首页 > 其他分享 >哈迪-温伯格平衡及拓展

哈迪-温伯格平衡及拓展

时间:2025-01-03 16:22:26浏览次数:1  
标签:begin 温伯格 end 拓展 哈迪 cfrac Delta cases aligned

目录

设 \(P(A)=p,P(a)=q\)
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♀

设 \(x\) 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 \(N_0\) 与 \(N_1\) 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

设 \(p_♀-p_♂=a\)

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。

如 \(q_0=0.001\) , \(q_n=0.0001\) 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

对\(Aa\)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

对\(AA\)、\(aa\)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!

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

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

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。

标签:begin,温伯格,end,拓展,哈迪,cfrac,Delta,cases,aligned
From: https://www.cnblogs.com/PCwqyy/p/-/HardyWeinbergBalance

相关文章

  • 2024年CRM系统灵活性与可拓展性盘点
    在当今数字化商业浪潮中,CRM系统已成为众多企业提升客户关系管理水平、增强市场竞争力的关键工具。对企业而言,CRM的灵活性与可扩展性至关重要。灵活性使得CRM系统能够贴合企业独特的业务流程和运营模式,快速响应不断变化的市场需求和内部管理调整,并且允许CRM集成其他系统,让数据......
  • 拓展方法
    拓展方法基本概念为现有非静态的变量类型添加新方法一定要写在静态类中,一定是个静态函数,第一个参数为拓展目标,第一个参数用this修饰(构造函数中可以用this来复用构造函数,索引器的语法中也会用到this:访问修饰符返回值this[参数类型参数名,参数类型参数名]基本语法//......
  • 小迪安全->基础入门-Web应用&蜜罐系统&堡垒机运维&API内外接口&第三方拓展架构&部署影
    知识点:1、基础入门-Web应用-蜜罐系统2、基础入门-Web应用-堡垒机运维3、基础入门-Web应用-内外API接口4、基础入门-Web应用-第三方拓展架构一、演示案例-Web-拓展应用-蜜罐-钓鱼诱使蜜罐:https://hfish.net/测试系统:Ubuntu20.04一键安装:bash<(curl-sS-Lhttps://hfish.......
  • HarmonyOS Next 设备适配与生态拓展
    本文旨在深入探讨华为鸿蒙HarmonyOSNext系统(截止目前API12)在设备适配与生态拓展方面的技术细节,基于实际开发实践进行总结。主要作为技术分享与交流载体,难免错漏,欢迎各位同仁提出宝贵意见和问题,以便共同进步。本文为原创内容,任何形式的转载必须注明出处及原作者。一、设备适配......
  • 拓展中国剩余定理ExCRT
    更新日志2024/12/11:开工。概念同中国剩余定理,但模数两两不相同。求解。思路我们先考虑两个方程如何解决。\[\begin{cases}x\equivr_1\pmod{m_1}\\x\equivr_2\pmod{m_2}\end{cases}\\\Rightarrowx=m_1p+r_1=m_2q+r_2\\\Leftrightarrowm_1p-m_2q=r_2-r_1\]其中......
  • [待更新]欧几里得算法(辗转相除法)与拓展欧几里得算法
    更新日志2024/12/08:开工。欧几里得算法用途与原理欧几里得算法,用于求两个数的最大公约数。其核心原理为:\(\gcd(a,b)=\gcd(b,a\bmodb)\)证明首先,我们证明\(\gcd(a,b)=\gcd(b,a\bmodb)\)。为了方便证明,这里我们令\(a>b\)。\[\because\gcd(a,b)\mida\text,\gcd......
  • Python.拓展05
    Python.拓展051.缩进,用4个空格,不要用制表符。2.4个空格是小缩进(更深嵌套)和大缩进(更易阅读)之间的折中方案。制表符会引起混乱,最好别用。3.换行,一行不超过79个字符,这有助于在多种屏幕和设备上保持良好的可读性。4.这样换行的小屏阅读体验更好,还便于在大屏显示器上并排阅读......
  • Task05 && 拓展01
    Task05条件ConditionalsIF语句IFElse语句IF-ELIF-ELSE语句IF-ELSE推导式defabs7(n) returnnif(n>=0)else-ndefabs7(n):ifn>=0:returnnelse:return-nMATCH-CASE语句matchsubject: case<pattern_1> <action_1......
  • task05&&01拓展:Python 条件判断和代码风格随笔
    在Python编程中,遵循良好的代码规范至关重要。一、空格使用规范•采用空格表示缩进,切勿使用制表符(Tab)。•语法相关的每一层缩进用4个空格表示。•每行字符数最好不超过79个。若表达式过长需多行显示,除首行外,其余行应在正常缩进基础上再增加4个空格。•函数和类定......
  • 拓展01 :代码风格/Python Style
    代码规范关于代码规范,详细内容可以看PEP8这是Python官方对于代码规范的要求。以下我来总结几点重要内容。关于空格使用空格来表示缩进而不要用制表符(Tab)。和语法相关的每一层缩进都用4个空格来表示。每行的字符数不要超过79个字符,如果表达式因太长而占据了多行,除了首......