معلومة

معدل التثبيت في مواقع محايدة

معدل التثبيت في مواقع محايدة


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

إنها نتيجة كلاسيكية أن الوقت المتوقع لحدوث طفرة محايدة ولإصلاحها هو $ 2 N mu frac {1} {2N} = mu $ ، حيث $ N $ هو حجم المجموعة و $ mu $ هو معدل الطفرات المحايدة (ويكي).

لست متأكدًا من أنني أفهم ما يعنيه هذا في الواقع. ما هو احتمال (على الأقل) حدث تثبيت واحد في $ frac {1} { mu} $ أجيال؟ هل هو 0.5؟ هل يمكننا حساب احتمال حدوث حدث تثبيت واحد (على الأقل) في أجيال $ n $؟ على سبيل المثال ، بعد $ n = frac { mu} {10} $ أجيال ، هل احتمال ملاحظة (على الأقل) حدث تثبيت واحد يساوي $ 0.1 أم أنه أكثر تعقيدًا؟

تحديث

متابعةDanielWeissman التعليقات:

لنفترض أننا بدأنا بمجموعة أحادية الشكل في البداية (مجموعة الحيوانات المستنسخة). بالإضافة إلى ذلك ، دعنا نعتبر أن عدد السكان صغير نسبيًا $ N mu <1 $


أولا وقبل كل شيء ، $ mu $ ليس وقتًا متوقعًا لحدوث الطفرة وإصلاحها ؛ إنه المعدل الذي يتم فيه إصلاح الطفرات في السكان. تنص النتيجة الأساسية على أنه إذا ظهرت طفرات محايدة في موضع بمعدل $ mu $ داخل الأفراد، سيتم إصلاح الطفرات في هذا المكان في السكان بمعدل $ mu $ كذلك.

الوقت المتوقع لإصلاح طفرة محايدة بعد ظهورها ، نظرًا لعدم ضياعها من السكان ، هو حوالي $ 4N_e $ ، حيث $ N_e $ هو الحجم الفعلي للسكان. اشتق Kimura و Ohta (1969) هذه النتيجة باستخدام تقريب الانتشار ؛ طور Kingman (1982) نظرية الاندماج وفي هذه العملية يحصل على ما هو في رأيي اشتقاق أكثر أناقة لنفس التقريب.

الآن ما هو احتمال ذلك بعض يذهب التحول إلى التثبيت في السكان كدالة للوقت؟ على الرغم من أن معدل التثبيت في المجتمع هو $ mu $ ، فإن هذا لا يعني أنه مع وجود احتمال 0.5 بعض إصلاحات الطفرات في حدود $ 1 / mu $ من الوحدات الزمنية. سيعتمد هذا الاحتمال على توزيع أحداث التثبيت في المجتمع. إليك طريقة جيدة للتفكير في الأمر. إذا كانت أحداث التثبيت متباعدة بشكل متساوٍ وحدثت بمعدل $ mu $ ، فعندئذٍ مع الاحتمال 1 ، سيكون لديك طفرة خلال فترة زمنية بطول $ 1 / mu $. إذا كانت أحداث التثبيت شديدة التكتل ، فسيكون لديك احتمال ضئيل للغاية لوجود حدث تثبيت خلال فترة زمنية بطول $ 1 / mu $ - ولكن إذا كان لديك حدث واحد ، فمن المحتمل أن يكون لديك العديد من الأحداث. إذا تم توزيع أحداث التثبيت كعملية بواسون - والتي أظن أنها ستكون في نموذج محايد تمامًا - فإن احتمالية وجود حدث تثبيت خلال فترة زمنية سيتم منحها $ 1 / mu $ من خلال توزيع أسي (سلبي) وبالتالي فإن احتمال وجود حدث تثبيت واحد على الأقل في فترة زمنية بطول $ 1 / mu $ سيكون $ 1- frac {1} {e} $.


استراتيجيات التثبيت والتركيبات المستخدمة في تلطيخ المدينة المنورة

يلعب التثبيت أربعة أدوار حاسمة في الكيمياء المناعية:

  • هو - هي يحفظ ويستقر مورفولوجيا الخلية وهندسة الأنسجة
  • هو - هي يعطل الإنزيمات المحللة للبروتين التي يمكن أن تؤدي إلى تدهور العينة
  • هو - هي يقوي عينات حتى يتمكنوا من تحمل المزيد من المعالجة والتلطيخ
  • هو - هي يحمي عينات ضد التلوث الجرثومي والتحلل المحتمل.

تتطلب طريقة التثبيت الصحيحة التحسين بناءً على التطبيق ومستضد الهدف المراد تلوينه. هذا يعني أنه قد يتعين تحديد طريقة التثبيت المثلى تجريبياً. تشمل الطرق الشائعة للتثبيت:

  • نضح: يمكن تروية الأنسجة بمثبت بعد نزف الدم ونضح المحلول الملحي للسماح بالتثبيت السريع للأعضاء بأكملها.
  • غمر: يتم غمر العينات في المثبت الذي ينتشر بعد ذلك في عينة الأنسجة أو الخلية وعبرها. غالبًا ما يتم الجمع بين الغمر والتروية لضمان التثبيت الدقيق في جميع أنحاء الأنسجة.
  • التجميد: يمكن دمج العينات التي تحتوي على مستضدات شديدة القابلية للتثبيت الكيميائي أو التعرض للمذيبات العضوية المستخدمة في إزالة البارافين في وسط تضمين واقي من البرد ، مثل مركب درجة حرارة القطع المثلى (OCT) ، ثم يتم تجميدها سريعًا وتخزينها في النيتروجين السائل .
  • تجفيف: يتم تجفيف مسحات الدم الخاصة بتلطيخ ICC بالهواء ولوحها عبر اللهب لتثبيت الخلايا على الشريحة.

في حين أن مثبتًا معينًا قد يحافظ على النشاط المناعي لواحد من المستضدات ، فإنه قد يدمر الآخرين ، حتى لو كانوا على نفس المستضد. الإرشادات المقدمة هنا مفيدة في تحديد المثبت المناسب لنظام معين ، ولكن من المهم أن نتذكر أن كل مستضد فريد. لذلك ، يجب معالجة الاعتبارات التالية عند اختيار المثبت:

  • نوع المثبت (فورمالديهايد ، جلوتارالدهيد ، مذيب عضوي ، إلخ.)
  • معدل الاختراق والتثبيت
  • تركيز مثبت
  • مثبت الرقم الهيدروجيني
  • درجة حرارة التثبيت المثالية
  • علاج ما بعد التثبيت

يتعلم أكثر

يتعلم أكثر

المثبتات الكيميائية الارتباط المتشابك أو بروتينات العينة المترسبة ، والتي يمكن أن تخفي المستضدات المستهدفة أو تمنع وصول الجسم المضاد إلى هدف الأنسجة بعد التثبيت لفترة طويلة. لا يوجد مثبت واحد مثالي لجميع الأنسجة أو العينات أو المستضدات. هذا يعني أنه يجب تحسين كل إجراء تثبيت لضمان التثبيت المناسب دون تغيير مولد الضد أو إزعاج الموقع الداخلي والتفاصيل الخلوية للنسيج.

التثبيت الجسدي هي طريقة بديلة لإعداد العينات للتلوين ، وتعتمد الطريقة المحددة على مصدر العينة واستقرار المستضد المستهدف. على سبيل المثال ، عادةً ما يتم إصلاح مسحات الدم عن طريق التجفيف ، مما يزيل السائل من العينة ويثبت الخلايا على الشريحة. يتم أولاً تضمين الأنسجة التي تكون حساسة للغاية بالنسبة للمعالجة الصارمة التي تنطوي عليها إزالة البارافين واسترجاع المستضد في وسط تضمين واقي من البرودة ، مثل مركب OCT ، ثم يتم تجميدها سريعًا وتخزينها في النيتروجين السائل حتى يتم تقسيمها. يقدم المثال أدناه مثالاً على تلطيخ المدينة العالمية للخدمات الإنسانية في الأنسجة الثابتة بالفورمالين.

تم إجراء IHC على قسم أنسجة سرطان القولون البشري الثابتة بالفورمالين (FFPE). لفضح البروتينات المستهدفة ، تم إجراء استرجاع الحاتمة المستحثة بالحرارة (HIER) باستخدام محلول 10 ملي سيترات الصوديوم ، الرقم الهيدروجيني 6 ، (على سبيل المثال ، 00-5000 ، AP-9003-125) لمدة 20 دقيقة بالتسخين عند 95 درجة مئوية. بعد استرجاع المستضد والتبريد إلى درجة حرارة الغرفة والغسيل ، تم حظر الأنسجة في 3 ٪ من مساحة سطح الجسم (المنتج رقم 37525) في PBST لمدة 30 دقيقة عند درجة حرارة الغرفة ثم فحصها باستخدام الجسم المضاد أحادي النسيلة Ezrin (المنتج # MA5-13862) بتخفيف من 1: 100 لمدة 1 ساعة في غرفة رطبة. تم غسل الأنسجة على نطاق واسع باستخدام PBS / 0.025٪ Tween-20 (المنتج رقم 003005) وتم إخماد نشاط البيروكسيداز الداخلي باستخدام مثبط البيروكسيداز (المنتج رقم 35000) لمدة 30 دقيقة عند درجة حرارة الغرفة. تم إجراء الكشف باستخدام جسم مضاد ثانوي IgG-HRP مترافق من الماعز مضاد للفأر (المنتج رقم 31430) بتخفيف 1: 500 متبوعًا بالكشف اللوني باستخدام مجموعة ركيزة DAB المعززة بالمعادن (المنتج رقم 34065). تم التقاط الصور باستخدام مجهر ضوئي بتكبير 40X.

الفورمالديهايد

المثبت الكيميائي الأكثر استخدامًا هو الفورمالديهايد ، والذي يظهر خصوصية واسعة لمعظم الأهداف الخلوية. يتفاعل الغاز القابل للذوبان في الماء وعديم اللون والسام واللاذع مع الأمينات الأولية على البروتينات والأحماض النووية لتكوين روابط متقاطعة لجسر الميثيلين القابل للعكس جزئيًا

الفورمالديهايد وامتصاص العرق

يتم تحضير معظم الفورمالديهايد التجاري من بارافورمالدهيد (PFA ، فورمالدهيد بوليمر) مذاب في ماء مقطر / منزوع الأيونات ، مع إضافة ما يصل إلى 10٪ (حجم / حجم) ميثانول لتثبيت الفورمالديهايد المائي. الاستقرار مهم لمنع أكسدة الفورمالديهايد إلى حمض الفورميك وإعادة بلمرته في نهاية المطاف إلى بارافورمالدهيد. لتجنب استخدام الفورمالديهايد المثبت بالميثانول للتثبيت ، توصي العديد من البروتوكولات بصنع فورمالديهايد "طازج" من بارافورمالدهيد مباشرة قبل تثبيت العينة.

الفورمالين مقابل الفورمالديهايد

غالبًا ما يتم استخدام المصطلحين "فورمالين" و "فورمالدهيد" بالتبادل ، على الرغم من اختلاف التركيب الكيميائي لكل مثبت. يتكون الفورمالين من الفورمالديهايد ولكن النسبة المئوية تشير إلى تركيز مختلف من الفورمالديهايد عن محاليل الفورمالديهايد الحقيقية. على سبيل المثال ، 10٪ من الفورمالين المحايد المخزن (NBF ، أو ببساطة الفورمالين) هو محلول فورمالديهايد 4٪ (حجم / حجم). أساس هذا الاختلاف هو أنه تاريخيًا ، تم تحضير الفورمالين بمخزون الفورمالديهايد التجاري ، والذي كان 37 إلى 40٪ (وزن / حجم) فورمالدهايد ، عن طريق تخفيفه 1:10 مع محلول الفوسفات عند درجة حموضة متعادلة

يتعلم أكثر

يتعلم أكثر

جلوتارالدهيد

الجلوتارالدهيد هو مركب ديالديهيد يتفاعل مع مجموعات الأمينية والسلفهيدريل وربما مع الهياكل الحلقية العطرية. المثبتات التي تحتوي على الجلوتارالدهيد هي روابط متشابكة للبروتين أقوى من الفورمالديهايد. ومع ذلك ، فإنها تخترق الأنسجة بشكل أبطأ ، مما يتسبب في استخراج مستضدات قابلة للذوبان وتعديل بنية الأنسجة. يجب معالجة الأنسجة التي تم إصلاحها بمثبت أساسه الغلوتارالدهيد أو إخمادها بجزيئات خاملة تحتوي على أمين قبل تلطيخ IHC لأن أي مجموعات ألدهيد حرة غير مشبعة متوفرة ستتفاعل تساهميًا مع شقوق تحتوي على أمين مثل الأجسام المضادة (شيف) تشكيل القاعدة). أكثر حاصرات الألدهيد فعالية هي الإيثانولامين والليسين.

مثبتات أخرى

المثبتات القائمة على كلوريد الزئبق تستخدم أحيانًا كبدائل للمثبتات القائمة على الألدهيد للتغلب على سوء الحفظ الخلوي. تعمل هذه المثبتات القاسية من خلال التفاعل مع الأمينات والأميدات والأحماض الأمينية مثل مجموعات السيستين والفوسفات في البروتينات والأحماض النووية. والنتيجة هي تخثر البروتين والحمض النووي ، والذي يمكن أن يؤدي إلى تصلب الأنسجة غير المرغوب فيه. فوائد استخدام هذه المثبتات هي تلطيخ IHC أكثر كثافة مصحوبًا بالحفاظ على التفاصيل الخلوية مما يسمح بتفسير شكلي أسهل. غالبًا ما تحتوي هذه المثبتات على أملاح محايدة تحتوي على الزنك للحفاظ على توترها ويمكن مزجها مع مثبتات أخرى لتوفير تركيبة متوازنة وأقل قسوة. تشمل المثبتات القائمة على كلوريد الزئبق Helly و Zenker Solution. أحد عيوب المثبتات المحتوية على الزئبق هو أنه يجب تنظيف الأقسام من رواسب الزئبق قبل تلطيخ المدينة العالمية للخدمات الإنسانية. العيب الرئيسي لهذه المثبتات القائمة على الزئبق هو أنها شديدة السمية ، وقادرة على التآكل ، وتتطلب إجراءات خاصة للتخلص منها. لهذا السبب ، لم يعد يتم استخدامها بشكل متكرر.

المثبتات المترسبة تشمل الإيثانول والميثانول والأسيتون. تعمل هذه المذيبات على ترسيب جزيئات البروتين الكبيرة وتخثرها ، وبالتالي تغيير طبيعتها ، ويمكن أن تكون مفيدة للحفظ الخلوي. يمكن لمثل هذه الكواشف أيضًا أن تنفث الخلايا ، والتي قد تكون حاسمة اعتمادًا على العينة. ومع ذلك ، فإن الأسيتون ، على وجه الخصوص ، يستخلص الدهون من الخلايا والأنسجة ، مما قد يؤثر سلبًا على التشكل. على الرغم من هذه الحقيقة ، عادةً ما يستخدم الأسيتون كمثبت لاحق للأقسام المجمدة التي تم ربطها بالفعل بالشرائح. على النقيض من ذلك ، فإن مثبتات المذيبات ليست مناسبة للفحص المجهري الإلكتروني لأنها يمكن أن تسبب انكماشًا حادًا في الأنسجة.

تثبيت ديميدويستر استخدام ثنائي ميثيل سوبريميديت (DMS) ، وهو رابط متشابك متفاعل للأمين ، نادرًا ما يستخدم كبديل للتثبيت القائم على الألدهيد (Hassel، J. et al.، 1974). DMS عبارة عن كاشف متماثل الوظيفة يربط مجموعتي α و ε-amino من البروتينات ببعضها البعض. تعتبر Diimidoesters فريدة من نوعها من حيث أنها تنشئ روابط أمينية مع الأمينات على الجزيئات المستهدفة. نتيجة لذلك ، لا يغير DMS صافي شحنة البروتين. تشمل مزايا استخدام DMS كمثبت لكل من الفحص المجهري للضوء والإلكترون الاحتفاظ بالنشاط المناعي للمستضد ونقص مجموعات الألدهيد التي تتطلب الحجب.

هناك مجموعة متنوعة من المثبتات الأخرى التي يتم استخدامها في مواقف خاصة. وتشمل هذه الأكرولين والجليوكسال ، والتي تشبه الفورمالديهايد ، ورابع أكسيد الأوزميوم ، وهو مناسب بشكل خاص كمثبت قبل الفحص المجهري الإلكتروني. تشتمل المثبتات التخصصية الأخرى على كربوديميد وغيره من روابط البروتين المتقاطعة ، ومحاليل ملح الزنك ، وحمض البيكريك ، وثاني كرومات البوتاسيوم ، وحمض الخليك.


النظرية المحايدة ومعدلات الاستبدال

-
يبدو أن هناك بعض الالتباس حول ماهية ملف نظرية محايدة يقول عن معدلات الاستبدال. يبدو أن NickM يعتقد أنه إذا كان معدل الطفرات 1.1 × 10 ^ -8 ، فستحدث 40 طفرة (محايدة) مع كل ولادة وسيصبح 40 طفرة ثابتة في كل جيل لأن معدل الاستبدال = معدل الطفرة.

يعطي NickM مرجع ويكيبيديا لمعدل طفرة يبلغ 1.1 × 10 ^ -8.

على أي حال - شيء آخر من الواضح أنك لا تفهمه على الإطلاق هو أنه حتى في ظل ظروف محايدة تمامًا ، مع عدم وجود انتقاء طبيعي على الإطلاق ، وبدون حدوث أي انحراف جيني ، * معدل الاستبدال يساوي معدل الطفرة *.

إذا كان حجم الجينوم هو 3.2 مليار قاعدة ، وإذا كان وقت الاختلاف بين الإنسان والشمبانزي هو 6 منذ ماضي ، وإذا كان حجم التوليد 15 عامًا ، فإن الاختلاف بنسبة 1٪ في الطفرات النقطية يتطلب 32 مليون طفرة. هذا 40 طفرة / جيل.

ما لا يبدو أن NickM يدركه هو معدل الاستبدال = 1.1 × 10 ^ -8 ، وليس 40 طفرة / جيل. 40 هو عدد الطفرات التي يمكن أن نتوقعها في كل ولادة في ظل جينوم يبلغ 3.2 نقطة أساس.

تتعلق النظرية المحايدة بمعدل الطفرات فقط ، وليس عدد الطفرات. ما هي درجتك في؟

يا ترى نيك من أجل أن يصبح ثابتًا ، يجب على كل فرد من السكان أن يضر به. كل عضو ، علم الأحياء 101. حسنًا ، أعتقد أن عدد السكان واحد.

60 تعليقات:

& quotYa انظر إلى نيك من أجل أن يصبح ثابتًا ، يجب على كل فرد من السكان أن يضر به & quot

& مثل. التأثيرات الثابتة (الطفرات تهرب من فقدان الانجراف) & quot

لكن لا تتردد في الاستشهاد بدعم تأكيدك.

أنت جاهل يا ريتشي:

في علم الوراثة السكانية ، التثبيت هو التغيير في تجمع الجينات من حالة يوجد فيها على الأقل نوعان مختلفان من جين معين (أليل) إلى حالة يبقى فيها الأليلات واحدًا فقط.

يعد احتمال التثبيت ، وهو احتمال أن يصل تواتر أليل معين في مجموعة سكانية ما إلى الوحدة في نهاية المطاف ، أحد أحجار الزاوية في علم الوراثة السكانية.

واو ، مزيد من السذاجة. تدور النظرية المحايدة حول العديد من الأشياء ، ولكن أحد أهم الموضوعات هو معدل الإحلال ، وكيفية ارتباطه بمعدل الطفرات.

إذا حدثت 40 طفرة على سبيل المثال لكل فرد لكل جيل (وهو ما تحصل عليه إذا أخذت طفرات لكل موقع لكل جيل أضعاف طول الجينوم في المواقع) ، فإن هذا يحدث في * كل فرد من السكان *.

وبالتالي ، يحدث عدد كبير من الطفرات * في السكان * كل جيل. إذا كان حجم السكان الفعال 10000 ، فسيكون هذا 40 × 10000 = 400000 طفرة جديدة تضاف إلى السكان كل جيل.

في الوضع المحايد ، تُفقد الغالبية العظمى من هذه الطفرات الجديدة في النهاية من السكان بسبب الانجراف المحايد.

لكن ، عن طريق الصدفة ، سينتشر عدد قليل منهم إلى التثبيت. الاحتمالات هي نفسها احتمالات الفوز في اليانصيب. كل طفرة & # 39 s فرصة للانتشار إلى التثبيت هو 1 / (حجم السكان). (أنا & # 39 مليون باستخدام حجم السكان للموقع أحادي العدد ، إذا كنت تستخدم تعداد ثنائي الصبغيات كـ N ثم & # 39s 2N).

لذلك ، تموت معظم الطفرات المحايدة ، لكن القليل منها ينتشر إلى التثبيت. في المتوسط ​​، يتضح أن معدل الإحلال يساوي معدل الطفرات.

لذلك ، يمكن أن يحدث عدد كبير من الاستبدالات دون إجراء اختيار على الإطلاق.

أو نسخة أقصر:
http://www.stat.berkeley.edu/users/terry/Classes/s260.1998/Week13a/week13a/node10.html

إذا حدثت 40 طفرة لكل فرد لكل جيل (وهو ما تحصل عليه إذا أخذت طفرات لكل موقع لكل جيل أضعاف طول الجينوم في المواقع) ، فإن هذا يحدث في * كل فرد من السكان *.

نعم ، ولكن ليس نفس 40 طفرة. من أجل إصلاح هذه الطفرات الأربعين ، يجب أن يحصل عليها كل فرد ، حتى الآباء والأجداد.

هذا هو معنى أن تكون ثابتًا - وحدة - مما يعني أنه يجب على الجميع الحصول عليها.

وبالتالي ، يحدث عدد كبير من الطفرات * في السكان * كل جيل. إذا كان حجم السكان الفعال 10000 ، فسيكون هذا 40 × 10000 = 400000 طفرة جديدة تضاف إلى السكان كل جيل.

نعم ولكن لكي يتم إصلاحها ، يجب على كل فرد الحصول عليها.

لكن ، عن طريق الصدفة ، سينتشر عدد قليل منهم إلى التثبيت.

ربما وربما لا. السؤال هو كم من الوقت سيستغرق وكم سوف يتم إصلاحه؟

كل طفرة & # 39 s فرصة للانتشار إلى التثبيت هو 1 / (حجم السكان). (أنا & # 39 مليون باستخدام حجم السكان للموقع أحادي الصيغة الصبغية ، إذا كنت تستخدم عددًا ثنائي الصيغة الصبغية على النحو N ثم & # 39s 2N).

ليس للطفرات المحايدة. ثم هو معدل الطفرة.

أيضًا إذا كانت لديه فرصة 1 / N في أن يصبح ثابتًا ، فهذا يعني أن لديه فرصة (N - 1 / N) في الضياع. و taht لا يأخذ في الاعتبار أي تأثيرات عشوائية من شأنها القضاء على جميع الطفرات.

لذلك ، يمكن أن يحدث عدد كبير من الاستبدالات دون إجراء الاختيار على الإطلاق.

كم وكم من الوقت يستغرق؟

بمعدل طفرة 1.1 × 10 ^ -8 ، وهذا يعني وقتًا طويلاً جدًا.

حسنًا NickM- lookie ما وجدته:

بالنسبة للأليلات المحايدة التي يتم إصلاحها ، يستغرق الأمر 4N أجيالًا في المتوسط ​​للقيام بذلك.

إذن ما المشكلة مرة أخرى يا JoeG؟ لم يتعارض أي من الروابط التي نشرتها للتو مع أي شيء قلته.

لقد زعمت أنه لم يكن هناك وقت كافٍ لمعرفة مقدار الاختلاف الملحوظ بين الجينوم البشري والشمبانزي.

أشرت أولاً إلى أن رقم الفرق & quot10٪ & quot يأتي من تضمين أشياء مثل indels ، والتي تحدث في أجزاء كبيرة بدلاً من الطفرات النقطية. هذه تتطلب فقط استبدال indel كل

15 جيلًا ، ليس عددًا مستحيلًا.

ثم انتقلنا إلى الطفرات النقطية (الفرق 1٪) ، وأشرت إلى أن المقدار الملحوظ من فرق الاستبدال بين الشمبانزي والإنسان يساوي تقريبًا ما يجب أن نتوقعه بالنظر إلى وقت الانقسام بين الشمبانزي والإنسان ومعدل الطفرة المرصودة. ما من شيء نشرته يتعارض مع هذا.

فقط اعترف بأن مطالبتك الأصلية كانت خاطئة. هذه هي الطريقة العلمية.

أو اقرأ p.239 هنا: http://books.google.com/books؟id=ng85sd1UR7EC&lpg=PA72&ots=pqL73i-4iH&dq=4N٪20generations&pg=PA239#v=onepage&q=substitution٪20rate&f=false

نيكم:
إذن ما المشكلة مرة أخرى يا JoeG؟ لم يتعارض أي من الروابط التي نشرتها للتو مع أي شيء قلته.

قلت أنه سيكون هناك عدد من الطفرات التي يتم إصلاحها في جيل واحد / كل جيل. من الواضح أن هذا خطأ

لقد زعمت أنه لم يكن هناك وقت كافٍ لمعرفة مقدار الاختلاف الملحوظ بين الجينوم البشري والشمبانزي.

هناك إذا كنت تعتمد على التصميم. لا يوجد & # 39t إذا كنت تعتمد على أي شيء آخر.

أشرت أولاً إلى أن رقم الفرق & quot10٪ & quot يأتي من تضمين أشياء مثل indels ، والتي تحدث في أجزاء كبيرة بدلاً من الطفرات النقطية.

شيء عرفته منذ سنوات.

هذه تتطلب فقط استبدال indel كل

15 جيلًا ، ليس عددًا مستحيلًا.

أشبه بـ 10 أجيال ولا يوجد أي شيء يدعم معدل تثبيت بهذا الارتفاع. وهذا مخصص لـ indels فقط ، وهو جزء صغير من الاختلافات التي يجب أخذها في الاعتبار.

ثم انتقلنا إلى الطفرات النقطية (الفرق 1٪) ، وأشرت إلى أن المقدار الملحوظ من فرق الاستبدال بين الشمبانزي والإنسان يساوي تقريبًا ما يجب أن نتوقعه بالنظر إلى وقت الانقسام بين الشمبانزي والإنسان ومعدل الطفرة المرصودة. ما من شيء نشرته يتعارض مع هذا.

كل ما نشرته يتناقض مع ذلك.

أجيال 4N للحصول على طفرة واحدة ثابتة (تقدير) ، حيث N هو حجم السكان.

نشر هالدين جيلًا واحدًا من كل 300 جيل ، وقد أجريت التجارب عليه في أكثر من 600 جيل من أجل الطفرات المفيدة التي ستصبح ثابتة بشكل أسرع من أي طفرة محايدة.

لذا فإما أنك لا تفهم أي شيء قمت بنشره ، وهو أمر واضح جدًا بسبب رجلك الذي دحضته عند وصولك لأول مرة ، وتجنبك لبقية الطفرات التي تتعدى indels ، وتجاهلك الواضح للرياضيات.

والآن لدينا اعتمادك على معدلات الاستبدال لمنتج indels الذي لم يسمع به من قبل.

لكن نعم سأقوم بمراجعة ادعائي الأصلي لأقول:

بالنظر إلى اختلاف وراثي بنسبة 10٪ بين الشمبانزي والبشر بعض يجب أن يتم إصلاح عدد الطفرات كل عام.

(وكل ما احتاجه هو واحد-
كل ما احتاجه هو واحد-
كل ما أحتاجه هو 1 ، 1.
1 هو كل ما أحتاجه)

آه ، أرى مشكلتك. تعتقد أن طفرة واحدة (طفرة إندل أو نقطة) يجب أن تنشأ ، ثم تنتشر إلى التثبيت ، ثم يجب أن تكرر الطفرة التالية نفس العملية.

سيكون هذا بطيئًا بالفعل.

لسوء حظك ، يمكن أن تنجرف العديد من الطفرات في مجموعة سكانية في نفس الوقت. كلهم ، في الواقع. أولاً ، لدينا 23 زوجًا من الكروموسومات ، وتكرار أي متغير في مجموعة الكروموسوم 1 يمكن أن يرتفع أو ينخفض ​​بشكل مستقل عما يحدث لتكرار أي متغير في مجموعة الكروموسوم 2.

ثانيًا ، تتعرض الكروموسومات جميعًا للعديد من الأحداث المتقاطعة في كل انقسام ، لذلك ينقسم كل كروموسوم إلى العديد من الأجزاء الصغيرة التي تنفصل بشكل مستقل وتتجمع كل جيل.

أجيال 4N للحصول على طفرة واحدة ثابتة (تقدير) ، حيث N هو حجم السكان.

هذا صحيح ، ولكن هذا & # 39s فقط لطفرة واحدة ، وفقط للطفرات المحظوظة بما يكفي ليتم إصلاحها (الغالبية العظمى لم يتم إصلاحها أبدًا ، وبدلاً من ذلك تضيع ، وبالتالي فإن وقتها للتثبيت & quot هو ما لا نهاية).

في الواقع ، لدينا ما يشبه (20 طفرة جديدة لكل فرد) * (N = حجم السكان) تدخل السكان في كل جيل. تم فقد معظمها ، تم إصلاح القليل منها. متوسط ​​المعدل الذي يُثبت فيه السكان الطفرات يساوي mu ، معدل الطفرات.

أنت تتحدث عن شيء مختلف ، متوسط ​​الوقت اللازم للتثبيت لطفرة واحدة والتي ، بعد الحقيقة ، نعلم أنها قد تم إصلاحها. لا يؤثر على وجهة نظري ولا على خطأك بشأن مطالبتك الإجمالية.

أنت المشكلة. تحتاج إلى تراكمات من الطفرات وعليها أن تتسبب في إصابة أفراد اليوم.

320،000،000+ فروق متراكمة.

كيف تتراكم الطفرات إذا لم يتم إصلاحها أولاً؟

بمجرد خسارته لم يعد بإمكانه التراكم.

كيمورا ، وعلم الوراثة السكانية ، والتطور الجزيئي ، والنظرية المحايدة: & quot إذا كان الطافرة محايدة بشكل انتقائي ، فإن احتمال التثبيت النهائي يساوي تواترها الأولي ، أي u = 1 / (2N) في مجموعة ثنائية الصبغيات ، وبالتالي ، من مكافئ. (1) ، لدينا Ks = v. بعبارة أخرى ، بالنسبة للأليلات المحايدة ، فإن معدل التطور يساوي معدل الطفرات. & quot

إنه اشتقاق بسيط للغاية. يكفي مثال بسيط. ضع في اعتبارك عددًا فرديًا من السكان ، الحجم N) مع طفرة محايدة واحدة في المتوسط ​​لكل فرد (لنفترض أن الجينوم 10 ^ 8 ومعدل طفرة 10 ^ -8). فرصة التثبيت هي معكوس حجم السكان ، أو 1 / N. لكن لدينا طفرات N لكل جيل. وبالتالي ، فإن معدل التثبيت المتوقع هو N * 1 / N. أي أن طفرة واحدة ستصلح في المتوسط ​​لكل جيل.

زاتشو:
أي أن طفرة واحدة ستصلح في المتوسط ​​لكل جيل.

كيف يكون ذلك ممكنًا إذا كان عدد السكان أكبر من 3؟

إذا حصل النسل ، أي الجيل القادم ، على طفرة جديدة ، خمنوا ماذا؟ الآباء ليس لديهم ذلك حتى لا يمكن إصلاحه حتى يموتوا. وبعد ذلك يصبح ثابتًا إذا كان الجيل التالي يبلغ عدد سكانه 1.

إذا كان معدل الطفرات 1.1 × 10-8 فهذا هو عدد الطفرات ، وبما أن هذا ليس عددًا صحيحًا وأقل بكثير من 1 ، فمن الواضح أنك جاهل.

لكن شكرا على الترفيه.

لدى Talk Origins طفرة محايدة يتم إصلاحها كل 4N أجيال (حيث N = حجم السكان).

المراجع ذات الصلة (من الانحراف الجيني- انظر أعلاه) التي تدعم ادعائي ، وهو حقًا ادعاء علم الأحياء التطوري:

هيدريك ، فيليب و. (2004). علم الوراثة للسكان ، 737 ، جونز وبارتليت للنشر.

دانيال هارتل ، أندرو كلارك (2007). مبادئ علم الوراثة السكانية ، الطبعة الرابعة

وين هسيونغ لي ، دان غراور (1991). أساسيات التطور الجزيئي ، سيناوير أسوشيتس.

كيمورا ، موتو (2001). الجوانب النظرية لعلم الوراثة السكانية ، 232 ، مطبعة جامعة برينستون.

Masel J ، King OD ، Maughan H (2007). فقدان اللدونة التكيفية خلال فترات الركود البيئي الطويلة. American Naturalist 169 (1): 38-46.

جو جي: كيف يكون ذلك ممكنًا إذا كان عدد السكان أكبر من 3؟

فرصة التثبيت هي 1 / N ، لذلك إذا كان عدد السكان 100 ، فإن فرصة وصوله في النهاية إلى التثبيت هي 1/100. ومع ذلك ، بالنظر إلى مثالنا ، تحدث 100 طفرة في كل جيل. لذلك يمكننا أن نتوقع ، في المتوسط ​​، أن تصل 100 * 1/100 أو واحد إلى التثبيت في النهاية. كل جيل.

جو جي: لدى Talk Origins طفرة محايدة يتم إصلاحها كل 4N أجيال (حيث N = حجم السكان).

هذا هو الوقت * للتثبيت. مع مثالنا ، منذ 4N أجيال ، حدث ما معدله 100 طفرة ، وصل 1/100 منها الآن إلى التثبيت. في المتوسط ​​بالطبع.

زاتشو:
فرصة التثبيت هي 1 / N ، لذلك إذا كان عدد السكان 100 ، فإن فرصة وصوله في النهاية إلى التثبيت هي 1/100. ومع ذلك ، بالنظر إلى مثالنا ، تحدث 100 طفرة في كل جيل. لذلك يمكننا أن نتوقع ، في المتوسط ​​، أن تصل 100 * 1/100 أو واحد إلى التثبيت في النهاية. كل جيل.

هذا مجرد غباء. إذا حدثت 100 طفرة مختلفة فكيف يمكن للمرء أن يصل إلى التثبيت في جيل واحد؟

ليس لديك أي فكرة عما تتحدث عنه ولا يزال يظهر.

لدى Talk Origins طفرة محايدة يتم إصلاحها كل 4N أجيال (حيث N = حجم السكان).

هذا هو الوقت * للتثبيت

لا ، هذا هو عدد الأجيال. لذا ، مع وجود عدد سكان يبلغ 100 ، فهذا يعني أن الأمر سيستغرق 400 جيل حتى تصل طفرة محايدة واحدة إلى التثبيت.

من الواضح أنك ما زلت جاهلًا عندما يتعلق الأمر بالرياضيات.

ولكن لا تتردد في تقديم بعض الأدلة الإيجابية لمطالبتك.

جو جي: هذا مجرد غباء. إذا حدثت 100 طفرة مختلفة فكيف يمكن للمرء أن يصل إلى التثبيت في جيل واحد؟

لا يتم إصلاحهم في جيل واحد. يتم إصلاح حوالي واحد من كل مائة بعد أجيال 4N. في المتوسط. ومع ذلك ، هناك طفرات جديدة تحدث باستمرار. تلك التي تم إصلاحها في الجيل الحالي حدثت قبل 4N أجيال ، في المتوسط.

جو جي: لذا ، مع وجود عدد سكان يبلغ 100 ، فهذا يعني أن الأمر سيستغرق 400 جيل حتى تصل طفرة محايدة واحدة إلى التثبيت.

هذا صحيح. في المتوسط ​​، سيصل واحد فقط من المائة إلى التثبيت ، وسيستغرق الأمر 400 جيل ، في المتوسط ​​ليحدث ذلك. عندما يتم إدخال الطفرات في كل جيل ، فهذا يعني أن هناك تيارًا ثابتًا من الطفرات التي تصبح ثابتة.

دعونا نترك جانباً متوسط ​​البت ، ونفترض بالضبط 100 طفرة محايدة لكل جيل في مجموعة من 100 ووقت تثبيت من 400 جيل. في الجيل 0 ، لدينا 100 طفرة ، ومع مرور الوقت ستفقد 99 طفرة ، لكن واحدة ستصلح في الجيل 400. في الجيل 1 ، لدينا 100 طفرة ، بمرور الوقت ستفقد 99 طفرة ، ولكن سيتم إصلاحها في الجيل 401. في الجيل 2 ، لدينا 100 طفرة ، بمرور الوقت ستفقد 99 طفرة ، لكن واحدة ستصلح في الجيل 402. وهكذا دواليك. سيكون هناك طفرة واحدة ثابتة في كل جيل ، على الدوام.

زاتشو:
لا يتم إصلاحهم في جيل واحد.

زاتشو سابقًا:
أي أن طفرة واحدة ستصلح في المتوسط ​​لكل جيل.

زاتشو:
يتم إصلاح حوالي واحد من كل مائة بعد أجيال 4N.

زاتشو:
تلك التي تم إصلاحها في الجيل الحالي حدثت قبل 4N أجيال ، في المتوسط.

إذا كان هناك حتى أجيال 4N.

لذا ، مع وجود عدد سكان يبلغ 100 ، فهذا يعني أن الأمر سيستغرق 400 جيل حتى تصل طفرة محايدة واحدة إلى التثبيت.

حسنًا ، فأنت توافق على ما قلته. ما هي وجهة نظرك؟

عندما يتم إدخال الطفرات في كل جيل ، فهذا يعني أن هناك تيارًا ثابتًا من الطفرات التي تصبح ثابتة.

لا ، هذا يعني فقط أن هناك دفقًا ثابتًا من التباين.

مرة أخرى ، من الواضح أنه ليس لديك فكرة عما تتحدث عنه.

في الجيل 0 ، لدينا 100 طفرة ، بمرور الوقت ستفقد 99 ، لكن إحداها ستصلح في الجيل 400.

هناك الكثير من المجهول لتقديم هذا الادعاء. لا تأخذ المعادلات في الاعتبار الضغوط اليومية للعالم الحقيقي. ثم هناك نمو سكاني ومنافسة ذات سمات مفيدة.

لكن على أي حال ، عندما ترى أنك واثق جدًا من إفسادك ، ربما يجب عليك محاولة نشره. ثم ربما شخص ما سوف يهتم.

جو جي: لا تأخذ المعادلات في الاعتبار الضغوط اليومية للعالم الحقيقي.

بالنظر إلى النموذج المذكور للطفرات المحايدة ، فإن معدل تثبيت الطفرات المحايدة الجديدة يساوي معدل الطفرات. إنها نتيجة بسيطة ومباشرة.

جو جي: لكن على أي حال ، عندما ترى أنك واثق جدًا من إفسادك ، ربما يجب عليك محاولة نشره. ثم ربما شخص ما سوف يهتم.

تم نشره بالفعل من قبل شخص يدعى Motoo Kimura.

كيمورا ، وعلم الوراثة السكانية ، والتطور الجزيئي ، والنظرية المحايدة: & quot إذا كان الطافرة محايدة بشكل انتقائي ، فإن احتمال التثبيت النهائي يساوي تواترها الأولي ، أي u = 1 / (2N) في مجموعة ثنائية الصبغيات ، وبالتالي ، من مكافئ. (1) ، لدينا Ks = v. بعبارة أخرى ، بالنسبة للأليلات المحايدة ، فإن معدل التطور يساوي معدل الطفرات. & quot

زكريل:
بالنظر إلى النموذج المذكور للطفرات المحايدة ، فإن معدل تثبيت الطفرات المحايدة الجديدة يساوي معدل الطفرات. إنها نتيجة بسيطة ومباشرة.

إلا أنه ليس بهذه البساطة ولا يقترب من أن يكون مباشرًا.

تختلف معدلات الطفرات وهي كلها أعداد صغيرة جدًا ، أي 10 ^ -8.

على ما يبدو ليس لديك فكرة عما يعنيه ذلك.

لكن على أي حال ، عندما ترى أنك واثق جدًا من إفسادك ، ربما يجب عليك محاولة نشره. ثم ربما شخص ما سوف يهتم.

زكريل:
تم نشره بالفعل من قبل شخص يدعى Motoo Kimura.

لسوء الحظ بالنسبة لك ، لم يقل أي شيء عن التثبيت المتسلسل للقطرات المحايدة بعد تجاوز بعض العتبة.

آيو زاتشو أنت كاذب طنان.

معدل الاستبدال = معدل الطفرة

ومع ذلك ، فإن معدل الطفرة للطفرات المحايدة غير معروف مما يعني أن معدل الاستبدال غير معروف أيضًا.

& quot؛ وبالتالي ، فإن معدل التثبيت لطفرة لا تخضع للاختيار هو ببساطة معدل إدخال مثل هذه الطفرات. & quot

نجاح باهر تحقق من تروي ، رابطًا إلى الهراء الذي ناقشناه بالفعل واتفقنا عليه.

ومع ذلك ، فإن معدل الطفرة للطفرات المحايدة غير معروف مما يعني أن معدل الاستبدال غير معروف أيضًا.

كل ما قيل من تأملات نظرية جيدة ولكن عاجلاً أم آجلاً يجب أن يكون هناك بعض الأدلة التجريبية المؤكدة ، والتي لا تزال تفتقر إلى النظرية المحايدة المتعلقة بتثبيت الطفرات المحايدة.

جو جي: إلا أنه ليس بهذه البساطة ولا يقترب من أن يكون مباشرًا. تختلف معدلات الطفرات وهي كلها أعداد صغيرة جدًا ، أي 10 ^ -8. على ما يبدو ليس لديك فكرة عما يعنيه ذلك.

هذا يعني أنه * إذا * كان لدينا جينوم بطول 10 ^ 8 ومعدل طفرة 10 ^ -8 لكل موقع لكل جيل ، فإن القيمة المتوقعة هي طفرة واحدة لكل جينوم لكل جيل. إذا كان هناك 100 جينوم في السكان ، فإن القيمة المتوقعة هي 100 طفرة عبر السكان لكل جيل. من منشورك الأصلي:

جو جي: ما لا يبدو أن NickM يدركه هو أن معدل الاستبدال = 1.1 × 10 ^ -8 ، وليس 40 طفرة / جيل. 40 هو عدد الطفرات التي يمكن أن نتوقعها في كل ولادة في ظل جينوم يبلغ 3.2 نقطة أساس.

معدل الاستبدال يساوي معدل الطفرات المحايدة. هذا يعني أنه إذا كان المعدل 40 طفرة محايدة لكل ولادة لكل جيل ، فإن القيمة المتوقعة هي 40 طفرة (حدثت سابقًا) تصبح ثابتة عبر السكان في كل جيل. كما قال نيك.

زاتشو:
هذا يعني أنه إذا كان المعدل 40 طفرة محايدة لكل ولادة لكل جيل ، فإن القيمة المتوقعة هي 40 طفرة (حدثت سابقًا) تصبح ثابتة عبر السكان في كل جيل.

واو ، إما أنك غبي حقًا أو جاهل حقًا.

40 هو عدد الطفرات وليس المعدل.

كل ما قيل من تأملات نظرية جيدة ولكن عاجلاً أم آجلاً يجب أن يكون هناك بعض الأدلة التجريبية المؤكدة ، والتي لا تزال تفتقر إلى النظرية المحايدة المتعلقة بتثبيت الطفرات المحايدة.

إنه لأمر مدهش ما سوف يعتقده evotards إذا اعتقدوا أنه يدعم ادعاءاتهم.

راجع للشغل Zacho- أنت بحاجة إلى معرفة معدل الطفرات المحايدة لأن معدل الطفرات يشمل جميع الأنواع ، محايدة ، حساسة ومفيدة. وهذا لا يغتسل مع المعادلة.

جو جي: 40 هو عدد الطفرات وليس المعدل.

إذا كان المعدل 1.1e-8 لكل قاعدة لكل جيل ، إذا كان طول الجينوم 3.2e9 من القواعد ، يكون المعدل

40 لكل جينوم لكل جيل.

هل هناك سبب يجعل كل تعليقاتنا تخضع للاعتدال؟

زاتشو:
إذا كان المعدل 1.1e-8 لكل قاعدة لكل جيل ، إذا كان طول الجينوم 3.2e9 من القواعد ، يكون المعدل

40 لكل جينوم لكل جيل.

خطأ - أنت تخلط بين الرقم والسعر.

ليس فقط أنه ليس لديك أي دليل تجريبي لدعم هذا الرقم.

لذلك عليك أن تبدأ من هناك. وإذا لم تقل أدلة تجريبية ، فلن يكون لديك أي شيء.

هل هناك سبب يجعل كل تعليقاتنا تخضع للاعتدال؟

زكريل: إذا كان المعدل 1.1e-8 لكل قاعدة لكل جيل ، إذا كان طول الجينوم 3.2e9 من القواعد ، يكون المعدل

40 لكل جينوم لكل جيل.

جو جي: خطأ - أنت تخلط بين الرقم والسعر.

1.1e-8 الطفرات لكل قاعدة لكل جيل معدل. 4e1 لكل جينوم لكل جيل هو معدل.

لماذا ترفض تقديم دعم تجريبي لمطالباتك؟

ما هو دليلك على وجود 40 طفرة محايدة لكل جينوم لكل جيل؟

لماذا ترفض تقديم دعم تجريبي لمطالباتك؟

ما هو دليلك على وجود 40 طفرة محايدة لكل جينوم لكل جيل؟

الآن بعد أن يبدو أنك حصلت أخيرًا على 1.1 × 10 ^ -8 طفرات لكل أساس لكل ولاد مرة 3.2 × 10 × 9 قواعد في الجينوم البشري = 35.2 طفرة لكل جينوم لكل ولادة ، وأن * كلاهما * معدلان ، يمكننا ناقش سؤالك أعلاه.

1. جاء عدد الطفرات 1.1 × 10 ^ -8 من البيانات التجريبية ، انظر صفحة ويكيبيديا للمرجع. هناك العديد من التجارب الشائعة لتحديد معدلات الطفرات ، على سبيل المثال:

(أ) ترتيب الوالدين والنسل وإحصاء الفروق

(ب) تسلسل الرجل والحمض النووي لبعض خلايا الحيوانات المنوية الخاصة به (شائعة في اليوم بسبب شيوع خلايا الحيوانات المنوية المذكورة)

2. الآن ، كم من هذه الطفرات محايدة؟ الإجابة: جميعها تقريبًا ، نظرًا لأن نسبة قليلة فقط من شفرات الجينوم للجينات أو تنظيم الجينات ، وحتى في الجينات ، فإن معظم الطفرات النقطية محايدة بسبب تكرار الشفرة الجينية.

هناك بعض الأدلة على أن بعض الطفرات & quot؛ المحايدة & quot (مثل الموضع الثالث في أكواد الحمض النووي) قد لا تكون محايدة بشكل انتقائي تمامًا ، وقد يكون بعضها مفيدًا أو ضارًا إلى حد ما. لكن الاختيار يمكن فقط & quot؛ & quot؛ & عرض & اقتباس الطفرات مع قيمة انتقائية معينة (القيمة يجب أن تكون قيمة مثل s أكبر من 1 / N ، ولا أتذكر تمامًا). لذلك إذا كان العيب الانتقائي للطفرة هو 1/10000 فقط ، فسيكون محايدًا بشكل فعال في نوع مثل البشر مع عدد سكان مؤثر تاريخيًا يصل إلى 1/10000. وأي شيء يقترب من 1/10000 سيكون أيضًا محايدًا تقريبًا (أي أن الانجراف الجيني سيكون له تأثير كبير على مصيره ، مقارنة بالاختيار).

نيكم:
1. جاء عدد الطفرات 1.1 × 10 ^ -8 من البيانات التجريبية ، انظر صفحة ويكيبيديا للمرجع.

2. الآن ، كم من هذه الطفرات محايدة؟ الإجابة: جميعها تقريبًا ، نظرًا لأن نسبة قليلة فقط من شفرات الجينوم للجينات أو تنظيم الجينات ، وحتى في الجينات ، فإن معظم الطفرات النقطية محايدة بسبب التكرار في الشفرة الجينية.

هراء غير قابل للاختبار حيث لا توجد طريقة لإجراء A) اختبار رموز ٪ للأشياء الضرورية و B) نعرف العديد من الطفرات الصامتة المزعومة التي لها تأثير - وهذا يرجع إلى طريقة عمل الترميز.

ومع ذلك ، فأنت بحاجة إلى بعض البيانات التجريبية ، أو بيانات العالم الحقيقي ، لدعم مطالبتك بمعدلات الاستبدال.

ليس لديك ذلك أو لسبب ما ترفض تقديمه.

حتى تفعل ذلك ، لا تملك أي شيء سوى تأكيد أصلع.

نيكم: لكن الاختيار يمكن فقط & quot؛ & quot؛ & عرض & اقتباس الطفرات مع قيمة انتقائية معينة (القيمة يجب أن تكون قيمة مثل s أكبر من 1 / N ، ولا أتذكر تمامًا).

هذا صحيح. ستكون الطفرة محايدة بشكل فعال إذا | s | & lt & lt 1 / (2N) ، ثنائي الصيغة الصبغية.

وما زلت ترفض تقديم دعم تجريبي لمطالباتك.

جو جي: وما زلت ترفض تقديم دعم تجريبي لمطالباتك.

لم نقم بأي مطالبات تجريبية. بدلاً من ذلك ، أجبنا على سؤال حول كيفية انتشار الطفرات المحايدة في مجموعة سكانية بالنظر إلى معدل معين من الطفرات المحايدة.

زاتشو:
بدلاً من ذلك ، أجبنا على سؤال حول كيفية انتشار الطفرات المحايدة في مجموعة سكانية بالنظر إلى معدل معين من الطفرات المحايدة.

& quotanswer & quot الخاص بك غير مدعوم ، مما يعني أنه ليس إجابة على الإطلاق.

راجع للشغل الجزء & quothow & quot هو مجرد صدفة ، لذلك لم تجب كيف.

زاتشو:
هذا يعني أنه إذا كان المعدل 40 طفرة محايدة لكل ولادة لكل جيل ، فإن القيمة المتوقعة هي 40 طفرة (حدثت سابقًا) تصبح ثابتة عبر السكان في كل جيل.

هراء محض - معنى بدون دعم تجريبي. وحتى تحصل على دعم تجريبي سيكون هراء محض.

لذلك إما أن تقوم بذلك أو تقوم برحلة أسفل شيناندواه وتذهب إلى البحر ، إذا لاحظت انجرافتي.

جو جي: & quotanswer & quot الخاص بك غير مدعوم ، مما يعني أنه ليس إجابة على الإطلاق.

هاه؟ لم نقم فقط بشرح سبب تساوي معدل الاستبدال مع معدل الطفرات ، ولكننا استشهدنا مباشرةً بكيمورا. ها هو مرة أخرى:

كيمورا ، وعلم الوراثة السكانية ، والتطور الجزيئي ، والنظرية المحايدة: & quot إذا كان الطافرة محايدة بشكل انتقائي ، فإن احتمال التثبيت النهائي يساوي تواترها الأولي ، أي u = 1 / (2N) في مجموعة ثنائية الصبغيات ، وبالتالي ، من مكافئ. (1) ، لدينا Ks = v. بعبارة أخرى ، بالنسبة للأليلات المحايدة ، فإن معدل التطور يساوي معدل الطفرات. & quot

طريقة لإثبات طبيعتك الجبانة من خلال عدم معالجة ما أنشره.

زاتشو:
لم نقم فقط بشرح سبب تساوي معدل الاستبدال مع معدل الطفرات ، ولكننا استشهدنا مباشرةً بكيمورا.

لسوء حظك ، لا تدعم imura مطالبتك بـ:

هذا يعني أنه إذا كان المعدل 40 طفرة محايدة لكل ولادة لكل جيل ، فإن القيمة المتوقعة هي 40 طفرة (حدثت سابقًا) تصبح ثابتة عبر السكان في كل جيل.

أنت مخادع كاذب. مما يعني أن ما تقوله هو هراء خالص- معنى بدون دعم تجريبي. وحتى تحصل على دعم تجريبي سيكون هراء محض.

انظر ، كل ما أطلبه هو دليل لدعم مطالبتك:

هذا يعني أنه إذا كان المعدل 40 طفرة محايدة لكل ولادة لكل جيل ، فإن القيمة المتوقعة هي 40 طفرة (حدثت سابقًا) تصبح ثابتة عبر السكان في كل جيل.

لقد قدمت المراجع التي تقول أجيال 4N لـ 1.

بدأ NickM بعدد سكان يبلغ 10000. هل فهمت ماذا نعني؟

جو جي: بدأ NickM بعدد سكان يبلغ 10000. هل فهمت ماذا نعني؟

نعم ، هذا يعني أن 40 طفرة محايدة أو نحو ذلك وصلت إلى التثبيت حدثت اليوم منذ 40 ألف جيل في المتوسط.

ما هو الدليل التجريبي لدعم مطالبتك؟

جو جي: يبدو أن هناك بعض الالتباس حول ما تقوله النظرية المحايدة عن معدلات الإحلال.

جو جي: وكيف يمكننا ان نقول؟ ما هو الدليل التجريبي لدعم مطالبتك؟

إنه ليس ادعاءً تجريبيًا ، ولكنه يستتبع نموذج النظرية المحايدة للتطور الذي قدمته في مشاركتك الأصلية.

زاتشو:
إنه ليس ادعاءً تجريبيًا ، ولكنه يستتبع نموذج النظرية المحايدة للتطور الذي قدمته في مشاركتك الأصلية.

لم أقم بتقديم النظرية المحايدة. فعل كيمورا.

وكيف تم تحديد أن الأمر يستتبع دون أي دعم تجريبي؟

جو جي: لم أقم بتقديم النظرية المحايدة. فعل كيمورا.

لقد طرحت نظرية محايدة في منشورك الأصلي.

جو جي: وكيف تم تحديد أن الأمر يستتبع دون أي دعم تجريبي؟

النظرية هي نموذج ، في هذه الحالة ، نموذج لكيفية انتشار الطفرات المحايدة من خلال مجموعة سكانية. بالنظر إلى أن بعض الطفرات محايدة (مثل البدائل المترادفة أو القواعد في الجين الكاذب) ، يمكن التنبؤ بتوزيعها الإحصائي. على وجه الخصوص ، فإن معدل تثبيت الطفرات المحايدة سيكون مساويًا لمعدل الطفرات المحايدة.

جو جي: وكيف تم تحديد أن الأمر يستتبع دون أي دعم تجريبي؟

هل تعلم ماذا تعني & quotentailment & quot؟

زاتشو:
هل تعلم ماذا تعني & quotentailment & quot؟

أجل أقبل. فكيف تعرف أن ما قلته من مقتضيات النظرية؟

زاتشو:
لقد طرحت نظرية محايدة في منشورك الأصلي.

وذلك لأن NickM طرحها في الخيط الآخر حول الشمبانزي والحمض النووي البشري.

لكن طرحه ليس هو نفسه تقديمه.

وكيف تم تحديد أن الأمر يستتبع دون أي دعم تجريبي؟

النظرية هي نموذج ، في هذه الحالة ، نموذج لكيفية انتشار الطفرات المحايدة من خلال مجموعة سكانية.

يمكن أن & # 39t نموذجًا علميًا لشيء ما دون دعم الأدلة.

بالنظر إلى أن بعض الطفرات محايدة (مثل البدائل المترادفة أو القواعد في الجين الكاذب) ، يمكن التنبؤ بتوزيعها الإحصائي.

لا قيمة للتنبؤ بدون دعم تجريبي أو إثباتي.

على وجه الخصوص ، فإن معدل تثبيت الطفرات المحايدة سيكون مساويًا لمعدل الطفرات المحايدة.

نعم ، ويمكنك قول أي شيء طالما أنك لست مطالبًا بدعمه. وهذا يجعله مجرد هراء ، كما قلت من قبل.

زكريل: هل تعلم ماذا تعني & quotentailment & quot؟

ثم أخبرنا ما هو الاستحقاق.

هناك العديد من التعريفات ولكن أود أن أقول إنك تستخدمها لتعني & الحصة اللازمة للمرافقة أو النتيجة & quot ، ولهذا السبب سألت فكيف تعرف أن ما قلته من مقتضيات النظرية؟

لقد تجنبت هذا السؤال لأن لديك مشكلات تتعلق بالنزاهة الفكرية.

الإعلان عن شيء ما على أنه استلزام ووجود دليل على أنه بالفعل شيئان مختلفان. لا يمكنك فهم ذلك.

جو جي: فكيف تعرف أن ما قلته من مقتضيات النظرية؟

لأنه يتبع مباشرة من المبنى. بافتراض وجود طفرات محايدة عشوائية غير مرتبطة μ ، في مجموعة ثنائية الصبغيات N:

التردد في مجتمع طفرة جديدة هو 1 / (2N).
احتمالية تثبيت الطفرة هي تواترها بين السكان.
عدد الطفرات الجديدة في السكان هو 2Nμ.
لذلك ، فإن معدل تثبيت الطفرات المحايدة هو 2Nμ * 1 / (2N) = μ.

من الواضح أن بعض الطفرات محايدة ، مثل القواعد في الجينات الكاذبة. والأدلة تدعم تطورهم المحايد.

فكيف تعرف أن ما قلته من مقتضيات النظرية؟

لأنه يتبع مباشرة من المبنى.

ولكن كل ما لدينا هو كلمتك لذلك. وهذا يعني أنه لا معنى له.

يمكنك الاستمرار في تكرار جميع المعادلات التي لم يتم التحقق منها ، والتي لا تجعلها صحيحة. ولا يعني ذلك أنك تفهمهم.

لذلك لا يوجد دعم تجريبي لإعلان الصلع.

عندما نشر أينشتاين نظريته عن النسبية لأول مرة ، احتوت حساباته على استنتاج. الغريب أنه لم يصدقه أحد حتى أكده إدينجتون عبر تجربة طبيعية. وقد تم تأكيده مرارًا وتكرارًا من خلال التجارب.

النظرية المحايدة & # 39s يستتبع عالق على الورق وهذا يجعلها موضع نقاش في العالم الحقيقي.

الإعلان عن شيء ما على أنه استلزام ووجود دليل على أنه بالفعل شيئان مختلفان. لا يمكنك فهم ذلك.

ومن الواضح أن زاتشو لا يفهم ذلك.

تحقق توقع آخر.

جو جي: ولكن كل ما لدينا هو كلمتك لذلك.

أم لا. يتبع الاستحقاق من مبنى النموذج ، الذي أظهرناه. كل ما تبقى هو التلويح باليد. حظا جيدا في ذلك.

ولكن كل ما لدينا هو كلمتك لذلك.

بدون دليل تجريبي ، كل ما لدينا هو كلمتك. وقد اعترفت بأن مطالبتك لا تحظى بدعم تجريبي.

يترتب على الاستحقاق من مباني النموذج.

الاستنتاج بدون دعم تجريبي لا معنى له. والنموذج بدون دعم تجريبي هو حلم بعيد المنال.

لقد أظهرت أنك تتفوق على الأشخاص الذين ليس لديهم أي نية لدعم أي شيء تدعي.


النتائج

لتقييم الدعم لعملية اكتساح انتقائية حديثة ، أتبع النهج الذي طوره P ritchard وآخرون. (1999) لتقدير الوقت منذ بداية النمو في البشر. على وجه التحديد ، ألخص بيانات تعدد الأشكال وأحصل على عينة من التوزيع اللاحق للمعلمات الشرطية على الملخصات التي تكون قريبة من (أي. ، ضمن حي محدد مسبقًا) أو مساوٍ للقيمة المرصودة. تم استخدام طرق مماثلة لأخذ عينات الرفض في سياقات أخرى ، بما في ذلك تقدير حجم السكان الفعال (B achtrog و C harlesworth 2002) ، معلمات السكان (T avare وآخرون. 1997 W كل 2000 F و D onnelly 2002) ، وعصر الأليل (T ishkoff وآخرون. 2001) ، وكذلك الاستدلال الديموغرافي (W eiss and von H aeseler 1998 B eaumont وآخرون. 2002). لمناقشة الاختلافات بين التطبيقات ، انظر B eaumont وآخرون. (2002).

اختيار الملخصات: بعيدًا عن القدرة على استخدام جميع المعلومات الموجودة في البيانات ، قد يرغب المرء في استخدام الملخصات الحساسة للمعامل المعني (هنا ، الوقت منذ تثبيت الأليل المفيد ، تي) والتقاط جوانب مختلفة من البيانات. أركز على ثلاث إحصائيات: عدد مواقع الفصل (س) ، ملخص الطيف الترددي الأليل (د) ، وملخصًا لاختلال التوازن (ح). أظهرت الدراسات السابقة اثنين من الإحصائيات ، س و دأن تكون حساسًا تجاه تي. على وجه التحديد ، من المتوقع أن تؤدي عمليات المسح الانتقائية إلى تقليل التنوع ، وبالتالي تقليله س، وتحريف طيف التردد نحو الأليلات النادرة ، مما يؤدي إلى سلبي د القيم (M aynard S mith and H aigh 1974 B raverman وآخرون. 1995 S imonsen وآخرون. 1995). اخترت د من بين ملخصات الطيف الترددي المختلفة لأنه عندما يتم استخدامه كإحصاء اختبار ، فإنه يحتفظ ، أكثر من الإحصائيات الأخرى ، بالقدرة على رفض نموذج محايد عندما يتم إنشاء البيانات بموجب نموذج مسح انتقائي لأكبر تي القيم (K im and S tephan 2002 P rzeworski 2002). د هو الفرق الطبيعي (تقريبًا) بين مقياس التنوع القائم على س و ، متوسط ​​الاختلاف الزوجي في العينة (T ajima 1989). وبالتالي ، تحديد س و د تحدد π أيضًا.

عدد الأنماط الفردانية ، ح، يحمل أيضًا معلومات حول تي. يعتمد سلوكها على قوة الاختيار ومعدل إعادة التركيب. إذا حدثت إعادة التركيب بين المواقع المحددة والمحايدة أثناء عملية المسح الانتقائي ، فعندئذٍ عند تي = 0, ح/(س + 1) سيكون أقل في المتوسط ​​مما سيكون عليه في غياب الاختيار (P rzeworski 2002). بعبارة أخرى ، تميل الارتباطات الأليلية إلى أن تكون أقوى مما ستكون عليه في حالة عدم الاختيار. كما تي الزيادات ، سوف تنشأ الأليلات الجديدة عن طريق الطفرة. هذه الأليلات النادرة ستخلق أنماطًا فردانية جديدة ، هكذا ح/(س + 1) سيتجاوز بسرعة التوقع المحايد. ستنخفض النسبة لاحقًا (عند تي »0.1) ، حيث تزداد الأليلات تدريجيًا في التردد وتتحد مع خلفيات أخرى (P rzeworski 2002). إذا لم يكن هناك إعادة تركيب بين المواقع المختارة والمحايدة أثناء المسح الانتقائي ، فإن معظم الأليلات ستكون نادرة ، و ح/(س + 1) أكبر من المتوقع في ظل الحياد ، مع بلوغ أكبر قيمة له تي & GT 0.1 (P rzeworski 2002).

- (أ) عينة من التوزيع اللاحق لـ تي لمجموعة بيانات محاكاة ، عندما يكون الوقت الحقيقي تيا = 0. المعلمات الأخرى المستخدمة لإنشاء مجموعة البيانات هي نفسها الواردة في الجدول 1 (مع وجود موحد سابق على تي) مع ضبط على 0.1 و مε = 10 4. في هذا المثال، س = 7, د = -1.78 و ح = 4. (ب) عينة من التوزيع اللاحق تي لمجموعة بيانات محاكاة ، عندما يكون الوقت الحقيقي تيا = 0.2. المعلمات الأخرى كما في A. في هذا المثال ، س = 8, د = -0.91 و ح = 10.

باختصار ، بينما لتقريب تقريبي ، س و د من المتوقع أن تزيد بشكل رتيب مع ذ/(س + 1) يميل إلى الحصول على قيمة قصوى عند بعض الوسيط ت. هذا يشير إلى أن استخدام ح كإحصاء إضافي قد يساعد في التمييز بين الحديث تي القيم وبالتالي تنقيح تقديرات تي تم الحصول عليها باستخدام د و س وحده. أوضح هذا في الشكل 1 من خلال رسم التوزيع اللاحق لـ تي لمجموعتين من البيانات المحاكاة ، مشروطة بـ س و د (السطر الاول) س و ح (الصف الثاني) و S ، د، و ح (الصف الأخير). كما يمكن رؤيته ، يؤدي التكييف على جميع الملخصات الثلاثة إلى توزيع أكثر إحكامًا حول القيمة الحقيقية مقارنةً باستخدام اثنين فقط ، يتم تأكيد هذه النتيجة من خلال عمليات محاكاة أكثر شمولاً (النتائج غير معروضة).

مدى إفادة الملخصات الثلاثة تي يعتمد على المعرفة المسبقة حول المعلمات. على وجه الخصوص ، يتطلب الكشف عن انخفاض في التنوع بعض المعرفة بمستويات التنوع المتوقع أن تكون في غياب الاختيار. وبالتالي ، إذا كان لدى المرء معرفة مسبقة دقيقة حول معدل طفرة السكان θ (= 4نμ) ، يمكن أن يكون الانخفاض في عدد مواقع الفصل وفي عدد الأنماط الفردانية مفيدًا للغاية حول الوقت منذ المسح الانتقائي (S imonsen وآخرون. 1995). عندما لا يُعرف الكثير عن θ ، فإن معظم المعلومات حول الوقت منذ المسح الانتقائي ستأتي من القيمة المرصودة لـ د وقيمة ح منح س.

أداء الطريقة على بيانات المحاكاة

فائدة إضافية لاستخدام جوانب مميزة من البيانات هو أن النهج قد يكون أقل حساسية لتحديد الخطأ في التوزيعات السابقة. على سبيل المثال ، الطرق التي تقدر تي على أساس مستويات التنوع وحدها شديدة الحساسية لتقدير θ. إذا قُدر أن أعلى مما هو عليه في الواقع ولكن لم يحدث أي اختيار ، فستظهر مستويات التباين منخفضة. على هذا الأساس ، قد تشير الأساليب بشكل خاطئ إلى التثبيت الأخير لأليل مفيد. ومع ذلك ، إذا تم إنشاء البيانات بموجب نموذج محايد بمعدل طفرة مرتفع ، فإن قيم د و ح تميل إلى أن تكون أقل احتمالية في ظل عملية مسح انتقائية حديثة عنها في ظل الحياد. وبالتالي ، قد يؤدي استخدام الملخصات الثلاثة جميعها إلى دعم أقل لملف حديث تي. لفحص هذا ، أجريت 20 محاكاة بدون تحديد حيث كان متوسط ​​التوزيع السابق لـ أكبر بمرتين من القيمة المستخدمة لتوليد البيانات (المعلمات كما في الجدول 1 للزي الرسمي السابق على تي). لم يكن هناك دعم قوي لعملية المسح الانتقائي الأخيرة لمجموعات البيانات المحاكاة (النتائج غير معروضة).

أداء النهج: أحد المخاوف هو أن الاحتمالات اللاحقة قد لا يتم تقديرها جيدًا. في هذا الصدد ، تتمثل ميزة هذه الطريقة على الأساليب الأكثر كفاءة مثل سلسلة مونت كارلو ماركوف في أنها توفر عينات مستقلة من التوزيع اللاحق ، بحيث يمكن للمرء بسهولة تقييم دقة تقديرات الاحتمالات اللاحقة. على وجه الخصوص ، إذا كانت العينة من الخلف ذات حجم مε، خطأ أخذ العينات المرتبط بـ بي، العدد المرصود من التهم في الفاصل الزمني ي، ذات الحدين (C arlin and L ouis 1998) ويمكن تقديرها باستخدام المعلمات (بي/مε, مε). يشير هذا إلى أن الاحتمالات بترتيب 1 /مε سيئة التقدير ، في حين أن هؤلاء »1 /مε يتم تقديرها بدقة إلى حد ما. في عمليات المحاكاة المعروضة هنا ، مε = 2000 واحتمالات الفائدة »5 × 10 -4.

السؤال الثاني هو ما إذا كانت البيانات التي تم إنشاؤها في إطار نموذج مسح التحديد مع معلمات واقعية تحمل الكثير من المعلومات حول المعلمة تي. يترك تيا أن يكون الوقت الحقيقي منذ تثبيت الأليل النافع. إذا كانت البيانات مفيدة ، فيجب أن يكون الدعم للأوقات الأخيرة أقوى في التوزيع اللاحق مما كان عليه في السابق إذا تيا هي 0 أو 0.10 ، بينما يجب أن يكون هناك دعم أضعف للأوقات الأخيرة في غياب الاختيار. كما يتضح من الجدول 1 ، ينطبق هذا على جميع عمليات التشغيل المحاكاة تقريبًا ، سواء كان التوزيع السابق لـ تي هو Exp (1.2) أو U (0 ، 1). لقياس نسبة مجموعات البيانات مع دعم قوي لعملية مسح انتقائية "حديثة" ، أقوم بجدولة نسبة 100 مجموعة بيانات تمت محاكاتها حيث تكون العلاقات العامة اللاحقة (تي ≤ 0.2) و GT 0.50. ل تيا = 0 ، النسبة عالية جدًا. يتناقص مع تيا، ولكن حتى عندما حدث الاستبدال المفيد منذ بعض الوقت (تيا = 0.10) ، يدعم أكثر من ثلث مجموعات البيانات المحاكاة بقوة عملية المسح الانتقائي (الجدول 1). في المقابل ، نادرًا ما يجد المرء (في & lt5٪ من الأشواط) دعمًا قويًا لعملية اكتساح انتقائية حديثة عندما لا يحدث أي منها. باختصار ، يبدو أن مجموعات البيانات المحاكاة غنية بالمعلومات حول التكيفات الجينية الحديثة. في البشر ، تتوافق المعلمات المختارة لعمليات المحاكاة بشكل فضفاض مع 25 فردًا متسلسلًا لـ 10 كيلو بايت في منطقة متوسط ​​إعادة التركيب ، مقارنة بما تم جمعه حاليًا لدراسات المواقع المختارة افتراضيًا (على سبيل المثال. ، إي نار وآخرون. 2002 H امبلين وآخرون. 2002).

لاحظ أيضًا أنه تم إجراء اختبارات الأداء هذه لتوزيعين سابقين مختلفين تمامًا لـ تي. النتائج متشابهة جدًا في كلا التطبيقين ، مما يشير إلى أن الطريقة قوية لاختيار التوزيع المسبق. هذا أمر مطمئن ، حيث لا يُعرف سوى القليل أو لا شيء عنه تي- على النقيض من المعلمات الأخرى ، حيث غالبًا ما تكون هناك معرفة مستقلة لتوجيه مواصفات السابق.

في بعض السياقات ، يهتم المرء بتقدير الوقت غير المقيس (بالأجيال) منذ تثبيت الأليل المفيد ، تيالجنرال = 4NT. كتقدير نقطي ، يمكن للمرء أن يفكر في طريقة العينة من التوزيع اللاحق لـ تيالجنرال. في الشكل 2 ، أرسم توزيع الأوضاع (أي. ، الحاوية ذات العدد الأكبر من التهم) لـ 100 مجموعة بيانات تمت محاكاتها. عندما يتم إنشاء البيانات وفقًا لنموذج عدم التحديد ، توجد أوضاع قليلة في الآونة الأخيرة (على سبيل المثال. ، 6 في تيالجنرال ≤ 8000 جيل). في المقابل ، عند إنشاء البيانات وفقًا لنموذج المسح الانتقائي الأخير ، تكون معظم الأوضاع قريبة من الوقت الحقيقي. على سبيل المثال ، إذا كان صحيحًا تيالجنرال هو 0 ، 94 من الأوضاع في تيالجنرال 4000 جيل. على النحو الصحيح تيالجنرال يزداد ، تقل دقة التقدير: وبالتالي ، إذا كان صحيحًا تيالجنرال 4000 جيل ، 60 فقط من الأوضاع تقع ضمن عاملين من القيمة الحقيقية.

- طرق التوزيع اللاحق لعينات تيالجنرال = 4NT لـ 100 مجموعة بيانات تمت محاكاتها. لكل مجموعة بيانات ، قيم تيالجنرال يتم تربيتها بزيادات قدرها 2000 من 0 إلى 80000 يشير الوضع إلى الحاوية ذات أكبر عدد من التهم. مجموعات البيانات المحاكاة هي نفسها التي تم تلخيصها في الجدول 1 للزي الرسمي السابق تي النتائج متشابهة إذا كانت السابقة بدلاً من ذلك هي Exp (1.2) (النتائج غير معروضة).

تطبيق ل السل 1: ال السل 1 locus هي المسؤولة عن الفروع القصيرة التي تميز الذرة عن سلفها البري ، teosinte. يُعتقد أن هذه السمة قد تم إصلاحها أثناء عملية التدجين ، 5-10 KYA (راجع. انج دبليو وآخرون. 1999). أستخدم بيانات تعدد الأشكال التي تم جمعها لـ 2740 نقطة أساس من الذرة السل 1 بواسطة T enaillon وآخرون. (2001 متاح من http://bgbox.bio.uci.edu/data/maud1asd.html). أركز على 14 سلالة من بين 23 سطرًا كانت النتائج متسلسلة متشابهة إذا تم تضمين 9 سلالات داخلية إضافية (النتائج غير معروضة). لهذه البيانات ، س = 39, ح = 14 و د = -2.25 [تم حساب الإحصائيات باستخدام DNAsp (R ozas و R ozas 1999)]. عينة من التوزيع اللاحق لـ تي معروض في الشكل 3 أ. أكثر من 99.99٪ من الدعم قيد التشغيل تي ≤ 0.2. وهكذا يتفق مع ما هو معروف عن دور السل 1 في تدجين الذرة ، تشير بيانات تعدد الأشكال بقوة إلى التثبيت الأخير لأليل مفيد.

أقدم أيضًا عينة من التوزيع الخلفي المشترك لـ س، ومعامل اختيار الأليل المفضل ، و تيالجنرال، الوقت في الأجيال منذ تثبيت الأليل المفيد (الشكل 3 ب). تشير النتائج إلى معامل اختيار كبير ، وفقًا للأدلة على أن السمة كانت تحت الانتقاء الاصطناعي. ومع ذلك ، فإن معظم الدعم في أوقات أقدم من المتوقع من السجل الأثري (بافتراض وجود جيل واحد تقريبًا في السنة للذرة). قد يكون هذا التناقض بسبب الصدفة ، لأن هناك تقديرات قليلة ل تيالجنرال سيكون بالقيمة الحقيقية حتى في ظل الظروف المثالية (انظر الشكل 2). بدلاً من ذلك ، قد يعكس افتراضًا غير صحيح حول موقع الموقع المحدد أو جانبًا بارزًا من تاريخ الذرة لم يتم التقاطه بواسطة النموذج الديموغرافي أو الانتقائي (انظر أدناه).


نتائج

الحصول على معدل الاستبدال المحايد

تنطبق تحقيقاتنا على فئة من النماذج التطورية (الموصوفة رسميًا في الطرق) حيث يكون التكاثر اللاجنسي ويتم إصلاح حجم السكان والبنية المكانية. على وجه التحديد ، هناك عدد ثابت من المواقع المفهرسة أنا = 1 ، & # x02026 ، ن. كل موقع مشغول دائمًا بفرد واحد. في كل خطوة زمنية ، يحدث حدث بديل ، مما يعني أنه يتم استبدال شاغلي بعض المواقع بنسل آخرين. يتم اختيار أحداث الاستبدال وفقًا لتوزيع احتمالية ثابتة & # x02014 تسمى قاعدة الاستبدال & # x02014 خاصة بالنموذج المعني. نظرًا لأننا نعتبر فقط الطفرات المحايدة التي ليس لها تأثير النمط الظاهري ، فإن احتمالات أحداث الاستبدال لا تعتمد على الحالة السكانية الحالية.

تتضمن هذه الفئة العديد من النماذج التطورية الراسخة. إحدى الفئات الفرعية المهمة هي عمليات موران المكانية [23 ، 33 & # x0201335] ، حيث يحدث تكاثر واحد بالضبط في كل خطوة زمنية. تتضمن هذه الفئة أيضًا عمليات رايت فيشر المكانية ، حيث يتم استبدال السكان بالكامل في كل خطوة زمنية [36 ، 37]. بشكل عام ، أي مجموعة فرعية ص & # x02282 <1 ، & # x02026 ، ن> يمكن استبدال الأفراد في حدث استبدال معين. يتم تسجيل النسب في حدث الاستبدال في خريطة النسل إلى الوالد & # x003b1:ص & # x02192 <1 ، & # x02026 ، ن> (انظر الطرق ، [32 ، 38]) ، والتي تضمن أن لكل نسل والد واحد بالضبط ويسمح لنا بتتبع الأنساب بمرور الوقت.

لنموذج معين في هذه الفئة ، دعونا ه اي جاي تشير إلى الاحتمال (الهامشي) الذي يشير إليه ساكن الموقع ي يتم استبداله بنسل الموقع أنا في خطوة زمنية واحدة. وبالتالي العدد المتوقع لنسل الموقع أنا خلال خطوة زمنية واحدة هي b i = & # x02211 j = 1 N e i j. احتمالية تلك العقدة أنا يموت (أي يتم استبداله) في خطوة زمنية هو d i = & # x02211 j = 1 N e j i. معدل الوفيات د أنا يمكن أيضًا اعتباره معدل دوران في الموقع أنا. يُشار إلى إجمالي عدد النسل المتوقع لكل خطوة زمنية ب = & # x02211 i = 1 N b i = & # x02211 i = 1 N d i = & # x02211 i، j e i j. نحدد الجيل ليكون ن/ب خطوات زمنية ، بحيث يتم استبدال كل موقع في المتوسط ​​مرة واحدة لكل جيل.

نستخدم هذا الإطار لدراسة مصير طفرة محايدة واحدة ، عند ظهورها وإما أن تختفي أو تصبح ثابتة. يعتمد احتمال التثبيت على الهيكل المكاني والموقع المبدئي للطفرة & # x02019s. نحن نسمح & # x003c1 أنا تشير إلى احتمال ظهور طفرة جديدة في الموقع أنا يصبح ثابتا. (& # x003c1 أنا يمكن فهمها أيضًا على أنها القيمة الإنجابية للموقع أنا [39].) نوضح في الطرق أن احتمالات التثبيت & # x003c1 أنا هي الحل الفريد لنظام المعادلات

تنشأ المعادلة (2) بسبب & # x003c1 أنا يساوي احتمال أن الشاغل الحالي للموقع أنا سيصبح الجد النهائي للسكان ، وهذا صحيح تمامًا لواحد من ن المواقع.

لتحديد المعدل الإجمالي للاستبدال ، يجب أن نأخذ في الاعتبار احتمالية حدوث طفرات في كل موقع. معدل ظهور الطفرات في الموقع أنا يتناسب مع معدل الدوران د أنا، لأن كل نسل جديد يوفر فرصة مستقلة للطفرة. على وجه التحديد ، إذا حدثت طفرة بمعدل ش & # x0226a 1 لكل تكاثر ، ثم تظهر طفرات جديدة في الموقع أنا في المعدل نود أنا/ب لكل جيل [32]. وبالتالي جزء الطفرات التي تنشأ في الموقع أنا يكون د أنا/ب.

احتمال التثبيت الكلي & # x003c1 من الطفرات الجديدة ، مع الأخذ في الاعتبار جميع المواقع الأولية المحتملة ، وبالتالي

معدل الساعة الجزيئي ك يتم الحصول عليها بضرب احتمال التثبيت & # x003c1 بالمعدل الإجمالي للطفرة لكل جيل:

وحدات ك هي بدائل لكل جيل. بدلاً من ذلك ، يمكن التعبير عن الساعة الجزيئية بوحدات الاستبدالات لكل خطوة زمنية ، وفي هذه الحالة تكون الصيغة K & # x002dc = B u & # x003c1 = u & # x02211 i = 1 N d i & # x003c1 i.

آثار التركيب المكاني

كيف تؤثر البنية المكانية على معدل الاستبدال المحايد؟ في مجتمع مختلط جيدًا ، من المرجح بشكل متساوٍ أن يحل كل فرد ونسل # x02019 على كل فرد آخر ، مما يعني أن ه اي جاي ثابت على كل شيء أنا و ي (الشكل 2 أ). في هذه الحالة ، الحل الفريد لمعادلات. (1) & # x02013 (2) هو & # x003c1 أنا = 1/ن للجميع أنا، ونستعيد نتيجة Kimura & # x02019s [2] ك = نو(1/ن) = ش. علاوة على ذلك ، إذا كان كل موقع مكافئًا في ظل التناظر ، كما في الشكل 2 ب ، فإن هذا التناظر يعني ذلك & # x003c1 أنا = 1/ن للجميع أنا و ك = ش كما في الحالة المختلطة جيدًا.

(أ) بالنسبة لمجموعة سكانية مختلطة جيدًا ، ممثلة برسم بياني كامل بأوزان حافة موحدة ، يكون للطفرة المحايدة 1 /ن فرصة التثبيت ، أين ن هو حجم السكان. ويترتب على ذلك المعدل ك من الإحلال المحايد في السكان يساوي المعدل ش من طفرة محايدة في الأفراد. (ب) نفس النتيجة تنطبق على الهياكل المكانية التي يكون فيها كل موقع متطابقًا مسبقًا ، مثل الدورة ذات أوزان الحافة المنتظمة.

ومع ذلك ، يمكن أن يؤدي الهيكل المكاني غير المتماثل إلى سرعة (ك & # x0003e ش) أو أبطأ (ك & # x0003c ش) معدلات الساعة الجزيئية مقارنة بمجموعة سكانية مختلطة جيدًا ، كما هو موضح في الشكل 3. من Eqs. (2) و (4) يمكننا أن نرى ذلك ك & # x0003e ش يعادل الشرط d & # x003c1 & # x000af & # x0003e d & # x0203e & # x003c1 & # x0203e ، حيث تشير الأشرطة إلى متوسطات أعلى أنا = 1 ، & # x02026 ، ن. هذا يعني أن الساعة الجزيئية تتسارع إذا وفقط إذا د أنا و & # x003c1 أنا ترتبط ارتباطًا إيجابيًا بالمواقع ، إذا وفقط إذا كان هناك ارتباط مكاني إيجابي بين وصول الطفرات الجديدة والنجاح الذي تتمتع به.

وذلك لأن تواتر الطفرات واحتمالية التثبيت تختلف عبر المواقع. يشار إلى معدلات الدوران من خلال اللون ، حيث يتوافق اللون الأحمر مع معدل الدوران المتكرر وبالتالي حدوث طفرة متكررة. (أ) يتكون النجم من محور و ن يترك ، بحيث يكون حجم السكان ن = ن+1. يتم اختيار أوزان الحواف بحيث تكون معدلات المواليد موحدة (ب أنا = 1 للجميع أنا). حل المعادلات. (1) & # x02013 (2) ، نحصل على احتمالات التثبيت الخاصة بالموقع لـ & # x003c1 ح = 1/(1+ن 2 و & # x003c1 إل = ن/(1+ن 2) للمحور وكل ورقة على التوالي. من Eq. (4) ، معدل الساعة الجزيئي هو K = 2 n 1 + n 2 u ، وهو ما يساوي ش ل ن = 1 وأقل من ش ل ن & # x02265 2. وبالتالي فإن البنية النجمية تبطئ معدل الاستبدال المحايد ، وفقًا للنتيجة 3. بشكل حدسي ، يحدث التباطؤ لأن الطفرات من المرجح أن تظهر في المحور ، حيث تقل فرص تثبيتها. (ب) مجموعة ذات بعد واحد مع استبدال ذاتي فقط في الموقع 1. حل المعادلات. (1) & # x02013 (2) نجد & # x003c1 1 = 8 15، & # x003c1 2 = 4 15، & # x003c1 3 = 2 15 و & # x003c1 4 = 1 15. (تنشأ قوى اثنين لأن هناك ضعف تدفق الجينات في اتجاه واحد مثل الآخر.) من المعادلة. (4) ، معدل الساعة الجزيئي هو K = 16 13 u & # x0003e u ، وبالتالي يتم تسريع الساعة الجزيئية في هذه الحالة.

دفعتنا هذه النتائج إلى البحث عن شروط عامة للبنية المكانية تؤدي إلى معدلات ساعة جزيئية أسرع أو أبطأ أو مماثلة لمجموعة سكانية مختلطة جيدًا. نجد أولا

النتيجة 1. إذا كانت معدلات الوفيات دأنا ثابتة على جميع المواقع i = 1 ، & # x02026 ، N ، ثم & # x003c1 = 1 / N ، وبالتالي K = u.

وبالتالي فإن معدل الساعة الجزيئية لا يتأثر بالهيكل المكاني إذا تم استبدال كل موقع بنفس المعدل (الشكل 4 أ). يمكن رؤية هذه النتيجة من خلال ملاحظة أنه إذا كان د أنا منتهية بشكل ثابت أنا، ثم منذ & # x02211 i = 1 N d i = B ، يتبع ذلك د أنا = ب/ن لكل أنا. استبدال في Eq. (3) غلة & # x003c1 = 1/ن.

(أ) تنص النتيجة 1 على أن الساعة الجزيئية لها نفس المعدل الموجود في مجموعة سكانية مختلطة جيدًا ، ك = ش، إذا كان معدل الدوران د أنا موحد عبر المواقع ، كما في هذا المثال (د أنا = 0.2 للجميع أنا). (ب) النتيجة 2 تؤكد ذلك & # x003c1 أنا = 1/ن للجميع أنا& # x02014 مرة أخرى مما يدل على ذلك ك = ش& # x02014if فقط إذا كان لكل موقع معدل ولادة مساوٍ لمعدل الوفيات ، ب أنا = د أنا للجميع أنا، كما في هذا المثال. يتم تلوين العقد وفقًا لمعدلات دورانها د أنا.

حالة أخرى تؤدي إلى ك = ش هو ما يلي:

النتيجة 2. إذا كان معدل المواليد يساوي معدل الوفيات في كل موقع (بأنا = دأنا لجميع i = 1 ، & # x02026 ، N) ، ثم & # x003c1 = 1 / N ، وبالتالي K = u. علاوة على ذلك ، بأنا = دأنا لجميع i = 1 ، & # x02026 ، N إذا وفقط إذا كان احتمال التثبيت هو نفسه من كل موقع (& # x003c1أنا = 1 / N للجميع i = 1 ، & # x02026 ، N).

وبالتالي ، إذا كانت الولادات والوفيات متوازنة في كل موقع ، فإن جميع المواقع توفر فرصة متساوية لتثبيت الطفرات (الشكل 4 ب). في هذه الحالة ، لم تتغير الساعة الجزيئية مرة أخرى عن القيمة الأساسية. على وجه الخصوص ، إذا كان التشتت متماثلًا بمعنى ذلك ه اي جاي = ه جي للجميع أنا و ي من ثم ك = ش. يمكن الحصول على النتيجة 2 بالتعويض & # x003c1 أنا = 1/ن للجميع أنا في المعادل. (1) وتبسيط الحصول عليها ب أنا = د أنا للجميع أنا (التفاصيل في الطرق). بدلاً من ذلك ، يمكن الحصول على النتيجة 2 كنتيجة طبيعية لنظرية الدوران ليبرمان وآخرون. [23].

تكشف نتيجتنا الثالثة عن & # x0201cs حد السرعة & # x0201d للتطور المحايد في حالة معدلات المواليد الثابتة:

النتيجة 3. إذا كانت معدلات المواليد بأنا ثابتة على جميع المواقع i = 1 ، & # x02026 ، N ، ثم & # x003c1 & # x02264 1 / N ، وبالتالي K & # x02264 u ، على قدم المساواة إذا وفقط إذا كانت معدلات الوفيات دأنا ثابتة أيضًا على المواقع.

بعبارة أخرى ، يؤدي الجمع بين معدلات المواليد الموحدة ومعدلات الوفيات غير المنتظمة إلى إبطاء الساعة الجزيئية. مثال على هذا التباطؤ في الشكل 3 أ. حدسيًا ، المواقع التي تحدث فيها الطفرات بشكل متكرر هي تلك التي بها معدلات وفاة عالية د أنا بسبب معدلات الوفيات المرتفعة هذه ، توفر هذه المواقع بشكل عام فرصة أقل للتثبيت. ومع ذلك ، فإن إثبات هذه النتيجة أكثر تعقيدًا بكثير مما قد يوحي به هذا الحدس (انظر الطرق).

أخيرًا ، نتحرى النطاق الكامل للقيم المحتملة لـ ك مع عدم وجود قيود على معدلات المواليد والوفيات. نجد ما يلي:

النتيجة 4. للتركيب السكاني المكاني التعسفي (لا توجد قيود على eاي جاي) يمكن أن يأخذ احتمال التثبيت أي قيمة 0 & # x02264 & # x003c1 & # x0003c 1 ، وبالتالي ، يمكن أن تأخذ الساعة الجزيئية أي معدل 0 & # x02264 K & # x0003c Nu.

هذه النتيجة مدهشة بشكل خاص ، من حيث أنها تشير إلى أن احتمال تثبيت طفرة جديدة يمكن أن يقترب بشكل تعسفي من الوحدة. يمكن إثبات النتيجة 4 من خلال النظر في البنية المكانية الافتراضية الموضحة في الشكل 5. أي قيمة غير سلبية لـ & # x003c1 يمكن الحصول على أقل من 1 عن طريق الاختيار المناسب للمعلمات (التفاصيل في الطرق).

تم إثبات ذلك من خلال النظر في بنية سكانية ذات تدفق جيني أحادي الاتجاه من المحور (H) إلى ن& # x022121 أوراق (L). التثبيت مضمون للطفرات التي تنشأ في المحور (& # x003c1 ح = 1) ومستحيل لمن ينشأ في الأوراق (& # x003c1 إل = 0). احتمال التثبيت الكلي يساوي المعادل. (3) إلى معدل الدوران في المحور: & # x003c1 = د ح = 1 & # x02212 (ن& # x022121)أ. وبالتالي فإن معدل الساعة الجزيئي هو ك = نو & # x003c1 = ن[1 & # x02212 (ن& # x022121)أ]ش. إنه يتبع هذا ك & # x0003e ش إذا وفقط إذا أ & # x0003c 1 /ن. بشكل بديهي ، يتم تسريع الساعة الجزيئية إذا كان المحور يعاني من دوران أكبر (وبالتالي المزيد من الطفرات) من المواقع الأخرى. أي قيمة & # x003c1 أكبر من أو يساوي 0 وأقل من 1 يمكن تحقيقه من خلال الاختيار الإيجابي المقابل لـ أ أقل من أو يساوي 1 / (ن& # x022121). ل أ = 1/(ن& # x022121) لدينا ك = 0 ، لأن الطفرات تظهر فقط في الأوراق حيث لا توجد فرصة للتثبيت. على الطرف المقابل ، في النهاية أ & # x02192 0 ، لدينا ك & # x02192 نو.

التطبيق على السكان المنبع والمصب

لتوضيح تأثيرات التشتت غير المتماثل على الساعة الجزيئية ، فإننا نعتبر مجموعة افتراضية تتكون من مجموعتين فرعيتين ، معنون & # x0201cupstream & # x0201d و & # x0201cdownstream & # x0201d (الشكل 6). يتم تسمية أحجام هذه المجموعات السكانية الفرعية ن & # x02191 و ن & # x02193، على التوالى. كل مجموعة سكانية فرعية مختلطة جيدًا ، مع احتمالات الاستبدال ه & # x02191 لكل زوج من مواقع المنبع و ه & # x02193 لكل زوج من مواقع المصب. يتم تمثيل التشتت بين المجموعات السكانية الفرعية من خلال احتمالات الاستبدال ه & # x02192 من كل موقع من مواقع المنبع إلى كل موقع متلقٍ ، و ه & # x02190 من كل موقع من مواقع المصب إلى كل موقع من مواقع المنبع. نحن نفترض أن هناك صافي تدفق الجينات في اتجاه مجرى النهر ، لذلك ه & # x02192 & # x0003e ه & # x02190.

كل مجموعة سكانية فرعية مختلطة جيدًا. احتمال الاستبدال ه اي جاي يساوي ه & # x02191 إذا المواقع أنا و ي كلاهما في المنبع ، ه & # x02193 لو أنا و ي كلاهما في اتجاه مجرى النهر ، ه & # x02192 لو أنا هو المنبع و ي هو المصب ، و ه & # x02190 لو أنا هو المصب و ي المنبع. نفترض أن هناك صافي تدفق الجينات في اتجاه مجرى النهر ، لذلك ه & # x02192 & # x0003e ه & # x02190. نجد أن الساعة الجزيئية تتسارع ، بالنسبة للحالة المختلطة جيدًا ، إذا وفقط إذا كان السكان الفرعيون في المنبع يعانون من معدل دوران أكبر من السكان الفرعيين في اتجاه مجرى النهر: ك & # x0003e ش إذا وفقط إذا د & # x02191 & # x0003e د & # x02193.

حل المعادلات. (1) & # x02013 (2) ، وجدنا أن احتمالات التثبيت من كل موقع من مواقع المنبع وكل موقع في اتجاه مجرى النهر ، على التوالي ، هي

تم اكتشاف احتمالات التثبيت هذه مسبقًا لنموذج مختلف لمجتمع مقسم [40]. استبدال احتمالات التثبيت هذه في المعادل. (4) ينتج معدل الساعة الجزيئي:

فوق، د & # x02191 و د & # x02193 هي معدلات الدوران في مجموعات المنبع والمصب ، على التوالي ، و ب = ن & # x02191 د & # x02191+ن & # x02193 د & # x02193 هو إجمالي معدل المواليد لكل خطوة زمنية. في الطرق ، نظهر ذلك ك & # x0003e ش إذا وفقط إذا د & # x02191 & # x0003e د & # x02193 وهذا يعني أن الساعة الجزيئية تتسارع إذا وفقط إذا كان هناك معدل دوران أكبر في مجتمع المنبع أكثر من سكان المصب.

في حالة تدفق الجينات أحادي الاتجاه ، ه & # x02190 = 0 ، معدل الساعة الجزيئي هو ببساطة ك = (د & # x02191/ب)نو. الكمية د & # x02191/ب يمثل المعدل النسبي لدوران السكان في المنبع ، ويمكن أن يأخذ أي قيمة في النطاق 0 & # x02264 د & # x02191/ب & # x0003c 1 /ن & # x02191 هكذا ك يأخذ القيم في النطاق 0 & # x02264 ك & # x0003c (ن/ن & # x02191)ش. نلاحظ أن الحد الأعلى على ك يتناسب عكسيا مع الحجم ن & # x02191 من سكان المنبع. أكبر قيم ممكنة لـ ك عندما تتحقق ن & # x02191 = 1 في هذه الحالة ك يمكن أن يقترب بشكل تعسفي من نو. تصمد هذه الحدود أيضًا في حالة وجود مجموعات سكانية فرعية متعددة في اتجاه مجرى النهر ، نظرًا لتدفق الجينات أحادي الاتجاه ، فإن الترتيب المكاني لمواقع المصب لا يؤثر على معدل الساعة الجزيئية. على وجه الخصوص ، إذا تم استبدال كل من المحور والأوراق في الشكل 5 بمجموعات سكانية فرعية مختلطة جيدًا ، إذن ك يحده أعلاه (ن/ن ح)ش، أين ن ح هو حجم التجمع السكاني الفرعي.

تطبيق على مجموعات الخلايا الظهارية

نتائجنا قابلة للتطبيق أيضًا على التطور الجسدي في مجموعات الخلايا ذاتية التجديد ، مثل الهياكل الشبيهة بالتشفير في الأمعاء. كشفت تقنيات الوسم الجديدة أن الطفرات المحايدة تتراكم في الخبايا المعوية بمعدل ثابت بمرور الوقت [41]. يتم الحفاظ على عدد الخلايا في كل سرداب بواسطة عدد صغير من الخلايا الجذعية الموجودة في قاع سرداب وتستبدل بعضها البعض باستمرار بطريقة عشوائية (الشكل 7 [42 & # x0201344]). نحن نركز على الأمعاء الدقيقة القريبة في الفئران ، حيث تشير الدراسات الحديثة [41 ، 45] إلى وجود & # x0223c 5 خلايا جذعية نشطة في كل سرداب ، تم استبدال كل منها & # x0223c 0.1 مرة يوميًا بواسطة أحد جيرانها. في إطار عملنا ، يتوافق هذا مع مجموعة سكانية منظمة بالدورة بحجم 5 مع معدلات استبدال 0.05 / يوم بين الجيران ، بحيث د أنا = 0.1 / يوم للجميع أنا.

عدد قليل من الخلايا الجذعية (ن & # x02191 & # x0223c 5) يقيمون في أسفل سرداب الأمعاء ويتم استبدالهم بالمعدل د & # x02191 & # x0223c 0.1 لكل خلية جذعية في اليوم. النتائج التجريبية [41 ، 45] تشير إلى بنية دورة للخلايا الجذعية. لتحقيق معدل الاستبدال الصحيح الذي حددناه ه اي جاي = 0.05 / يوم لكل زوج مجاور. تحل الخلايا الجذعية في سرداب فردي محل عدد أكبر بكثير من الخلايا السلفية والمتباينة (& # x0223c 250 [46]). يتم استبدال هذه الخلايا الأولية والخلايا المتمايزة في اتجاه مجرى النهر كل يوم تقريبًا [46]. يحد التنظيم الهرمي للخلايا المعوية ، جنبًا إلى جنب مع معدل دوران الخلايا الجذعية المنخفض ، من معدل البدائل الجينية المحايدة (K & # x002dc & # x02248 0.1 u بدائل في اليوم) ، حيث يمكن فقط إصلاح الطفرات التي تظهر في الخلايا الجذعية.

فقط الطفرات التي تنشأ في الخلايا الجذعية يمكن أن تصبح ثابتة داخل سرداب وبالتالي نحتاج فقط إلى النظر في احتمالات التثبيت ومعدلات الدوران بين الخلايا الجذعية. عن طريق التناسق بين الخلايا الجذعية ، & # x003c1 أنا = 1/5 لكل موقع من مواقع الخلايا الجذعية الخمسة. وبالتالي ، فإن معدل الساعة الجزيئي هو K & # x002dc = u & # x02211 i = 1 5 d i & # x003c1 i = 0. 1 ش بدائل في اليوم. يتوافق هذا مع الاكتشاف التجريبي ، بالنسبة للواسم الجيني المحايد ذي معدل الطفرات ش & # x02248 1.1 & # x000d710 & # x022124 ، تتراكم البدائل بمعدل K & # x002dc & # x02248 1.1 & # x000d7 10 & # x02212 5 لكل تشفير في اليوم [41].

هل يحد معمارية التشفير من معدل التغير الجيني في أنسجة الأمعاء؟ تحتوي الخبايا المعوية في الفئران على & # x0223c 250 خلية وتستبدل كل خلاياها مرة واحدة يوميًا تقريبًا [46]. إذا كان كل سرداب عبارة عن مجموعة مختلطة جيدًا ، فسيكون معدل الساعة الجزيئية K & # x002dc = B u / N & # x02248 u بدائل في اليوم. وهكذا فإن التركيب غير المتماثل لهذه الخبايا الظهارية يبطئ معدل الاستبدال الجيني المحايد عشرة أضعاف.

التطبيق على انتشار الأفكار

يمكن أيضًا تطبيق نتائجنا على الأفكار التي تنتشر عن طريق التقليد على الشبكات الاجتماعية. في هذا الإعداد ، تتوافق الطفرة مع فكرة جديدة يمكن أن تحل محل فكرة راسخة. الحياد يعني أن جميع الأفكار متساوية في احتمال تقليدها.

لمعرفة ما إذا كانت الشبكات الاجتماعية البشرية تسرع أو تبطئ من معدل استبدال الأفكار ، قمنا بتحليل 973 شبكة Twitter من مجموعة بيانات شبكة ستانفورد الكبيرة [47]. تمثل كل من هذه الشبكات & # x0201cego & # x0201d علاقات المتابعين بين تلك التي يتبعها فرد واحد & # x0201cego & # x0201d (الذي لم يكن هو نفسه مدرجًا في الشبكة). قمنا بتوجيه الروابط في كل شبكة للإشارة من متابع إلى تابع ، بما يتوافق مع الاتجاه المفترض لتدفق المعلومات. تمت إزالة الحلقات الذاتية. للتأكد من أن التثبيت ممكن ، قمنا بإزالة الأفراد الذين لا يمكن الوصول إليهم ، عبر الروابط الصادرة ، من العقدة ذات مركزية eigenvector الأكبر. اختلف حجم الشبكات الناتجة من 3 إلى 241 عقدة.

لنمذجة انتشار الأفكار على هذه الشبكات ، وضعناها ه اي جاي = 1/إل لو ي يتبع أنا وصفر بخلاف ذلك ، أين إل هو العدد الإجمالي للروابط. يمكن إنشاء مثيل لذلك من خلال افتراض أنه في كل خطوة زمنية ، يتم اختيار ارتباط تابع / متابع واحد باحتمال موحد. إما أن يتبنى التابع فكرة التابع ، مع احتمال 1 & # x02212ش، أو يبتكرها لخلق فكرة جديدة ، مع الاحتمالية ش، أين ش & # x0226a 1. مع هذه الافتراضات ، فإن المعدل الناتج لاستبدال الفكرة (كمضاعف ش) يعتمد فقط على هيكل الشبكة وليس على أي معلمات أخرى.

وجدنا أن متوسط ​​قيمة ك من بين شبكات الأنا هذه 0.557ش، بانحراف معياري قدره 0.222ش. تمتلك 19 شبكة من 973 شبكة (2٪) ك & # x0003e ش. شبكتان لها ك = ش بالضبط كل من هؤلاء ن = 3 عقد وموحدة في الدرجة د أنا، هكذا ك = ش يتبع من النتيجة 1 لهذه الشبكات. وجدنا علاقة سلبية ضعيفة ولكنها ذات دلالة إحصائية بين حجم الشبكة ن والقيمة ك/ش (منحدر & # x02248 & # x022120.00164 بفاصل ثقة 95٪ (& # x022120.0023 ، & # x022120.001) بناءً على طريقة التمهيد ص & # x02248 & # x022120.45). تستمر هذه العلاقة السلبية حتى إذا تمت إزالة الشبكات الصغيرة التي تحتوي على أقل من 10 عقد (المنحدر & # x02248 & # x022120.00156 بفاصل ثقة 95٪ (& # x022120.0023، & # x022120.0009) ص & # x02248 & # x022120.43). باختصار ، بينما تعمل بعض شبكات الأنا على تويتر على تسريع استبدال الابتكارات المحايدة ، فإن الغالبية العظمى تبطئ هذا المعدل (الأشكال. & # x200 ب (الشكلان 8 8 و & # x200 ب و 9 9).

(a & # x02013e) خمسة من 973 شبكة تم تحليلها ، بما في ذلك تلك التي (أ) أكبر قيمة ك، (ب) أصغر قيمة لـ ك، و (ج) أقل عدد من العقد. (و) مخطط مبعثر لـ ك/ش عكس ن يكشف عن ارتباط سلبي ضعيف (ميل & # x02248 & # x022120.00164 بفاصل ثقة 95٪ (& # x022120.0023 ، & # x022120.001) بناءً على طريقة التمهيد ص & # x02248 & # x022120.45). تتوافق النقاط الملونة الموجودة في مخطط التشتت مع الشبكات الموضحة في (a & # x02013e). الخط المتقطع يتوافق مع ك/ش = 1 ، حيث تعمل طوبولوجيا الشبكة على تسريع عملية الاستبدال المحايدة.

تعمل بنية الشبكة على تسريع عملية استبدال الفكرة (ك & # x0003e ش) إذا وفقط إذا كان هناك ارتباط مكاني إيجابي بين توليد الأفكار الجديدة (والتي تحدث في نموذجنا بشكل متناسب مع المعدل د أنا من الأفكار الواردة) واحتمال التثبيت & # x003c1 أنا. تُظهر اللوحات (أ) و (ب) الشبكات ذات الأبطأ (ك & # x02248 0.667ش) وأسرع (ك & # x02248 1.085ش) معدلات استبدال الفكرة ، على التوالي ، بين شبكات الحجم 13. تلون العقد يتوافق مع معدل دورانها د أنا، مع ألوان أكثر دفئًا تشير إلى دوران أسرع. حجم العقد يتوافق مع احتمال التثبيت & # x003c1 أنا.

يتعلق أحد التفسيرات المحتملة لندرة الشبكات التي تسرع من استبدال الفكرة بالعلاقة الجوهرية بين معدلات الدوران د أنا واحتمالات التثبيت الخاصة بالموقع & # x003c1 أنا. من Eq. (1) ، نرى ذلك & # x003c1 أنا يمكن كتابتها على أنها المنتج (1 / d i) & # x000d7 (& # x02211 j = 1 N e i j & # x003c1 j) ، حيث يمكن تفسير العامل الأول على أنه & # x0201cattention span & # x0201d of node أنا والثاني يمكن تفسيره على أنه تأثيره. في حين أن هذين العاملين ليسا مستقلين تمامًا ، فإننا لا نتوقع بالضرورة علاقة منهجية بينهما في مجموعة شبكة Twitter الخاصة بنا. في حالة عدم وجود مثل هذه العلاقة ، & # x003c1 أنا عكسيا ل د أنا، مما يوحي ك & # x0003c ش. بعبارة أخرى ، فإن العقد الأكثر خصوبة (من حيث توليد الأفكار الجديدة) هي أيضًا الأكثر تقلبًا (من حيث تبني أفكار الآخرين) وبالتالي يتم التخلي عن العديد من الأفكار الجديدة بمجرد إنشائها. هذه الحجة الاستكشافية تشير إلى ذلك ك & # x0003e ش، على الرغم من إمكانية حدوثه ، فقد يكون حدثًا غير شائع في الشبكات المستمدة من مجموعات إحصائية أو احتمالية.


محتويات

يمكن توضيح عملية الانجراف الجيني باستخدام 20 كرة من الرخام في وعاء لتمثيل 20 كائنًا حيًا في المجتمع. [8] اعتبر جرة الكرات هذه هي البداية. نصف الكرات الموجودة في الجرة حمراء ونصفها زرقاء ، وكل لون يتوافق مع أليل مختلف لجين واحد في المجتمع. في كل جيل جديد تتكاثر الكائنات بشكل عشوائي. لتمثيل هذا الاستنساخ ، اختر عشوائيًا قطعة رخامية من الجرة الأصلية وقم بإيداع رخام جديد بنفس اللون في جرة جديدة. هذا هو "نسل" الرخام الأصلي ، مما يعني أن الرخام الأصلي لا يزال في مرطبانه. كرر هذه العملية حتى تحصل على 20 كرة جديدة في البرطمان الثاني. سوف تحتوي الجرة الثانية الآن على 20 "نسل" ، أو كرات رخامية مختلفة الألوان. ما لم تحتوي الجرة الثانية بالضبط على 10 كرات حمراء و 10 كرات زرقاء ، فقد حدث تحول عشوائي في ترددات الأليل.

إذا تكررت هذه العملية عدة مرات ، فإن أعداد الرخام الأحمر والأزرق التي يتم قطفها كل جيل سوف تتقلب. في بعض الأحيان تحتوي الجرة على كرات زجاجية حمراء أكثر من البرطمان "الأصلي" وأحيانًا زرقاء أكثر. هذا التقلب مشابه للانحراف الجيني - تغيير في تردد أليل السكان الناتج عن اختلاف عشوائي في توزيع الأليلات من جيل إلى آخر.

بل إنه من الممكن ألا يتم اختيار أي كرات بلون معين في أي جيل ، مما يعني أنه ليس لديهم ذرية. في هذا المثال ، إذا لم يتم اختيار كرات حمراء ، فإن الجرة التي تمثل الجيل الجديد تحتوي فقط على نسل أزرق. إذا حدث هذا ، فُقد الأليل الأحمر بشكل دائم في التعداد ، بينما أصبح الأليل الأزرق المتبقي ثابتًا: جميع الأجيال القادمة زرقاء بالكامل. في التجمعات السكانية الصغيرة ، يمكن أن يحدث التثبيت في بضعة أجيال فقط.

يمكن توضيح آليات الانجراف الجيني بمثال مبسط. ضع في اعتبارك مستعمرة كبيرة جدًا من البكتيريا معزولة في قطرة من المحلول. البكتيريا متطابقة وراثيا باستثناء جين واحد مع اثنين من الأليلات المسمى أ و ب. أ و ب هي أليلات محايدة مما يعني أنها لا تؤثر على قدرة البكتيريا على البقاء على قيد الحياة وتكاثر جميع البكتيريا الموجودة في هذه المستعمرة ومن المرجح أن تعيش وتتكاثر. افترض أن نصف البكتيريا بها أليل أ والنصف الآخر لديه أليل ب. هكذا أ و ب لكل منها تردد أليل 1/2.

ثم تنكمش قطرة المحلول حتى يصبح لديها ما يكفي من الغذاء لتحمل أربع بكتيريا. تموت جميع البكتيريا الأخرى دون أن تتكاثر. من بين الأربعة الذين نجوا ، هناك ستة عشر توليفة محتملة لـ أ و ب الأليلات:

نظرًا لأن جميع البكتيريا الموجودة في المحلول الأصلي من المرجح أن تبقى على قيد الحياة عندما يتقلص المحلول ، فإن الناجين الأربعة هم عينة عشوائية من المستعمرة الأصلية. احتمال أن يكون لكل من الناجين الأربعة أليل معين هو 1/2 ، وبالتالي فإن احتمال حدوث أي توليفة معينة من الأليل عندما يتقلص المحلول هو

(حجم السكان الأصلي كبير جدًا لدرجة أن أخذ العينات يحدث بفعالية مع الاستبدال). بعبارة أخرى ، من المرجح أن تحدث كل مجموعة من المجموعات الستة عشر المحتملة للأليل ، مع احتمال 1/16.

حساب التوليفات التي لها نفس العدد من أ و ب، نحصل على الجدول التالي.

أ ب مجموعات احتمالا
4 0 1 1/16
3 1 4 4/16
2 2 6 6/16
1 3 4 4/16
0 4 1 1/16

كما هو موضح في الجدول ، العدد الإجمالي للتركيبات التي لها نفس العدد من أ الأليلات اعتبارًا من ب الأليلات ستة ، واحتمال هذه المجموعة هو 6/16. العدد الإجمالي للتركيبات الأخرى هو عشرة ، وبالتالي فإن احتمال عدم تساوي عدد أ و ب الأليلات هي 10/16. وهكذا ، على الرغم من أن المستعمرة الأصلية بدأت بعدد متساوٍ من أ و ب الأليلات ، من الممكن جدًا ألا يكون عدد الأليلات في المجموعة المتبقية المكونة من أربعة أعضاء متساويًا. الأرقام المتساوية هي في الواقع أقل احتمالا من الأعداد غير المتكافئة. في الحالة الأخيرة ، حدث الانجراف الجيني لأن ترددات أليل السكان قد تغيرت بسبب أخذ العينات العشوائية. في هذا المثال ، تقلص عدد السكان إلى أربعة ناجين عشوائيين فقط ، وهي ظاهرة تُعرف باسم عنق الزجاجة السكاني.

احتمالات عدد نسخ الأليل أ (أو ب) التي نجت (الواردة في العمود الأخير من الجدول أعلاه) يمكن حسابها مباشرة من التوزيع ذي الحدين حيث يكون احتمال "النجاح" (احتمال وجود أليل معين) هو 1/2 (أي احتمال وجود ك نسخ من أ (أو ب) الأليلات في الجمع) بواسطة

أين ن = 4 هو عدد البكتيريا الباقية على قيد الحياة.

يمكن تصميم النماذج الرياضية للانجراف الجيني باستخدام إما عمليات متفرعة أو معادلة انتشار تصف التغيرات في تردد الأليل في مجتمع مثالي. [9]

تعديل نموذج رايت فيشر

خذ بعين الاعتبار جينًا به أليلين ، أ أو ب. في مجموعات ثنائية الصبغيات تتكون من ن الأفراد هناك 2ن نسخ من كل جين. يمكن للفرد أن يمتلك نسختين من نفس الأليل أو أليلين مختلفين. يمكننا استدعاء تردد أليل واحد ص وتواتر الاخر ف. يفترض نموذج رايت فيشر (الذي سمي على اسم سيوال رايت ورونالد فيشر) أن الأجيال لا تتداخل (على سبيل المثال ، النباتات السنوية لها جيل واحد بالضبط كل عام) وأن كل نسخة من الجين الموجود في الجيل الجديد يتم رسمها بشكل مستقل عشوائيًا. من جميع نسخ الجين في الجيل القديم. الصيغة لحساب احتمال الحصول ك نسخ أليل لها تردد ص في الجيل الأخير ثم [10] [11]

أين الرمز "!"يشير إلى دالة العوامل. يمكن أيضًا صياغة هذا التعبير باستخدام معامل ذي الحدين ،

تحرير نموذج موران

يفترض نموذج موران وجود أجيال متداخلة. في كل خطوة زمنية ، يتم اختيار فرد واحد للتكاثر ويتم اختيار فرد واحد للموت. لذلك في كل خطوة زمنية ، يمكن أن يزداد عدد نسخ الأليل الواحد بمقدار واحد ، أو ينخفض ​​بمقدار واحد ، أو يمكن أن يظل كما هو. هذا يعني أن مصفوفة الانتقال ثلاثية الأضلاع ، مما يعني أن الحلول الرياضية أسهل بالنسبة لنموذج موران مقارنة بنموذج رايت فيشر. من ناحية أخرى ، عادة ما تكون عمليات المحاكاة الحاسوبية أسهل في الأداء باستخدام نموذج رايت فيشر ، لأنه يلزم حساب خطوات زمنية أقل. في نموذج موران ، يتطلب الأمر ن الخطوات الزمنية للوصول إلى جيل واحد ، وأين ن هو حجم السكان الفعال. في نموذج رايت فيشر ، يتطلب الأمر واحدًا فقط. [12]

من الناحية العملية ، يعطي نموذجا موران ورايت فيشر نتائج مماثلة من حيث النوعية ، لكن الانجراف الجيني يعمل بسرعة مضاعفة في نموذج موران.

نماذج أخرى من تحرير الانجراف

إذا كان التباين في عدد النسل أكبر بكثير من التباين المعطى من خلال التوزيع ذي الحدين الذي يفترضه نموذج رايت فيشر ، فبالنظر إلى نفس السرعة الإجمالية للانحراف الجيني (حجم التباين الفعال للسكان) ، يكون الانجراف الجيني قوة أقل قوة مقارنة بالاختيار. [13] حتى بالنسبة لنفس التباين ، إذا كانت اللحظات الأعلى لتوزيع عدد النسل تفوق تلك الخاصة بالتوزيع ذي الحدين ، فإن قوة الانجراف الجيني تضعف إلى حد كبير. [14]

تحرير التأثيرات العشوائية بخلاف خطأ أخذ العينات

يمكن أيضًا أن تحدث التغييرات العشوائية في ترددات الأليل بسبب تأثيرات أخرى غير خطأ أخذ العينات ، على سبيل المثال التغييرات العشوائية في ضغط الاختيار. [15]

أحد المصادر البديلة المهمة للعشوائية ، ربما أكثر أهمية من الانجراف الجيني ، هو المسودة الجينية. [16] المسودة الجينية هي التأثير على موضع بالاختيار على موقع مرتبط. تختلف الخصائص الرياضية للمشروع الجيني عن خصائص الانجراف الجيني. [17] اتجاه التغيير العشوائي في تردد الأليل مرتبط تلقائيًا عبر الأجيال. [2]

ينص مبدأ هاردي واينبرغ على أنه ضمن التجمعات السكانية الكبيرة بشكل كافٍ ، تظل ترددات الأليل ثابتة من جيل إلى آخر ما لم يتم إزعاج التوازن بسبب الهجرة أو الطفرات الجينية أو الانتقاء. [18]

ومع ذلك ، في التجمعات المحدودة ، لا يتم الحصول على أليلات جديدة من أخذ العينات العشوائية للأليلات التي تم تمريرها إلى الجيل التالي ، ولكن أخذ العينات يمكن أن يتسبب في اختفاء الأليل الموجود. نظرًا لأن أخذ العينات العشوائي يمكن أن يزيل الأليل ، ولكن لا يحل محله ، ولأن الانخفاض العشوائي أو الزيادات في تردد الأليل يؤثر على توزيعات الأليل المتوقعة للجيل التالي ، فإن الانجراف الجيني يدفع السكان نحو التوحيد الجيني بمرور الوقت. عندما يصل الأليل إلى تردد 1 (100٪) يقال إنه "ثابت" في المجتمع وعندما يصل الأليل إلى تردد 0 (0٪) فإنه يفقد. تحقق المجموعات الصغيرة التثبيت بشكل أسرع ، بينما في حدود عدد لا نهائي من السكان ، لا يتحقق التثبيت. بمجرد أن يصبح الأليل ثابتًا ، يتوقف الانجراف الجيني ، ولا يمكن أن يتغير تردد الأليل ما لم يتم إدخال أليل جديد في المجموعة عن طريق الطفرة أو تدفق الجينات. وهكذا ، حتى في حين أن الانجراف الجيني هو عملية عشوائية بلا اتجاه ، فإنه يعمل على القضاء على الاختلاف الجيني بمرور الوقت. [19]

معدل تغيير تردد الأليل بسبب تحرير الانجراف

بعد افتراض أن الانجراف الجيني هو القوة التطورية الوحيدة المؤثرة على الأليل ر الأجيال في العديد من المجموعات المكررة ، بدءًا من ترددات الأليل ص و ف، فإن التباين في تردد الأليل عبر تلك المجموعات هو

حان وقت التثبيت أو الخسارة

بافتراض أن الانجراف الجيني هو القوة التطورية الوحيدة التي تعمل على أليل ، في أي وقت من الأوقات ، فإن احتمال أن يصبح الأليل ثابتًا في النهاية في المجموعة هو ببساطة تواتره في المجتمع في ذلك الوقت. [21] على سبيل المثال إذا كان التردد ص للأليل أ 75٪ والتردد ف للأليل ب هو 25٪ ، ثم بالنظر إلى الوقت غير المحدود الاحتمال أ في نهاية المطاف ثابتة في عدد السكان 75٪ واحتمال ذلك ب سيتم إصلاحه بنسبة 25٪.

يتناسب العدد المتوقع من الأجيال لحدوث التثبيت مع حجم السكان ، ومن المتوقع أن يحدث التثبيت بسرعة أكبر بكثير في التجمعات السكانية الأصغر. [22] عادةً ما يتم استخدام حجم السكان الفعال ، والذي يكون أصغر من إجمالي عدد السكان ، لتحديد هذه الاحتمالات. السكان الفعال (نه) يأخذ في الاعتبار عوامل مثل مستوى زواج الأقارب ، ومرحلة دورة الحياة التي يكون فيها عدد السكان هو الأصغر ، وحقيقة أن بعض الجينات المحايدة مرتبطة وراثيًا بجينات أخرى قيد الاختيار. [13] قد لا يكون حجم المجتمع الفعال هو نفسه لكل جين في نفس المجموعة السكانية. [23]

إحدى الصيغ التطلعية المستخدمة لتقريب الوقت المتوقع قبل أن يصبح الأليل المحايد ثابتًا من خلال الانجراف الجيني ، وفقًا لنموذج رايت فيشر ، هو

أين تي هو عدد الأجيال ، نه هو الحجم الفعال للسكان ، و ص هو التردد الأولي للأليل المحدد. والنتيجة هي عدد الأجيال المتوقع مرورها قبل حدوث التثبيت لأليل معين في مجتمع ذي حجم معين (نه) وتردد الأليل (ص). [24]

يمكن حساب الوقت المتوقع لضياع الأليل المحايد من خلال الانجراف الجيني على النحو [10]

عندما تظهر الطفرة مرة واحدة فقط في مجموعة كبيرة بما يكفي ليكون التردد الأولي ضئيلًا ، يمكن تبسيط الصيغ إلى [25]

لمتوسط ​​عدد الأجيال المتوقعة قبل تثبيت طفرة محايدة ، و

لمتوسط ​​عدد الأجيال المتوقعة قبل فقدان طفرة محايدة. [26]

حان الوقت للضياع مع كل من الانجراف والطفرة Edit

تنطبق الصيغ أعلاه على أليل موجود بالفعل في مجموعة سكانية ، والذي لا يخضع للطفرة أو الانتقاء الطبيعي. إذا فقدت الطفرة أليلًا في كثير من الأحيان أكثر مما تكتسبه الطفرة ، فإن الطفرة ، وكذلك الانجراف ، قد تؤثر على وقت الضياع. إذا بدأ الأليل المعرض للفقد الطفري كما هو ثابت في المجتمع ، وفقد بسبب الطفرة بمعدل m لكل تكرار ، فإن الوقت المتوقع في الأجيال حتى فقدانه في مجموعة أحادية العدد يتم إعطاؤه بواسطة

حيث γ < displaystyle gamma> هي ثابت أويلر. [27] يمثل التقريب الأول وقت الانتظار حتى مصير الطافرة الأولى الخسارة ، مع حدوث الخسارة بعد ذلك بسرعة نسبيًا عن طريق الانجراف الجيني ، وتستغرق وقتًا نه ≪ 1/م. يمثل التقريب الثاني الوقت اللازم للخسارة الحتمية من خلال تراكم الطفرات. في كلتا الحالتين ، تسيطر الطفرة على وقت التثبيت من خلال المصطلح 1 /م، وأقل تأثرًا بحجم السكان الفعال.

في المجموعات الطبيعية ، لا يعمل الانحراف الجيني والانتقاء الطبيعي بمعزل عن كلتا الظاهرتين ، جنبًا إلى جنب مع الطفرات والهجرة. التطور المحايد هو نتاج كل من الطفرة والانجراف ، وليس الانجراف وحده. وبالمثل ، حتى عندما يطغى الانتقاء على الانجراف الجيني ، فإنه يمكن أن يعمل فقط على التباين الذي توفره الطفرة.

في حين أن الانتقاء الطبيعي له اتجاه ، يوجه التطور نحو تكيفات وراثية مع البيئة الحالية ، فإن الانجراف الجيني ليس له اتجاه ويتم توجيهه فقط من خلال رياضيات الصدفة. [28] ونتيجة لذلك ، يؤثر الانجراف على ترددات النمط الجيني داخل مجموعة سكانية دون اعتبار لتأثيراتها المظهرية. في المقابل ، يفضل الانتقاء انتشار الأليلات التي تزيد تأثيراتها المظهرية من بقاء و / أو تكاثر ناقلاتها ، وتقلل من ترددات الأليلات التي تسبب سمات غير مواتية ، وتتجاهل تلك التي تكون محايدة. [29]

يتنبأ قانون الأعداد الكبيرة أنه عندما يكون العدد المطلق لنسخ الأليل صغيرًا (على سبيل المثال ، في مجموعات صغيرة) ، يكون حجم الانجراف على ترددات الأليل لكل جيل أكبر. حجم الانجراف كبير بما يكفي لإرباك الاختيار عند أي تردد أليل عندما يكون معامل الاختيار أقل من 1 مقسومًا على حجم المجتمع الفعال. لذلك يعتبر التطور غير التكيفي الناتج عن نتاج الطفرة والانحراف الجيني آلية تبعية للتغيير التطوري في المقام الأول داخل مجموعات صغيرة ومعزولة. [30] تعتمد رياضيات الانجراف الجيني على الحجم الفعال للسكان ، ولكن ليس من الواضح كيف يرتبط ذلك بالعدد الفعلي للأفراد في مجموعة سكانية ما. [16] يمكن أن يؤدي الارتباط الجيني بالجينات الأخرى التي تخضع للاختيار إلى تقليل حجم السكان الفعال الذي يعاني منه الأليل المحايد. مع ارتفاع معدل إعادة التركيب ، ينخفض ​​الارتباط ومعه هذا التأثير المحلي على حجم السكان الفعال. [31] [32] يظهر هذا التأثير في البيانات الجزيئية كعلاقة بين معدل إعادة التركيب المحلي والتنوع الجيني ، [33] والعلاقة السلبية بين كثافة الجينات والتنوع في مناطق الحمض النووي غير المشفر. [34] العشوائية المرتبطة بالارتباط بالجينات الأخرى التي هي قيد الاختيار ليست هي نفسها خطأ أخذ العينات ، وتُعرف أحيانًا باسم المسودة الجينية لتمييزها عن الانجراف الجيني. [16]

عندما يكون تردد الأليل صغيرًا جدًا ، يمكن للانجراف أيضًا التغلب على الاختيار حتى في التجمعات السكانية الكبيرة. على سبيل المثال ، بينما عادة ما يتم القضاء على الطفرات الضارة بسرعة في أعداد كبيرة من السكان ، فإن الطفرات المفيدة الجديدة تكون تقريبًا عرضة للفقد من خلال الانجراف الجيني مثل الطفرات المحايدة. لن يكون للانجراف الجيني أي تأثير حتى يصل تردد الأليل للطفرة المفيدة إلى حد معين. [29]

الاختناق السكاني هو عندما يتقلص عدد السكان إلى حجم أصغر بشكل ملحوظ خلال فترة زمنية قصيرة بسبب بعض الأحداث البيئية العشوائية. في عنق الزجاجة السكاني الحقيقي ، تكون احتمالات بقاء أي فرد من السكان عشوائية بحتة ، ولا تتحسن بأي ميزة وراثية معينة. يمكن أن يؤدي عنق الزجاجة إلى تغييرات جذرية في ترددات الأليل ، مستقلة تمامًا عن الاختيار. [35]

يمكن أن يستمر تأثير الاختناق السكاني ، حتى عندما يكون الاختناق ناتجًا عن حدث لمرة واحدة مثل كارثة طبيعية. من الأمثلة المثيرة للاهتمام على عنق الزجاجة الذي يتسبب في توزيع جيني غير عادي هو النسبة المرتفعة نسبيًا من الأفراد المصابين بعمى ألوان الخلايا القضيبية الكلي (العمق) في جزيرة بينجيلاب المرجانية في ميكرونيزيا. بعد عنق الزجاجة ، يزداد زواج الأقارب. هذا يزيد من الضرر الناجم عن الطفرات الضارة المتنحية ، في عملية تعرف باسم اكتئاب زواج الأقارب. يتم اختيار أسوأ هذه الطفرات مقابل ، مما يؤدي إلى فقدان الأليلات الأخرى المرتبطة وراثيًا بها ، في عملية اختيار الخلفية. [2] بالنسبة للطفرات الضارة المتنحية ، يمكن تعزيز هذا الاختيار كنتيجة للاختناق بسبب التطهير الجيني. هذا يؤدي إلى مزيد من فقدان التنوع الجيني. بالإضافة إلى ذلك ، يؤدي الانخفاض المستمر في حجم السكان إلى زيادة احتمالية حدوث مزيد من تقلبات الأليل من الانجراف في الأجيال القادمة.

يمكن تقليل التباين الجيني للسكان بشكل كبير من خلال عنق الزجاجة ، وحتى التكيفات المفيدة يمكن القضاء عليها بشكل دائم. [36] يؤدي فقدان التباين إلى جعل السكان الأحياء عرضة لأي ضغوط اختيار جديدة مثل المرض أو التغير المناخي أو التحول في مصدر الغذاء المتاح ، لأن التكيف استجابة للتغيرات البيئية يتطلب تنوعًا جينيًا كافيًا في السكان ليأخذها الانتقاء الطبيعي مكان. [37] [38]

كانت هناك العديد من الحالات المعروفة للاختناق السكاني في الماضي القريب. قبل وصول الأوروبيين ، كانت مروج أمريكا الشمالية موطنًا لملايين دجاج البراري الكبير. في ولاية إلينوي وحدها ، انخفضت أعدادها من حوالي 100 مليون طائر في عام 1900 إلى حوالي 50 طائرًا في التسعينيات. نتج الانخفاض في عدد السكان عن الصيد وتدمير الموائل ، ولكن النتيجة كانت فقدان معظم التنوع الجيني للأنواع. يوثق تحليل الحمض النووي الذي يقارن الطيور من منتصف القرن بالطيور في التسعينيات انخفاضًا حادًا في التباين الجيني في العقود القليلة الأخيرة فقط. يشهد دجاج البراري الكبير حاليًا نجاحًا إنجابيًا منخفضًا. [39]

ومع ذلك ، فإن الخسارة الوراثية الناتجة عن الاختناق والانحراف الجيني يمكن أن تزيد اللياقة ، كما هو الحال في إرليخيا. [40]

تسبب الصيد الجائر أيضًا في اختناق شديد في عدد سكان فقمة الفيل الشمالي في القرن التاسع عشر. يمكن استنتاج تراجع التباين الجيني الناتج عن ذلك من خلال مقارنته مع فقمة الفيل الجنوبية ، والتي لم يتم اصطيادها بقوة. [41]

تحرير تأثير المؤسس

تأثير المؤسس هو حالة خاصة من الاختناق السكاني ، يحدث عندما تنفصل مجموعة صغيرة من السكان عن السكان الأصليين وتشكل مجموعة جديدة. من المتوقع أن تؤدي العينة العشوائية من الأليلات الموجودة في المستعمرة الجديدة التي تم تشكيلها للتو إلى تحريف فادح للسكان الأصليين في بعض النواحي على الأقل. [42] من الممكن أيضًا أن يكون عدد الأليلات لبعض الجينات في المجموعة الأصلية أكبر من عدد نسخ الجينات لدى المؤسسين ، مما يجعل التمثيل الكامل مستحيلًا. عندما تكون المستعمرة حديثة التكوين صغيرة ، يمكن لمؤسسيها أن يؤثروا بشدة على التكوين الجيني للسكان في المستقبل.

تم العثور على مثال موثق جيدًا في هجرة الأميش إلى بنسلفانيا عام 1744. شارك عضوان من المستعمرة الجديدة الأليل المتنحي لمتلازمة إليس-فان كريفيلد. يميل أعضاء المستعمرة وأحفادهم إلى العزلة الدينية ويظلون منعزلين نسبيًا. نتيجة لأجيال عديدة من زواج الأقارب ، أصبحت متلازمة إليس فان كريفيلد الآن أكثر انتشارًا بين الأميش منها بين عامة السكان. [29] [43]

قد يؤدي الاختلاف في ترددات الجينات بين السكان الأصليين والمستعمرة أيضًا إلى تحفيز المجموعتين على التباعد بشكل كبير على مدار العديد من الأجيال. مع زيادة الاختلاف ، أو المسافة الجينية ، قد تصبح المجموعتان المنفصلتان مختلفتين ، وراثيًا وظاهريًا ، على الرغم من أن ليس فقط الانجراف الجيني ولكن أيضًا الانتقاء الطبيعي ، وتدفق الجينات ، والطفرة تساهم في هذا الاختلاف. أدت هذه الاحتمالية للتغيرات السريعة نسبيًا في تواتر جينات المستعمرة إلى اعتبار معظم العلماء أن تأثير المؤسس (وبالتالي الانجراف الجيني) قوة دافعة مهمة في تطور الأنواع الجديدة. كان سيوال رايت أول من ربط هذه الأهمية بالانحراف العشوائي والمجموعات الصغيرة المعزولة حديثًا بنظريته المتغيرة للتوازن في الانتواع. [44] تبعًا لرايت ، ابتكر إرنست ماير العديد من النماذج المقنعة لإظهار أن الانخفاض في التنوع الجيني وصغر حجم السكان بعد تأثير المؤسس كانا مهمين للغاية لتطوير الأنواع الجديدة. [45] ومع ذلك ، هناك دعم أقل بكثير لهذا الرأي اليوم حيث تم اختبار الفرضية مرارًا وتكرارًا من خلال البحث التجريبي وكانت النتائج ملتبسة في أحسن الأحوال. [46]

تم تحديد دور الصدفة العشوائية في التطور لأول مرة بواسطة Arend L. Hagedoorn و A.C. استجاب فيشر (1922) لهذا مع المعالجة الرياضية الأولى ، وإن كانت غير صحيحة بشكل هامشي ، لـ "تأثير Hagedoorn". [48] ​​والجدير بالذكر أنه توقع أن العديد من التجمعات الطبيعية كانت كبيرة جدًا (an N.

10،000) لتأثيرات الانجراف لتكون جوهرية وانحراف الفكر سيكون له تأثير ضئيل على العملية التطورية. العلاج الرياضي المصحح ومصطلح "الانجراف الجيني" صاغهما لاحقًا مؤسس علم الوراثة السكانية ، سيوال رايت. كان أول استخدام له لمصطلح "الانجراف" في عام 1929 ، [49] على الرغم من أنه كان يستخدمه في ذلك الوقت بمعنى عملية التغيير الموجهة ، أو الانتقاء الطبيعي. أصبح الانجراف العشوائي عن طريق الخطأ في أخذ العينات يُعرف باسم "تأثير Sewall-Wright" ، على الرغم من أنه لم يكن مرتاحًا تمامًا لرؤية اسمه يُطلق عليه. أشار رايت إلى جميع التغييرات في تردد الأليل على أنها إما "انجراف ثابت" (على سبيل المثال ، الاختيار) أو "انجراف عشوائي" (على سبيل المثال ، خطأ في أخذ العينات). [50] تم اعتماد "الانجراف" كمصطلح تقني بالمعنى العشوائي حصريًا. [51] يتم تعريفها اليوم بشكل أكثر تحديدًا ، من حيث خطأ أخذ العينات ، [52] على الرغم من أن هذا التعريف الضيق ليس عالميًا. [53] [54] كتب رايت أن "تقييد" الانجراف العشوائي "أو حتى" الانجراف "إلى مكون واحد فقط ، وهو تأثيرات حوادث أخذ العينات ، يميل إلى أن يؤدي إلى الارتباك". [50] اعتبر سيوال رايت أن عملية الانجراف الجيني العشوائي عن طريق أخذ العينات خطأ يعادل ذلك عن طريق زواج الأقارب ، لكن العمل في وقت لاحق أظهر أنهما متميزان. [55]

في الأيام الأولى للتوليف التطوري الحديث ، بدأ العلماء في مزج علم الوراثة السكانية الجديد مع نظرية تشارلز داروين في الانتقاء الطبيعي. ضمن هذا الإطار ، ركز رايت على آثار زواج الأقارب على مجموعات صغيرة معزولة نسبيًا. قدم مفهوم المشهد التكيفي حيث يمكن لظواهر مثل التكاثر المتبادل والانجراف الجيني في التجمعات الصغيرة أن تدفعهم بعيدًا عن القمم التكيفية ، والتي بدورها تسمح للانتقاء الطبيعي بدفعهم نحو قمم تكيفية جديدة. [56] اعتقد رايت أن المجموعات السكانية الأصغر كانت أكثر ملاءمة للانتقاء الطبيعي لأن "زواج الأقارب كان مكثفًا بدرجة كافية لإنشاء أنظمة تفاعل جديدة من خلال الانجراف العشوائي ولكن ليس مكثفًا بما يكفي لإحداث تثبيت عشوائي غير متكيف للجينات." [57]

كانت آراء رايت حول دور الانجراف الجيني في المخطط التطوري مثيرة للجدل منذ البداية تقريبًا. كان الزميل رونالد فيشر من أكثر النقاد صخباً وتأثيراً. اعترف فيشر بأن الانحراف الجيني لعب دورًا ما في التطور ، لكنه دور ضئيل. اتُهم فيشر بسوء فهم آراء رايت لأنه في انتقاداته بدا أن فيشر يجادل بأن رايت رفض الاختيار بالكامل تقريبًا. بالنسبة إلى فيشر ، فإن النظر إلى عملية التطور على أنها تقدم طويل وثابت وقابل للتكيف كانت الطريقة الوحيدة لشرح التعقيد المتزايد باستمرار من الأشكال الأبسط. لكن المناقشات استمرت بين "التدرجيين" وأولئك الذين يميلون أكثر نحو نموذج رايت للتطور حيث يلعب الاختيار والانجراف معًا دورًا مهمًا. [58]

في عام 1968 ، أعاد موتو كيمورا إثارة الجدل من خلال نظريته المحايدة للتطور الجزيئي ، والتي تدعي أن معظم التغييرات الجينية ناتجة عن الانجراف الجيني الذي يعمل على الطفرات المحايدة. [6] [7]

تم انتقاد دور الانجراف الجيني عن طريق خطأ أخذ العينات في التطور من قبل جون هـ.


نظرية محايدة تحدد "الحفظ المسبق"

تُعد النظرية المحايدة بمثابة الفرضية الصفرية لنظرية التطور الجزيئي ، وبشكل خاص ، لعملية الاندماج (Wakeley 2003 Duret 2008) ، ومع ذلك "لم يتم التعرف على قيمة النظرية المحايدة في الحفظ" (Rosindell et al. 2011، p. 346) ). على الرغم من أن Rosindell et al. (2011) تشير إلى نظرية Hubbell البيئية في هذه الحالة ، تنطبق النقطة أيضًا على النظرية المحايدة للتطور الجزيئي. في الربط بين نظرية كيمورا ونظرية المحايدة البيئية لهابل ، روزينديل وآخرون. (2011) لفت الانتباه بشكل خاص إلى القابلية للتبادل كموضوع مفاهيمي مشترك. سواء كان ذلك في مواقع الجينوم أو الأفراد داخل المجتمع ، فإن الحياد يعني أن استبدال أليل واحد أو فرد بآخر لا يؤثر على اللياقة التطورية لأي منهما. وبالتالي ، عندما نلاحظ الانحرافات عن القابلية للتبادل ، يتم تنبيهنا إلى العمليات النشطة مثل تغير المناخ بوساطة الإنسان ، وإزالة الغابات ، وإدخال الملوثات الكيميائية ، وما إلى ذلك (القائمة طويلة بشكل محبط) ، مما أدى إلى تعطيل التوقعات المحايدة للسكان الاتصال وتدفق الجينات.

لقد حان الوقت لعلم الوراثة الحفظية لتبني إطار عمل مبني على فرضية صريحة مستمد من نظرية كيمورا المحايدة للتطور الجزيئي. شيفر وآخرون (2015) وصفت الحاجة إلى تحديد "مقدمات الحفظ" (ص 84) لتوجيه تصميم أسئلة البحث القابلة للتنفيذ والقابلة للتحقيق لتحسين بقاء السكان والأنواع. توقعاتنا للتباين على المستوى الجزيئي كدالة لـ نه والهجرة في تخطيط التصاميم التجريبية للبحوث الجينية للحفظ التي تستخدم اختبار الفرضية القائمة على النموذج لاكتشاف ممرات الهجرة المحتملة (Aguillon وآخرون. al. 2017) ، أو تقييم فعالية برامج الاستعادة (Li et al. 2014). يمكن تطوير هذه الفرضيات القابلة للتنفيذ من خلال توليف الجينوميات الجينومية ، والوظيفية ، وخاصة التي تحركها العمليات ، وهي توليفة تستفيد من قوة الأفكار التطورية الجزيئية العديدة التي منحها كيمورا في هذا المجال منذ 50 عامًا.


تثبيت أليل ضار في واحد من موقعين "مكررين" بضغط الطفرات والانحراف العشوائي

نحن نعتبر مجموعة ثنائية الصبغة ونفترض موقعين جينيين مع أليلين لكل منهما ، A و a في موضع واحد و B و b في الموضع الثاني. تحدث الطفرة من الأليلات من النوع البري A و B إلى الأليلات الضارة a و b بمعدلات طفرة va و vb ، على التوالي. نحن نفترض أن الأليلات متنحية تمامًا وأن النمط الوراثي المتنحي المزدوج فقط aabb يظهر تأثيرًا ضارًا مع اللياقة النسبية 1-epsilon. بعد ذلك ، يمكن إثبات أنه إذا كان va أكبر من متحولة vb ، يصبح ثابتًا في المجتمع عن طريق ضغط الطفرة ويتم تحقيق توازن اختيار الطفرة في النهاية فيما يتعلق بموضع B / b وحده. الهدف الرئيسي من هذه الورقة هو التحقيق في الموقف الذي تكون فيه va = vb بالضبط. في هذه الحالة ، يتم تحقيق توازن محايد ويمكن لأي موقع أن ينجرف إلى التثبيت للأليل الطافر. تم تطوير نماذج الانتشار لمعالجة العملية العشوائية المتضمنة حيث يتم في النهاية إصلاح المتحور الضار في أحد الموقعين المضاعفين عن طريق الانجراف العشوائي لأخذ العينات في مجموعات محدودة. على وجه الخصوص ، يتم اشتقاق معادلة متوسط ​​الوقت حتى تثبيت متحولة a أو b ، ويتم حلها عدديًا لبعض مجموعات المعلمات 4Nev و 4Ne epsilon ، حيث v هو معدل الطفرة (va = vb = v) و Ne هو الحجم الفعال للسكان. تم إجراء تجارب مونت كارلو (باستخدام جهاز يسمى "متغير أخذ العينات الزائف") لاستكمال التحليل العددي.


1 المقدمة

العلاقة بين النمط الجيني والنمط الظاهري ، والطرق التي تحدد بها هذه الخريطة الديناميكيات التكيفية للمجموعات ، أو البصمات التي يتركها تاريخ الحياة في جينومات الكائنات الحية هي أسئلة أساسية يجب حلها قبل التمكن من تحقيق نظرية تطورية كاملة.تتأثر الأنماط الجينية ، التي تشفر الكثير من المعلومات المطلوبة لبناء الكائنات الحية ، أحيانًا بالطفرات التي تعدل النمط الظاهري ، وتعبيرها المرئي وهدف الانتقاء الطبيعي. تكون العديد من الطفرات محايدة بدلاً من ذلك [1] ، حيث تغير مناطق فضاء الطرز الجينية التي يمكن الوصول إليها من قبل السكان [2] وتكييف قابليتها للتطور [3] مع ترك النمط الظاهري دون تغيير. العلاقة بين النمط الجيني والنمط الظاهري ليست علاقة واحد لواحد ، بل علاقة أطراف بأطراف. على وجه الخصوص ، قد تشكل الأنماط الجينية التي تشفر نمطًا ظاهريًا معينًا شبكات واسعة ومتصلة تغطي غالبًا المساحة الكاملة للأنماط الجينية المحتملة. تم افتراض وجود هذه الشبكات في حالة البروتينات من قبل ماينارد سميث [4] كشرط لحدوث التطور عن طريق الانتقاء الطبيعي. أظهرت الأبحاث اللاحقة أن هذه الشبكات موجودة بالفعل للبروتينات الوظيفية [5] ، والجزيئات الكبيرة الأخرى مثل الحمض النووي الريبي [6] ، وتظهر بشكل عام في نماذج بسيطة من النمط الجيني & # x02013 النمط الظاهري خريطة تحاكي شبكات الجينات التنظيمية [7] ، وشبكات التفاعل الأيضي [7]. 8] أو التجميع الذاتي لبنية البروتين الرباعي [9].

ومع ذلك ، تم إجراء استكشافات منهجية للبنية الطوبولوجية للشبكات المحايدة (NNs) مؤخرًا فقط ، على الرغم من حقيقة أن بعض الآثار المترتبة على بنية NN على تطور التسلسل قد تم تحديدها منذ فترة طويلة. على سبيل المثال ، افترضت نظرية كيمورا المحايدة [1] أن عدد الاستبدالات المحايدة في فترة زمنية معينة تم توزيع بواسون. كان لهذا الافتراض فرضية أساسية لم يتم ذكرها صراحة في ذلك الوقت ، وهي أن عدد الطفرات المحايدة المتاحة لأي نمط وراثي كان ثابتًا ، ومستقلًا عن النمط الجيني الدقيق ، أو الوقت أو النمط الظاهري المعبر عنه. بمعنى آخر ، تم افتراض أن NNs متجانسة في الدرجة. كانت النتيجة أن التباين في عدد الطفرات المتراكمة يجب أن يساوي المتوسط ​​، ومؤشر التشتت (ص، النسبة بين التباين والمتوسط) يجب أن تكون مساوية لـ 1. في وقت مبكر جدًا ، ومع ذلك ، لوحظ ذلك ص كان أكبر بكثير من 1 تقريبًا في جميع الحالات التي تم تحليلها [10 & # x0201312]. يُعزى ظهور دفعات قصيرة من التطور السريع إلى حلقات الانتقاء الدارويني الإيجابي [12] والتي قد تعكس التقلبات في حجم السكان في البيئات شبه المحايدة ، حيث تصبح التفاعلات المعرفية ذات صلة [13].

الحقيقة هي أن NNs غير متجانسة للغاية. بعض الأنماط الجينية هشة وتنتج بسهولة نمطًا ظاهريًا مختلفًا تحت الطفرة. لديهم واحد أو عدد قليل من الجيران داخل NN. وبدلاً من ذلك ، تكون الأنماط الجينية الأخرى قوية ويمكنها تحمل عددًا كبيرًا جدًا من الطفرات مع الحفاظ على وظيفتها البيولوجية أو الكيميائية. وسرعان ما طرح وجود الاختلافات في درجة حيادية الأنماط الجينية (في قوتها) كتفسير محتمل للتشتت المفرط للساعة الجزيئية [13]. في الوقت الحاضر ، تم قياس توزيع متانة الأنماط الجينية في العديد من NNs المختلفة ، وتبين أنها واسعة بشكل ملحوظ [14 & # x0201316]. تمت دراسة تأثيرات الفراغات المحايدة المتقلبة في التشتت المفرط للساعة الجزيئية في نماذج واقعية لتطور البروتينات [17] وأشباه الأنواع [18] ، وأيضًا من وجهة نظر نظرية [19].

في هذه المساهمة ، نستكشف ثلاث ميزات لـ NNs التي لم يتم التحقيق بشكل منهجي في عواقبها في معدل تثبيت الطفرات. وهي (1) الارتباطات في الحياد بين الأنماط الجينية المجاورة ، (2) درجة التكرار في الأنماط الظاهرية (حجم NN) ، و (3) ملاءمة النمط الظاهري الحالي فيما يتعلق بالبدائل التي يمكن الوصول إليها. أولاً ، لا يتم توزيع درجة الحياد بشكل عشوائي في NN. تشير الحجج الديناميكية الحرارية [20،21] وتحليلات NNs الكاملة [22] إلى أن الأنماط الجينية تميل إلى التجمع كدالة لقوتها ، مما يعني أن NNs تنتمي إلى فئة ما يسمى الشبكات المتنوعة. من المعروف أن المجموعات السكانية التي تتطور على NNs تميل إلى احتلال أقصى مناطق متصلة من أجل تقليل عدد الطفرات التي تغير نمطها الظاهري [2]. في الشبكات المتنوعة ، يستلزم الانجراف المحايد قناة نحو الطفرة & # x02013 توازن الاختيار ، مما يزيد تدريجياً من معدل تثبيت الطفرات المحايدة من خلال عملية ديناميكية نطلق عليها فخ النمط الظاهري. ثانيًا ، هناك أدلة وفيرة قادمة من التركيب الوراثي الحسابي & # x02013 خرائط النمط الظاهري [9،23 & # x0201324] ومن إعادة البناء التجريبي لـ NNs [25] على أن متوسط ​​متانة نمط ظاهري معين ينمو مع حجم NN المرتبط به: هنا ، نحدد كميًا تأثير الاختلاف المنهجي في متوسط ​​الدرجة على احتمال تثبيت الطفرات المحايدة. ثالثًا ، يؤثر الاختلاف في الملاءمة بين الأنماط الجينية في NN الحالية وجيرانها الطفريين على احتمال إصلاح طفرة (سواء كانت محايدة أو مفيدة أو ضارة) في السكان ، ومعها ، كما نوضح صراحة ، معدل الساعة الجزيئية خلال فترات الانجراف المحايد تمامًا.

مع وضع الأهداف السابقة في الاعتبار ، نقوم بتطوير إطار عمل رسمي خارج التوازن لوصف ديناميكيات السكان المتجانسين اللانهائيين على NNs العامة. لقد أثبتنا أن السكان يحتفظون بذاكرة تاريخهم الماضي لأنه ، مع مرور الوقت ، فإن احتمالية زيارتهم للأنماط الجينية ذات المتانة الأعلى تزداد بطريقة دقيقة نحسبها. هذا نتيجة للتشكيلة والمظهر الديناميكي لمفارقة & # x02018friendship & # x02019 [26] الموصوفة في الشبكات الاجتماعية (أصدقاءك لديهم أصدقاء أكثر منك). نتيجة لذلك ، فإن احتمال مغادرة السكان للشبكة يعتمد بشكل صريح على الوقت المنقضي. علاوة على ذلك ، فإن انخفاض هذا الاحتمال مع مرور الوقت يستلزم تسريعًا منهجيًا لمعدل تراكم الطفرات المحايدة. تكون درجة الوقوع أعلى ، وكلما زادت NN واتسع الفرق بين ملاءمة النمط الظاهري الحالي وتلك الخاصة بالبدائل التي يمكن الوصول إليها. هذه النتائج عامة إلى حد ما ولها آثار في اشتقاق النماذج الفعالة لتغيير النمط الظاهري وفي معايرة الساعات الجزيئية.


أساليب

المحاكاة

أجريت 200 محاكاة زمنية متكررة لاستقلاب تتكيف مع بيئة مكانية غير متجانسة (الشكل 1) باستخدام SLiM v. 3.2 (Haller and Messer 2017) لإنشاء بيانات SNP لكل فرد. أسفرت عمليات المحاكاة عن وجود مجتمع كان له هيكل عزل بمسافة على طول التدرج البيئي (على سبيل المثال، العزلة حسب البيئة ، وانج وبرادبورد 2014). من أجل التبسيط في تفسير النتائج ، تمت محاكاة نوع واحد فقط من عدم التجانس الجينومي في كل LG ، بحيث تطورت كل LG بشكل مستقل تقريبًا. كان كل من 9 LGs 50000 قاعدة وطول 50 سم. معدل إعادة التركيب الأساسي نهص = 0.01 (ما لم يتم التلاعب بها كما هو موضح أدناه) أعطت دقة 0.001 سم بين القواعد القريبة. تم تحجيم معدل إعادة التركيب لتقليد الحالة التي تم فيها جمع تعدد الأشكال عبر خريطة جينية أكبر مما تم محاكاته (على غرار شريحة SNP) ، ولكن لا يزال منخفضًا بما يكفي للسماح بتوقيعات الاختيار بالظهور في مواقع محايدة مرتبطة بالمواقع المحددة (في المحاكاة 50000 قاعدة / (ص = 1e-05) * 100 = 50 سم في البشر ، فإن 50000 نقطة أساس تتوافق مع 0.05 سم). وبالتالي ، كان من المرجح أن يكون للنيوكليوتيدات SNPs على الأطراف المتقابلة لمجموعات الربط معدل إعادة تركيب فيما بينها يبلغ 0.5 (غير مرتبط) ، ولكن لولا ذلك سيكون هناك درجة معينة من الارتباط بين تعدد الأشكال داخل مجموعات الربط. معدل الطفرة على نطاق السكان لجميع LGs نهμ يساوي 0.001. من أجل الكفاءة الحسابية ، تمت محاكاة 1000 فرد مع مقياس معدل الطفرة ومعدل إعادة التركيب كما هو موضح أعلاه (فيشر 1930 رايت 1931 ، 1938 كرو وكيمورا 1970 بورغر 2000). في الجيل الأول ، تم وضع الأفراد بشكل عشوائي على خريطة مكانية بين الإحداثيين 0 و 1. قام الأفراد بتفريق مسافة معطاة بالتوزيع الطبيعي ثنائي المتغير بمتوسط ​​صفر وتباين (الجدول 2).

مثال محاكاة المناظر الطبيعية. كل صندوق هو فرد ، ملون حسب قيمته المظهرية. الخلفية هي البيئة الانتقائية. تم إنشاء هذا الناتج بعد 1900 جيل من الانتقاء بواسطة البيئة ، مما أدى إلى ارتباط 0.52 بين النمط الظاهري والبيئة.



تعليقات:

  1. Peada

    إنها فكرة ممتازة

  2. Zugar

    فكرة ساحرة

  3. Gahariet

    أنا هنا عن طريق الصدفة ، ولكن مسجل خصيصا للمشاركة في المناقشة.

  4. Ariyan

    لا أستطيع حتى أن أصدق ذلك

  5. Uetzcayotl

    الشهية))))

  6. Charles

    انت مخطئ. أدخل سنناقش. اكتب لي في PM ، سنتحدث.

  7. Einhardt

    أعتقد أنك مخطئ. أدخل سنناقش.

  8. Akinozil

    أنت ترتكب خطأ. أرسل لي بريدًا إلكترونيًا إلى PM.



اكتب رسالة