five

Evolução molecular de cetáceos fluviais

收藏
DataCite Commons2026-01-23 更新2026-05-07 收录
下载链接:
https://redu.unicamp.br/citation?persistentId=doi:10.25824/redu/LL3HR0
下载链接
链接失效反馈
官方服务:
资源简介:
O conjunto de dados utilizado nesta dissertação foi desenvolvido com o propósito de investigar os fundamentos genômicos da adaptação de cetáceos a ambientes de água doce, um processo evolutivo raro e biologicamente significativo. O objetivo central é identificar padrões convergentes de evolução, sinais de seleção positiva e dinâmicas de famílias gênicas que expliquem como diferentes linhagens de cetáceos, de origens independentes, conseguiram colonizar e persistir em ecossistemas fluviais. A natureza dos dados é estritamente genômica e comparativa. O conjunto inclui genomas completos e anotações gênicas de seis espécies de cetáceos de água doce: Inia geoffrensis, Lipotes vexillifer, Platanista gangetica, Platanista minor, Neophocaena asiaeorientalis asiaeorientalis e Sotalia fluviatilis. Os dados abrangem sequências codificantes, famílias gênicas, métricas evolutivas e resultados derivados de análises computacionais, como detecção de seleção positiva, expansão e contração de famílias gênicas e taxas evolutivas relativas. Em conjunto, esses dados permitem avaliar processos moleculares relacionados à osmorregulação, resposta imune, desenvolvimento esquelético e regulação metabólica. O escopo do dataset é amplo, abrangendo tanto dados primários de sequências genômicas quanto dados derivados de análises evolutivas comparativas. Ele permite explorar desde padrões específicos de genes individuais até tendências macroevolutivas compartilhadas entre diferentes linhagens de cetáceos fluviais. Esse conjunto de dados fornece uma base robusta para examinar mecanismos de adaptação em múltiplos níveis biológicos e representa um recurso valioso para estudos futuros sobre evolução convergente, fisiologia de mamíferos aquáticos e conservação de espécies ameaçadas.
提供机构:
Repositório de Dados de Pesquisa da Unicamp
创建时间:
2025-11-17
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作