Биология · объяснение и практика
Что общий сад проверяет иначе, чем взаимная пересадка
Различить устойчивые различия происхождений и локальную адаптацию по схеме растительного опыта. Разобраны метод, собственный пример, проверка результата и границы вывода.

В теме Эволюция и история родства · Учебная карта
Главная мысль
Выращивание разных происхождений в общей среде отделяет часть средовых различий от сохраняющихся различий между группами. Взаимная пересадка проверяет другое: зависит ли преимущество происхождения от места. Для локальной адаптации важен перекрёстный сравнительный результат, а не просто хороший рост местных растений.
Постановка и метод
Начните с вопроса исследования. Если нужно понять, сохраняется ли различие после помещения в одинаковые условия, нужен общий сад с повторностями и одинаковым обращением. Однако сохранение различий ещё может включать материнские эффекты или предыдущие условия семян. Для осторожного генетического вывода нужно учитывать эти альтернативы и, при необходимости, контролировать несколько поколений.
Для проверки локальной адаптации сравнивают происхождения в нескольких средах, включая их домашние места. В каждой среде местную группу сопоставляют с чужой по заранее выбранному показателю приспособленности. Не следует сравнивать только абсолютные значения одного происхождения между местами: одно место может быть лучше для всех, независимо от происхождения.
Пример и проверка
Постройте таблицу, где строки означают происхождения, столбцы — среды. Перекрёстное преимущество означает, что победитель меняется между средами. Это взаимодействие происхождения и среды, согласующееся с локальной адаптацией при корректном дизайне и подходящем показателе. Одна лишь разница средних между происхождениями такого результата не даёт.
Собственный пример использует число жизнеспособных семян на растение как условный показатель. В каждой среде сравнение выполняют внутри столбца. Затем можно отдельно сравнить качество сред по обоим происхождениям. Эти два чтения таблицы отвечают на разные вопросы и предотвращают ошибку, когда более плодородную среду ошибочно называют домашним преимуществом группы.
Пример
В среде А происхождения А и Б дают соответственно 30 и 20 семян на растение; в среде Б — 12 и 24 при одинаковом протоколе.
Дома каждое происхождение превосходит чужое: 30>20 и 24>12. Это перекрёстное преимущество. Сравнение 30 с 24 между средами само по себе не было бы проверкой локальности.
Ошибка и границы вывода
Частая ошибка — считать отдельные листья одного растения независимыми повторностями происхождения. Рандомизация и биологические повторности нужны на уровне, где назначается воздействие. Также выживаемость, рост и размножение могут давать разные ранжирования, поэтому вывод о приспособленности нельзя незаметно заменить удобным измерением размера одного листа.
Это схема анализа вымышленных данных растений, без утверждений о конкретных природных популяциях. Реальный вывод зависит от повторности, взаимодействий, предыстории материала и длительности наблюдения. Общий сад и пересадка дополняют друг друга: первый стандартизует среду, вторая проверяет изменение преимущества между средами. Ни одно название дизайна не устраняет все причинные альтернативы автоматически.
От чтения к действию
А теперь — вы
Частые вопросы
Общий сад автоматически доказывает генетическую причину?
Нет. Сохраняющиеся материнские и предшествующие средовые эффекты требуют отдельного контроля.
Что сравнивают для домашнего преимущества?
Местное и чужое происхождения внутри одной среды по согласованному показателю приспособленности.
Углублённый разбор
Взаимодействие происхождения и среды зависит от шкалы
Логарифмический контраст отличает относительное взаимодействие от абсолютного и предотвращает вывод о единственной шкале биологической реакции.
Перед началом: Таблица происхождение×среда; Логарифм отношения положительных откликов.
Вывод и выбор модели
Взаимодействие зависит от шкалы отклика: разность генотипных контрастов для Y может быть нулевой, тогда как разность контрастов lnY ненулевая. Аддитивная и мультипликативная модели задают разные нулевые гипотезы.
Нулевая гипотеза аддитивной модели говорит, что переход между средами прибавляет одинаковое абсолютное количество отклика у обоих происхождений. Мультипликативная модель вместо этого требует одинакового относительного множителя. Эти утверждения различаются даже для безошибочно известных средних. Поэтому взаимодействие не существует как одно число без определения шкалы и вопроса: сравниваем ли мы прибавку семян, долю изменения роста или иной осмысленный показатель.
Логарифм превращает отношения в разности. Разность двух логарифмических генотипных контрастов равна логарифму отношения отношений. Она равна нулю тогда и только тогда, когда B/A одинаково в обеих средах. На исходной шкале нулю соответствует равенство B−A. Одновременное выполнение обоих условий обычно требует специальных значений, а не следует из самого дизайна общего сада.
Как интерпретировать наблюдение
Непараллельность после преобразования не является арифметической ошибкой. Шкалу выбирают по смыслу абсолютных прибавок или относительных изменений до интерпретации биологического взаимодействия.
В собственном примере обе группы увеличивают отклик на2 условные единицы, поэтому аддитивное взаимодействие отсутствует. Однако A удваивает исходный уровень, а B утраивает; относительные изменения различаются. Положительный логарифмический контраст показывает, что отношение B/A приблизилось к единице. Он не означает, что B стало выше A: во второй среде3 всё ещё меньше4. Различение ранга и относительного сближения предотвращает ложное заявление о перекрёстной адаптации.
Ограничения и проверка предпосылок
Два происхождения A,B выращены в двух общих садах. Положительные точные средние Y равны A:(2,4), B:(1,3) в условных единицах; шум и проверка статистической значимости здесь не моделируются.
Любое строго возрастающее преобразование сохраняет порядок двух положительных чисел внутри среды. Поэтому настоящий переход от A>B к A<B переживёт логарифмирование, хотя величины контрастов изменятся. Неперекрёстное взаимодействие, напротив, может исчезнуть или появиться при смене шкалы. Здесь средние точны; в опыте дополнительно нужны независимые повторности, модель дисперсии и рандомизация. Нельзя выбирать преобразование только потому, что оно даёт желаемую значимость, и затем приписывать изменившийся статистический контраст новому причинному механизму.
Самостоятельный расчёт с проверкой
Условие. Для A:(2,4), B:(1,3) найти взаимодействие на логарифмической шкале: I=[lnB2−lnA2]−[lnB1−lnA1].
- Первый контраст равен ln(1/2).
- Второй контраст равен ln(3/4).
- Разность логарифмов равна ln[(3/4)/(1/2)]=ln(3/2).
- I≈0,405465 при нулевой разности разностей на исходной шкале.
Ответ. Результат: ≈0,40546511.
Проверка. На исходной шкале оба B−A равны −1, взаимодействие равно нулю. На относительной шкале B/A меняется с 1/2 до 3/4, что согласовано с положительным ln(3/2).
Где легко ошибиться. Объявить отсутствие взаимодействия на любой шкале по одной нулевой разности разностей либо смешать знак ранжирования со степенью непараллельности.
Проверьте понимание
Вопросы к этой главе
Можно ли логарифмировать нулевые средние тем же способом?
Натуральный логарифм нуля не определён. Добавление произвольной константы меняет контрасты и требует отдельного обоснования модели отклика.
Доказывает ли ненулевой контраст локальную адаптацию?
Нет. Нужны подходящий показатель приспособленности и сравнение местного происхождения с чужим внутри домашних сред; одной непараллельности недостаточно.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Stanton and Thiede,2005: Statistical convenience vs biological insight
Прочитан индексированный авторский раздел о параллельном анализе absolute fitness, log-transformed fitness и relative fitness и подпись сравнения шкал. Прямой доступ вернул403. Не заявлено чтение всей статьи; наша таблица2×2 и логарифмический контраст заданы независимо.
Норма реакции: генетическая дисперсия как квадратичная функция среды
Разброс генетических эффектов может быть минимален вдали от выбранной исходной среды. Для линейных норм реакции выводим квадратичную функцию генетической дисперсии, находим её минимум и проверяем, как перенос начала экологической шкалы меняет ковариацию интерсепта и наклона.
Перед началом: Дисперсия линейной комбинации случайных величин; Положительная определённость матрицы ковариаций.
Средняя норма реакции и изменчивость норм — разные данные
Генетический эффект случайного генотипа в среде e задан G(e)=A+eB. Среды выражены в фиксированной безразмерной шкале. A и B — отклонения генотипического интерсепта и наклона от средних, их ожидания нулевые. Матрица генетических ковариаций имеет элементы VA=Var(A), VB=Var(B), C=Cov(A, B). Остаточная средовая вариация особей здесь не включена.
Четыре средних фенотипа нескольких групп не определяют эту матрицу. Требуются данные об изменчивости генотипов и их связи между средами, например повторные генотипы с подходящим разделением остатка. Два сообщества могут иметь одинаковую среднюю норму реакции и совершенно разную дисперсию A, B.
Квадратичная форма и её физическая допустимость
Разворачивая квадрат, получаем VG(e)=VA+2eC+e²VB. При VB>0 минимум достигается в e*=−C/VB, а минимальное значение равно VA−C²/VB. Неотрицательность этого значения следует из C²≤VAVB, необходимого условия корректной ковариационной матрицы.
Отрицательная ковариация сдвигает минимум к положительной среде: генотипы с высоким исходным эффектом в среднем имеют меньший наклон. Это не означает, что в оптимальной среде генетические различия исчезают. Нулевой минимум требует предельной линейной зависимости A и B; при положительно определённой матрице минимум строго положителен.
Смена нуля координат не меняет биологию
Если новую средовую координату задать e′=e−c, тот же эффект записывается G=A′+e′B, где A′=A+cB. Ковариация интерсепта и наклона становится C′=C+cVB. При выборе c=e* она равна нулю, а Var(A′) равна минимальной дисперсии. Исчезновение ковариации после центрирования не означает исчезновения взаимодействия генотипа и среды.
За пределами изученного диапазона линейная модель может перестать описывать норму реакции. Математический минимум вне допустимых сред не является рекомендацией создавать такую среду. Если e ограничена интервалом, минимум ищется на нём: внутренняя вершина используется только когда попадает в диапазон, иначе сравниваются границы.
Минимальный разброс и центрирование экологической шкалы
Условие. Для генетических отклонений VA=4, VB=1, C=−1,5; среда e допускает все значения от 0 до 3. Найдите VG(e), её минимум и ковариацию после центрирования в минимуме.
- Определитель ковариационной матрицы 4·1−(−1,5)²=1,75>0, обе диагонали положительны.
- VG(e)=4−3e+e²=(e−1,5)²+1,75.
- Вершина e*=1,5 лежит в допустимом интервале, минимальная генетическая дисперсия равна 1,75.
- Новый интерсепт A′=A+1,5B имеет Var(A′)=1,75 и Cov(A′, B)=−1,5+1,5·1=0.
Ответ. VG(e)=4−3e+e²; минимум 1,75 при e=1,5. В центрированной шкале ковариация интерсепта и наклона нулевая.
Проверка. На обеих границах e=0 и e=3 дисперсия равна 4. Подстановка e=e′+1,5 возвращает VG=1,75+e′² без изменения предсказаний.
Где легко ошибиться. Интерпретировать нулевую ковариацию после смены нуля среды как отсутствие генетической вариации пластичности или принимать отрицательную квадратичную дисперсию за допустимый результат.
Проверьте понимание
Вопросы к этой главе
Откуда ограничение C²≤VAVB?
Дисперсия любой линейной комбинации A и B должна быть неотрицательна. Для двух переменных это требует неотрицательного определителя ковариационной матрицы.
Равна ли VG фенотипической дисперсии?
Нет. Здесь посчитана только генетическая составляющая; индивидуальная средовая и измерительная вариация требуют дополнительных компонентов.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Kolmodin,Bijma, Genet.Sel.Evol.2004,2.1
Прочитаны pp.437–438, The linear reaction norm model, equations1–2 и матрицы G,E,P. Собственная ковариационная матрица, допустимый интервал, квадрат и смена координаты проверены отдельно; разделы об оптимальном селекционном ответе не пересказываются.
Перекрёстная приспособленность: место регуляции меняет сохранение типов
Одна таблица преимуществ в двух местообитаниях не определяет, сохранятся ли оба наследуемых типа. Сравним нормировку внутри каждого местообитания с общей нормировкой после объединения потомства и вычислим способность каждого редкого типа увеличиваться.
Перед началом: Гаплоидные наследуемые типы и относительная приспособленность; Нормировка частот и производная одномерной рекурсии.
Приспособленности задают выход потомства, а не высоту растения
В детерминированной гаплоидной модели два наследуемых типа A,B без мутации и дрейфа распределяются поровну между двумя местообитаниями. Полное смешивание перед распределением делает исходную частоту A одинаковой и равной p в обоих местах. Приспособленности, то есть заданные множители числа потомков, равны wA=(2,1/2) и wB=(1,1). Это не произвольный фенотипический отклик из общего сада.
Первое место благоприятнее для A, второе для B относительно конкурента. Но таблица ещё не задаёт, сколько потомков каждого местообитания войдёт в общий следующий пул. Рассмотрим два разных правила регуляции при одинаковых исходных долях и тех же приспособленностях. Меняется физический порядок нормировки, а не способ вычисления контраста таблицы.
Равные вклады после местного отбора защищают оба редких типа
При мягкой регуляции каждое место после отбора вносит ровно половину следующего поколения, независимо от собственного общего выхода. Его локальная частота A равна wAp/[wAp+wB(1−p)]. После смешивания fsoft(p)=(1/2)[2p/(1+p)+p/(2−p)]. При редком A множитель равен fsoft′(0)=(2+1/2)/2=5/4.
Редкий B у почти чистого A имеет множитель(1/2+2)/2=5/4. Оба типа увеличиваются из малой внутренней частоты: это защищённость полиморфизма в данной модели. Дополнительно p*=1/2 является неподвижной точкой, а fsoft′(1/2)=8/9<1, поэтому именно эта точка локально устойчива. Одни граничные множители не служили бы общим доказательством глобальной динамики произвольной многосредовой системы.
Общий сбор потомства даёт другое правило
При жёсткой регуляции сначала объединяют всё потомство двух равных исходных частей, а затем нормируют один общий пул. Суммарный множитель A равен(2+1/2)/2=5/4, у B он равен1. Получаем fhard(p)=5p/(4+p). Для0<p<1 разность fhard(p)−p=p(1−p)/(4+p)>0, поэтому частота A растёт к единице.
В этом режиме редкий B имеет множитель4/5<1 и не защищён, несмотря на своё преимущество во втором месте. Вывод условен: фиксированы полное смешивание, равное начальное распределение, постоянные приспособленности и именно объявленные правила ограничения выхода. Неполная миграция, другие доли местообитаний и дополнительные формы плотностной зависимости создадут другую рекурсию. Диплоидные модели с доминированием также нельзя заменять этими двумя гаплоидными формулами.
Та же таблица, два разных исхода смешивания
Условие. Для гаплоидных A,B заданы wA=(2,1/2),wB=(1,1), равные исходные доли местообитаний и полное смешивание. Сравните оба правила при p=1/2 и найдите множители редких A,B.
- Внутри мест при p=1/2 частоты A после отбора равны2/3 и1/3. При равных итоговых вкладах их среднее равно1/2, то есть это мягкая неподвижная точка.
- Дифференцирование даёт fsoft′(p)=(1/2)[2/(1+p)²+2/(2−p)²]. При p=1/2 получаем8/9, а при p=0 —5/4.
- Аналогичный ввод редкого B даёт(1/2+2)/2=5/4. Оба граничных чистых состояния не защищены от появления конкурента в малой частоте.
- При общем сборе потомства средний множитель A равен5/4, B равен1. Поэтому fhard(1/2)=(5/2)/(9/2)=5/9, выше исходной половины.
- Редкий A в жёстком режиме умножается на5/4, редкий B на4/5. Неравенство fhard(p)>p внутри интервала подтверждает фиксацию A в этом заданном режиме.
Ответ. Мягкая регуляция: оба редких типа имеют множитель5/4, p*=1/2 локально устойчиво с производной8/9. Жёсткая: p=1/2 переходит в5/9, редкий B убывает с множителем4/5.
Проверка. Прямой подсчёт при равных начальных числах A,B в каждом месте даёт выходы A:1 и1/4, B:1/2 и1/2. Их общий состав A=(5/4)/(9/4)=5/9; местные отдельно нормированные доли дают(2/3+1/3)/2=1/2.
Где легко ошибиться. Не выводите сохранение двух типов из одного перекрёстного ранжирования. Установите, нормируются ли вклады до смешивания или после него, и затем проверьте увеличение каждого редкого типа.
Проверьте понимание
Вопросы к этой главе
Почему преимущество B во втором месте не спасает его при общем сборе?
Места вносят разное количество потомства. В общем пуле средний абсолютный множитель A выше; равная площадь двух мест не превращает их итоговые вклады в равные.
Это формулы исходной диплоидной модели Левена?
Здесь задан и выведен гаплоидный аналог с двумя наследуемыми типами. Диплоидные генотипные приспособленности и доминирование требуют отдельных частотных уравнений; из источника используется только контекст местного отбора и смешивания.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Novak2011 — The number of equilibria in the diallelic Levene model
Первичная работа формулирует диплоидную модель местного отбора с последующим смешиванием. Здесь отдельно задан гаплоидный аналог и два правила регуляции; его конкретные рекурсии и множители редких типов выведены в главе, а диплоидные критерии не переносятся.
Общее выращивание и перенос материнской среды: что разделяет перекрёстное воспитание
Общая среда после рождения не стирает всё, что произошло раньше. Перекрёстное воспитание помогает отделить условия после переноса от происхождения, но сохраняющийся контраст происхождений не становится автоматически генетическим. На таблице четырёх средних построим два разных объяснения, которые невозможно различить имеющимися данными.
Перед началом: Таблица происхождение×условия выращивания; Причинный эффект назначения и смешение факторов.
Время переноса задаёт границу контролируемой среды
Условный перекрёстный перенос вылупившихся птенцов между двумя типами приёмных выводков. Назначение среды после переноса случайно внутри каждого происхождения; исходная генетика и среда до переноса отдельно не рандомизированы.
Сначала фиксируем происхождение птенца O∈{A,B}, затем случайно назначаем тип приёмного выводка F∈{A,B}. Наследственные копии и предыстория формирования яйца от этого не меняются. Условия после переноса могут быть стандартизованы и сравниваться независимо от O в объявленном плане.
Поэтому различие между F внутри одного O относится к пакету условий воспитания после переноса. Оно не обязано выделять чисто генетический эффект приёмной матери: поведение, питание и общая среда входят в тот же пакет. Различие между O, напротив, включает всё, что пришло вместе с происхождением до случайного назначения.
Аддитивные контрасты читаются по строкам и столбцам
Пусть точные модельные средние: для происхождения A в выводках A,B равны10,14; для происхождения B —16,20. В обеих строках переход к приёмному типу B добавляет4. В обоих столбцах происхождение B выше на6. Разность этих двух строковых разностей равна нулю на выбранной исходной шкале.
Запись среднего как10+6·1[O=B]+4·1[F=B] точно воспроизводит таблицу. Но коэффициент6 здесь назван контрастом происхождения, а не установленным ДНК-эффектом. Корректная регрессионная подгонка не меняет того, какие переменные в опыте были разделены.
Одинаковые столбцы плана оставляют свободное объяснение
Рассмотрим более содержательную запись: среднее10+G(O)+M(O)+4·1[F=B], где G — генетический вклад, M — сохраняющаяся среда до переноса. Наблюдается только сумма G(B)−G(A)+M(B)−M(A)=6. Выбор(6,0) и выбор(0,6) дают одну таблицу. Вообще прибавлениеδ к первому контрасту и вычитаниеδ из второго не меняет ни одного предсказания.
Чтобы разделить эти причины, нужен дополнительный дизайн или измеренные ограничения, разрывающие совпадение происхождения с ранней средой. Например, самостоятельное управляемое варьирование условий до переноса ставит новый вопрос. Одного нового названия «общий сад» для той же таблицы недостаточно. При реальных данных также нужны независимые выводки и модель ошибки; четыре точных числа примера не являются оценкой статистической уверенности.
Две причины сохраняют все четыре наблюдения
Условие. Средние для происхождений A,B в двух приёмных средах равны(10,14) и(16,20). Найдите эффект пакета условий после переноса и проверьте, устанавливается ли генетическая причина контраста6.
- Внутри A разность14−10=4; внутри B разность20−16=4. При случайном назначении после переноса это один и тот же средний контраст пакетов воспитания в заданной модели.
- При одинаковой приёмной среде контраст происхождений16−10=20−14=6. Разность разностей равна4−4=0.
- МодельI задаёт генетический контраст6, ранний средовой0, постпереносный4. Она предсказывает10,14,16,20.
- МодельII задаёт генетический контраст0, ранний средовой6, постпереносный4. Она предсказывает те же10,14,16,20.
- Следовательно, по этой таблице генетический и ранний средовой вклады по отдельности неидентифицируемы. Сам перенос отделил поздний пакет условий, но не разделил две причины происхождения.
Ответ. Контраст воспитания после переноса равен4. Контраст происхождения6 не определяет отдельно генетическую причину: по крайней мере два разных объяснения дают одинаковую таблицу.
Проверка. В матрице плана столбцы генетического происхождения и ранней материнской среды совпадают. Вектор изменения(δ,−δ) лежит в её нулевом направлении и сохраняет все четыре средних.
Где легко ошибиться. Не объявляйте любое сохраняющееся различие после переноса генетическим. Нужно проверить, какие более ранние влияния перенос вообще мог изменить.
Проверьте понимание
Вопросы к этой главе
Если увеличить число измерений той же таблицы, причины разделятся?
Нет. Точность суммы6 может возрасти, но совпадающие столбцы причинного плана останутся совпадающими. Для разделения нужна новая информация, а не только меньшая случайная ошибка.
Нулевая разность разностей доказывает отсутствие взаимодействия всегда?
Нет. Здесь это свойство четырёх заданных средних на исходной шкале. Другие среды, стадии или преобразование отклика могут дать иной контраст.
Сверить определения и условия
Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.
- Wolf et al.: Detecting Maternal-Effect Loci by Statistical Cross-Fostering
Методологическая основа: перенос потомства разделяет влияния после переноса, но может оставить смешанными более ранние причины. Таблица10/14/16/20 и алгебраическое нулевое направление созданы отдельно; анализ локусов исследования не повторяется.
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
Когда различие размера ещё не доказывает изменение темпа развития
Различить возраст размер и форму при сравнении онтогенетических траекторий. Разобраны метод, собственный пример, проверка результата и границы вывода.
Открыть темуПочему сто измеренных листьев не дают сто повторностей воздействия
Определить экспериментальную единицу и отличить повторности от вложенных проб. Разобраны метод, собственный пример, проверка результата и границы вывода.
Открыть темуПочему многочисленная популяция может быть демографическим стоком
Отделить локальный баланс рождения смерти от миграционного поддержания численности. Разобраны метод, собственный пример, проверка результата и границы вывода.
Открыть тему