一種針對具有多等位基因位點的選擇的全面表示法，允許複雜形式的基因型適應度

核心概念

本文提出了一個新的數學框架，用於模擬具有多個等位基因的基因座的選擇，該框架可以包含複雜形式的基因型適應度，並闡明遺傳多樣性和基因型適應度在選擇下的相互作用。

摘要

針對具有多等位基因位點的選擇的全面表示法，允許複雜形式的基因型適應度

本文提出了一個新的數學框架，用於模擬具有多個等位基因的基因座的選擇。該框架基於一個關鍵見解，即選擇和遺傳漂變都依賴於種群的多樣性。通過利用種群變異性的表達，該表達出現在隨機遺傳漂變的公式中，作者得出了一種緊湊的公式，用於表示存在多個等位基因時的選擇力。

遺傳多樣性是進化的核心。自然選擇和隨機遺傳漂變都受到種群遺傳多樣性水平的影響；選擇作用於多樣性，而漂變則從中取樣。在二倍體種群的給定位點上，每個個體只攜帶兩個等位基因，但整個種群可以擁有更多的等位基因，其上限受種群規模的兩倍限制。這就允許了許多可能的純合子和雜合子類型。此外，還有一些具有重要生物學意義的基因座，例如與 MHC 複合體、ABO 血型和囊性纖維化相關的基因座，它們表現出大量的等位基因。儘管如此，許多種群遺傳學理論和數據分析都局限於考慮雙等位基因座。然而，到目前為止，仍然缺乏一種靈活的選擇力表達方式，它允許任意數量的等位基因（以及任意數量的雜合子），以及各種形式的適應度。在這項工作中，我們通過給出選擇力的一種解析表示來彌補這一缺陷，該表示強調了種群多樣性和不同基因型適應度所起的截然不同的作用。所呈現的結果促進了我們的理解，並適用於涉及多個等位基因的各種不同情況。這包括適應度為：加性、乘性、隨機波動、頻率依賴的情況，並且它允許適應度涉及顯式基因相互作用，例如雜合子優勢。

從以下內容提煉的關鍵洞見

A comprehensive representation of selection at loci with multiple alleles that allows complex forms of genotypic fitness

by Nikolas Vell... 於 arxiv.org 11-12-2024

https://arxiv.org/pdf/2411.06431.pdf

深入探究

這個框架如何應用於研究多個基因座的選擇，其中基因座之間可能存在相互作用？

這個框架主要關注單一基因座，但可以通過以下方式擴展至研究多個基因座，並考慮基因座之間的相互作用：

多基因座基因型適應度矩陣： 可以將適應度矩陣 A 擴展為包含所有基因座的基因型組合。例如，如果有兩個基因座，一個有三個等位基因 (A1, A2, A3)，另一個有兩個等位基因 (B1, B2)，則適應度矩陣將是 6x6 的大小，表示所有可能的基因型組合 (A1B1, A1B2, A2B1,... A3B2) 的適應度。

上位效應： 基因座之間的相互作用，即上位效應，可以通過在適應度矩陣中設定相應的基因型組合的適應度值來體現。例如，如果 A1B1 的組合具有更高的適應度，則可以在矩陣中賦予其更高的適應度值。

連鎖不平衡： 該模型目前假設基因座之間沒有連鎖。要考慮連鎖不平衡，需要引入新的參數來描述基因座之間的重組率，並修改模型以追蹤單倍型頻率而不是單一等位基因頻率。

計算複雜度： 需要注意的是，隨著基因座和等位基因數量的增加，計算複雜度會顯著增加。因此，可能需要使用近似方法或簡化模型來處理大量基因座的情況。

該模型是否考慮了突變和重組對等位基因頻率的影響，以及這些因素如何與選擇和漂變相互作用？

該模型目前沒有明確考慮突變和重組的影響。以下是這些因素如何與選擇和漂變相互作用，以及如何將其納入模型的說明：

突變： 突變會引入新的等位基因，增加遺傳多樣性。可以通過添加一個突變率參數來擴展模型，該參數描述每個世代中每個等位基因突變成其他等位基因的概率。突變的影響與漂變相互作用，因為新的突變最初是稀有的，更容易因漂變而丟失。

重組： 重組會將不同基因座的等位基因重新組合，創造新的單倍型。可以通過引入重組率參數來擴展模型，該參數描述兩個基因座之間發生重組的概率。重組的影響與選擇相互作用，因為它可以將有利突變與不利突變分離，允許有利突變更快地傳播。

選擇、漂變和突變-重組的交互作用： 選擇、漂變、突變和重組之間的相互作用決定了群體的遺傳多樣性和進化軌跡。選擇會增加有利等位基因的頻率，而漂變會導致等位基因頻率的隨機波動，尤其是在小群體中。突變會引入新的變異，而重組會將變異重新組合。這些力量的平衡決定了群體的進化結果。

我們如何利用這個框架來預測不同選擇壓力下多等位基因基因座的長期進化軌跡？

利用這個框架，我們可以通過以下步驟預測不同選擇壓力下多等位基因基因座的長期進化軌跡：

定義適應度矩陣： 根據特定的選擇壓力，定義一個適應度矩陣 A(x)，該矩陣描述了每個基因型的相對適應度。

設定初始條件： 設定群體大小 (N) 和初始等位基因頻率 (x)。

迭代計算等位基因頻率： 使用公式 X(t + 1) = X(t) + D(X(t)) + ξ(t) 迭代計算每個世代的等位基因頻率，其中 D(X(t)) 是選擇力，ξ(t) 是漂變力。

分析長期趨勢： 通過模擬多個世代的等位基因頻率變化，可以觀察不同選擇壓力下等位基因頻率的長期趨勢，例如固定、丟失或維持多態性。

考慮其他因素： 可以通過添加突變、重組、基因流等因素來擴展模型，以更全面地了解多等位基因基因座的進化軌跡。

通過改變適應度矩陣、群體大小和其他參數，可以探索不同選擇壓力、群體結構和遺傳背景對多等位基因基因座進化軌跡的影響。