哈迪-温伯格平衡及拓展

目录
    • 五个条件:
  • 特殊情况
    • 基因频率父本≠母本
    • 伴X遗传
          • 法一
          • 法二
  • 拓展
    • 1. 有突变
    • 2. 有选择
      • 2.1. 定向选择
        • 2.1.1 对\(aa\)不利
          • 极端情况:\(s=1\)
          • 加上突变
        • 2.1.2 对\(A\_\)不利
      • 2.2 分裂选择
      • 2.3 稳定选择
    • 3. 有迁移
          • 法一
          • 法二

\(P(A)=p,P(a)=q\)
自由交配一代后:

\(AA\) \(Aa\) \(aa\)
\(p^2\) \(2pq\) \(q^2\)

五个条件:

  1. 无限大群体
  2. 无突变
  3. 无选择
  4. 无迁移
  5. 无选型交配

其实还有几个条件:

  1. 父本中基因频率与母本相同
  2. 非复等位基因
  3. 非伴性遗传

特殊情况

基因频率父本≠母本

\(p_♂\) \(q_♂\)
\(p_♀\) \(p_♂p_♀\) \(q_♂p_♀\)
\(q_♀\) \(p_♂q_♀\) \(q_♂q_♀\)

自由交配一代后

\[p_{F1}=p_♂p_♀+\frac{1}{2}(q_♂p_♀+p_♂q_♀)\\ \begin{aligned} \because p_♂+q_♂&=1\\ p_♂+q_♂&=1\\ \end{aligned}\\ \begin{aligned} \therefore p_{F1}&=\cfrac{p_♂+p_♀}{2}\\ \textsf{同理 }q_{F1}&=\cfrac{q_♂+q_♀}{2}\\ \end{aligned} \]

\[\tag{*} \]

即下一代的基因频率是上一代的平均值

再自由交配一代后 \(F2\) 遵循哈温平衡

\(AA\) \(Aa\) \(aa\)
\(\cfrac{(p_♂+p_♀)^2}{4}\) \(\cfrac{(p_♂+p_♀)(q_♂+q_♀)}{2}\) \(\cfrac{(q_♂+q_♀)^2}{4}\)

伴X遗传

由结论 \((\text{*})\),下一代♀基因频率是上一代的平均值
由交叉遗传,下一代♂基因频率是上一代的♀

\(x\) 世代 \(p_♂=M_x\)\(p_♀=N_x\)
所以:

\[\begin{cases} M_x&=N_{x-1}\\ N_x&=\cfrac{M_{x-1}+N_{x-1}}{2} \end{cases}\\ \therefore N_x=\cfrac{N_{x-1}+N_{x-2}}{2} \]

通项公式:

\[N_x = \cfrac{2p_♀ + p_♂}{3} + \left(-\frac{1}{2}\right)^x \cfrac{p_♀ - p_♂}{3} \]

所以,\(x\to\infty\) 时,\(N_x=\cfrac{2p_♀ + p_♂}{3}\)

法一
Inspired by Microsoft Copilot

设通项公式 \(N_x=r^x\)
代入得:

\[\begin{aligned} r^x&=\cfrac{r^{x-1}+r^{x-2}}{2}\\ 2r^x&=r^{x-1}+r^{x-2}\\ 2r^x-r-1&=0\\ r&=1\text{ or }-\frac{1}{2} \end{aligned} \]

因此,通项公式可以表示为:

\[\begin{aligned} N_x &= A \cdot 1^x + B \cdot \left(-\frac{1}{2}\right)^x\\ &= A + B \left(-\frac{1}{2}\right)^x \end{aligned} \]

其中,$ A $ 和 $ B $ 是由 \(N_0\)\(N_1\) 决定的常数
代入初始条件 $ N_0 = p_♀ $ 和 $ N_1 = \cfrac{p_♀ + p_♂}{2} $:

\[\begin{cases} A &= \cfrac{2p_♀ + p_♂}{3}\\ B &= \cfrac{p_♀ - p_♂}{3} \end{cases} \]

因此,通项公式为:

\[N_x = \cfrac{2p_♀ + p_♂}{3} + \left(-\frac{1}{2}\right)^x \cfrac{p_♀ - p_♂}{3} \]

法二

\(p_♀-p_♂=a\)

img

小奥启动!

\[\def\simi{(-\cfrac{1}{2})} \begin{aligned} S&=\sum_{i=0}^{x}{\simi^i}\\ \simi S&=\sum_{i=1}^{x+1}{\simi^i}\\ S-\simi S&=1-\simi^{x+1}\\ S&=\frac{2}{3}+\frac{1}{3}\simi^x\\ N_x&=aS+p_♂\\ &=\cfrac{2p_♀ + p_♂}{3} + \left(-\frac{1}{2}\right)^x \cfrac{p_♀ - p_♂}{3} \end{aligned} \]

拓展

1. 有突变

\[A\xrightleftharpoons[v]{u}a \]

平衡时有:

\[\begin{cases} pu=qv\\ p+q=1 \end{cases} \]

解得:

\[\begin{cases} p=\cfrac{v}{u+v}\\ q=\cfrac{u}{u+v} \end{cases} \]

2. 有选择

基因型频率 \(AA\) \(Aa\) \(aa\) 合计
初始 \(p^2\) \(2pq\) \(q^2\) \(1\)
适合度 \(m\) \(n\) \(o\)
选择后 \(mp^2\) \(2npq\) \(oq^2\) \(T=mp^2+2npq+oq^2\)
相对频率 \(\cfrac{mp^2}{T}\) \(\cfrac{2npq}{T}\) \(\cfrac{oq^2}{T}\) \(1\)

下一轮 \(P(A)\)频率

\[\begin{aligned} p'&=P'(AA)+\cfrac{P'(Aa)}{2}\\ &=p\cfrac{mp+nq}{T} \end{aligned} \]

\(P(A)\) 改变量

\[\begin{aligned} \Delta p&=p'-p\\ &=p(\cfrac{mp+nq}{T}-1)\\ &=p\cfrac{mp(1-p)+nq(1-2p)-oq^2}{T}\\ \because &\ 1-p=q,\ 1-2p=q-p\\ \Delta p&=p\cfrac{mpq+nq(q-p)-oq^2}{T}\\ &=pq\cfrac{p(m-n)+q(n-o)}{T} \end{aligned} \]

综上,当选择平衡时,\(\Delta p=0\)

\[\tag{1}p(m-n)=q(o-n) \]

美丽而简洁。

而选择的公式推出来了:

\[\tag{2}\Delta p=pq\cfrac{p(m-n)+q(n-o)}{T} \]

2.1. 定向选择

2.1.1 对\(aa\)不利
基因型频率 \(AA\) \(Aa\) \(aa\) 合计
初始 \(p^2\) \(2pq\) \(q^2\) \(1\)
选择系数 \(0\) \(0\) \(s\)
适合度 \(1\) \(1\) \(o=1-s\)
选择后 \(p^2\) \(2pq\) \((1-s)q^2\) \(T=1-sq^2\)
相对频率 \(\cfrac{p^2}{T}\) \(\cfrac{2pq}{T}\) \(\cfrac{(1-s)q^2}{T}\) \(1\)

带入式 \((2)\) 得:

\[\begin{aligned} -\Delta q=\Delta p&=pq\cfrac{p(1-1)+q(1-o)}{T}\\ &=\cfrac{spq^2}{1-sq^2} \\ q'&=q+\Delta q\\ &=q\cfrac{1-sq}{1-sq^2} \end{aligned} \]

显然,\(q'>0\)

所以选择不能淘汰 \(a\) 基因。

极端情况:\(s=1\)

\[\begin{aligned} q_1&=q_0\cfrac{1-q_0}{1-q_0^2} =\cfrac{q_0}{q_0+1}\\ q_2&=\cfrac{q_1}{q_1+1} =\cfrac{\cfrac{q_0}{q_0+1}}{1+\cfrac{q_0}{q_0+1}} =\cfrac{q_0}{2q_0+1}\\ \vdots\\ q_n&=\cfrac{q_0}{nq_0+1}\\ n&=\cfrac{1}{q_n}-\cfrac{1}{q_0} \end{aligned} \]

即要通过选择将基因 \(a\) 频率从 \(q_0\) 降至 \(q_n\) 需经过 \(n=\cfrac{1}{q_n}-\cfrac{1}{q_0}\) 个世代。

\(q_0=0.001\) , \(q_n=0.0001\) 则与经过 \(n=9000\) 个世代!

加上突变

\[A\xrightleftharpoons[v]{u}a \]

\[\begin{aligned} \Delta_{select}q&=\cfrac{-spq^2}{1-sq^2} \approx-spq^2\\ \Delta_{mutate}q&=pu\\ \Delta p&=\Delta_{select}q+\Delta_{mutate}q\\ &=pu-spq^2 \end{aligned} \]

选择平衡时:

\[q=\sqrt{\frac{u}{s}} \]

2.1.2 对\(A\_\)不利

\[\begin{aligned} \Delta T&=sp^2+2spq=sp(2-p)\\ p'&=\cfrac{p-sp^2-spq}{1-\Delta T}\\ &=p\frac{1-s}{1-\Delta T}\\ \Delta p&=p'-p\\ &=\cfrac{-spq^2}{1-sp(2-p)} \end{aligned} \]

2.2 分裂选择

\(Aa\)不利,杂种劣势。

基因型频率 \(AA\) \(Aa\) \(aa\) 合计
初始 \(p^2\) \(2pq\) \(q^2\) \(1\)
选择系数 \(0\) \(s\) \(0\)
适合度 \(1\) \(n=1-s\) \(1\)
选择后 \(p^2\) \(2(1-s)pq\) \(q^2\) \(T=1-2spq\)
相对频率 \(\cfrac{p^2}{T}\) \(\cfrac{2(1-s)pq}{T}\) \(\cfrac{q^2}{T}\) \(1\)

带入式 \((2)\)

\[\Delta p=spq\cfrac{p-q}{1-2spq} \]

赢家通吃。

\[\Delta p \begin{cases} >0 & p>q & \textsf{最终只剩}p\\ =0 & p=q & \textsf{不稳定平衡点}\\ <0 & p<q & \textsf{最终只剩}q\\ \end{cases} \]

2.3 稳定选择

\(AA\)\(aa\)不利,杂种优势。

基因型频率 \(AA\) \(Aa\) \(aa\) 合计
初始 \(p^2\) \(2pq\) \(q^2\) \(1\)
选择系数 \(s\) \(0\) \(t\)
适合度 \(m=1-s\) \(1\) \(o=1-t\)
选择后 \((1-s)p^2\) \(2pq\) \((1-t)q^2\) \(T=1-sp^2-tq^2\)
相对频率 \(\cfrac{p^2}{T}\) \(\cfrac{2pq}{T}\) \(\cfrac{(1-s)q^2}{T}\) \(1\)

带入式 \((1)\) 得,选择平衡时:

\[sp=tq \]

\[\therefore\begin{cases} p&=\cfrac{t}{s+t}\\ q&=\cfrac{s}{s+t} \end{cases} \]

3. 有迁移

\[\Huge\underset{\small P(a)=q_B}{\bigcirc}\xrightarrow{\normalsize m}\underset{\small P(a)=q_n}{\circ} \]

  • 大种群足够大,\(q_B\) 不会变化
  • 年迁移率 \(m=\cfrac{\textsf{迁来的个体数}}{\textsf{迁来的个体数}+\textsf{原来的个体数}}\)
法一

\[\begin{aligned} q_1&=mq_B+(1-m)q_0\\ q_2&=mq_B+(1-m)q_1\\ &=mq_B+(1-m)mq_B+(1-m)^2q_0\\ q_3&=mq_B+(1-m)q_2\\ &=mq_B+(1-m)mq_B+(1-m)^2mq_B+(1-m)^3q_0\\ \vdots\\ q_n&=mq_B\sum_{i=0}^{n-1}{(1-m)^i}+(1-m)^nq_0 \end{aligned} \]

小奥再次启动!

\(S=\displaystyle\sum_{i=0}^{n-1}{(1-m)^i}\)\(a=1-m\)

\[\begin{aligned} S&=\sum_{i=0}^{n-1}{a^i}\\ aS&=\sum_{i=1}^{n}{a^i}\\ (a-1)S&=a^n-1\\ S&=\cfrac{a^n-1}{a-1}\\ &=\cfrac{(1-m)^n-1}{-m}\\ \therefore q_n&=q_B-(1-m)^nq_B+(1-m)^nq_0\\ \cfrac{q_n-q_B}{q_0-q_B}&=(1-m)^n \end{aligned} \]

这是什么?等比数列!

于是有了:

法二

\[\begin{aligned} q_1&=mq_B+(1-m)q_0\\ q_1-q_B&=mq_B+(1-m)q_0-q_B\\ q_1-q_B&=(1-m)(q_0-q_B)\\ \cfrac{q_1-q_B}{q_0-q_B}&=1-m\\ \Rightarrow \cfrac{q_n-q_B}{q_0-q_B}&=(1-m)^n \end{aligned} \]

光速出结论。


十分感谢你能看到这里。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/863435.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MongoDB备份脚本.241217

#!/bin/bash #backup MongoDB #mongodump命令路径 DUMP=/home/mongodb/bin/mongodump #临时备份目录 OUT_DIR=/home/mongodb_bak/mongodb_bak_now #备份存放路径 TAR_DIR=/home/mongodb_bak/mongodb_bak_list #获取当前系统时间 DATE=`date +%Y_%m_%d` #数据库账号 DB_USER=roo…

MySQL备份脚本.241217

MYSQL备份,每天全量备份(排除由于GTID的缘故造成恢复问题的系统库),然后通过Gzip进行压缩。 #!/bin/bash#DEFINE VARIABLES BACKUPUSER=root BACKUPPASS=root密码 BACKUPPORT=mysql端口 #BACKUPSOCKET=/home/data/$BACKUPPORT/logs/mysql.sock BACKUPIP=localhost MYSQL=/…

欧拉OpenEuler安装JAVA.241227

1. 安装java mkdir -p /home/java tar -zxvf jdk-8u391-linux-x64.tar.gz -C /home/java cd /home/java cd jdk1.8.0_391/2. 配置java vim /etc/profile ,最后加上export JAVA_HOME=/home/java/jdk1.8.0_391export CLASSPATH=.:$JAVA_HOME/libexport PATH="$PATH:$JAVA_…

PCIe扫盲——基地址寄存器(BAR)详解

基地址寄存器(BAR)在配置空间(Configuration Space)中的位置如下图所示:其中Type0 Header最多有6个BAR,而Type1 Header最多有两个BAR。这就意味着,对于Endpoint来说,最多可以拥有6个不同的地址空间。但是实际应用中基本上不会用到6个,通常1~3个BAR比较常见。 主要注意…

使用标签策略规范资源上的标签

阿里云标签服务提供了标签策略功能,能够帮助企业解决在标签使用过程中遇到的漏打标签、标签拼写错误等问题,同时为用户提供了自动打标的能力。引言 阿里云标签服务提供了标签策略功能,能够帮助企业解决在标签使用过程中遇到的漏打标签、标签拼写错误等问题,同时为用户提供了…

java字符串拼接遇到null你会处理吗

现有一个场景,对于发票信息,需要把信息中的地址和电话进行拼接,开户号和账号进行拼接,那应该怎么做?最简单的方法是使用+拼接,但问题是如果有个字段为空,是null,那么拼接结果是什么样的?来个下面的示例public static void main(String[] args) {String a = null;Strin…

欧拉OpenEuler安装tomcat.241227

1. 安装tomcat unzip tomcat.zip mv tomcat /home/ cd /home/tomcat chmod +x *.sh cd bin chmod +x *.sh/home/tomcat下 三个sh 进行启动关闭 2. 开web端口 firewall-cmd --list-ports firewall-cmd --permanent --add-port=9090/tcp firewall-cmd --reload.zstitle { width:…

03CommonsCollections1

CC链的介绍Apache Commons 当中有⼀个组件叫做 Apache Commons Collections ,主要封装了Java 的 Collection(集合) 相关类对象,它提供了很多强有⼒的数据结构类型并且实现了各种集合工具类。 作为Apache开源项⽬的重要组件,Commons Collections被⼴泛应⽤于各种Java应⽤的开…

MYSQL数据库导出导入脚本.250102

以test数据库为例:一、导出数据库 /usr/local/mysql/bin/mysqldump -uroot -p test --routines | gzip > test_250102.sql.gz二、导入数据库 gunzip < /root/test_250102.sql.gz | /usr/local/mysql/bin/mysql -uroot -p test.zstitle { width: 280px; text-align: cent…

Github + Jekyll 搭建项目wiki

网站托管 创建新仓库 创建以自己名字为前缀, .github.io​为后缀的仓库 ​​ 在仓库的Settings中的Pages里设置Build and deployment​为Github Action​ ​​ 过一会即可跳转域名访问自己的页面 ​​ ‍ fork仓库 另外一种方法, 直接fork主题仓库,可以从官方主题这里获取更多。…

Postman安装及汉化教程 | 手把手教你轻松搞定

前言 Postman 是一款功能强大的 API 测试工具,深受开发者喜爱。然而,原版 Postman 是英文界面,对于习惯中文的用户可能不够友好。本教程详细介绍如何下载安装 Postman 并成功实现汉化,适合零基础用户。一、下载安装包 首先,获取 Postman 的安装包及对应汉化包: 👉 点击…