Bild
Den hotade arten Verreaux's sifaka (Propithecus verreauxi),
Den hotade arten Verreaux's sifaka, (Propithecus verreau). Data kan härledas från ett enda exemplar av en art, till exempel DNA-data, geografiska koordinater för var den sågs och bild-data, visas som pixelvärden som kan användas i maskininlärningsmetoder.
Foto: Tobias Andermann
Länkstig

Nytt datorprogram förutsäger framtida utrotningar

Publicerad

Ett nytt datorprogram för att kunna förutsäga framtida utrotningar av arter har utvecklats i studier som nu presenteras i en ny doktorsavhandling från Göteborgs universitet.

Tobias Andermann, doktorand vid institutionen för biologi och miljövetenskap vid Göteborgs universitet, är del av en forskargrupp vid samma institution som arbetar med mjukvaruutveckling. Forskargruppen försöker göra det möjligt för dagens biologer att arbeta med ett brett utbud av ny teknik och med stora datamängder.

Baserat på offentlig data

Nu presenterar Tobias Andermann några av de senaste programmen i sin doktorsavhandling. Ett av dessa program är designat för att kunna förutspå framtida artutrotningar. Programmet är baserat på offentligt tillgängliga data.

Det är fantastiskt hur mycket fritt tillgängliga data som lagras i onlinedatabaser, vilkas potential vi bara precis har börjat kunna utnyttja. Det kan gälla data om var arter har observerats, och information om hur utrotningshotad en art är. All denna information kan användas i våra evolutionära modeller för att förutsäga den mest troliga framtiden för en viss art, säger Tobias Andermann.

Viktigt att kunna förutsäga framtida utrotningar

Att förutsäga framtida utrotningar är något som är av största vikt, anser Tobias Andermann.

Vi är mitt i en massutrotning, och för att kunna minska skadorna är det avgörande att kunna förutspå när, var och vilka arter som kommer att utrotas.

Vårt program kan också användas för att simulera effekterna av specifika bevarandestrategier, och resultaten är hoppfulla. Vi kan göra en enormt positiv inverkan om vi agerar nu.

 Även ett program för att hantera stora datamängder

Också ett program som hjälper evolutionära biologer att analysera de enorma datamängder som produceras med ny DNA-sekvenseringsteknik, presenteras i Tobias Andermanns avhandling.

Mängden data du får från moderna DNA-sekvenseringsmaskiner är helt enkelt överväldigande. Vi pratar om miljarder DNA-nukleotider som dessa maskiner kan producera för ett enda prov, alla spridda över miljoner korta sekvenser. Forskare måste sedan sätta ihop detta gigantiska pussel för att kunna arbeta med dessa data. Det är precis där vårt nya program kommer in, säger Tobias Andermann.

Programmet har på kort tid laddats ner mer än 19 000 gånger av forskare och studenter från hela världen.

Kontakt: Tobias Andermann, institutionen för biologiska och miljövetenskap vid Göteborgs universitet, Mobil: +46 (0) 760 - 90 11 06, E-post: tobias.andermann@bioenv.gu.se

Fakta om forskningen

Avhandlingens titel: Advancing Evolutionary Biology: Genomics, Bayesian Statistics, and Machine Learning

Digital publicering: http://hdl.handle.net/2077/66848

Handledare: Alexandre Antonelli and Daniele Silvestro