Background: Frog Locomotion

Frogs have anatomical specialisations of the limbs and pelvis, enabling them to employ a wide range of

locomotor  modes,  including terrestrial and arboreal jumping,  swimming, walking,  hopping,  and  burrowing

(Figure 1). Different frog species inhabit diverse environments, making them ideal subjects for investigating the relationship between anatomy, ecology, and evolutionary history (Jorgensen & Reilly, 2013).

Terrestrial jumper

(TJ)

Burrower-walker-hopper

(BWH)

Figure 1:  Five different types of frog locomotor mode with representative species:  Rana temporaria (TJ), Litoria chloris (AJ), Xenopus laevis (AQ), Brachycephalus ephippium (WH), Rhinophrynus dorsalis (BWH).

Locomotor performance has been linked to distinct pelvic features, the most prominent being the shape of

the sacral diapophyses (Figure 2; Emerson, 1979; Jorgensen & Reilly, 2013) . There are three pelvic types in

frogs, that characterise specific movements:  lateral-bender (LB), sagittal-hinge (SH) and fore-aft slider (FA)

(Figure 2) .  However, it is challenging to classify frogs into these groups, in particular distinguishing between

SH and LB (Soliz et al . , 2017) .  Instead, pelvic anatomy may be better characterised as a set of continuous

multidimensional variables, rather than as three discrete types, suggesting more complex links between anatomy and function in frog skeletal structures than previously thought. One way to define this continuous

variation is by the degree of expansion of the sacral diapophyses (ESD; Figure 2).  ESD is potentially the strongest driver of anatomical variation and, therefore, predictor of locomotor mode (Jorgensen & Reilly, 2013).

Another strong predictor of locomotor performance is the length of the hindlimbs (James & Wilson, 2008).

Longer hindlimbs are associated with jumping and swimming frogs, while frogs that walk, hop, and/or burrow

have shorter hindlimbs .  However, the extent to which the length of each individual bone within the hindlimb

impacts locomotion is unclear (Enriquez-Urzelai et al., 2015; Lires et al., 2016. Each bone is hypothesized

Lateral-bender (LB)

Sagittal-hinge (SH)

Fore-aft slider (FA)

         Expansion of

                            (ESD)

Figure 2: Three different types of frog pelvis (Emerson, 1979).  ESD (blue arrow) is the distance between

the most anterior and posterior tip of the sacral bone (outlined in red).

to play different roles, as different hindlimb proportions will have different effects on hindlimb biomechanics.

Additionally, evolutionary history will have played a role in determining anatomy and locomotor mode.

The Assignment

The primary aim of this homework is to investigate the question: to what extent do locomotor and phyloge-

netic demands impact skeletal anatomy in frogs?  Additionally, you will gain experience in a) independently

analysing a real dataset from beginning to end, and b) writing up your statistical analyses and their biological interpretation. Your report should be shaped by this question (ie not simply a description of analyses).

The dataset “BIOL0029.HW2.2022.txt” contains data from 164 species of frogs from across a broad range

of positions in the frog phylogeny. Each frog has six skeletal measurements (Figure 3) and two categorical variables – their locomotor mode (Figure 1) and their phylogenetic clade (the oldest group of extant frogs

(Basal) or a group that has evolved more recently (Neobatrachia, Hyloidea or Ranoidea)). The Homework breaks down into the following tasks.

1. To make meaningful comparisons between species, you should first control for body size by dividing each skeletal measurement by snout-vent length (SVL). Examine the resulting scaled measurements to ensure there are no outliers.

2.  For each skeletal measurement, determine which locomotor modes and phylogenetic clades are sig- nificantly associated with it, using a p-value threshold of 0.05.  Your analysis should consider the possibility of interactions between locomotor mode and clade.  All the models should be fitted and compared using the R functions lm(), summary(),and anova(). Report which duos/trios of clade, loco- motor mode and measurement are associated (i.e., [clade X] is associated with both a larger [skeletal measurement 1] and [locomotor mode A], and a larger [skeletal measurement 1] and [locomotor mode A] are also associated with each other). Present these results imaginatively, using relevant tables or figures – don’t simply show the R output.  Discuss what your findings suggest about the role of each bone in locomotion, referring to previous literature.

3.  Perform a principal components analysis (PCA) of the scaled skeletal measurements, excluding SVL. Examine the loadings of the PCA model and discuss which measurement variables are the strongest drivers of morphological variation. Discuss how much variation is explained by each principal compo- nent.

SVL 

Figure 3: Frog skeleton labelled with the anatomical variables measured in the dataset provided: snout-vent

length (SVL), expansion of the sacral diapophyses (ESD), femur (fem), tibiofibular (tib), calcaneus (calc) and

foot.

4.  Plot your PCA, colour-coded for locomotor mode. Repeat for phylogenetic clade. Consider the use of biplots.  Consider how much anatomical variation is in each group, and what that implies in terms of conservation across the phylogeny. Using linear models, investigate if there is a statistically significant relationship between each PC and locomotor mode and phylogenetic clade.

5.  Summarise your results in the most informative and creative way possible.  Use informative Tables and Figures. Based on your results and further reading, consider whether you can predict locomotor function or phylogenetic position using skeletal morphology alone.

The Report

Your report should be an R markdown document that contains three sections:  ‘Introduction’ should be no

more than a short  paragraph setting out the aims of the  report and summarising the data .   ‘Methods and

Results’  provides  information on the statistical  methods you  used and the  results you obtained,  including

tables and figures.  You should include a clear but brief description of the data.   In the ‘Discussion’ you provide the biological interpretation (but no new results nor, typically, figures).

Your markdown should only include a final set of commands, not the code of any exploratory analyses that

you may have done along the way.   It should run through all of the code (from loading the data through generating all your results and producing table and figure output) on compilation (i.e., when pressing ‘Knit’

in  RStudio) .   The  code  should  assume  that  the  data  file  is  located  in  the  same  directory  (folder)  as  the

markdown.

While containing all code, the file should be written such that the compiled PDF of your markdown contains

methods and results in a well-digested form. For example, you would not render visible any commands that are not essential for the understanding of your work (e.g., commands to load data or those generating the plots displayed). Also try to make the output that you do show (e.g., ANOVA tables or estimated coefficients) as pretty as possible, by cutting out unnecessary output normally produced by functions such as anova or summary, or by embedding a salient number such as a p-value into the main text.