第一章进化的模型 - 版本历史

2025年8月26日 (二) 09:09 Magezeya

2025-08-26T09:09:48Z

←上一版本		2025年8月26日 (二) 17:09的版本
第162行：		第162行：

	{{:Molecular Population Genetics}}		{{:Molecular Population Genetics}}

			{{学科分类}}

			[[Category:遗传学]]

Sofia：自动添加《Molecular Population Genetics》章节导航

2025-08-23T09:14:09Z

自动添加《Molecular Population Genetics》章节导航

←上一版本		2025年8月23日 (六) 17:14的版本
第160行：		第160行：

	最后，还值得简要提及'''分子进化的近中性理论nearly neutral theory of molecular evolution'''（Ohta 1972a、1972b），因为它通常被认为是中性理论的替代方案。近中性理论<u>假设存在大量略微有害（和/或略微有利）的突变，最初提出该理论是为了解释观察到的氨基酸替换率的意外恒定性（Ohta 1992）</u>。然而，现在已知氨基酸替换率在物种间差异很大，近中性理论无法解释观察到的基因组多样性水平的变化。虽然毫无疑问每代都会产生许多略微有害的突变，并且——正如近中性理论所预测的那样——蛋白质进化模式与种群规模的相关性较弱（Akashi、Osada 和 Ohta 2012），但该理论只能解释一小部分数据。		最后，还值得简要提及'''分子进化的近中性理论nearly neutral theory of molecular evolution'''（Ohta 1972a、1972b），因为它通常被认为是中性理论的替代方案。近中性理论<u>假设存在大量略微有害（和/或略微有利）的突变，最初提出该理论是为了解释观察到的氨基酸替换率的意外恒定性（Ohta 1992）</u>。然而，现在已知氨基酸替换率在物种间差异很大，近中性理论无法解释观察到的基因组多样性水平的变化。虽然毫无疑问每代都会产生许多略微有害的突变，并且——正如近中性理论所预测的那样——蛋白质进化模式与种群规模的相关性较弱（Akashi、Osada 和 Ohta 2012），但该理论只能解释一小部分数据。

			{{:Molecular Population Genetics}}

Artemia：/* 自然选择模型 */

2025-03-28T08:54:36Z

自然选择模型

←上一版本		2025年3月28日 (五) 16:54的版本
第82行：		第82行：
	就其对生物体适应性的影响而言，新突变有三种后果：相对于祖先等位基因的适应性，它可能'''有利、有害或中性'''。当然，新突变对不同遗传背景、杂合或纯合形式的适应性的影响各不相同，但这里我们感兴趣的是突变在不同背景和种群频率下的平均边际效应。如果我们将 s 定义为新突变的选择系数（即拥有一个新等位基因拷贝的个体与祖先等位基因纯合的个体之间的相对适应性差异），那么对于有利突变，s > 0；对于有害突变，s < 0；对于中性突变，s = 0，因为这两个等位基因具有相同的适应性。效果大的突变具有较大的 \|s\|，要么增加适应度，要么减少适应度，<u>认为在自然种群中s = 0.10（适应度增加 10%）被认为是非常大的效果</u>。正如我们将在第 7 章中看到的那样，<u>效果比这小得多的有利突变将迅速在种群中传播。</u>		就其对生物体适应性的影响而言，新突变有三种后果：相对于祖先等位基因的适应性，它可能'''有利、有害或中性'''。当然，新突变对不同遗传背景、杂合或纯合形式的适应性的影响各不相同，但这里我们感兴趣的是突变在不同背景和种群频率下的平均边际效应。如果我们将 s 定义为新突变的选择系数（即拥有一个新等位基因拷贝的个体与祖先等位基因纯合的个体之间的相对适应性差异），那么对于有利突变，s > 0；对于有害突变，s < 0；对于中性突变，s = 0，因为这两个等位基因具有相同的适应性。效果大的突变具有较大的 \|s\|，要么增加适应度，要么减少适应度，<u>认为在自然种群中s = 0.10（适应度增加 10%）被认为是非常大的效果</u>。正如我们将在第 7 章中看到的那样，<u>效果比这小得多的有利突变将迅速在种群中传播。</u>

	为了总结基因或基因座的选择历史，我们经常使用短语'''负（纯化）选择negative (or purifying) selection'''、'''正选择 positive selection和平衡选择 ~~balanc ing~~ selection'''。<u>这些非常有用但通常非常模糊的自然选择总结并不总是与用于定义单个突变效果的术语一致</u>。<u>负选择是指基因座的历史，其中发生的绝大多数突变都是有害的。因此，受到负向选择的基因或非编码区通常是保守的，自然选择会去除大多数改变功能性 DNA 序列的突变。</u>~~在某些情况下，一级序列可能不被保守，但该序列仍会经历纯化选择，~~<u>因为序列的长度或序列的平均生化特性是所选特征</u>。我们也经常说，这些区域或核苷酸位点受到选择的限制，只能位于序列空间的有限区域内。从这个定义中应该可以清楚地看出，几乎所有蛋白质编码基因始终处于负向选择之下，即使有大（或小）比例的突变是中性的或有利的。未受到负向选择的区域不受限制，也不会受到选择。使用短语负选择时出现的<u>一个歧义是，一个基因受到的负选择比另一个基因更强。这可能意味着受限位点的替代碱基的平均选择系数变得更负；这肯定是短语负选择所暗示的当 s 接近于 0 时，称为“弱选择”。或者，它可能意味着某个区域中的更多位点（例如，蛋白质中的更多氨基酸）受到任何限制，因此在整个区域观察到的平均替换数较低。</u>无论如何，负选择是一种常用的简写，在大多数情况下具有明确的含义。		为了总结基因或基因座的选择历史，我们经常使用短语'''负（纯化）选择negative (or purifying) selection'''、'''正选择 positive selection和平衡选择 balancing selection'''。<u>这些非常有用但通常非常模糊的自然选择总结并不总是与用于定义单个突变效果的术语一致</u>。<u>负选择是指基因座的历史，其中发生的绝大多数突变都是有害的。因此，受到负向选择的基因或非编码区通常是保守的，自然选择会去除大多数改变功能性 DNA 序列的突变。</u>在某些情况下，一级序列可能不保守，但该序列仍会经历纯化选择，<u>因为序列的长度或序列的平均生化特性是所选特征</u>。我们也经常说，这些区域或核苷酸位点受到选择的限制，只能位于序列空间的有限区域内。从这个定义中应该可以清楚地看出，几乎所有蛋白质编码基因始终处于负向选择之下，即使有大（或小）比例的突变是中性的或有利的。未受到负向选择的区域不受限制，也不会受到选择。使用短语负选择时出现的<u>一个歧义是，一个基因受到的负选择比另一个基因更强。这可能意味着受限位点的替代碱基的平均选择系数变得更负；这肯定是短语负选择所暗示的当 s 接近于 0 时，称为“弱选择”。或者，它可能意味着某个区域中的更多位点（例如，蛋白质中的更多氨基酸）受到任何限制，因此在整个区域观察到的平均替换数较低。</u>无论如何，负选择是一种常用的简写，在大多数情况下具有明确的含义。

	'''正选择是指有利突变已经出现并固定或正在固定的基因座的历史'''。由于有利突变比有害突变少见得多，因此<u>假设负选择作用于几乎所有保守和功能性区域。相比之下，即使只有一个可检测到的有利替换的基因座也被认为受到正选择。</u>这种替换可能发生在遥远的过去，也可能目前正在passing through群体。有利突变的频率可以迅速增加，这种快速增长产生的许多模式可用于检测正向选择的特征。由于<u>检测正向选择已成为分子群体遗传学存在的理由(raison d’être )</u>，我们将在整本书中多次回顾它。		'''正选择是指有利突变已经出现并固定或正在固定的基因座的历史'''。由于有利突变比有害突变少见得多，因此<u>假设负选择作用于几乎所有保守和功能性区域。相比之下，即使只有一个可检测到的有利替换的基因座也被认为受到正选择。</u>这种替换可能发生在遥远的过去，也可能目前正在passing through群体。有利突变的频率可以迅速增加，这种快速增长产生的许多模式可用于检测正向选择的特征。由于<u>检测正向选择已成为分子群体遗传学存在的理由(raison d’être )</u>，我们将在整本书中多次回顾它。
第91行：		第91行：

	=== 迁移模型 ===		=== 迁移模型 ===
	种群遗传学中的迁移模型在很大程度上只是种群populations（也称为demes or subpopulations）在环境中的结构模型（有关种群定义的更多讨论可参见第 5 章）。这些模型几乎不需要关于个体如何进化的细节人类实际上也在种群之间移动并进行杂交，一般来说，人们只对交换的等位基因的数量和类型感兴趣。然而，在所有迁移模型中，迁移过程有几个重要的细节是共同的。这些细节对于理解我们如何推断一个物种的基因流动模式至关重要。		种群遗传学中的迁移模型在很大程度上只是种群populations（也称为demes or subpopulations）在环境中的结构模型（有关种群定义的更多讨论可参见第 5 章）。这些模型几乎不需要关于个体如何进化的细节,人类实际上也在种群之间移动并进行杂交，一般来说，人们只对交换的等位基因的数量和类型感兴趣。然而，在所有迁移模型中，迁移过程有几个重要的细节是共同的。这些细节对于理解我们如何推断一个物种的基因流动模式至关重要。

	'''迁移率 m''' 被定义为<u>当前一代种群中来自上一代不同种群的所有个体（或染色体）的比例。</u>也就是说，迁移率代表了种群中每代移民个体的比例。这些移民<u>被认为是来自源种群的随机个体样本，并且假设源种群和接收种群的规模都不会因迁移而发生变化</u>。第一个假设意味着我们可以根据来源和接受者群体中的等位基因频率（以及迁移率）轻松计算出由于迁移而导致的等位基因频率的预期变化。第二个假设也使得跟踪等位基因频率的预期变化变得更加容易：因为任何特定群体都可以是移民的来源和接受者，所以我们不必考虑每个人的移动。		'''迁移率 m''' 被定义为<u>当前一代种群中来自上一代不同种群的所有个体（或染色体）的比例。</u>也就是说，迁移率代表了种群中每代移民个体的比例。这些移民<u>被认为是来自源种群的随机个体样本，并且假设源种群和接收种群的规模都不会因迁移而发生变化</u>。第一个假设意味着我们可以根据来源和接受者群体中的等位基因频率（以及迁移率）轻松计算出由于迁移而导致的等位基因频率的预期变化。第二个假设也使得跟踪等位基因频率的预期变化变得更加容易：因为任何特定群体都可以是移民的来源和接受者，所以我们不必考虑每个人的移动。

Artemia：部分校对

2025-03-26T12:25:41Z

部分校对

←上一版本		2025年3月26日 (三) 20:25的版本
第43行：		第43行：
	种群遗传学的一个核心概念是'''有效种群规模'''，通常表示为 '''Ne'''（Wright 1931）。与人口普查中的人口规模（只是给定时间的个体数量计数）相比，有效种群规模是一个抽象值，'''允许将实际种群建模为具有等量遗传漂变的 Wright-Fisher 种群'''。由于有许多因素导致自然种群中后代数量的方差超过 Wright-Fisher 模型中的预期值，因此有效种群规模通常小于人口普查人口规模。种群的有效规模使我们能够在一个参考框架内比较不同的种群和物种——即理想化的赖特-费希尔种群中预期的漂移量。这样，我们就有了一个单一的值，它有助于量化遗传漂变在确定突变、选择、重组和迁移的有效性方面的作用'''。我们甚至可以设想基因组不同区域具有不同有效种群规模，'''每个区域的历史都与具有不同遗传漂变水平的赖特-费希尔种群的历史相同。这些差异可以表现为整个基因组中许多进化过程的差异（有关综述，请参阅 Charlesworth 2009）。		种群遗传学的一个核心概念是'''有效种群规模'''，通常表示为 '''Ne'''（Wright 1931）。与人口普查中的人口规模（只是给定时间的个体数量计数）相比，有效种群规模是一个抽象值，'''允许将实际种群建模为具有等量遗传漂变的 Wright-Fisher 种群'''。由于有许多因素导致自然种群中后代数量的方差超过 Wright-Fisher 模型中的预期值，因此有效种群规模通常小于人口普查人口规模。种群的有效规模使我们能够在一个参考框架内比较不同的种群和物种——即理想化的赖特-费希尔种群中预期的漂移量。这样，我们就有了一个单一的值，它有助于量化遗传漂变在确定突变、选择、重组和迁移的有效性方面的作用'''。我们甚至可以设想基因组不同区域具有不同有效种群规模，'''每个区域的历史都与具有不同遗传漂变水平的赖特-费希尔种群的历史相同。这些差异可以表现为整个基因组中许多进化过程的差异（有关综述，请参阅 Charlesworth 2009）。

	然而，由于其定义和应用，有效种群规模也可能是一个模糊且被广泛误解的概念。一个问题是，至少有四种方式可以表征漂移的影响，因此任何给定种群都可以用四种不同的方式等同于赖特-费舍尔种群中漂移的某些方面。这导致了有效种群规模的多种定义： '''the variance effective ~~size~~, the inbreeding effective ~~size~~, the eigenvalue effective ~~size~~, and the coalescent effective ~~size~~.'''在满足赖特-费舍尔模型假设的平衡种群中（以及在许多非平衡种群中），这些有效种群规模的度量将相等。'''但在一些具有非平衡历史的种群中，这些有效规模可能彼此相差很大，甚至可能未定义 - 也就是说，在这些情况下没有等效的赖特-费舍尔种群（Ewens 2004）'''。对于分子序列数据，最适用的有效大小可能是'''eigenvalue effective size'''大小，尽管在某些情况下它仍未定义（Sjödin 等人，2005 年；Wakeley 和 Sargsyan，2009 年）。根据此定义，我们将遗传漂变量等同于coalescence率（参见第 6 章）。		然而，由于其定义和应用，有效种群规模也可能是一个模糊且被广泛误解的概念。一个问题是，至少有四种方式可以表征漂移的影响，因此任何给定种群都可以用四种不同的方式等同于赖特-费舍尔种群中漂移的某些方面。这导致了有效种群规模的多种定义： '''the variance effective size（方差有效种群大小）, the inbreeding effective size（近交有效种群大小）, the eigenvalue effective size（直译为：特征值有效种群大小）, and the coalescent effective size（溯祖理论有效种群大小）.'''在满足赖特-费舍尔模型假设的平衡种群中（以及在许多非平衡种群中），这些有效种群规模的度量将相等。'''但在一些具有非平衡历史的种群中，这些有效规模可能彼此相差很大，甚至可能未定义 - 也就是说，在这些情况下没有等效的赖特-费舍尔种群（Ewens 2004）'''。对于分子序列数据，最适用的有效大小可能是'''eigenvalue effective size'''大小，尽管在某些情况下它仍未定义（Sjödin 等人，2005 年；Wakeley 和 Sargsyan，2009 年）。根据此定义，我们将遗传漂变量等同于coalescence率（参见第 6 章）。

	有效种群大小的概念也经常被误用，或者至少其含义和应用被不必要地扩大。正如 Ewens (2004, p. 38) 所强调的，“如果将形容词‘有效’替换为‘在某些特定方面相当于 Wright-Fisher 模型’，那么它将更能说明进化模型概念的含义。” Ne 与理想化的 Wright-Fisher 人口模型（特别是与该模型中的漂移）的本质联系经常被忽视或被认为比实际情况更重要。如上一节所述，Wright-Fisher 模型是许多理论人口遗传学的基础，是理解许多不同目标人口行为的中心比较器。但是这个 Wright-Fisher 人口的规模并不等同于繁殖个体的有效数量、对下一代有贡献的个体数量或任何“真实”人口规模。我们可以很容易地将有效规模定义为与具有相同遗传漂变量的 Moran 群体相当的规模，尽管在这种情况下，Ne 的数值将只有一半。这一切都意味着，虽然 Ne 的数值不是非常有用，但基因组区域之间或生物体之间的等级值仍可能告诉我们漂移和选择的相对预期强度（见第 3 章）。		有效种群大小的概念也经常被误用，或者至少其含义和应用被不必要地扩大。正如 Ewens (2004, p. 38) 所强调的，“如果将形容词‘有效’替换为‘在某些特定方面相当于 Wright-Fisher 模型’，那么它将更能说明进化模型概念的含义。” Ne 与理想化的 Wright-Fisher 人口模型（特别是与该模型中的漂移）的本质联系经常被忽视或被认为比实际情况更重要。如上一节所述，Wright-Fisher 模型是许多理论人口遗传学的基础，是理解许多不同目标人口行为的中心比较器。但是这个 Wright-Fisher 人口的规模并不等同于繁殖个体的有效数量、对下一代有贡献的个体数量或任何“真实”人口规模。我们可以很容易地将有效规模定义为与具有相同遗传漂变量的 Moran 群体相当的规模，尽管在这种情况下，Ne 的数值将只有一半。这一切都意味着，虽然 Ne 的数值不是非常有用，但基因组区域之间或生物体之间的等级值仍可能告诉我们漂移和选择的相对预期强度（见第 3 章）。
第73行：		第73行：
	突变和重组之间的主要区别之一是重组事件不会改变单个位点的等位基因频率。通过沿染色体重新排列等位基因，交叉只会改变 DNA 单倍型的频率（图 1.3A），而每个位点的等位基因频率保持不变。此外，虽然交叉是重组的一个结果，但另一个结果是'''基因转变'''，即遗传物质的非对称交换（图 1.3B）。在基因转变中（不必真的涉及一个基因），个体中的两个等位基因拷贝中的一个充当供体，而另一个充当受体。供体的 DNA“覆盖”了接受体的 DNA，从而产生了两个相同的重组结果。		突变和重组之间的主要区别之一是重组事件不会改变单个位点的等位基因频率。通过沿染色体重新排列等位基因，交叉只会改变 DNA 单倍型的频率（图 1.3A），而每个位点的等位基因频率保持不变。此外，虽然交叉是重组的一个结果，但另一个结果是'''基因转变'''，即遗传物质的非对称交换（图 1.3B）。在基因转变中（不必真的涉及一个基因），个体中的两个等位基因拷贝中的一个充当供体，而另一个充当受体。供体的 DNA“覆盖”了接受体的 DNA，从而产生了两个相同的重组结果。
	[[文件:MPG1.3.png\|缩略图\|图 1.3 重组的不同结果。（A）一个二倍体个体在四个基因座 A、B、C 和 D 处杂合。B 和 C 基因座之间发生交叉事件（用 × 表示），从而产生了两个重组单倍型。（B）相同的初始设置，转换事件影响 B 和 C 基因座。因为 B1所有基因作为供体，结果是一个 B1 等位基因纯合的个体。]]		[[文件:MPG1.3.png\|缩略图\|图 1.3 重组的不同结果。（A）一个二倍体个体在四个基因座 A、B、C 和 D 处杂合。B 和 C 基因座之间发生交叉事件（用 × 表示），从而产生了两个重组单倍型。（B）相同的初始设置，转换事件影响 B 和 C 基因座。因为 B1所有基因作为供体，结果是一个 B1 等位基因纯合的个体。]]
	<u>有时这种情况会以有偏的方式发生，因此一个等位基因更有可能成为供体</u>。<u>无论是否有偏向，基因转变都会改变等位基因频率。</u>基因组内重复基因座之间也可能存在非相互的遗传物质交换，这被称为 '''non-allelic or interlocus or ectopic gene ~~conversion~~''' 在这里，我只考虑等位基因之间的基因转变；这被称为'''allelic or intralocus gene ~~conversion~~.'''		<u>有时这种情况会以有偏的方式发生，因此一个等位基因更有可能成为供体</u>。<u>无论是否有偏向，基因转变都会改变等位基因频率。</u>基因组内重复基因座之间也可能存在非相互的遗传物质交换，这被称为 '''non-allelic or interlocus or ectopic gene conversion（直译为：非等位/基因位点间/异位基因转变）''' 在这里，我只考虑等位基因之间的基因转变；这被称为'''allelic or intralocus gene conversion（等位/基因位点内基因转变）.'''

	基因转变的纳入需要在重组模型中引入两个附加参数。一个是'''每代每个位点的基因转变率 g'''，另一个是'''基因转变带的平均长度 q'''。<u>由于所有重组事件都会导致较短的基因转变带，但并非所有事件都会导致交叉，因此 g/c 的比率（有时表示为其自己的参数 f）通常远大于 1，范围从果蝇的约 4到人类的约 7。基因转变片段（即转换的 DNA 片段）约为 100-1,000 个核苷酸</u>，<u>其长度分布类似于参数为 1/q 的几何分布</u>。基因转变片段以概率 g 在每个位点处起始，然后该片段被建模为延伸到起始位点的右侧（Wiuf 和 Hein，2000 年）。第 4 章将讨论有关交叉和基因转变的更多细节。		基因转变的纳入需要在重组模型中引入两个附加参数。一个是'''每代每个位点的基因转变率 g'''，另一个是'''基因转变带的平均长度 q'''。<u>由于所有重组事件都会导致较短的基因转变带，但并非所有事件都会导致交叉，因此 g/c 的比率（有时表示为其自己的参数 f）通常远大于 1，范围从果蝇的约 4到人类的约 7。基因转变片段（即转换的 DNA 片段）约为 100-1,000 个核苷酸</u>，<u>其长度分布类似于参数为 1/q 的几何分布</u>。基因转变片段以概率 g 在每个位点处起始，然后该片段被建模为延伸到起始位点的右侧（Wiuf 和 Hein，2000 年）。第 4 章将讨论有关交叉和基因转变的更多细节。

Artemia：部分校对

2025-03-26T05:31:34Z

部分校对

←上一版本		2025年3月26日 (三) 13:31的版本
第32行：		第32行：
	这些变化的一个相关后果是，'''当漂移是唯一起作用的力量时，预计种群中遗传变异的水平会下降。'''如果我们将'''杂合性heterozygosity'''定义为随机选择的两条染色体具有不同等位基因的概率，那么'''随机交配种群中双等位基因位点的预期杂合性量为 2pq'''（这一想法在第 3 章中有更深入的介绍）。当一个等位基因变得比另一个等位基因更常见时，杂合性就会下降（因为它在 p = q = 0.5 时达到最大值）；'''在 Wright-Fisher 模型中，预期杂合性每代下降 1/2N'''。尽管杂合度的下降不是等位基因频率变化的直接测量，但上述结果提供了当漂移是唯一作用力时等位基因频率变化非常缓慢的洞察。		这些变化的一个相关后果是，'''当漂移是唯一起作用的力量时，预计种群中遗传变异的水平会下降。'''如果我们将'''杂合性heterozygosity'''定义为随机选择的两条染色体具有不同等位基因的概率，那么'''随机交配种群中双等位基因位点的预期杂合性量为 2pq'''（这一想法在第 3 章中有更深入的介绍）。当一个等位基因变得比另一个等位基因更常见时，杂合性就会下降（因为它在 p = q = 0.5 时达到最大值）；'''在 Wright-Fisher 模型中，预期杂合性每代下降 1/2N'''。尽管杂合度的下降不是等位基因频率变化的直接测量，但上述结果提供了当漂移是唯一作用力时等位基因频率变化非常缓慢的洞察。

	'''第二个种群模型'''——在某些方面比 Wright-Fisher 更现实，在某些方面更易于数学处理——是 '''Moran 模型''' (Moran 1958)。在 Moran 模型中，'''不同年龄的个体可以共存'''，我们不会在每一代用新个体全面替换种群。'''严格来说，Moran 模型仅适用于单倍体种群'''，但为了便于与 Wright-Fisher 模型进行比较，我们'''将考虑一个由 2N 个单倍体个体组成的恒定大小的种群'''。在给定的时间点，随机选择一个个体进行繁殖，随机选择第二个个体（不一定与第一个不同）死亡。在下一个时间点，新的后代个体以及所有幸存的个体都可以繁殖，再次选择一个个体进行繁殖，另一个个体被选择死亡。'''如果我们将这个生死步骤重复 2N 个时间点，我们将得到 Wright-Fisher 模型中的一代'''。这是因为，平均而言，每个个体都将被替换；但是，有些个体的寿命会短于“一代”，而有些个体的寿命会更长。		'''第二个种群模型'''——在某些方面比 Wright-Fisher 更现实，在某些方面更易于数学处理——是 '''Moran 模型''' (Moran 1958)。在 Moran 模型中，'''不同年龄的个体可以共存'''，我们不会在每一代用新个体全面替换种群。'''严格来说，Moran 模型仅适用于单倍体种群'''，但为了便于与 Wright-Fisher 模型进行比较，我们'''将考虑一个由 2N 个单倍体个体组成的恒定大小的种群'''。在给定的时间点，随机选择一个个体进行繁殖，随机选择第二个个体（不一定与第一个不同）死亡。在下一个时间点，新的后代个体以及所有幸存的个体都具有繁殖的潜力，再次选择一个个体进行繁殖，另一个个体被选择死亡。'''如果我们将这个生死步骤重复 2N 个时间点，我们将得到 Wright-Fisher 模型中的一代'''。这是因为，平均而言，每个个体都将被替换；但是，有些个体的寿命会短于“一代”，而有些个体的寿命会更长。

	在 Moran 模型下，当携带一个等位基因的个体被选择繁殖，而携带另一个等位基因的个体被选择死亡时，等位基因频率就会发生变化。当然，也可能出现这样的情况：被选择繁殖的个体和被选择死亡的个体携带相同的等位基因，在这种情况下等位基因频率不会发生变化。在 2N 个时间点重复生死操作后，我们可以问下一代等位基因频率的均值和方差是多少。再次考虑与 Wright-Fisher 模型中描述的相同类型的双等位基因位点，Moran 模型的下一代等位基因频率 p 的均值和方差为：		在 Moran 模型下，当携带一个等位基因的个体被选择繁殖，而携带另一个等位基因的个体被选择死亡时，等位基因频率就会发生变化。当然，也可能出现这样的情况：被选择繁殖的个体和被选择死亡的个体携带相同的等位基因，在这种情况下等位基因频率不会发生变化。在 2N 个时间点重复生死操作后，我们可以问下一代等位基因频率的均值和方差是多少。再次考虑与 Wright-Fisher 模型中描述的相同类型的双等位基因位点，Moran 模型的下一代等位基因频率 p 的均值和方差为：
第41行：		第41行：

	=== 种群的有效规模 ===		=== 种群的有效规模 ===
	种群遗传学的一个核心概念是'''有效种群规模'''，通常表示为 '''Ne'''（Wright ~~1931）。与人口普查人口规模（只是给定时间的个体数量计数）相比，有效种群规模是一个抽象值，~~'''允许将实际种群建模为具有等量遗传漂变的 Wright-Fisher 种群'''。由于有许多因素导致自然种群中后代数量的方差超过 Wright-Fisher 模型中的预期值，因此有效种群规模通常小于人口普查人口规模。种群的有效规模使我们能够在一个参考框架内比较不同的种群和物种——即理想化的赖特-费希尔种群中预期的漂移量。这样，我们就有了一个单一的值，它有助于量化遗传漂变在确定突变、选择、重组和迁移的有效性方面的作用'''~~。我们甚至可以设想基因组不同区域的不同有效种群规模，~~'''每个区域的历史都与具有不同遗传漂变水平的赖特-费希尔种群的历史相同。这些差异可以表现为整个基因组中许多进化过程的差异（有关综述，请参阅 Charlesworth 2009）。		种群遗传学的一个核心概念是'''有效种群规模'''，通常表示为 '''Ne'''（Wright 1931）。与人口普查中的人口规模（只是给定时间的个体数量计数）相比，有效种群规模是一个抽象值，'''允许将实际种群建模为具有等量遗传漂变的 Wright-Fisher 种群'''。由于有许多因素导致自然种群中后代数量的方差超过 Wright-Fisher 模型中的预期值，因此有效种群规模通常小于人口普查人口规模。种群的有效规模使我们能够在一个参考框架内比较不同的种群和物种——即理想化的赖特-费希尔种群中预期的漂移量。这样，我们就有了一个单一的值，它有助于量化遗传漂变在确定突变、选择、重组和迁移的有效性方面的作用'''。我们甚至可以设想基因组不同区域具有不同有效种群规模，'''每个区域的历史都与具有不同遗传漂变水平的赖特-费希尔种群的历史相同。这些差异可以表现为整个基因组中许多进化过程的差异（有关综述，请参阅 Charlesworth 2009）。

	然而，由于其定义和应用，有效种群规模也可能是一个模糊且被广泛误解的概念。一个问题是，至少有四种方式可以表征漂移的影响，因此任何给定种群都可以用四种不同的方式等同于赖特-费舍尔种群中漂移的某些方面。这导致了有效种群规模的多种定义： '''the variance effective size, the inbreeding effective size, the eigenvalue effective size, and the coalescent effective size.'''在满足赖特-费舍尔模型假设的平衡种群中（以及在许多非平衡种群中），这些有效种群规模的度量将相等。'''但在一些具有非平衡历史的种群中，这些有效规模可能彼此相差很大，甚至可能未定义 - 也就是说，在这些情况下没有等效的赖特-费舍尔种群（Ewens 2004）'''。对于分子序列数据，最适用的有效大小可能是'''eigenvalue effective size'''大小，尽管在某些情况下它仍未定义（Sjödin 等人，2005 年；Wakeley 和 Sargsyan，2009 年）。根据此定义，我们将遗传漂变量等同于coalescence率（参见第 6 章）。		然而，由于其定义和应用，有效种群规模也可能是一个模糊且被广泛误解的概念。一个问题是，至少有四种方式可以表征漂移的影响，因此任何给定种群都可以用四种不同的方式等同于赖特-费舍尔种群中漂移的某些方面。这导致了有效种群规模的多种定义： '''the variance effective size, the inbreeding effective size, the eigenvalue effective size, and the coalescent effective size.'''在满足赖特-费舍尔模型假设的平衡种群中（以及在许多非平衡种群中），这些有效种群规模的度量将相等。'''但在一些具有非平衡历史的种群中，这些有效规模可能彼此相差很大，甚至可能未定义 - 也就是说，在这些情况下没有等效的赖特-费舍尔种群（Ewens 2004）'''。对于分子序列数据，最适用的有效大小可能是'''eigenvalue effective size'''大小，尽管在某些情况下它仍未定义（Sjödin 等人，2005 年；Wakeley 和 Sargsyan，2009 年）。根据此定义，我们将遗传漂变量等同于coalescence率（参见第 6 章）。
第52行：		第52行：
	尽管突变的群体遗传模型之间存在差异，但也存在许多相似之处。所有模型都假设突变是随机的，尽管随机的含义可能与一般用法不同。自然界中的突变在许多方面都是高度非随机的。例如，并非所有突变都同样可能发生。众所周知，'''核苷酸转换突变（嘌呤之间或嘧啶之间的突变）比核苷酸颠换（从嘌呤到嘧啶的突变，反之亦然）更常见'''。所有基因座发生突变的可能性也不尽相同——例如，染色体上的突变率存在很大的区域差异（Hodgkinson 和 Eyre-Walker 2011），CpG 位点（DNA 链上 G 跟随 C 的位点）的突变率可能比附近位点高 10 倍（Bird 1980）。然而，进化意义上的随机性仅意味着在一种环境中有利或有害的突变在另一种环境中发生的可能性不会相对更高或更低，尽管总体突变率可能会发生变化。尽管可以考虑突变过程的复杂性，但这些突变模型通常忽略所涉及的核苷酸变化的细节，只考虑是否发生了突变。此外，在此处考虑的突变模型中，通常只考虑对适应度没有影响的突变（中性突变）。		尽管突变的群体遗传模型之间存在差异，但也存在许多相似之处。所有模型都假设突变是随机的，尽管随机的含义可能与一般用法不同。自然界中的突变在许多方面都是高度非随机的。例如，并非所有突变都同样可能发生。众所周知，'''核苷酸转换突变（嘌呤之间或嘧啶之间的突变）比核苷酸颠换（从嘌呤到嘧啶的突变，反之亦然）更常见'''。所有基因座发生突变的可能性也不尽相同——例如，染色体上的突变率存在很大的区域差异（Hodgkinson 和 Eyre-Walker 2011），CpG 位点（DNA 链上 G 跟随 C 的位点）的突变率可能比附近位点高 10 倍（Bird 1980）。然而，进化意义上的随机性仅意味着在一种环境中有利或有害的突变在另一种环境中发生的可能性不会相对更高或更低，尽管总体突变率可能会发生变化。尽管可以考虑突变过程的复杂性，但这些突变模型通常忽略所涉及的核苷酸变化的细节，只考虑是否发生了突变。此外，在此处考虑的突变模型中，通常只考虑对适应度没有影响的突变（中性突变）。

	我们的突变模型所需的随机性与它们在时间和空间上的起源有关，这两者都可以用泊松过程来描述。假设中性突变以恒定速率 μ（每代）在位点之间和沿谱系独立积累，这样在 t 代之后'''观察到的突变数将呈泊松分布，平均值为 μt。'''泊松分布是合适的，因为突变率非常低，在真核生物中每代每位点约为 10^-8 到 10^-9（Lynch 2010）。突变率可以按基因座或位点表示，在后一种情况下，在 L 个核苷酸位点的单代中观察到的突变数将呈泊松分布，平均值为 ~~μL。在考虑核苷酸沿序列排列的模型中，我们假设每个位点都有独立的突变概率。鉴于新的方法考虑了染色体上多态性的间距（例如，Li~~ 和 Durbin ~~2011），关于突变独立性和位点间恒定突变率的假设可能非常重要。遗憾的是，这两个假设都不是始终正确的（例如，Schrider、Hourmozdi~~ 和 Hahn 2011；Harris 和 Nielsen 2014），尽管这些违反假设对大多数方法的影响可能并不大。		我们的突变模型所需的随机性与它们在时间和空间上的起源有关，这两者都可以用泊松过程来描述。假设中性突变以恒定速率 μ（每代）在位点之间和沿谱系独立积累，这样在 t 代之后'''观察到的突变数将呈泊松分布，平均值为 μt。'''泊松分布是合适的，因为突变率非常低，在真核生物中每代每位点约为 10^-8 到 10^-9（Lynch 2010）。突变率可以按基因座或位点表示，在后一种情况下，在 L 个核苷酸位点的单代中观察到的突变数将呈泊松分布，平均值为 μL。在考虑核苷酸按顺序排列的模型中，我们假设每个位点都有独立的突变概率。鉴于新的方法考虑了染色体上多态性的间距（例如，Li 和 Durbin 2011），关于突变独立性和位点恒定突变率的假设可能非常重要。遗憾的是，这两个假设都不是始终正确的（例如，Schrider、Hourmozdi 和 Hahn 2011；Harris 和 Nielsen 2014），尽管这些违反假设对大多数方法的影响可能并不大。
	[[文件:MPG1.2.png\|缩略图\|图 1.2 突变模型。(A) 中展示了四种不同的模型：双等位基因模型指具有两个等位基因的单个位点，尽管这些位点也与其他模型一致。无限位点模型是指每个位点最多发生一次突变的序列。有限位点模型是指在同一位点可以发生多个突变的序列。无限等位基因模型将每个整个序列视为一个等位基因，而不是单个位点的交替状态（因此这里显示了三个等位基因）。（B）逐步突变模型，在该模型下，突变只能导致相邻等位基因之间的变化，通常在重复次数上有所不同。]]		[[文件:MPG1.2.png\|缩略图\|图 1.2 突变模型。(A) 中展示了四种不同的模型：双等位基因模型指具有两个等位基因的单个位点，尽管这些位点也与其他模型一致。无限位点模型是指每个位点最多发生一次突变的序列。有限位点模型是指在同一位点可以发生多个突变的序列。无限等位基因模型将每个整个序列视为一个等位基因，而不是单个位点的交替状态（因此这里显示了三个等位基因）。（B）逐步突变模型，在该模型下，突变只能导致相邻等位基因之间的变化，通常在重复次数上有所不同。]]
	最简单的突变模型涉及两个等位基因（图 1.2A）。在经典的群体遗传学中，它们通常表示为 A 和 a 或 A1和A2，可以代表两种不同的核苷酸、两种不同的氨基酸或两种不同的单倍型。（我一般会在本书中使用 A1和A2，除了第 5 章和第 9 章，我使用其他符号以避免与种群 1 和 2 中的等位基因混淆。）这种'''双等位基因模型two-allele model'''是考虑单个位点数据时最常用的突变模型。如果在建模数据中也知道这样的分配，则可以将两个等位基因中的一个指定为祖先状态，尽管这些分配不是必需的。该模型的一个重要特征是每次使用时必须指定的允许突变的数量和类型。通常允许 ) 突变，在这种情况下我们说没有回复突变的可能性。这与允许样本历史中仅发生来自 A1 的单一突变不同，因为有时可以放宽此条件而不放宽对回复突变的限制。但通常只对每个突变的单一起源进行建模，而没有回复突变。		最简单的突变模型涉及两个等位基因（图 1.2A）。在经典的群体遗传学中，它们通常表示为 A 和 a 或 A1和A2，可以代表两种不同的核苷酸、两种不同的氨基酸或两种不同的单倍型。（我一般会在本书中使用 A1和A2，除了第 5 章和第 9 章，我使用其他符号以避免与种群 1 和 2 中的等位基因混淆。）这种'''双等位基因模型two-allele model'''是考虑单个位点数据时最常用的突变模型。如果在建模数据中也知道这样的分配，则可以将两个等位基因中的一个指定为祖先状态，尽管这些分配不是必需的。该模型的一个重要特征是每次使用时必须指定的允许突变的数量和类型。通常允许 ) 突变，在这种情况下我们说没有回复突变的可能性。这与允许样本历史中仅发生来自 A1 的单一突变不同，因为有时可以放宽此条件而不放宽对回复突变的限制。但通常只对每个突变的单一起源进行建模，而没有回复突变。
第69行：		第69行：

	=== 重组模型 ===		=== 重组模型 ===
	重组建模通常与突变建模类似。重组事件被认为以类似泊松分布的方式沿染色体发生，'''重组率由参数 c 给出'''，定义为两个标记之间发生交叉事件的概率。实际上，交叉比这更复杂，但我们在群体遗传模型中忽略了大多数这些复杂因素（例如交叉干扰）。我们经常测量每代每个位点的重组率，因此，<u>在相距 L 个核苷酸的两个位点之间在单个代中发生的重组事件的预期数量为 cL。</u>在某些生物体中，交叉的一个突出特征是存在所谓的'''重组热点'''（Jeffreys、Kauppi 和 Neumann 2001；McVean 等人 ~~2004）。重组热点代表交叉事件聚集在一起的小区域，通常使重组率比背景率高出许多倍。~~<u>~~即使是那些似乎缺乏真正热点的生物体也显示出染色体不同位置的重组率大幅度改变。~~</u>对于一般的重组——以及对于包括热点在内的特定场景——所有这些都意味着事件<u>通常以'''“有限位点”'''的方式建模，其中多个重组事件可以发生在样本历史的同一位置。</u>		重组建模通常与突变建模类似。重组事件被认为以类似泊松分布的方式沿染色体发生，'''重组率由参数 c 给出'''，定义为两个标记之间发生交叉事件的概率。实际上，交叉比这更复杂，但我们在群体遗传模型中忽略了大多数这些复杂因素（例如交叉干扰）。我们经常测量每代每个位点的重组率，因此，<u>在相距 L 个核苷酸的两个位点之间在单个代中发生的重组事件的预期数量为 cL。</u>在某些生物体中，交叉的一个突出特征是存在所谓的'''重组热点'''（Jeffreys、Kauppi 和 Neumann 2001；McVean 等人 2004）。重组热点代表交叉事件密集发生的小区域，通常使重组率比背景重组率高出许多倍。<u>即使那些似乎缺乏真正热点的生物体也显示出染色体不同位置的重组率大幅度改变。</u>对于一般的重组——以及对于包括热点在内的特定场景——所有这些都意味着事件<u>通常以'''“有限位点”'''的方式建模，其中多个重组事件可以发生在样本历史的同一位置。</u>

	突变和重组之间的主要区别之一是重组事件不会改变单个位点的等位基因频率。通过沿染色体重新排列等位基因，交叉只会改变 DNA 单倍型的频率（图 1.3A），而每个位点的等位基因频率保持不变。此外，虽然交叉是重组的一个结果，但另一个结果是'''~~基因转换~~'''~~，即遗传物质的非相互交换（图~~ 1.~~3B）。在基因转换中（不必真的涉及一个基因），个体中的两个等位基因拷贝中的一个充当供体，而另一个充当受体。供体的~~ DNA“覆盖”了接受体的 DNA，从而产生了两个相同的重组结果。		突变和重组之间的主要区别之一是重组事件不会改变单个位点的等位基因频率。通过沿染色体重新排列等位基因，交叉只会改变 DNA 单倍型的频率（图 1.3A），而每个位点的等位基因频率保持不变。此外，虽然交叉是重组的一个结果，但另一个结果是'''基因转变'''，即遗传物质的非对称交换（图 1.3B）。在基因转变中（不必真的涉及一个基因），个体中的两个等位基因拷贝中的一个充当供体，而另一个充当受体。供体的 DNA“覆盖”了接受体的 DNA，从而产生了两个相同的重组结果。
	[[文件:MPG1.3.png\|缩略图\|图 1.3 重组的不同结果。（A）一个二倍体个体在四个基因座 A、B、C 和 D 处杂合。B 和 C 基因座之间发生交叉事件（用 × 表示），从而产生了两个重组单倍型。（B）相同的初始设置，转换事件影响 B 和 C 基因座。因为 B1所有基因作为供体，结果是一个 B1 等位基因纯合的个体。]]		[[文件:MPG1.3.png\|缩略图\|图 1.3 重组的不同结果。（A）一个二倍体个体在四个基因座 A、B、C 和 D 处杂合。B 和 C 基因座之间发生交叉事件（用 × 表示），从而产生了两个重组单倍型。（B）相同的初始设置，转换事件影响 B 和 C 基因座。因为 B1所有基因作为供体，结果是一个 B1 等位基因纯合的个体。]]
	<u>有时这种情况会以有偏的方式发生，因此一个等位基因更有可能成为供体</u>。<u>~~无论是否有偏向，基因转换都会改变等位基因频率。~~</u>基因组内重复基因座之间也可能存在非相互的遗传物质交换，这被称为 '''non-allelic or interlocus or ectopic gene conversion''' ~~在这里，我只考虑等位基因之间的基因转换；这被称为~~'''allelic or intralocus gene conversion.'''		<u>有时这种情况会以有偏的方式发生，因此一个等位基因更有可能成为供体</u>。<u>无论是否有偏向，基因转变都会改变等位基因频率。</u>基因组内重复基因座之间也可能存在非相互的遗传物质交换，这被称为 '''non-allelic or interlocus or ectopic gene conversion''' 在这里，我只考虑等位基因之间的基因转变；这被称为'''allelic or intralocus gene conversion.'''

	~~基因转换的纳入需要在重组模型中引入两个附加参数。一个是~~'''~~每代每个位点的基因转换率~~ g'''，另一个是'''~~基因转换带的平均长度~~ q'''。<u>~~由于所有重组事件都会导致较短的基因转换带，但并非所有事件都会导致交叉，因此~~ g/c 的比率（有时表示为其自己的参数 f）通常远大于 1，范围从果蝇的约 4到人类的约 ~~7。基因转换片段（即转换的~~ DNA 片段）约为 100-1,000 个核苷酸</u>，<u>其长度分布类似于参数为 1/q 的几何分布</u>~~。基因转换片段以概率~~ g 在每个位点处起始，然后该片段被建模为延伸到起始位点的右侧（Wiuf 和 Hein，2000 年）。第 4 ~~章将讨论有关交叉和基因转换的更多细节。~~		基因转变的纳入需要在重组模型中引入两个附加参数。一个是'''每代每个位点的基因转变率 g'''，另一个是'''基因转变带的平均长度 q'''。<u>由于所有重组事件都会导致较短的基因转变带，但并非所有事件都会导致交叉，因此 g/c 的比率（有时表示为其自己的参数 f）通常远大于 1，范围从果蝇的约 4到人类的约 7。基因转变片段（即转换的 DNA 片段）约为 100-1,000 个核苷酸</u>，<u>其长度分布类似于参数为 1/q 的几何分布</u>。基因转变片段以概率 g 在每个位点处起始，然后该片段被建模为延伸到起始位点的右侧（Wiuf 和 Hein，2000 年）。第 4 章将讨论有关交叉和基因转变的更多细节。

	=== 自然选择模型 ===		=== 自然选择模型 ===

长河：/* 突变模型 */

2025-03-02T09:54:09Z

突变模型

显示更改

2025年3月1日 (六) 16:16 长河

2025-03-01T16:16:57Z

显示更改

长河：创建页面，内容为“进化始于一个个体的一条染色体上的一个突变。分子群体遗传学就是研究此类突变在群体中频率的上升和下降。各种进化力量可以加速或阻碍突变在群体中的传播，这些力量的作用可以从个体间分子变异的模式中推断出来。尽管遗传标记的使用可以追溯到 1900 年 ABO 血型的发现，但真正的“分子”群体遗传学的开端可以追溯到 Harris (1966) 和 Lewontin 和…”

2025-03-01T15:28:33Z

创建页面，内容为“进化始于一个个体的一条染色体上的一个突变。分子群体遗传学就是研究此类突变在群体中频率的上升和下降。各种进化力量可以加速或阻碍突变在群体中的传播，这些力量的作用可以从个体间分子变异的模式中推断出来。尽管遗传标记的使用可以追溯到 1900 年 ABO 血型的发现，但真正的“分子”群体遗传学的开端可以追溯到 Harris (1966) 和 Lewontin 和…”

显示更改

第一章 进化的模型 - 版本历史

2025年8月26日 (二) 09:09 Magezeya

Sofia：​自动添加《Molecular Population Genetics》章节导航

Artemia：​/* 自然选择模型 */

Artemia：​部分校对

Artemia：​部分校对

长河：​/* 突变模型 */

2025年3月1日 (六) 16:16 长河

第一章进化的模型 - 版本历史

Sofia：自动添加《Molecular Population Genetics》章节导航

Artemia：/* 自然选择模型 */

Artemia：部分校对

Artemia：部分校对

长河：/* 突变模型 */