群体遗传专题：基础知识概念理解

在我们正式开始群体遗传的学习，往往会遇到很多陌生的名词。在开展不同的实战练习之前，第一件事当然就是把基础概念理解清楚。

群体遗传学介绍

传统群体遗传学是基于观察到的等位基因频率与预期频率的分析。例如，在Wright-Fisher模型下，你可能会看到有性繁殖的二倍体个体群体，而且这些种群没有重叠世代。该模型忽略了诸如突变，重组，选择或种群大小或结构变化等影响。更复杂的模型可以包含在实际群体中观察到的影响的不同方面。然而，大多数这些模型都假设群体是以性方式繁殖的。

A locus (基因座）是基因组中的一个位置，我们可以在不同的个体中观察一个或几个等位基因。假定群体遗传学中使用的基因座是选择性中性的，可以是anonymous或非编码区，如微卫星基因座（SSR），单核苷酸多态性（SNP）。

A genotytpe (基因型)是特定基因座上给定个体携带的等位基因的组合。携带同一组等位基因的个体被认为具有相同的多基因座基因型 (MLG)。

群体中基本度量标准是多态性，等位基因频率和基因型频率。多态性可以通过多种方式进行估计，例如观察到的多个等位基因的总数。等位基因的频率计算为在群体中观察到的等位基因拷贝数除以个体总数。基因型频率是在群体中观察到的每个MLG的相对频率。因此，对于双等位基因座的二倍体，我们可以观察到三种基因型：AA，Aa和aa及其各自的频率，这些频率加起来等于。

群体分析

群体分析一般可以分为，分层分析和选择分析。分层分析可以定义为，基于群体内个体之间基因序列上的差异。群体选择分析是在群体水平在基因组不同区域遗传多样性的差异。

分层分析：

• 系统发育研究：一般使用发育树研究具有共同祖先之间进化关系，探究物种进化的关系和分类的关系。

• PCA（主成分分析）：用较少不相关的变量替代原始大量相关的变量，来研究群体分层，亚种之前的进化关系。

• 群体结构分析：研究大群体中存在基因频率不同的亚群，一般可以用来推断祖先群，个体血缘组成，还有杂交事件。

选择分析
选择清除分析：自然选择促使有利突变在群体中保留下来，与之连锁的中性位点突变频率提升，非连锁的中性位点突变频率下降；简单的说就是基因组某区域由于受到了选择而消除多态性，即遗传多样性降低，在群体中出现高频的等位基因和低频的等位基因。主要用于：挖掘驯化过程中受选择的基因和挖掘物种适应性进化过程中受选择的基因。

常用的统计方法：
θπ、θW，Tajima's D，Fst。

θπ：群体中任意两条不同序列（个体）的碱基差异数（SNP）取平均值。

1. 手人工选择的群体，遗传多样性相对单一，θπ值较小

2. 野生群体遗传多样性大，θπ值比较大

3. 单个群体内部基因型多样性（0-1），多样性越大，θπ越大。

θW：基于全部序列内分离位点个数

中性检验（Tajima's D）：

Tajima’D = (θπ–θW)/Var(θπ–θW)

• θπ = θw  Tajima's D = 0，中性进化；

• θπ < θw  Tajima’s D < 0：群体中存在许多低频率的等位基因（稀有等位基因），则θW增大而θT不受影响（或影响较小），由定向选择或群体扩张引起；

• θπ > θw  Tajima’s D > 0：群体中高等/中等频率的等位基因较多， θT增大而θW 不受影响，由于平衡选择和瓶颈效应引起的。

平衡选择与定向选择都属于正选择的范畴，因此，只要D值显著背离0，就可能是自然选择的结果；而当D值不显著背离0时，则中性突变。

Fst：群体间遗传分化指数，是种群分化和遗传距离的一种衡量方法，分化指数越大，差异越大。

Fst= (πBetween-πWithin)/πBetween
πBetween:来自群体间的所有两两个体间差异的均值
πWithin:来自亚群内所有两两个体间差异的均值

正选择vs负选择

positive selection (正选择）：自然选择“选留”一些稀少的等位基因，拥有这些等位基因的个体能繁殖更多的后代；这样的突变基因往往具有与原来基因不同的功能，而且该功能使得拥有它的生物更能适应环境。

negative selection（负选择）：指群体中出现有害突变等位基因时，携带该等位基因的个体会因为生存力或育性降低而从群体中淘汰，也叫净化选择。

选择清除vs背景选择

选择清除：在有利突变产生后被正选择固定的过程中，与之连锁的中性位点的变异也被固定。
背景选择：负选择在清除有害突变时，也会随之清除与其连锁的中性位点的变异。

选择清除和背景选择都会导致基因组上受选择的区域遗传多样性下降，两者很难区分，但背景选择在群体中不会导致高频等位基因突变出现。

猜你喜欢

生信基础知识100讲

生信菜鸟团-专题学习目录（5）

生信菜鸟团-专题学习目录（6）

还有更多文章，请移步公众号阅读

▼ 如果你生信基本技能已经入门，需要提高自己，请关注下面的生信技能树，看我们是如何完善生信技能，成为一个生信全栈工程师。