1
00:00:03,800 --> 00:00:14,979
Dobrý deň, v rámci tejto prezentácie si povieme ako riešiť praktické príklady, ktoré sú určené pre modul 2 v rámci inžinierskeho stupňa štúdia.

2
00:00:14,979 --> 00:00:21,076
V rámci praktických príkladov budeme používať na výpočet databázu genotypových

3
00:00:21,076 --> 00:00:34,150
informácií. Túto databázu máte nazdieľanú v priečinku a táto databáza má názov Testset. V rámci databázy sú uložené informácie o mikrosatelitných genetických markeroch.

4
00:00:34,530 --> 00:00:44,422
Celkovo nájdete v tejto databáze genotypy pre 5 mikrosatelitných markerov, celkovo pre 15 zvierat, ktoré sú rozdelené do 3 subpopulácií.

5
00:00:44,422 --> 00:00:56,350
Na výpočet budeme používať program Genalex a našou úlohou bude vypočítať priemernú očakávanú a pozorovanú heterozygotnosť, efektívny počet alel a fixačný index Fis.

6
00:00:57,940 --> 00:01:08,766
v rámci jednotlivých markerov a plemien, čiže subpopulácií v databáze a na základe zistených hodnôt všetkých analyzovaných parametrov popísať úroveň diverzity.

7
00:01:08,766 --> 00:01:19,356
Ďalej bude našou úlohou vypočítať F štatistiku to znamená indexy Fis, Fis a Fst a popísať úroveň diverzity v databáze. Ďalej budeme zisťovať, ktoré plemená

8
00:01:19,356 --> 00:01:28,580
respektíve populácie v databáze sú geneticky najpodobnejšie/ najvzdialenejšie na základe Fst indexu a Neiových genetických vzdialeností

9
00:01:29,110 --> 00:01:41,132
a budeme mať uviesť prečo a poslednou úlohou bude zhrnúť informácie o stave diverzity, respektíve genetickej diferenciácii v databáze na základe výsledkov PCA analýzy.

10
00:01:41,132 --> 00:01:54,863
Keď sa pozriete na samotný priečinok, ktorý obsahuje vstupné informácie, ktoré budete potrebovať na výpočet, tak máte tu jednak samotné zadanie a ďalej tu máte súbor genotypových informácií.

11
00:01:54,863 --> 00:01:59,560
Jedná sa o textový súbor a tak ako som hovorila má názov Testset.

12
00:02:00,060 --> 00:02:12,445
Ďalej tu ešte máte samotný program, ktorý budeme používať na výpočet. Tento program sa volá Genalex. Najprv si tak v skratke povieme, ako sú uložené informácie v súbore Testset.

13
00:02:12,445 --> 00:02:18,071
Tento súbor alebo informácie v ňom sú uložené vo formáte, ktorý sa volá genepop.

14
00:02:18,071 --> 00:02:26,580
Pri genepop formáte v prvom riadku máte ľubovoľnú informáciu o názve databázy alebo o plemene, ktoré hodnotíte a podobne.

15
00:02:27,000 --> 00:02:32,220
Informácia v prvom riadku je ľubovoľná, môžete si tam zadať akúkoľvek informáciu chcete.

16
00:02:32,310 --> 00:02:45,960
V ďalších piatich riadkoch máme informácie o názve genetických markerov, ktoré hodnotíme. V tomto prípade tu máme uvedené len všeobecné názvy loci 1, 2, 3, 4 a 5.

17
00:02:45,960 --> 00:02:53,834
Máme 5 genetických markerov, čiže 5 samostatných riadkov obsahujúcich informácie o ich názve.

18
00:02:53,834 --> 00:03:03,570
V ďalšom riadku máme taký oddeľovač informácie o názve genetických markerov a samotných informácií o genotypoch pre

19
00:03:03,640 --> 00:03:15,807
jedincov v prvej populácii. Takýto riadok môžte vidieť aj nižšie a v podstate oddeľuje jednotlivých jedincov v subpopuláciách, pretože tak ako som hovorila, máme tu tri subpopulácie.

20
00:03:15,807 --> 00:03:26,536
Keď sa pozrieme na prvého jedinca v populácii 1, momentálne je vyznačený modrou farbou, tak v tomto riadku je uložená informácia o identifikačnom čísle jedinca,

21
00:03:26,536 --> 00:03:37,400
ktorá je od genotypových informácií oddelená čiarkou. V stĺpcoch máme potom genotypy pre jednotlivé genetické markery. Máme päť genetických markerov, čiže tu máme

22
00:03:38,190 --> 00:03:52,525
5 stĺpcov. Čo sa týka kódovania informácií o genotype, každý genotyp má 2 alely aj v prípade ak hodnotíme mikrosatelity, ktoré sú viacalelové genetické markery.

23
00:03:52,525 --> 00:04:08,830
Len v tomto prípade tu máme 1 alelu zakódovanú trojicou čísel, čiže trojkombináciou čísel. 262 bude prvá alela a 264 bude druhá alela pre prvý genetický marker jedinca v 1 populácii.

24
00:04:09,180 --> 00:04:22,072
179 bude prvá alela v genotype jedinca 1 v populácii 1 pre druhý genetický marker a 179 bude zase druhá alela v tomto genotype pre druhý genetický marker jedinca 1 v populácii 1.

25
00:04:22,072 --> 00:04:28,911
V prípade ak by ste hodnotili bialelické markery ako napríklad jednonukleotidové polymorfizmy,

26
00:04:28,911 --> 00:04:37,860
kľudne môžte použiť pre kódovanie alel iba 1 číslo, avšak používajte pre označenie alel číselné kombinácie alebo čísla, nie

27
00:04:40,130 --> 00:04:41,110
textové znaky.

28
00:04:42,620 --> 00:04:54,480
Čo sa týka samotného programu, ktorý budeme používať na výpočet, jednak ho nájdete v tomto priečinku, ale tento program si môžete veľmi jednoducho stiahnuť v googli, keď napíšete do

29
00:04:55,270 --> 00:04:58,380
google vyhľadávača Genalex.

30
00:05:01,070 --> 00:05:12,820
Vo výsledkoch vyhľadávania otvoríte prvý link a vyberiete si v hornej časti možnosť download. Červenou farbou textu máte označený zazipovaný súbor, ktorý obsahuje aj tento program.

31
00:05:12,820 --> 00:05:26,567
Keďže tento program pracuje pod windowsom aj pod mac-kom, môžete si stiahnuť aj jednu aj druhú verziu - podľa toho, ktorý systém používate. Okrem toho v tomto priečinku nájdete

32
00:05:26,567 --> 00:05:35,470
aj manuál pre používanie programu Genalex, ktorý je v angličtine. Tento program je voľne dostupný, nie je potrebné zaň platiť a nie je potrebné ho dokonca ani inštalovať.

33
00:05:36,870 --> 00:05:45,607
Takže idem na otvorenie samotného programu. Ja som si ho stiahla, dvojklikom otvorím tento program. Vyzerá podobne ako excel.

34
00:05:45,607 --> 00:05:56,790
Dôležité je pri prvom kroku kliknúť na povoliť makrá, pretože tento program pracuje tak, že sú tam nastavené makrá, ktoré umožňujú výpočet. Kde nájdete program?

35
00:05:56,800 --> 00:06:07,610
Program nájdete buď priamo na lište, ak použijete novšiu verziu alebo v doplnkoch, čiže kliknete na doplnky a tu nájdete názov programu

36
00:06:07,890 --> 00:06:22,640
Genalex. Otvoríte si túto kartu a ako prvý krok, ktorý budeme realizovať je, že budeme importovať dáta. Ako som už hovorila, dáta sú vo formáte genepop čiže kliknem na možnosť genepop.

37
00:06:23,600 --> 00:06:33,117
Teraz sa má program pýta, či mám samostatný genepop súbor alebo chcem načítať priečinok s viacerými genepop súbormi. Ja mám samostatný.

38
00:06:33,117 --> 00:06:39,180
Viem, že moje dáta majú codominantný charakter, takže tu nič nemením a klikneme na OK.

39
00:06:41,120 --> 00:06:51,205
Teraz mi vyskočí dialógové okno. V rámci dialógového okna si musím vybrať umiestnenie môjho priečinka s genepop súborom. Ja mám môj priečinok

40
00:06:51,205 --> 00:06:57,570
s genotypovými dátami uložený uložený na pracovnej ploche, čiže ja si ho najprv vyhľadám.

41
00:07:05,820 --> 00:07:18,282
No a iba dvojklikom ho otvorím. Teraz sa ma program opýta či chcem uložiť takýto excel aj s výsledkami. Môžem ho dať samozrejme uložiť aj nemusím. Závisí to odo mňa.

42
00:07:18,282 --> 00:07:29,883
Ja si ho nebudem dávať ukladať, pretože dosiahnuť alebo načítať genotypový súbor do programu Genalex a následne aj vypočítať výsledky naozaj netrvá dlho,

43
00:07:29,883 --> 00:07:37,390
hlavne v prípade ak moja databáza obsahuje relatívne nízky počet genotypových záznamov. Po načítaní

44
00:07:37,480 --> 00:07:51,545
mám tu uložené presne tie isté informácie ako v súbore genepop až na to, že tieto informácie mám troška inak rozložené. V prvom riadku mám informáciu o počte genetických markerov,

45
00:07:51,545 --> 00:08:03,297
o celkovom počte hodnotených jedincov, o počte subpopulácií a následne v stĺpci D, E a F mám informáciu o počte jedincov v rámci každej subpopulácie.

46
00:08:03,297 --> 00:08:12,840
V ďalšom riadku mám informáciu o názve môjho súboru, o spôsobe, ako som ho importovala do programu Genalex a ďalej tu mám

47
00:08:13,330 --> 00:08:24,185
uvedenú informáciu o názve jednotlivých populácií. Ak chcem, môžem si to samozrejme zmeniť na názvy plemien, ktoré v mojej analýze testujem.

48
00:08:24,185 --> 00:08:35,083
V ďalšom riadku mám hlavičku stĺpcov nižšie, to znamená, že tu mám uvedené informácie o identifikačnom čísle jedinca, o príslušnosti jedinca

49
00:08:35,083 --> 00:08:43,880
k jednotlivým populáciám a tu mám genotypové informácie pre každý jeden genetický marker pre konkrétneho jedinca.

50
00:08:44,940 --> 00:08:52,410
Idem na výpočet samotných parametrov genetickej diverzity. Prvou úlohou bolo, aby som vypočítala pozorovanú

51
00:08:52,410 --> 00:08:59,880
a očakávanú heterozygotnosť, efektívny počet alel a ďalšie parametre, ktoré sa týkajú genetickej diverzity.

52
00:09:01,390 --> 00:09:14,490
Takže v prípade ak mám načítané dáta opätovne kliknem na možnosť Doplnky, ďalej na program Genalex a keďže všetky tieto parametre sú založené na frekvencii alel, otvorím si možnosť Frequency.

53
00:09:16,120 --> 00:09:24,127
Program sa ma v tomto dialógovom okne pýta, či chcem použiť na výpočet všetky genetické markery, všetky vzorky, všetky populácie

54
00:09:24,127 --> 00:09:33,510
a samozrejme sa ma aj pýta o aký typ dát sa jedná. Sú to codominantné dáta, takže v tomto prípade v tomto okne nič nemením, iba kliknem na možnosť OK.

55
00:09:35,560 --> 00:09:48,074
V tomto dialógovom okne mám možnosť si vybrať typ analýzy, ktorú chcem realizovať. Keďže nás zaujíma primárne heterozygotnosť a Wrightov fixačný index Fis

56
00:09:48,074 --> 00:10:02,050
za jednotlivé populácie označím si iba možnosť het , fstat, poly by pop. Keďže viem, že ešte budem potrebovať počítať aj genetickej vzdialenosti (to sa týka hlavne úlohy 3)

57
00:10:02,100 --> 00:10:06,570
odkliknem si aj Neiove genetické vzdialenosti a párové Fst.

58
00:10:07,000 --> 00:10:11,260
v tretej časti tohto dialógového okna a kliknem na OK.

59
00:10:13,800 --> 00:10:27,133
Program mi spočítal výsledky a vygeneroval 3 nové excelovské hárky. Keď sa pozriete dole na toto okno excelovské hárky majú názvy HFP, NeiP a FstP.

60
00:10:27,133 --> 00:10:44,820
V hárku HFP nájdem informáciu o genetických parametroch, ktoré sa týkajú hlavne diverzity a tie ktoré potrebujem na vypracovanie úlohy číslo 1. V hárku NeiP nájdem maticu genetických vzdialeností

61
00:10:44,890 --> 00:10:58,294
počítanú podľa Neia  a v hárku FstP nájdem maticu genetických vzdialeností počítaných alebo odvodených od Wrightovho fixačného indexu Fst. Takže prejdem späť na hárok HFP.

62
00:10:58,294 --> 00:11:09,319
V tomto hárku mi program vždy vygeneruje aj informáciu o tom, čo je v tomto hárku vlastne uložené. Čiže v prvom riadku mám názov štatistiky,

63
00:11:09,319 --> 00:11:15,540
ktorú som použila na výpočet parametrov alebo použitú možnosť v rámci programu.

64
00:11:15,970 --> 00:11:30,075
Počítala som heterozygoť, F štatistiku a polymorfizmus za populácie pre kodominantné dáta. Nižšie pod tým mám informáciu znova opätovne o súbore, ktorý som hodnotila.

65
00:11:30,075 --> 00:11:46,900
V riadku 10 mám hlavičku alebo rozpísané skratky, ktoré sú uvedené v hlavičke v riadku 12. To znamená, že N je veľkosť populácie, Na je počet alel, Ne je efektívny počet alel, I je informačný index,

66
00:11:47,330 --> 00:11:59,078
Ho je pozorovaná heterozygotnosť, He je očakávaná heterozygotnosť, uHe je nezávislá očakávaná heterozygotnosť a F je fixačný index Fis.

67
00:11:59,078 --> 00:12:08,345
Program prepočítal tieto parametre samostatne za každú populáciu a každý genetický marker. Ale mňa zaujíma

68
00:12:08,345 --> 00:12:18,050
hlavne priemer a tieto priemerné hodnoty sú uvedené v riadku 31 v tomto prípade, kde tu vidím priemernú hodnotu

69
00:12:19,210 --> 00:12:30,370
počtu zvierat v rámci každej populácie, priemernú hodnotu počtu alel pre každý genetický marker v rámci každej populácie, priemernú hodnotu pre efektívny počet

70
00:12:30,370 --> 00:12:38,408
alebo pozorovanú heterozygotnosť, očakávanú heterozygotnosť a Wrightov fixačný index Fis. Na základe týchto hodnôt

71
00:12:38,408 --> 00:12:45,530
jednak viem porovnať jednotlivé populácie navzájom a potom ešte program vypočíta aj štandardnú chybu.

72
00:12:46,720 --> 00:13:00,768
Mňa teda ale zaujímajú iba priemerné hodnoty. Čiže na základe efektívneho počtu alel by som mohla povedať, že v rámci týchto troch hodnotených populácií je miera diverzity najvyššia

73
00:13:00,768 --> 00:13:09,424
v prípade populácie 1, pretože táto dosiahla najvyššiu priemernú hodnotu efektívneho počtu alel. Keď sa pozriem

74
00:13:09,424 --> 00:13:17,300
na heterozygotnosť (zaujímajú ma však iba priemerné hodnoty) tak v rámci heterozygotnosti pozorovanej

75
00:13:17,430 --> 00:13:30,018
najvyššiu mieru dosiahla populácia číslo 2, čiže v tomto prípade z týchto troch hodnotených populácií je heterozygotnosť najvyššia v populácii číslo 2. Ale pri očakávanej vidím,

76
00:13:30,018 --> 00:13:39,159
že najvyššie číslo očakávanej heterozygotnosti bolo zistené v rámci populácie číslo 1. Keď sa však pozriem globálne na výsledky,

77
00:13:39,159 --> 00:13:47,300
vidím, že hodnota heterozygotnosti je vyššia ako 0,5, to znamená v rámci všetkých troch populácií môžeme pozorovať

78
00:13:49,190 --> 00:13:59,695
vyšší podiel heterozygotných genotypov oproti homozygotným. V poslednom stĺpci mám Wrightov fixačný index Fis. Keďže tento index môže nadobúdať hodnoty od -1 po 1,

79
00:13:59,695 --> 00:14:07,857
pričom záporné hodnoty signalizujú zvýšený podiel heterozygotných jedincov v populácii oproti homozygotným, môžem konštatovať,

80
00:14:07,857 --> 00:14:12,650
že tak ako mi to naznačovala pozorovaná heterozygotnosť miera diverzity je

81
00:14:14,230 --> 00:14:24,884
naozaj najvyššia v populácii číslo 2 z týchto troch mnou hodnotených populácií. V prípade, ak by som potrebovala hodnotiť celkový priemer za všetky

82
00:14:24,884 --> 00:14:31,770
tri populácie, tento je uvedený nižšie. Nájdem ho v tejto časti výsledkov. V rámci ďalšej úlohy

83
00:14:31,820 --> 00:14:45,330
mám počítať Wrightove fixačné indexy Fis, Fit a Fst. Nájdem ich v tejto tabuľke. Sú uvedené nižšie, začínajú v mojom prípade od riadku 47, kde mám napísané

84
00:14:46,190 --> 00:14:59,180
F štatistika a odhady počtu migrantov za všetky populácie a všetky lokusy. Pozriem sa na celkový priemer, pretože ten ma naozaj zaujíma a na základe týchto hodnôt môžem povedať,

85
00:14:59,180 --> 00:15:09,273
že aj napriek tomu, že v rámci metapopulácie je zvýšený podiel homozygotných jedincov, keď sa pozerám na subpopulácie ako celky Fis index

86
00:15:09,273 --> 00:15:18,040
dosahuje zápornú hodnotu, to znamená, že naozaj v rámci každej subpopulácie je zvýšený podiel heterozygotných jedincov.

87
00:15:18,580 --> 00:15:30,523
Index Fst mi naviac naznačuje, že naozaj miera genetickej diferenciácie v mnou hodnotených populáciách je pomerne dobrá. V tomto hárku mám uložené aj rôzne ďalšie informácie,

88
00:15:30,523 --> 00:15:39,685
ako je napríklad percento polymorfných lokusov a mám tu súčasne aj vzorce, ktoré boli použité na výpočet, čiže je to dobré v prípade,

89
00:15:39,685 --> 00:15:49,260
ak by ste to potrebovali uviesť napríklad v Materiály a metodiky, ak by ste tento program používali pri vypracovaní vašej záverečnej práce.

90
00:15:50,530 --> 00:16:04,650
Ďalšou našou úlohou je spočítať, aké sú genetické vzdialenosti medzi populáciami a to jednak na základe indexu Fst a na základe Neiových genetických vzdialeností. V hárku NeiP

91
00:16:06,170 --> 00:16:16,450
sú uvedené vzdialenosti počítané na základe Neiových genetických vzdialeností. Mám tu dve matice: prvá matica je matica, ktorá mi vyjadruje Neiovu

92
00:16:16,450 --> 00:16:29,233
genetickú vzdialenosť a druhá matica mi vyjadruje Neiovu genetickú podobnosť. Aj keď som v teoretickej časti hovorila, že Neiove genetické vzdialenosti nadobúdajú hodnoty od 0 po 1,

93
00:16:29,233 --> 00:16:40,250
závisí to samozrejme od metodiky, ktorá bola použitá na ich výpočet, pretože okrem štandardnej Neiovej genetickej vzdialenosti existujú aj rôzne modifikácie

94
00:16:40,670 --> 00:16:44,760
tohto vzorca, napr. v závislosti od typu markerov, ktorý použijete na analýzu.

95
00:16:45,570 --> 00:16:53,666
V tomto prípade platí, keďže sa jedná o maticu, že toto číslo mi vyjadruje genetickú vzdialenosť medzi populáciu 1 a populáciou 1.

96
00:16:53,666 --> 00:16:59,520
Keďže sa jedná o tú istú populáciu, toto číslo musí byť rovné 0 (lebo sú geneticky identické).

97
00:17:00,080 --> 00:17:06,390
Keď sa pozriem nižšie, toto číslo mi vyjadruje genetickú vzdialenosť medzi populáciu 1  a populáciou 2.

98
00:17:07,130 --> 00:17:16,545
Vidím, že tu už to číslo je pomerne vysoké a aj najvyššie z týchto troch čísel v matici, čiže genetických vzdialeností medzi jednotlivými populáciami.

99
00:17:16,545 --> 00:17:23,700
Ešte sa môžem pozrieť na tretie číslo, ktoré mi vyjadruje genetickú vzdialenosť medzi populáciou 1 a populáciou 3.

100
00:17:24,110 --> 00:17:33,914
Vidím, že tieto 2 populácie sú z mnou hodnotených populácií geneticky najpodobnejšie, pretože pozorované číslo je, jednoducho povedané, najnižšie.

101
00:17:33,914 --> 00:17:38,950
Idem na hárok FstP. V hárku FstP mám uvedené rovnako genetické vzdialenosti

102
00:17:40,040 --> 00:17:52,511
ale odvodené na základe Wrightovho fixačného indexu Fst. Platí to isté ako v prípade Neiových genetických vzdialeností. To znamená, že čím bližšie je hodnota indexu k 0,

103
00:17:52,511 --> 00:18:04,760
tým viac sú si populácie geneticky navzájom podobnejšie. Keď sa pozriem na výsledky, ktoré som získala, zistím, že naozaj geneticky najpodobnejšie sú populácie 1 a 3.

104
00:18:06,750 --> 00:18:17,801
V rámci poslednej úlohy máme vyhodnotiť jednak stupeň genetickej diverzity v hodnotených populáciách a súčasne aj stupeň genetickej diferenciácie.

105
00:18:17,801 --> 00:18:29,730
Ale ešte v poslednej úlohe mám túto analýzu realizovať aj pomocou analýzy hlavných komponentov. Ako na to? Tak v tomto prípade už to nemám uložené v hárkoch,

106
00:18:29,730 --> 00:18:37,480
ktoré som si vygenerovala v prvom kroku, ale musím sa vrátiť späť na hárok Testset a musím si spočítať

107
00:18:37,570 --> 00:18:49,589
genetické vzdialenosti na úrovni jedincov a následne realizovať analýzu základných alebo hlavných komponentov. Genetické vzdialenosti na úrovni jedincov si vypočítam

108
00:18:49,589 --> 00:19:01,355
pomocou programu Genalex tak, že zakliknem možnosť Distance a vyberiem si možnosť Genetic. Program vygeneruje dialógové okno. V rámci dialógového okna sa ma pýta

109
00:19:01,355 --> 00:19:12,170
ako chcem počítať genetické vzdialenosti. Pre tento príklad si kľudne nechajte zakliknutie možnosti, ktoré sú prednastavené. Klikneme na možnosť Ok.

110
00:19:12,980 --> 00:19:25,060
Program spočítal genetické vzdialenosti a môžem ísť na samotnú analýzu hlavných komponentov. Túto nájdem v možnosti PCoA, kde si zakliknem analysis.

111
00:19:26,370 --> 00:19:36,800
Zase v dialógovom okne nechám prednastavené všetky parametre, tak ako sú, ale zmením iba nastavenie grafických možností, pričom namiesto Data labels,

112
00:19:36,800 --> 00:19:46,080
čo znamená, že mi pri každom jedincovi vloží do obrázka jeho identifikačné číslo, si zaklikneme možnosť Color code pops. To znamená,

113
00:19:46,080 --> 00:19:52,970
že každý jedinec alebo jedince v rámci každej populácie budú odlíšené inou farbou a kliknem na OK.

114
00:19:54,300 --> 00:20:01,693
Analýza je pomerne rýchla a naviac mi ešte produkuje grafy, čo je naozaj veľmi dobré v prípade ak chcete takéto

115
00:20:01,693 --> 00:20:08,420
výsledky použiť do seminárnej alebo záverečnej práce. Keď sa pozriem na výsledky analýzy, tak v prvej

116
00:20:08,430 --> 00:20:19,114
časti hárku sú zase uvedené formálne informácie o tom, čo som hodnotila, akým spôsobom som to hodnotila, koľko mám populácii, koľko mám jedincov.

117
00:20:19,114 --> 00:20:24,640
Nižšie mám uvedené aj informácie o tom koľko percent genetickej variability

118
00:20:24,770 --> 00:20:36,429
vyjadruje ktorý základný komponent. Vo všeobecnosti platí, že prvé dva základné komponenty mi vyjadrujú najväčší podiel variability v mnou hodnotenom súbore.

119
00:20:36,429 --> 00:20:47,017
Tuto vidím, že spolu prvé dva komponenty vyjadrujú 42% variability, to znamená, že naozaj dobre definujú genetickú variabilitu v mojom súbore.

120
00:20:47,017 --> 00:20:54,920
Keď sa pozriem na výsledok (ten mám graficky znázornený na obrázku vedľa) vidím, že populácie mi vytvárajú

121
00:20:56,160 --> 00:21:08,664
naozaj samostatné genetické skupiny, čo potvrdzuje aj priemernú hodnotu Wrightovho fixačného indexu Fst, ktorá nám identifikovala, že populácie sú dobre geneticky diferencované.

122
00:21:08,664 --> 00:21:18,060
Môžeme povedať, že aj keď je tam určitá miera príbuznosti, pretože sa jedná o ten istý druh, tak populácie vieme spoľahlivo rozlíšiť.

123
00:21:19,310 --> 00:21:27,773
To by bolo z tejto prezentácie všetko. V prípade, ak budete mať ďalšie otázky prosím neváhajte ma kontaktovať a

124
00:21:27,773 --> 00:21:36,160
napíšte mi email na moju emailovú adresu, ktorú nájdete v rámci teoretickej prezentácie. Ďakujem za pozornosť.