Informacja

Równowaga Hardy'ego-Weinberga dla SNP

Równowaga Hardy'ego-Weinberga dla SNP


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.

Mam strukturę pliku statystyk SNP, która zawiera wszystkie informacje na temat genotypów i przypisanych jakości imputacji SNP/INDEL, częstotliwości alleli i przypisania mniejszych alleli.

SNPID RSID pozycja chromosomu A_allel B_allel mniejszy_allel główny_allel AA AB BB AA_calls AB_calls BB_calls MAF HWE brakujące informacje o wywołaniach --- rs200405949 NA 10023 CCAA CC CCAA 923,32 16,662 0,012 911 6 0 0,0088756 4,8216 0,02-17 1,0638 10097 CCA CC CCA 930,29 9,711 0 924 4 0 0,0051654 -0 1,0638e-06 0,012766 0,50802 --- rs185444096 Nie dotyczy 10177 CTTC 291,03 45,234 0,712 216 12 0 0,069231 9,6433e-17 0,64152 0,75638 0,80608 --- rs20082,62TA TT ND 10299 43,613 0,744 219 12 0 0,066921 4,8216e-17 0,64152 0,75426 0,79622 --- rs56377469 nd. 10469 GCCG 239,25 474,83 225,9 38 69 20 0,4929 0,10014 2,234e-05 0,86489 0,42593 --- rs7341907 nd. e-05 0,86489 0,42597 --- rs149305563 nd. 14665 GAAG 267,44 66,53 2.973 144 16 0 0.10755 0.10741 0.64155 0.82872 0.79468 --- rs149079262 nd. 6662 Nie dotyczy 15883 A G G A 259,05 71,908 6,001 131 13 1 0,12451 0,20633 0,64154 0,84468 0,80157 --- rs202192731 Nie dotyczy 17614 CT C CT C 7,893 142,55 789,45 1 39 581 0,084231 0,27659 0,0001117 0,33511 0,47425

Udało mi się założyć/odgadnąć znaczenie wszystkich kolumn oprócz dwóch -HWEorazInformacja.

HWE: ZakładamHWEoznacza równowagę Hardy'ego-Weinberga i jest w rzeczywistości wartością chi-kwadrat uzyskaną za pomocą testu chi-kwadrat Pearsona i przy użyciu tylko próbek z tego samego zbioru danych (a nie porównywanego z jakimś ogólnym zbiorem danych, np. GWAS). Używając HWE , możemy następnie obliczyć wartość p przy użyciu stopni swobody (jeden w tym przypadku) za pomocą funkcji gamma (np. za pomocą kalkulatora wartości p), a jeśli wynik jest znaczący, oznacza to, że określony SNP nie jest w HWE, stąd ten SNP jest albo w nierównowadze sprzężeń, albo musi zostać odrzucony/zignorowany z powodu błędów genotypowania (tj. uzyskiwania danych). Jeśli tak, jaki poziom istotności jest najczęściej używany/najlepszy w takich przypadkach? W artykule Hapmap II SNP są usuwane, jeśli nie są w HWE z wartością p < 0,001.

Informacja: Nie mam pojęcia, co to znaczy i jak jest obliczane.


5 warunków równowagi Hardy'ego-Weinberga

Jedna z najważniejszych zasad genetyka populacji, badanie składu genetycznego i różnic w populacjach, to zasada równowagi Hardy'ego-Weinberga. Opisywany również jako równowaga genetyczna, ta zasada podaje parametry genetyczne populacji, która nie ewoluuje. W takiej populacji zmienność genetyczna i dobór naturalny nie występują, a populacja nie doświadcza zmian w genotypie i częstości alleli z pokolenia na pokolenie.

Kluczowe dania na wynos

  • Godfrey Hardy i Wilhelm Weinberg postulowali zasadę Hardy-Weinberg na początku XX wieku. Przewiduje częstość występowania alleli i genotypów w populacjach (nieewoluujących).
  • Pierwszym warunkiem, jaki musi być spełniony dla równowagi Hardy'ego-Weinberga, jest brak mutacji w populacji.
  • Drugim warunkiem, który musi być spełniony dla równowagi Hardy'ego-Weinberga, jest brak przepływu genów w populacji.
  • Trzeci warunek, który musi być spełniony, to wielkość populacji musi być wystarczająca, aby nie było dryfu genetycznego.
  • Czwartym warunkiem, który musi być spełniony, jest kojarzenie losowe w populacji.
  • Wreszcie piąty warunek wymaga, aby dobór naturalny nie miał miejsca.

Hardy oczekiwania Weinberga w rasach psów: implikacje dla badań genetycznych

Równowaga Hardy'ego-Weinberga (HWE) jest użytecznym wskaźnikiem częstości genotypów w populacji i tego, czy są one oparte na prawidłowej definicji alleli i losowo kojarzącej się próbce. HWE zakłada stabilną populację o odpowiedniej wielkości bez presji selekcyjnej i jest stosowany w badaniach genetycznych ludzi jako przewodnik po jakości danych poprzez porównanie obserwowanych częstości genotypów z oczekiwanymi w populacji. Obliczenia powiązań genetycznych w badaniach kliniczno-kontrolnych zakładają, że populacja jest „w HWE”. Populacje ras psów odbiegają od wielu kryteriów HWE, a jeśli w HWE nie ma markerów genetycznych, nie można przeprowadzić konwencjonalnej analizy statystycznej. Do tej pory niewiele uwagi poświęcono temu, czy markery genetyczne w rasach psów są rozmieszczane zgodnie z HWE. W tym badaniu 109 polimorfizmów pojedynczego nukleotydu (SNP) zostało genotypowanych z 13 genów w kohorcie 894 psów obejmującej 33 rasy. Analiza całej kohorty psów wykazała znaczące odchylenie od HWE dla wszystkich testowanych SNP (P < 0,00001). Analiza kohorty stratyfikowanej według rasy i podrasy wykazała, że ​​większość markerów spełniała oczekiwania HWE. Sugeruje to, że badania skojarzeń kliniczno-kontrolnych psów będą ważne, jeśli zostaną przeprowadzone w obrębie określonych ras.


Zastosowania Hardy-Weinberg

Zmienność genetyczna naturalnych populacji stale się zmienia, począwszy od dryfu genetycznego, mutacji, migracji oraz doboru naturalnego i płciowego. Zasada Hardy'ego-Weinberga daje naukowcom matematyczną podstawę dla nieewoluującej populacji, z którą mogą porównać ewoluujące populacje. Jeśli naukowcy rejestrują częstości alleli w czasie, a następnie obliczają oczekiwane częstości na podstawie wartości Hardy'ego-Weinberga, naukowcy mogą postawić hipotezę o mechanizmach napędzających ewolucję populacji.


Równowaga Hardy'ego-Weinberga dla SNP - Biologia

Częstości alleli (lub procenty, jeśli wolisz) w populacji pozostaną w równowadze Hardy'ego-Weinberga (HWE) z pokolenia na pokolenie, jeśli zostaną spełnione następujące założenia:

  1. Dobór naturalny nie występuje
  2. Migracja (przepływ genów) nie występuje
  3. Mutacja nie występuje
  4. Dryf genetyczny nie występuje (dryf jest mniej prawdopodobny w populacjach o dużych rozmiarach)
  5. Kojarzenie następuje losowo

Chociaż te założenia rzadko są prawdziwe w świecie przyrody, pozwalają nam obliczyć oczekiwaną częstość alleli. Znaczące różnice między zauważony oraz oczekiwany częstotliwości wskazują, że „coś” (tj. jedno lub więcej z powyższych) się dzieje, a zatem mówią nam, że zachodzi „mikroewolucja”.

Obliczenie Oczekiwany Częstotliwości alleli i genotypu:

W najprostszej możliwej sytuacji mamy pojedynczy gen z tylko dwoma allelami. Te allele mogą być A i a lub A1 i A2. Powiedzmy, że A lub A1= wysoki, a lub A2= krótki. Na razie nie martw się, czy allele są dominujące i recesywne, czy współdominujące. W populacji będą miały częstości p i q. (Ponieważ są tylko dwie możliwości i muszą się sumować do 100%, p + q = 1.)

Jeśli znamy częstotliwości alleli, możemy przewidzieć częstości genotypów. ten oczekiwany Jak pokazano, oblicza się częstości genotypów dwóch alleli. To powinno wyglądać znajomo: to nasz stary przyjaciel Punnet's Square. Allel A lub A1 ma częstość p, a allel a lub A2 ma częstotliwość q. Pomnóż częstotliwości alleli, aby uzyskać prawdopodobieństwo każdego genotypu.

P Q A1 P p 2 pq A2 Q pq q 2

Innymi słowy, p 2 + pq + pq + q 2 = 1 lub 100%. Oczekiwane częstotliwości genotypów to zatem:

Genotyp Oczekiwana częstotliwość
AA lub A1A1 p * p = p 2
Aa lub A1A2 pq + pq (lub 2pq)
aa lub A2A2 q * q = q 2

Rzućmy okiem na kilka wykresów tego, aby trochę łatwiej było to zobaczyć. Dla wartości p od 0 do 1, w odstępach 0,1, otrzymujemy:

Czerwony reprezentuje częstotliwość AA lub A1A1 genotyp, zielony to Aa lub A1A2 genotyp, a niebieski to aa lub A2A2 genotyp.

Wszystko to ma związek z częstotliwościami alleli i genotypów, których spodziewalibyśmy się zobaczyć. Następnie spójrzmy na sytuację w świecie rzeczywistym, abyśmy mogli porównać.

Obliczenie Zauważony Częstotliwości alleli i genotypu:

W populacji świata rzeczywistego widzimy tylko fenotypy, a nie genotypy czy allele. Jednak w populacji genotypów AA, Aa i aa obserwowana częstość allelu A jest równa sumie wszystkich genotypów AA plus połowa genotypu Aa (połowa A). Obserwowana częstość allelu a wynosi zatem połowę osobników Aa (połowa a) plus wszystkie osobniki aa . Jeśli znasz jedną wartość, możesz oczywiście po prostu odjąć ją od 1 (100%), aby otrzymać wartość drugiej. Innymi słowy, obserwowana częstość A = 100%(AA) + 50%(Aa) oraz a = 50%(Aa) i 100%(aa)

Fenotyp Genotyp Makijaż Częstotliwość
Wysoka AA 100% A p 2
Wysoka A 50% A i 50% A 2pq
Niski aaa 100% q 2
lub
Fenotyp Genotyp Makijaż Częstotliwość
Wysoka A1A1 100% A1 p 2
Średni A1 A2 50% A1 i 50% A2 2pq
Niski A2 A2 100% A2 q 2

Wskazówka: Jeśli allele są współdominujące, każdy fenotyp jest inny (można odróżnić wysoki, średni i niski), a twoja praca jest łatwiejsza. Jeśli allele są dominujący i recesywny, nie możemy wizualnie odróżnić homozygotycznego AA od heterozygotycznych genotypów Aa (oba są wysokie), więc najlepiej zacząć od homozygotycznych recesywnych (krótkich) osobników aa. Policz typy aa i masz obserwowane q 2 . Następnie wyciągnij pierwiastek kwadratowy z q 2, aby uzyskać q, a następnie odejmij q od 1, aby uzyskać p. Kwadrat p, aby uzyskać p 2 i pomnóż 2*p*q, aby uzyskać obserwowaną częstotliwość genotypu heterozygotycznego Aa.

Jeżeli obserwowane i oczekiwane częstości genotypów różnią się znacząco, populacja jest poza HWE.

Częstotliwości genotypu
AA Aa aaa
Zauważony
Oczekiwany
Różnica
lub
Częstotliwości genotypu
A1A1 A1A2 A2A2
Zauważony
Oczekiwany
Różnica


Pytanie: Dlaczego obserwowane i oczekiwane częstotliwości fenotypów mogą się różnić? Wyobraź sobie następujące scenariusze, w których działa dobór naturalny. Sytuacja pierwsza sprzyja tylko jednemu ogonowi rozkładu. Może najwyższy, może najkrótszy, ale nie oba. To jest wybór kierunkowy. Teraz wyobraź sobie, że oba ogony rozkładu są wybierane przeciw, a preferowany jest tylko środek. Nazywa się to selekcją stabilizującą. Następnie wyobraź sobie, że preferowane są skrajności na obu końcach. Nazywa się to selekcją destrukcyjną. Co się stanie z czasem w każdym z tych scenariuszy?

Przed (linia przerywana) i po (obszar zacieniowany na żółto) wybór kierunkowy, wybór stabilizujący i wybór zakłócający.

Jednym z powszechnych nieporozumień jest to, że dominujące allele będą rosły, a allele recesywne zmniejszą się z czasem. W rzeczywistości częstotliwości alleli nie zmienią się z pokolenia na pokolenie, jeśli powyższe założenia nie zostaną naruszone. Dobrym tego przykładem jest ludzka grupa krwi ABO. Krew typu O jest recesywna, ale pozostaje najczęstsza.

W arkuszu kalkulacyjnym Excel hwe.xlsx znajdują się trzy przykłady, które pomogą uczynić to bardziej konkretnym.

Przykład 1: Allel A jest dominujący, a allel a jest recesywny. Ustaw oryginalne częstotliwości p (allel A) i q (allel a) na 0,6 i 0,4 w Generacji 1. Są one podświetlone na niebiesko. Wszystkie inne liczby są obliczane z tych dwóch oryginalnych punktów danych. Częstość genotypu AA jest określana przez podniesienie do kwadratu częstości allelu A. Częstość genotypu Aa jest określana przez pomnożenie 2 razy częstość A razy częstość a. Częstotliwość aa jest określana przez podniesienie do kwadratu a. Spróbuj zmienić p i q na inne wartości, upewniając się, że p i q zawsze są równe 1. Czy ma to jakiekolwiek znaczenie w wynikach?

Przykład 2: Allele A1 i A2 są współdominujące. W tym przypadku A1 ma częstotliwość 0,25, a A2 ma częstotliwość 0,75.

Przykład 3: Allele A i a są dominujące i recesywne. Zauważ, że allel A ma bardzo niską częstotliwość, mimo że jest dominujący. Czy zwiększa się częstotliwość?

Drugą czasami mylącą rzeczą dotyczącą HWE jest to, że po wszystkich powyższych przykładach możesz się zastanawiać, czy możliwe jest, aby obserwowane i oczekiwane częstotliwości różniły się. Oto przykład, w którym to robią:

W populacji ślimaków kolor muszli jest kodowany przez pojedynczy gen. Allele A1 i A2 są współdominujące. Genotyp A 1 A 1 tworzy pomarańczową muszlę. Genotyp A 1 A 2 tworzy żółtą otoczkę. Genotyp A 2 A 2 tworzy czarną muszlę. 1% ślimaków jest pomarańczowych, 98% żółtych, a 1% ślimaków czarnych.

Obserwowana częstość allelu A1 = 0,01 + 0,5(0,98) = 0,50 = 50%

p 2 = Oczekiwana częstotliwość A 1 A 1 = 0,25

2pq = Oczekiwana częstotliwość A 1 A 2 = 0,50

q 2 = Oczekiwana częstotliwość A 2 A 2 = 0,25

Fenotyp Pomarańczowy Żółty Czarny
Genotyp A 1 A 1 A 1 A 2 A 2 A 2
Zauważony 1% 98% 1%
Oczekiwany 25% 50% 25%
Różnica -24% +48% -24%

Jest znacznie mniej ślimaków pomarańczowych i czarnych niż oczekiwano, a ślimaków żółtych znacznie więcej niż oczekiwano. Wydaje się, że jest to przypadek selekcji stabilizującej, ponieważ oba ogony wydają się być silnie selekcjonowane.


Dyskusja

Generowanie i analiza dużych zbiorów danych genotypowania SNP do badania ludzkich zaburzeń złożonych jest obecnie przedmiotem wielu dyskusji i skupia się na aktywności. 34 Duże zbiory danych genotypowania nieuchronnie będą zawierać pewien błąd, który od dawna uważa się za problem w dokładnej analizie statystycznej danych genetycznych. 1,9 Ponieważ wiadomo, że błędy genotypowania wpływają konkretnie na pewne pomiary genetyczne, takie jak LD, od których zależą badania asocjacyjne,20, a także wpływają na rodzinne badania sprzężeń i powiązań,17 identyfikacja błędu ma kluczowe znaczenie dla dokładnej analizy, a następnie interpretacja danych. Aktualne zainteresowanie dotyczy również rozwoju metod statystycznych, które są w stanie uwzględniać błędy w analizie danych genetycznych. 17,19,23,24,25,26 To duże, empiryczne badanie przedstawia pomiar odchylenia rozkładu genotypu od HWE jako metodę identyfikacji i redukcji błędów genotypowania generowanych w wyniku samego procesu genotypowania w badaniach populacyjnych.

W badaniu zmierzono odchylenie od HWE w 313 SNP i ujawniono 36 HWD (P<0,05) testów, co jest ∼ 2,3 × więcej niż oczekiwano przypadkowo. Rozważając te dane, należy pamiętać, że czułość pomiaru odchylenia od HWE będzie również zależeć od częstości alleli drugorzędnych typowanych SNP (0,06–0,49) oraz liczby analizowanych próbek (62–1018). Dalsze badanie 36 HWD (P<0,05) testy wykazały, że 58% z nich miało błąd genotypowania.

W tym badaniu, gdy zaprojektowano startery definiujące specyficzność testu, zamaskowano powtórzenia wysokiego poziomu w sekwencji genomu, w tym Alus i LINE. Jednak sekwencje powtórzeń niskiego poziomu są trudniejsze do monitorowania. Aby rozwiązać ten problem, startery i/lub sondy definiujące specyficzność reakcji dla każdego z 36 testów w HWD (P<0,05) przeanalizowano retrospektywnie, przeszukując bazy danych NRNUC i NRHTG. Aby zidentyfikować możliwe homologie sekwencji, na tym etapie nie stosowano filtrów sekwencji. Testy opracowane dla pięciu SNP okazały się niespecyficzne. Dwa z nich to SNP, które zmapowały się do regionu o długości 390 kb na flankującym chromosomie 22 CYP2D6. 32 Dwa pseudogeny, CYP2D7 oraz CYP2D8leżą w sąsiedztwie CYP2D6 a startery definiujące specyficzność testu dla dwóch niespecyficznych SNP mapują do jednego lub obu pseudogenów. Pseudogeny są wyraźnie liczne,35 i dlatego projektowanie eksperymentów musi uwzględniać te sekwencje. Pozostałe trzy niespecyficzne testy SNP wykazały 100% homologię do więcej niż jednego regionu chromosomalnego.

Po analizie 36 HWD (P<0,05) SNP i identyfikacja tych testów związanych z błędem genotypowania lub niespecyficznością, pozostało 10 SNP. Możliwe, że odchylenie od HWE obserwowane w tych SNP jest przypadkowe. Jednakże, ponieważ duża część duplikacji niskiego poziomu nie została reprezentowana po złożeniu szkicu sekwencji ludzkiego genomu, 36 możliwe jest, że w tej grupie HWD (P<0.01) SNP istnieją pewne testy, które mogą być niespecyficzne, ale wszystkie sekwencje, do których ich sondy i startery są homologiczne, nie są wychwytywane w układzie sekwencji ludzkiego genomu.

Przedstawione tutaj dane zostały wygenerowane w latach 1998–2000 przy użyciu różnych technologii genotypowania. W wyniku tej retrospektywnej analizy opracowano wysokowydajny, standaryzowany, półautomatyczny proces genotypowania. Obejmuje to automatyczny „elektroniczny PCR” starterów przed uruchomieniem testu. Wszystkie testy SNP są testowane pod kątem odchyleń od HWE w 94 próbkach DNA rasy kaukaskiej przed przeprowadzeniem testu SNP w interesującym zestawie próbek DNA. Genotypy są oceniane przez wysoko wykwalifikowanych naukowców, a dokładność danych nie jest zagrożona w przypadku wskaźników powodzenia poszczególnych genotypów testów. Po tym procesie analiza genotypów wygenerowanych od 94 niespokrewnionych osobników rasy kaukaskiej dla 1434 SNP ujawniła tylko 10 HWD (P<0,01) SNP (dane niepublikowane). To nieco mniej niż liczba oczekiwana przypadkowo (∼ 14), co sugeruje lepszą jakość danych.

Podsumowując, badanie to pokazuje pomyślną identyfikację części niespecyficznych testów i testów niosących błędy genotypowania za pomocą prostego testu na HWE. Proces genotypowania został następnie zmodyfikowany w celu generowania danych o lepszej jakości.


Dyskusja

W bieżącej analizie losowej dużej próby wariantów genetycznych w różnych populacjach ludzkich, osoby z niższymi wskaźnikami genotypowania (< 98%) i polimorfizmami insercyjnymi/delecyjnymi częściej naruszały HWE niż autentyczne SNP z wskaźnikami genotypowania 㺘% . To odkrycie jest zgodne z dobrze znaną obserwacją, że błąd genotypowania jest ważną przyczyną odejścia HWE (Tiret i Cambien, 1995 Xu i in., 2002 Hosking i in., 2004 Attia i in., 2010). Aby zwiększyć specyficzność filtrowania HWE, dokonaliśmy rozróżnienia między odejściem HWE związanym z nadmiarem (zyskiem) heterozygot (GoH d-HWE) a odejściem HWE związanym z utratą heterozygot (LoH d-HWE). Wydaje się, że błąd genotypowania jest szczególnie związany z GoH d-HWE, ale nie z LoH d-HWE. To odkrycie może być związane z wypadaniem alleli. Na przykład, jeśli założymy 2 allele (A, a) oba o częstości alleli 0,5, rozkład genotypu będzie wynosił 25% AA, 25% aa i 50% Aa. W związku z tym byłoby równie prawdopodobne, że błąd w genotypowaniu alleli mógłby stworzyć homozygotę �lse” lub heterozygotę. Jednakże, przy pomiarze wskaźnika błędu na locus, wypadanie alleli jest mniej prawdopodobne do wykrycia w loci homozygotycznych (lokus heterozygotyczny dotknięty wypadnięciem alleli i prawdziwe locus homozygotyczne będą pojawiać się jako pojedynczy prążek lub pik), a zatem heterozygoty będą bardziej prawdopodobne do wykrycia, co prowadzi do uzyskania heterozygotyczności. Natomiast LoH d-HWE wiązał się z rzeczywistymi istniejącymi zjawiskami biologicznymi, w tym polimorfizmami delecyjnymi i podstrukturą populacji. Ta kluczowa obserwacja naszego badania sugeruje, że swoistość testowania HWE w wykrywaniu błędu genotypowania jest zwiększona przez odróżnienie odejścia HWE związanego z nadmiarem lub brakiem heterozygotycznych nosicieli. W naszej próbie stwierdzono, że utrata heterozygotyczności jest związana z polimorfizmami delecyjnymi. W obrębie delecji występuje hemizygotyczność, a heterozygotyczność jest wykluczona, co prowadzi do ogólnego zmniejszenia heterozygotyczności w regionach genomu z polimorfizmami delecji. Warto zauważyć, że chów wsobny może również skutkować utratą heterozygotyczności. Długie serie genomowe homozygotyczności są zwykle znajdowane w genomach dzieci od spokrewnionych rodziców (McQuillan et al., 2008). Populacje z częstymi małżeństwami spokrewnionymi mogą zatem wykazywać zauważalne zmniejszenie ogólnej częstotliwości heterozygotyczności. Chów wsobny stwierdzono we wszystkich 26 populacjach projektu 1000 genomów, ze szczególnie wysokimi poziomami chowu wsobnego w superpopulacjach SAS i AMR (Gazal i in., 2015). Nasze odkrycie odejścia HWE w tych dwóch populacjach, nawet po selekcji wysokiej jakości danych genotypowania (uwzględniono tylko warianty z udanymi genotypami w 㺘% próby) może być związane z wyższymi poziomami chowu wsobnego w tych populacjach. Wiadomo jednak, że występuje wiele innych przyczyn podstruktury populacji, w tym: przynależności społeczno-ekonomiczne, geograficzne, religijne, polityczne i etniczne, które mogą znacząco ograniczać dobór partnerów (Lupski i in., 2011). W rzeczywistości losowe kojarzenie, choć główne założenie dla HWE, nie ma zastosowania do populacji ludzkich, co wyraźnie zauważył Weinberg w swojej początkowej publikacji (Weinberg, 1908).

Skośność rozkładu wskaźników O/E była nieoczekiwaną obserwacją naszego badania i zgodną z ostatnimi obserwacjami innych (Graffelman i in., 2017). Przykład 11 krótkich wariantów „podejrzanych” w LRRC37A2 może zilustrować jedną z przyczyn tej asymetrii: w rzeczywistości te domniemane warianty „podejrzane” mają zostać usunięte z bazy danych: nie są one wariantami między genomami, ale między zdegenerowanymi kopiami sekwencji w jednym i tym samym genomie. Nie możemy wykluczyć, że inne przypuszczalne SNP naruszające HWE z nadmiarem heterozygot są w rzeczywistości błędnie sklasyfikowanymi niespecyficznymi hybrydyzacjami krzyżowymi.

Mocne strony naszego badania obejmują różne oceniane populacje, wysokiej jakości dane uzyskane z bazy danych ExAC (Lek i in., 2016) oraz walidację naszych wyników w dużym zestawie krótkich wariantów z projektu 1000 genomów (1000 genomów). Konsorcjum Projektów i in., 2015). Słabe strony badań mogą obejmować ograniczoną liczbę uwzględnionych wariantów i to, czy te geny są dokładnym odwzorowaniem całej architektury genomowej, w różnych superpopulacjach. Co więcej, obecne badanie nie ocenia odchodzenia HWE w skrajnie rzadkich wariantach, chociaż rozkłady genotypów skrajnie rzadkich wariantów szczególnie prawdopodobnie naruszają HWE.


Biologia OER

ten Zasada Hardy'ego-Weinberga to model matematyczny używany do opisu równowagi dwóch alleli w populacji przy braku sił ewolucyjnych. Model ten został wyprowadzony niezależnie przez G.H. Hardy i Wilhelm Weinberg. Stwierdza, że ​​częstotliwości alleli i genotypów w populacji pozostaną stałe przez pokolenia przy braku sił ewolucyjnych. Ta równowaga przyjmuje kilka założeń, aby była prawdziwa:

  1. Nieskończenie duża populacja
  2. Zaangażowany organizm jest diploidalny
  3. Organizm rozmnaża się tylko płciowo
  4. Nie ma nakładających się pokoleń
  5. Krycie jest losowe
  6. Częstości alleli równe u obu płci
  7. Brak migracji, mutacji lub selekcji

Jak widać, wiele pozycji z powyższej listy nie może być kontrolowanych, ale pozwala nam to na porównanie w sytuacjach, w których w grę wchodzą oczekiwane siły ewolucyjne (wybór itp.).

Równowaga Hardy'ego-Weinberga

Allele w równaniu są zdefiniowane w następujący sposób:

  • Częstość genotypu jest obliczana w następujący sposób:
  • Częstość alleli jest obliczana w następujący sposób:
  • W systemie dwóch alleli z dominującym/recesywnym określamy częstotliwość jednego jako P a drugi jako Q i standaryzować do:
  • Dlatego też całkowita częstotliwość wszystkoallele w tym systemie wynosi 100% (lub 1)
  • Podobnie całkowita częstotliwość wszystkie genotypy jest wyrażona następującą liczbą kwadratową, gdzie również równa się 1:
    • To równanie to twierdzenie Hardy'ego-Weinberga, które stwierdza, że ​​nie ma w grze sił ewolucyjnych, które zmieniają częstotliwość genów.

    Obliczanie równowagi Hardy'ego-Weinberga (aktywność)

    To ćwiczenie odnosi się do Ćwiczenie degustacyjne PTC . Korzystając z tego przykładu, można przetestować selekcję dla jednego allelu w populacji. Chociaż liczebność klasy jest niewielka, łączenie wyników z wielu sekcji może ulepszyć ćwiczenie. Pamiętaj, aby odgadnąć dominujące/recesywne cechy z klasy.

    1. Jaki jest fenotyp recesywny i jak możemy przedstawić genotyp?
    2. Jaki jest dominujący fenotyp i jak możemy reprezentować genotypy?
    3. Jaka jest częstotliwość genotypu recesywnego? (q 2 )
    4. Jaka jest częstotliwość allelu recesywnego? (Q)
    5. Jaka jest częstotliwość dominującego allelu? (p=1-q)
    6. Użyj Hardy-Weinberga, aby obliczyć częstość heterozygot w klasie. (2pq)
    7. Użyj Hardy'ego-Weinberga, aby obliczyć częstość homozygot w klasie. (s. 2 )
    8. Używając agregatu wielu sekcji, porównaj lokalne częstości alleli i genotypów z tym, co przewidziałby Hardy-Weinberg.
    9. Mając na uwadze tę niewielką liczbę, widzimy, że istnieją problemy z założeniami wymaganymi dla tej zasady. Instruktor przeprowadzi poniższą symulację w klasie, aby zilustrować wpływ na wiele populacji z skutkami selekcji i/lub ograniczeń populacji. Aby zilustrować presję selekcyjną na allel, można zastosować współczynnik dopasowania.
      • Genetyka populacyjna Symulacja alleli
    10. W przypadku presji selekcyjnej a współczynnik sprawności ( w ) można wprowadzić. Artykuł naukowy http://www.jci.org/articles/view/64240 wykazał, że receptor Tas2R38 pomaga w odpowiedzi immunologicznej przeciwko Pseudomonas. Wyobraź sobie sytuację, w której panuje epidemia oporności na antybiotyki Pseudomonas. To by
      pokazują, że dominujący allel będzie miał przewagę selektywną.
      • Zmodyfikuj współczynnik sprawności w Symulatorze Genetyki Populacji i opisz skutki, jakie miałby on w wielu kolejnych pokoleniach.

    Równowaga Hardy'ego-Weinberga dla SNP - Biologia

    To, jak bardzo naturalna populacja odbiega od równowagi Hardy'ego-Weinberga (HWE) implikuje historię ewolucyjną, status i perspektywę jej zmienności. Testy statystyczne pod kątem HWE odegrały zasadniczą rolę w wywnioskowaniu różnorodności genetycznej i ewolucji w populacjach diploidalnych.

    Chociaż wiadomo, że populacje poliploidów zbliżają się do równowagi w inny sposób niż diploidy, niewiele wiadomo na temat trajektorii zbieżności HWE specyficznych dla poliploidów. Zrozumienie takiej trajektorii może pomóc w opracowaniu odpowiednich algorytmów statystycznych do badania HWE w poliploidach.

    Przedstawiamy prosty matematyczny dowód zbieżności HWE w poliploidach. W oparciu o ten dowód badamy, w jaki sposób zachowanie mejotyczne poliploidów, takie jak podwójna redukcja, wpływa na częstotliwości genotypu HWE i równowagi.

    Opracowujemy ogólne podejście do testowania HWE w populacji poliploidów. HWE wypełnia lukę między genetyką populacji a ekologią, aby zrozumieć genetyczne mechanizmy adaptacji ekologicznych.

    Testowanie odchyleń od równowagi Hardy'ego-Weinberga (HWE) może dostarczyć podstawowych informacji o zmienności genetycznej i procesach ewolucyjnych w naturalnych populacjach. W przeciwieństwie do diploidów, w których częstości genotypów pozostają stałe po pojedynczym epizodzie losowego kojarzenia, poliploidy, charakteryzujące się dziedziczeniem polisomicznym, stopniowo zbliżają się do HWE. Tutaj matematycznie pokazujemy asymptotyczną trajektorię równowagi tetraploidalnej z dowolnych początkowych częstości genotypów. Opracowujemy ramy statystyczne do testowania i szacowania stopnia odchylenia od HWE w poszczególnych loci u allotetraploidów i autotetraploidów. Wiedza na temat testu HWE wypełnia istotną lukę w populacyjnych badaniach genetycznych tetraploidów związanych z ich ewolucją i ekologią.


    Obliczanie wpływu doboru naturalnego na częstotliwości genów.

    Wpływ doboru naturalnego na częstość występowania genów można określić ilościowo. Załóżmy, że populacja zawiera

    • 36% homozygotycznych dominantów (AA)
    • 48% heterozygot (Aa) oraz
    • 16% homozygotyczne recesywne (aaa)

    Częstość występowania genów w tej populacji wynosi

    Heterozygoty są tak samo skuteczne w rozmnażaniu się jak homozygotyczne dominanty, ale homozygotyczne recesywne są skuteczne tylko w 80%. To znaczy za każde 100 AA (lub Aa) osobniki, które pomyślnie rozmnażają się tylko 80 aaa poszczególnym osobom to się udaje. ten zdatność (w) recesywnego fenotypu wynosi zatem 80% lub 0,8.

    Ich względną wadę można również wyrazić jako a współczynnik selekcji, s, gdzie

    W tym przypadku, s = 1 − 0.8 = 0.2.

    ten reszta w częstości dominującego allelu (p) po jednym pokoleniu wyraża się równaniem

    s P0 Q0 2
    p = __________
    1 - s Q0 2

    gdzie P0 oraz Q0 są początkowymi częstościami alleli dominujących i recesywnych. Zastępując, otrzymujemy

    (0.2)(0.6)(0.4) 2 0.019
    p = ________________ = ______ = 0.02
    1 − (0.2)(0.4) 2 0.968

    Tak więc w jednym pokoleniu częstotliwość allelu A wzrasta od wartości początkowej 0,6 do 0,62 i allelu a spada z 0,4 do 0,38 (q = 1 − p).

    Nowa równowaga tworzy populację

    • 38,4% homozygotycznych dominantów (wzrost o 2,4%) (p 2 = 0.384)
    • 47,1% heterozygot (spadek o 0,9%)(2pq = 0,471) i
    • 14,4% homozygotyczne recesywne (spadek o 1,6%)(q 2 = 0.144)

    Jeżeli dopasowanie homozygotycznych recesywnych pozostaje niezmienione, obliczenia można powtórzyć dla dowolnej liczby pokoleń. Jeśli to zrobisz, przekonasz się, że chociaż częstotliwość genotypu recesywnego spada, wskaźnik w którym a jest usuwany z puli genów, co oznacza, że ​​proces staje się mniej wydajny w usuwaniu alleli a. Dzieje się tak, ponieważ gdy jest obecny w heterozygocie, a jest chroniony przed skutkami selekcji.

    • Jesteś tutaj:  
    • Dom
    • Podręczniki Wydziału Biologii Andover
    • Biologia Kimballa (podręcznik uzupełniający do sekwencji Biol-58x)
    • Ewolucja
    • Równowaga Hardy'ego-Weinberga

    />
    Ta praca jest objęta licencją Creative Commons Attribution-NonCommercial 3.0 Unported License.


    Obejrzyj wideo: Prawo Hardyego-Weinberga - ewolucjonizm - KOREPETYCJE z BIOLOGII - 178 (Może 2022).


Uwagi:

  1. Kivi

    Gratuluję, zostałeś odwiedzony z po prostu genialnym pomysłem

  2. Tojarg

    It will be the last drop.



Napisać wiadomość