Биология · объяснение и практика
Генетический дрейф: случайное изменение частот
Отличим случайный отбор копий аллелей от преимущества признака, разберём эффект основателя и узкого места и не назовём любое изменение адаптацией.

В теме Эволюция и история родства · Учебная карта
Главная мысль
Генетический дрейф связан со случайными изменениями частот аллелей при ограниченном числе размножающихся особей. Он может приводить к утрате или фиксации вариантов без их преимущества. Особенно заметны такие эффекты в небольших популяциях.
Сравните случайность и преимущество
Если носители аллеля оставляют больше потомства из-за связанного наследуемого признака при данных условиях, это может быть отбором. Если же состав следующего поколения изменился из-за случайного представительства родителей, речь идёт о дрейфе. В природе оба процесса способны действовать одновременно. Поэтому по одному увеличению частоты нельзя сразу выбрать причину. Аллель, ставший частым, не обязательно улучшает приспособленность. Точно так же редкость сама по себе не доказывает вредность. Для объяснения важен механизм изменения, а не только направление графика.
Проследите малую группу основателей
Пусть в исходной большой популяции частота a равна одной десятой, но случайно выбранные пять диплоидных основателей имеют четыре копии a среди десяти копий локуса. У новой группы начальная частота a равна 0,4. Это пример различия выборки основателей и источника, а не свидетельство появления четырёх новых мутаций. Последующее размножение может закрепить такое отличие, но его дальнейшая судьба заранее не гарантирована. Малое число основателей увеличивает роль случайного состава; сама миграция при этом не доказывает адаптивного преимущества конкретного аллеля.
Пример
Пять диплоидных основателей имеют четыре копии a среди десяти копий локуса. Какова частота a в этой группе и доказывает ли она преимущество?
Частота равна четырём десятым, то есть 0,4. Сам подсчёт не доказывает преимущества: группа могла получить такой состав случайно.
Различите два демографических случая
Эффект основателя возникает, когда небольшая группа начинает новую популяцию. Узкое место связано с резким сокращением уже существующей популяции, после которого сохранившаяся часть может не отражать прежнее разнообразие. Восстановление численности не обязательно восстанавливает утраченные аллели: новые особи происходят от оставшегося набора вариантов. Эти случаи показывают усиление дрейфа через изменение представительства генов. Но нельзя по одному факту сокращения численности вычислить точную будущую частоту. Нужно знать генетический состав переживших событие и дальнейшие потоки. Дрейф является вероятностным процессом, а не правилом обязательного движения к заданному варианту.
От чтения к действию
А теперь — вы
Частые вопросы
Дрейф обязательно улучшает приспособленность?
Нет. Он может менять частоты независимо от преимущества аллеля.
После восстановления численности все утраченные аллели вернутся?
Нет. Рост числа потомков не создаёт автоматически прежнее разнообразие.
Углублённый разбор
Точное поглощение в конечной модели дрейфа
Потеря или фиксация за одно поколение не равна исходу за всё время. Строим конечную цепь Райта—Фишера, вычисляем вероятность фиксации и среднее число переходов до поглощения.
Перед началом: Биномиальное распределение; Линейные уравнения для первого шага.
Состоянием является число копий
В нейтральной модели с M аллельными копиями следующее поколение независимо копирует каждую позицию из общего пула. Из состояния i число A в следующем поколении имеет закон Bin(M, i/M). Вероятности переходов Pij=C(M, j)(i/M)ʲ(1−i/M)ᴹ⁻ʲ. Состояния 0 и M поглощают: без мутации и притока извне исчезнувший вариант уже не появляется.
Пусть hi — вероятность когда-нибудь попасть в M раньше 0. Уравнения первого шага имеют вид hi=ΣPijhj с h0=0, hM=1. Функция hi=i/M удовлетворяет им, потому что среднее число копий после нейтрального копирования равно i. Это вероятность полного будущего исхода, а не только перехода в M на ближайшем шаге.
Поглощение происходит за конечное среднее время
Для среднего числа оставшихся переходов ti записываем ti=1+ΣPijtj во внутренних состояниях и t0=tM=0. Единица учитывает следующий переход, включая тот, который уже попадёт на границу. Если пропустить её, система даст нулевое время и потеряет смысл задачи. Внутренний блок Q приводит к системе(I−Q)t=1.
В конечной нейтральной цепи из каждого внутреннего состояния есть положительная вероятность поглощения. Минимум этих вероятностей по конечному набору положителен, поэтому вероятность бесконечно избегать границы равна нулю. Это обосновывает и конечность среднего, и единственность решения для вероятностей исходов, а не просто предполагает их из вида уравнений.
Размер цепи задаёт точный эталон маленькой модели
Для четырёх копий остаются три внутренних состояния 1,2,3. Симметрия даёт t1=t3, что сокращает систему. Такой точный расчёт полезен как проверка симулятора: среднее большого числа траекторий должно приближаться к найденному значению, но отдельная траектория может поглотиться значительно раньше или позже.
Результат зависит от идеальных правил независимого копирования, постоянного размера и отсутствия отбора. Он не является точной календарной длительностью для любой реальной популяции. Изменение размера, мутация или миграция меняют переходное ядро и могут убрать поглощающие границы; прежнюю систему в таком случае нужно составлять заново.
Четыре копии, два A
Условие. В нейтральной модели M=4, начальное i=2. Найдите вероятность будущей фиксации A и среднее число поколений до потери либо фиксации.
- Гармоническая функция даёт h2=2/4=1/2; прямой переход в 4 имел бы только вероятность 1/16.
- Симметрия t1=t3 даёт уравнение t1=1+(15/32)t1+(27/128)t2.
- Для центрального состояния t2=1+(1/2)t1+(3/8)t2.
- Решение системы: t1=t3=107/29, t2=132/29≈4,552 поколения.
Ответ. Будущая вероятность фиксации 1/2; среднее время поглощения 132/29 поколения.
Проверка. Подстановка обеих дробей возвращает два уравнения первого шага. Вероятность поглощения на любом внутреннем шаге не меньше 1/8, поэтому среднее не превышает 8; найденное значение этому соответствует.
Где легко ошибиться. Подменять вероятность когда-либо зафиксироваться вероятностью перехода в полную фиксацию уже в следующем поколении.
Проверьте понимание
Вопросы к этой главе
Среднее время обязательно целое?
Нет. Каждая траектория имеет целое число переходов, но среднее по их распределению может быть дробным, как 132/29 в примере.
Мутация сохранит те же поглощающие состояния?
Обычно нет: она способна создавать отсутствующий вариант. Тогда переходы из 0 и M меняются, и прежняя задача о поглощении описывает уже другую модель.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- University of Washington: модель Райта—Фишера
Сверено биномиальное переходное ядро конечной модели. Цепь четырёх копий, время поглощения и гармоническая проверка вероятности фиксации рассчитаны для этой главы самостоятельно.
Утрата редкого аллеля при бутылочном горлышке
При случайном выживании целых диплоидных особей одинаковая частота аллеля ещё не задаёт одинаковый риск его утраты. Сравниваем разные распределения тех же двух копий по организмам.
Перед началом: Диплоидный генотип; Равновероятная выборка особей без возвращения.
Сначала выбираем единицу случайного отбора
Вероятность потери аллеля зависит от того, что именно выбирается: отдельные копии, гаметы или целые организмы. Если событие оставляет несколько взрослых диплоидных особей, две копии одного организма попадают в выборку вместе. Их нельзя считать двумя независимыми вытягиваниями из общего списка копий без дополнительного обоснования.
Для равновероятной выборки m особей из N без возвращения отсутствие A означает, что все выжившие относятся к генотипу aa. Если таких особей n0, вероятность равна C(n0, m)/C(N, m), при условии m≤n0. Если выживает больше организмов, чем имеется aa, полная потеря A в этом событии невозможна.
Одинаковое аллельное число скрывает разную кластеризацию
Две копии A могут находиться в одной AA-особи или в двух Aa-особях. Общее число копий и частота A будут одинаковыми, но число организмов, которые несут хотя бы одну копию, различается. При выборе целых особей важна именно эта группировка. Это не действие отбора по преимуществу: каждый набор выживших по условию одинаково вероятен.
Биномиальная модель независимого копирования полезна для другой стадии и другой единицы выборки. Она не становится ошибочной вообще; ошибкой является её применение без смены предпосылок. При интерпретации бутылочного горлышка полезно отдельно указать распределение генотипов до события, механизм выживания и дальнейшее размножение.
| Состав 10 особей | Пар без A | Вероятность потери |
|---|---|---|
| 1AA +9aa | 36 из45 | 4/5 |
| 2Aa +8aa | 28 из45 | 28/45 |
Потеря и последующий рост численности
Если A не попал ни к одному выжившему, простое увеличение числа потомков не восстанавливает его при отсутствии новых мутаций или миграции. Если хотя бы одна копия осталась, дальнейшая судьба всё ещё случайна и не определяется одним фактом пережитого события. Рассчитанная вероятность относится к непосредственной потере в заданной выборке, а не ко всей будущей истории популяции.
Для проверки маленькой задачи можно перечислить все подмножества организмов и отдельно подсчитать те, где A отсутствует. Такой перебор не использует формулу сочетаний как готовый ответ и хорошо обнаруживает ошибку, когда два аллеля одной особи случайно распределяют по разным исходам. Индивидуальные метки должны сохраняться до самого конца подсчёта.
Две копии распределены по-разному
Условие. В каждой условной популяции 10 диплоидных особей и две копии A. В первой есть 1AA+9aa, во второй 2Aa+8aa. Равновероятно выживают 2 целые особи без возвращения. Сравните потерю A.
- В обоих случаях частота A равна 2/20=0,1, а число возможных пар выживших C(10,2)=45.
- В первой популяции A исчезнет при выборе любых двух из 9aa: C(9,2)=36 исходов.
- Во второй нужно выбрать двух из 8aa: C(8,2)=28 исходов.
- Вероятности равны 36/45=4/5 и 28/45. Они различаются при одинаковой частоте аллеля.
Ответ. Риск непосредственной потери:4/5 в первом случае и 28/45 во втором.
Проверка. Прямое перечисление 45 пар организмов даёт 36 и 28 пар без A. Выбор четырёх отдельных копий из двадцати представлял бы другую единицу случайного отбора.
Где легко ошибиться. Подставлять одну частоту аллеля в модель независимых копий, когда по условию совместно выживают обе копии выбранного организма.
Проверьте понимание
Вопросы к этой главе
Это означает преимущество гетерозигот?
Нет. Все пары особей равновероятны. Различие возникает из распределения копий по единицам выборки, а не из разной жизнеспособности генотипов.
Сохранённая копия обязательно закрепится потом?
Нет. Расчёт описывает потерю при данном событии. После него остаются дальнейший дрейф, размножение и возможные другие процессы.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- OpenStax Biology2e, §19.2: популяционная генетика
Прочитаны определения дрейфа, бутылочного горлышка, потока генов и мутации. Конкретные конечные выборки и рекуррентные модели заданы в собственных учебных условиях.
Дрейф с мутациями: стационарное распределение конечной популяции
Обратимые мутации меняют сам тип долговременного режима конечного дрейфа: крайние частоты перестают поглощать. Находим стационарное распределение всей цепи, а затем отличаем его среднюю частоту от детерминированного равновесия.
Перед началом: Биномиальное обновление числа копий аллеля; Стационарный строковый вектор конечной цепи Маркова.
Сначала мутация, затем независимая выборка нового поколения
Рассмотрим идеализированную гаплоидную популяцию с двумя копиями одного двухаллельного локуса. Поколения не перекрываются, отбора нет. Если сейчас i копий A, частота p=i/2. Каждая новая копия независимо выбирается из общего родительского пула, а мутация A↔a имеет одинаковую вероятность u в обоих направлениях. Эффективная вероятность A перед выборкой равна q=u+(1−2u)p.
Условно по i новое число A имеет распределение Bin(2, q). Это полностью заданный конечный механизм, не диффузионное приближение. При 0<u<1 все q в данном примере лежат строго между нулём и единицей; каждое из трёх новых состояний имеет положительную вероятность. Даже из i=0 может появиться A, поэтому старый аргумент о неизбежном вечном поглощении уже неприменим.
Равновесие — распределение, а не одно число копий
При u=1/4 три значения q равны 1/4,1/2,3/4. Из них строят строковую матрицу переходов P. Ищем неотрицательный вектор π с πP=π и суммой единица. Симметрия аллелей предполагает π₀=π₂, но третью вероятность всё равно определяет поток между состояниями. Симметрия сама по себе не делает три состояния равновероятными.
Для этой матрицы π=(2/7,3/7,2/7). Средняя частота A равна 1/2, как и у детерминированного мутационного равновесия. Однако Var(p)=1/7, а не ноль: популяция продолжает менять состояния. Стационарность означает постоянство распределения ансамбля, а не прекращение случайных переходов в одной реализации.
| i | j=0 | j=1 | j=2 |
|---|---|---|---|
| 0 | 9/16 | 6/16 | 1/16 |
| 1 | 1/4 | 1/2 | 1/4 |
| 2 | 1/16 | 6/16 | 9/16 |
Граничные режимы нельзя менять незаметным предельным переходом
При строго u=0 состояния 0 и 2 поглощающие, а стационарный закон уже не единственен: любая смесь двух крайних масс стационарна. При положительном u цепь сообщается и имеет единственное стационарное распределение. Поэтому вопрос о очень редких мутациях и конечном времени наблюдения отличается от вопроса о бесконечном времени при мутациях, выключенных точно.
Для реальной популяции вероятность мутации и размер обычно совсем другие, а разные поколения могут быть зависимы сложнее. Малый пример нужен для проверки алгоритма и смысла стационарности. Он не оценивает конкретную природную частоту. Проверяйте отдельно нормировку строк, уравнение πP=π и моменты: совпадение только среднего не подтверждает найденное распределение.
Три состояния с симметричной мутацией
Условие. В заданной двухкопийной гаплоидной модели u=1/4, отбор отсутствует. Новое поколение содержит две независимые копии с вероятностью A, равной q=1/4+i/4. Найдите стационарный закон и дисперсию частоты A.
- Строки P для i=0,1,2 равны (9,6,1)/16; (1,2,1)/4; (1,6,9)/16.
- Пишем π₀=π₂=a, π₁=b. Баланс среднего состояния даёт b=12a/16+b/2, значит b=3a/2.
- Из 2a+b=1 получаем a=2/7, b=3/7; обратная подстановка проверяет все три стационарных уравнения.
- Значения p равны 0,1/2,1. Среднее 1/2; дисперсия (2/7)(1/4)+(2/7)(1/4)=1/7.
Ответ. π=(2/7,3/7,2/7), E(p)=1/2, Var(p)=1/7.
Проверка. Первую компоненту πP можно вычислить отдельно: (2/7)(9/16)+(3/7)(1/4)+(2/7)(1/16)=2/7. Две остальные возвращаются аналогично; все вероятности положительны.
Где легко ошибиться. Не отождествляйте совпадение стационарной средней с детерминированным равновесием состояний. В маленькой популяции разброс велик и сохраняется бесконечно долго при повторных мутациях.
Проверьте понимание
Вопросы к этой главе
Крайнее состояние теперь означает исчезновение аллеля навсегда?
Нет. При ненулевой обратной мутации отсутствующий аллель может возникнуть в следующем поколении. Термин фиксация без оговорки о мутациях здесь способен ввести в заблуждение.
Почему стационарная вероятность среднего состояния больше крайних?
Её задаёт полный баланс входящих и исходящих вероятностей. Симметрия требует равенства двух краёв, но не равенства краёв среднему состоянию.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- David Waxman: Exact path-integral representation of the Wright–Fisher model
Прочитаны Model с мутационным преобразованием, биномиальная матрица Eq.5 и обсуждение различия положительных и нулевых мутаций. Здесь собственный двухкопийный гаплоидный механизм со строковой, а не исходной столбцовой конвенцией; path-integral вывод статьи не используется.
Успешные аллельные траектории: условная цепь и время до фиксации
Наблюдение только успешно фиксировавшихся вариантов изменяет распределение их промежуточных шагов. Строим условную цепь по правилу Байеса и считаем среднюю длительность успеха, сохраняя события без изменения частоты.
Перед началом: Граничная вероятность фиксации конечной цепи; Условная вероятность и уравнение первого шага для времени.
Будущий успех перевзвешивает сегодняшние переходы
В популяции Морана N гаплоидных особей мутант имеет fitness r, остальные единицу. Родитель выбирается пропорционально fitness, заменяемая особь независимо и равномерно из всех N. Мутаций нет; число мутантов i меняется на единицу вверх, вниз либо остаётся прежним. Обозначим обычную матрицу переходов P и вероятность окончательной фиксации h_i.
Теперь рассматриваем только траектории, которые когда-либо достигнут N. Для внутреннего состояния с h_i>0 правило Байеса даёт P*_{ij}=P_{ij}h_j/h_i: вероятность следующего шага умножается на вероятность будущего успеха из его конца. Гармоническое равенство ΣP_{ij}h_j=h_i гарантирует сумму условной строки один. На границе ноль h₀=0, поэтому переход в неё исключается.
| i | к i−1 | остаться i | к i+1 |
|---|---|---|---|
| 1 | 3/20 | 11/20 | 3/10 |
| 2 | 1/6 | 1/2 | 1/3 |
| 3 | 3/28 | 19/28 | 3/14 |
Условная скорость движения отличается от безусловной
При h_j>h_i переход к j становится чаще среди удачных траекторий. Это не физическое изменение исходного отбора: меняется отобранный ансамбль наблюдений. По пути только победивших аллелей нельзя напрямую оценивать необусловленные вероятности размножения. Даже нейтральная исходная модель после отбора успешных путей выглядела бы направленно изменяющейся.
Самопереход P*_{ii}=P_{ii} сохраняется. Поэтому календарные события размножения нельзя заменять одними изменениями частоты при расчёте времени. Для среднего числа исходных событий до фиксации пишут u_N=0 и u_i=1+Σ_{j=1}^{N−1}P*_{ij}u_j. Единица считает каждый шаг, включая событие без изменения числа мутантов; условная нормировка не отменяет это время.
Два независимых способа проверки условного ответа
Можно сначала построить P* и решить её временную систему. Другой путь — найти v_i=E_i[τ·1_успех] в исходной цепи: v_i=h_i+Σ_{j=1}^{N−1}P_{ij}v_j, после чего u_i=v_i/h_i. Второе уравнение взвешивает длительность только успешных реализаций и даёт независимую проверку преобразования. Подставлять вместо h_i единицу в этом варианте означало бы вычислять другой момент.
Условие здесь относится к окончательной фиксации без заданного срока. При фиксации до конкретного поколения вес будущего успеха зависит ещё от оставшегося времени и преобразованная цепь становится неоднородной по времени. Метод не является квазистационарным законом при условии невымирания: там сохраняют живые состояния на длинном горизонте, здесь целенаправленно допускают достижение выбранной поглощающей границы.
Время удачного мутанта среди четырёх
Условие. Для N=4, r=2 и равномерной независимой замены даны проверенные вероятности фиксации h=(0,8/15,4/5,14/15,1). Обычные внутренние строки P приведены ниже. Найдите среднее число событий до i=4 из i=1 при условии будущей фиксации. Самопереходы считаются событиями.
- В исходной строке i=1 имеем P₁₀=3/20, P₁₁=11/20, P₁₂=3/10. После перевзвешивания P*₁₀=0, P*₁₁=11/20, P*₁₂=9/20.
- Остальные условные переходы: из i=2 к 1,2,3 идут 1/9,1/2,7/18; из i=3 к 2,3,4 идут 9/98,19/28,45/196.
- Уравнения времени дают u₁−u₂=20/9 и u₃=28/9+(2/7)u₂.
- Подстановка во второе внутреннее уравнение даёт u₂=398/45, затем u₁=166/15 и u₃=592/105.
Ответ. Условное среднее из одной копии равно 166/15≈11,0667 событий.
Проверка. В исходной системе для v решение v₁=1328/225; деление на h₁=8/15 возвращает 166/15. В условной цепи первый реальный рост из i=1 требует в среднем 20/9 событий, что совпадает с u₁−u₂.
Где легко ошибиться. Не выдавайте условный путь победителя за обычную реализацию исходной популяции. Отбор по будущему исходу уже перевзвесил все промежуточные шаги, даже если исходный эксперимент физически не менялся.
Проверьте понимание
Вопросы к этой главе
Можно просто запретить падение на каждом шаге?
Нет. Из i=2 или i=3 успешная траектория может временно уменьшить число мутантов. Исключается лишь поглощение в нуле; остальные переходы изменяют веса через отношение h_j/h_i.
Почему время не делят на вероятность успеха после обычного среднего?
Обычное среднее включает и длительности неудачных путей. Для деления нужен именно взвешенный момент E[τ·1_успех], а не среднее время любого исхода.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Díaz et al.: Approximating Fixation Probabilities in the Generalized Moran Process
Прочитано Introduction об исходном Moran-выборе родителя и замены. Условная матрица этой главы выведена непосредственно правилом Байеса; все малые системы решены отдельно, результаты FPRAS не используются.
- The Characteristic Trajectory of a Fixing Allele, Genetics 2014
Прочитан первичный поисковый текст о перевзвешивании переходной плотности вероятностью будущей фиксации и связи с Doob transform. Прямой DOI дал500/недоступный redirect, полный текст не заявляется прочитанным. Конечный пример, обе системы времени и двухшаговая проверка собственные.
Репродуктивные семьи и дрейф: общий родитель зависит от распределения потомства
Одинаковая переписная численность допускает разные силы дрейфа. Если несколько родителей оставляют много потомков, две случайные линии чаще сходятся за одно поколение, даже когда ни один аллель не имеет преимущества.
Перед началом: Выбор двух разных потомков; Факториальный момент семейного размера; Обменяемость нейтральных родителей.
Сначала условиться на конкретной семье
Условия модели: Гаплоидная нейтральная модель N родителей и N потомков, каждый потомок имеет одну родительскую копию локуса. Семейные размеры νi — неотрицательные целые, Σνi=N. Для ансамблевой модели их распределение обменяемо по меткам родителей и независимо воспроизводится в поколениях; пол, диплоидность и отбор не добавляются автоматически.
Из N потомков выбирают два разных без возвращения. Всего N(N−1) упорядоченных пар; у родителя i общих потомственных пар νi(νi−1). Поэтому при фиксированном векторе c(ν)=Σνi(νi−1)/[N(N−1)]. Это точный одношаговый шанс общего родителя, а не уже усреднённая характеристика всего вида.
При νi=1 для всех i вероятность равна 0: линии не сходятся за этот шаг. Если один родитель дал всех N потомков, она равна 1. В модели Райта—Фишера семейный вектор случаен и мультиномиален; его средний cN=1/N не следует приписывать каждому реализованному вектору.
Обменяемость связывает семейную вариацию с коалесценцией
Пусть вектор случайно переставляется между нейтральными родителями. Тогда Eνi=1 и cN=E[ν1(ν1−1)]/(N−1)=Varν1/(N−1). Последнее равенство использует именно среднее 1. У отдельного фиксированного родителя реализованная ν1² не является дисперсией.
Для повторяющихся независимых поколений этой модели две ещё не слившиеся линии имеют постоянный шанс cN за шаг. При cN>0 время их слияния геометрическое со средним 1/cN. Это относится к паре; вероятность тройного слияния требует третьего факториального момента и не восстанавливается только по cN. При cN=0 конечного среднего ожидания нет.
Прямое следствие для частоты аллеля
Если k=Np фиксированных родителей несут A, то p′=Σi∈Aνi/N. Обменяемость даёт E p′=p. Из постоянства Σνi=N следует Cov(νi,νj)=−Varν1/(N−1) при i≠j. После суммирования Var p′=p(1−p)cN. Тем самым коэффициент общего родителя задаёт и точную нейтральную вариацию частоты одного шага.
Формула требует целого k и нейтрального распределения семей независимо от аллеля. Если многодетность наследуемо связана с A, обмен меток уже не описывает данный отбор. Значение 1/cN иногда называют парным эффективным числом гаплоидных копий, но оно не обязано совпадать с другими эффективными размерами или переписным N.
Условие. В фиксированном примере N=6; каждый шаг случайно переставляет семьи(3,2,1,0,0,0) между шестью родителями. Два родителя несут A. Найдите cN, среднее время пары и дисперсию p′.
- 1. Число общих упорядоченных пар равно 3·2+2·1=8, всего 6·5=30. Перестановка не меняет эту сумму, поэтому cN=4/15.
- 2. Для случайной метки родителя Eν=1, Eν²=(9+4+1)/6=7/3, Varν=4/3. Деление на N−1=5 независимо возвращает 4/15.
- 3. Среднее время двух линий 1/cN=15/4 поколения. При гаплоидном Райта—Фишера N=6 оно было бы 6, поскольку семейная вариация другая.
- 4. p=2/6=1/3; Var p′=(1/3)(2/3)(4/15)=8/135. Средняя частота сохраняется, но её дисперсия больше биномиальной 1/27.
Ответ. cN=4/15, среднее парное время 15/4 поколения, E p′=1/3 и Var p′=8/135.
Проверка. Независимо выберите все 15 пар семей для двух A-родителей. Суммы потомков 0,1,2,3,4,5 имеют счётчики 3,3,3,4,1,1. Их среднее 2 и второй момент 92/15; после деления на 6 дисперсия частоты равна(92/15−4)/36=8/135.
Где легко ошибиться. Не подменяйте конкретный семейный вектор его средним и не переносите гаплоидный N в диплоидную формулу 2N без определения единиц родительских копий.
Проверьте понимание
Вопросы к этой главе
Случайная перестановка семей означает независимость размеров?
Нет. Их сумма фиксирована, поэтому размеры отрицательно связаны. Обменяемость означает симметрию меток, а не независимость; именно ковариации нужны для правильной дисперсии частоты.
Достаточно cN для всей родословной большой выборки?
Нет. Пара определяется вторым факториальным моментом, а множественные одновременные слияния зависят от дополнительных семейных моментов. Глава не заменяет ими полную модель большого генеалогического дерева.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Fabian Freund: Cannings models, §2
Обменяемые целочисленные семейные размеры и вероятности общих предков через факториальные моменты. Здесь используется конечная гаплоидная модель без предельного коалесцентного перехода; семейство и полный перебор составлены отдельно.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Равновесие Харди — Вайнберга: от частоты аллеля к генотипам
Различим частоту аллеля и долю гомозигот, рассчитаем гетерозигот в двухаллельной модели и перечислим условия, без которых формулу нельзя применять автоматически.
Открыть темуПоток генов: почему переселение ещё не равно обмену аллелями
Разберём вклад размножающихся мигрантов в генетический состав, посчитаем смешанную частоту и отличим перемещение особи от передачи её аллелей популяции.
Открыть тему