9

4,7

13

0

0

0

5,0—5,4

5,2

11

1

11

11

5,5—5,9

5,7

5

2

10

20

6,0—6,4

6,2

1

3

3

9

л = 50 -8 100

6. Для более полной характеристики степени выраженности признака постройте вариационную кривую распределения признака в генеральной совокупности. Для этого, на оси ординат отложите показатели частоты встречаемости (f), а на оси абсцисс — варианты или средние значения классов. Выбор масштаба для двух осей произволен, можно использовать «рванную ось», т. е. от нуля через пунктир первым значением проставлять то, которое ближе к минимальному. На поле графика в виде пересечений перпендикуляров наносите значения варианты и ее частоты, затем эти точки пересечения соедините между собой, полученная кривая обозначается как полигон распределения признака. Как правило, эта кривая имеет форму симметричной плавной кривой, что соответствует нормальному распределению признака в популяции;

7. Установите степень проявления признака у растений данной выборки через расчет такого показателя, как ошибка средней арифметической выборки (Sx), которая показывает теоретические пределы соответствия средней арифметической выборки и генеральной совокупности.

где § — среднее квадратическое отклонение.

8. Установите степень изменчивости признака, рассчитав такие показатели, как среднее квадратическое отклонение (5), варианса (§2), коэффициент вариации (V) по формулам:

Эта формула видоизменяется для признаков с непрерывной изменчивостью:

Принято считать, если коэффициент вариации меньше 10 %, то признак маловариабелен, если составляет от 10 до 20 %, то для признака характерна средняя степень вариабельности, если более 20 %, то для признака характерна сильная изменчивость.

  • 9. С помощью показателя среднего квадратического отклонения определите пределы вариабельности признака. Известно, что если случайная величина практически не отклоняется от средней арифметической генеральной совокупности более, чем на «плюс — минус три сигмы» (±8), то она распределяется по закону нормального распределения. Согласно этому правилу в пределах х ± 18 находится 68,28 % вариант, в пределах х ± 28 — 95,4 %, в пределах х ± 38 — 99,73 %. Таким образом, если правило «плюс — минус три сигмы» характерно для изучаемого признака, то все растения исследуемой выборки являются типичными для данного сорта.
  • 10. Для сравнения двух средних арифметических разных сортов или вариантов опыта установите степень достоверности разности (td) этих данных по формуле:

где d — разность между двумя средними арифметическими и определяется как хг2,

11. При необходимости установления взаимосвязи между разными признаками одного сорта рассчитайте коэффициент корреляции по формуле

где X и Y — значения разных признаков.

Коэффициент корреляции изменяется в области от -1 до +1, чем ближе этот показатель к +1, тем теснее прямолинейная корреляционная связь между изучаемыми признаками, принято, что при г < < 0,3 связь слабая, при г = 0,3 — 0,7 — средняя, при г > 0,7 — сильная; когда г = 0, то между признаками нет линейной связи, но криволинейная зависимость может существовать, отрицательные значения показателя обозначают наличие обратных связей.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >