用R語言模擬遺傳漂變Genetic Drift

先引用一段維基百科對遺傳漂變的描述:
遺傳漂變(又稱基因漂變,英語:genetic drift)是指種群中基因庫在代際發(fā)生隨機改變的一種現(xiàn)象。由于任何一個個體的生存與繁殖都受到隨機因素的影響,繁殖過程可視作一種抽樣,子代攜帶的等位基因即是對親代抽取的一種樣本桐汤。這一過程中的抽樣誤差使子代中的等位基因頻率與親代并不相等,尤其是在小種群中靶壮。遺傳漂變可能改變某一等位基因的頻率怔毛,甚至致其完全消失,進(jìn)而降低種群的遺傳多樣性腾降。一般情況下拣度,種群的生物個體的數(shù)量越少,遺傳漂變的效應(yīng)就越強螃壤。遺傳漂變是生物進(jìn)化的關(guān)鍵機制之一抗果。

概率模型

為解釋遺傳漂變,可用瓶子中的20個小球來代表某種群及其20個初始個體奸晴。其中半數(shù)小球是紅色冤馏,半數(shù)是藍(lán)色,代表種群中的兩種等位基因寄啼。每一代的生物體都隨機繁殖逮光。模擬繁殖的方法是從第一瓶中隨機選取一個小球,并在第二個瓶中投入一個同色球辕录,直到裝滿20個新球為止睦霎。第二個瓶子表示種群的第二代個體。相比上一代走诞,由小球數(shù)量表示的等位基因頻率通常會發(fā)生改變,除非瓶中恰好有10個紅色蛤高、10個藍(lán)色球蚣旱。

重復(fù)幾次,以隨機“繁殖”每一代的小球戴陡。每一代中取到的紅球塞绿、藍(lán)球的累計數(shù)目都會上下浮動,有時紅球多些恤批,有時相反异吻。這正是遺傳漂變——由代際等位基因分布的隨機改變所導(dǎo)致的基因頻率變化。

若在某一代,選取的所有小球都是同一顏色诀浪,那么這一等位基因就被固定棋返,另一等位基因則永久丟失,而接下來的所有后代都將攜帶同一種等位基因雷猪。在較小的種群中睛竣,某一等位基因可能在幾代之內(nèi)就被固定下來。


隨機抽樣與二項分布

設(shè)想一個帶有A求摇,a兩種等位基因的射沟,足夠大的種群。兩種等位基因都是中性的与境,不影響生物體生存验夯、繁殖。其頻率均為1/2摔刁,而基因型頻率分別為Aa=1/2挥转,AA=1/4,aa=1/4簸搞。假定出于某種環(huán)境因素扁位,有4個個體遷移出去,形成了一個小而孤立的新種群趁俊。雖然這4個個體的選擇完全隨機域仇,但是新種群中A、a的基因頻率很可能不再是1/2寺擂。不僅如此暇务,它們有1/256的概率全帶有aa基因型。4個個體還對應(yīng)著8個配子怔软;每個配子都帶有A垦细、a之一。于是挡逼,新種群的基因構(gòu)成有9種可能括改,且滿足二項分布。

對于任何一個有限大的種群家坎,以上的推算都成立嘱能。如果種群大小為N且在繁殖前后保持不變,對于一個頻率為p的等位基因A虱疏,由二項分布可以確定它在下一代的頻率期望仍為p惹骂。然而,A的頻率將會出現(xiàn)上下浮動做瞪,還存在著在下一代消失的可能性对粪,且基因頻率越低,被丟棄的概率就越高。經(jīng)過足夠多代以后著拭,該種群必然出現(xiàn)全部個體都為某一等位基因純合子的情形纱扭。

R語言實現(xiàn)

drift <- function(N,iFreq,Gen,Rep){
  Frequency<-numeric(Gen+1)
  Num<-numeric(Gen+1)
  Generation<-numeric(Gen)
  par(new=F)
  
  for(j in 1:Rep){
    Frequency[1]<-iFreq
    for(i in 1:Gen){
      Generation[i]<-i
      Num[i]<-rbinom(1,N,Frequency[i]) 
      Frequency [i+1]<-Num[i]/N
    }       
    Generation[i+1]<-i+1
    plot(Generation, Frequency, ylim=c(0, 1), xlim=c(1, Gen), type="l", lty=1, col=j)
    par(new=T)
  }
}


drift(100,0.5,1000,100)
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市茫死,隨后出現(xiàn)的幾起案子跪但,更是在濱河造成了極大的恐慌,老刑警劉巖峦萎,帶你破解...
    沈念sama閱讀 206,013評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件屡久,死亡現(xiàn)場離奇詭異,居然都是意外死亡爱榔,警方通過查閱死者的電腦和手機被环,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,205評論 2 382
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來详幽,“玉大人筛欢,你說我怎么就攤上這事〈狡福” “怎么了版姑?”我有些...
    開封第一講書人閱讀 152,370評論 0 342
  • 文/不壞的土叔 我叫張陵,是天一觀的道長迟郎。 經(jīng)常有香客問我剥险,道長,這世上最難降的妖魔是什么宪肖? 我笑而不...
    開封第一講書人閱讀 55,168評論 1 278
  • 正文 為了忘掉前任表制,我火速辦了婚禮,結(jié)果婚禮上控乾,老公的妹妹穿的比我還像新娘么介。我一直安慰自己,他們只是感情好蜕衡,可當(dāng)我...
    茶點故事閱讀 64,153評論 5 371
  • 文/花漫 我一把揭開白布壤短。 她就那樣靜靜地躺著,像睡著了一般慨仿。 火紅的嫁衣襯著肌膚如雪鸽扁。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 48,954評論 1 283
  • 那天镶骗,我揣著相機與錄音,去河邊找鬼躲雅。 笑死鼎姊,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播相寇,決...
    沈念sama閱讀 38,271評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼慰于,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了唤衫?” 一聲冷哼從身側(cè)響起婆赠,我...
    開封第一講書人閱讀 36,916評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎佳励,沒想到半個月后休里,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,382評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡赃承,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,877評論 2 323
  • 正文 我和宋清朗相戀三年妙黍,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片瞧剖。...
    茶點故事閱讀 37,989評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡拭嫁,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出抓于,到底是詐尸還是另有隱情做粤,我是刑警寧澤,帶...
    沈念sama閱讀 33,624評論 4 322
  • 正文 年R本政府宣布捉撮,位于F島的核電站怕品,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏呕缭。R本人自食惡果不足惜堵泽,卻給世界環(huán)境...
    茶點故事閱讀 39,209評論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望恢总。 院中可真熱鬧迎罗,春花似錦、人聲如沸片仿。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,199評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽砂豌。三九已至厢岂,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間阳距,已是汗流浹背塔粒。 一陣腳步聲響...
    開封第一講書人閱讀 31,418評論 1 260
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留筐摘,地道東北人卒茬。 一個月前我還...
    沈念sama閱讀 45,401評論 2 352
  • 正文 我出身青樓船老,卻偏偏與公主長得像,于是被迫代替她去往敵國和親圃酵。 傳聞我的和親對象是個殘疾皇子柳畔,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 42,700評論 2 345

推薦閱讀更多精彩內(nèi)容