Információ

Az allélok dominanciájának alakulása

Az allélok dominanciájának alakulása


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Valaki meg tudja mondani, hol találok részletes szöveget a dominancia kialakulásának mechanizmusairól? Illetve ha lehet, megköszönném, ha valaki itt mesélne róluk.


Üdvözöljük a Biology.SE oldalán!

Nem tudok olyan könyvről, amely széleskörűen beszélne a dominancia alakulásáról. Ez egy nagyon érdekes kutatási terület. Valószínűleg kereshet olyan dokumentumokat a témában, amelyek sokkal továbbmennek az alábbi válaszomnál. Például érdemes elolvasni a Mayo és Burger (1996), Bourguet (1999) és Biliárd és Castric (2011) című műveket. Remélem, hogy az alábbi válaszom további kereséshez ad alapot a két fő (és történelmi jelentőségű) bemutatásával. hipotéziseket.


Számos hipotézis létezik a dominancia kialakulásáról. Mindenekelőtt fontos megjegyezni, hogy az empirikus megfigyelések ezt mutatják a jótékony allélek általában dominánsabbak, mint a káros allélek. Számos hipotézis létezik, és nem fogok tudni teljes körű áttekintést készíteni. A dominancia kialakulását magyarázó két fő hipotézis közül az egyiket Ronald Fisher, a másikat pedig Sewall Wright (és J.B.S. Haldane) fogalmazta meg.

Fisher hipotézise

Fisher hipotézise szerint két egyformán jótékony allél között, ha az egyik dominánsabb, mint a másik, mint a heterozigóta hordozó, akkor nagyobb a fittsége. Következésképpen a jótékony allélek dominánsabbá válnak, míg a káros allélek recesszívvé válnak (így elrejtőzhetnek a szelekció elől heterozigótákban). A modell fő kritikája az, hogy a dominancia szelekciója csak akkor lehetséges, ha a lókusz polimorf. Ez azt jelenti, hogy a dominancia szelekciójának erőssége a mutációs ráta szintjén van, ami túlságosan gyengének tűnik ahhoz, hogy megmagyarázza a dominancia megfigyelt mintáját.

Wright hipotézise

Wright hipotézise szerint a hasznos allélok a biokémiai reakciók kinetikája miatt dominánsabbak. A biokémiai reakció sebessége a kérdéses szubsztrátok koncentrációjának függvénye. A függvény neve "Michaelis-Menten függvény" a szerzők neve után. A Michaelis-Menten függvény így néz ki:

Gondolj egy knock-out mutációra. Az ilyen mutáció a heterozigótákban a kérdéses gén által termelt fehérje koncentrációjának felére csökken. Képzeld el, a fehérjék koncentrációja a vad típusú homozigótában 3 volt (lásd a fenti grafikont). Ennek a homozigótának a reakciósebessége tehát körülbelül 3. A heterozigóta koncentrációja 1,5, és a reakció sebessége ezért körülbelül 2,5-2,75. Feltételezve, hogy ennek a biokémiai reakciónak a sebessége közvetlenül összefügg a fittséggel, akkor az érdeklődés helyén a jótékony allélok szükségszerűen dominánsak, a káros allélek pedig szükségszerűen recesszívek. Wirght modelljében nem szerepel a dominancia szelekciója.

Ezen túlmenően, ha egy sor biokémiai reakcióban van, valószínűleg lesz egy olyan reakciója, amely szűk keresztmetszetet okoz. Az egyik reakció, amely valamely biokémiai folyamat sebességének korlátozó tényezője. Nevezzük ezt reakciónakfolyamat A. Ha bármely más reakciót kódoló génen mutáció következik befolyamat Bez nem korlátozó tényező (folyamat A), akkor ennek a mutációnak nincs hatása a fittségre mindaddig, amíg nem elég fontos a létrehozásafolyamat Blassabb, mint a folyamatA. Ez dominancia mintázatához vezethet. Nem tudom azonban, hogy Wright és Haldane mennyit fogalmazott meg ebből.

Fisher vagy Wright hipotézise helyes?

Értelmem szerint, a technika jelenlegi állása szerint Wright modelljét helyesnek, Fisher modelljét pedig rossznak tekintik. A valóságban az igazság valószínűleg valahol a két véglet között van. Léteznek részletesebb (és mechanikusabb) modellek a dominancia evolúciójára, amelyek és a fenti kettősség nem feltétlenül reprezentálja a témáról folyó vitát. Például (homályosan) emlékszem, hogy az egyetemi tanulmányaim alatt Sylvain Billiard előadást tartott az egyetememen, amelyben arról számolt be, hogy egyes allélok valóban rendelkeznek olyan tartományokkal, amelyek közvetlenül felelősek a másik allél expressziójának csökkentéséért a testvérkromoszómán, ami arra utal, hogy Fisher hipotézise valamikor egészen jó magyarázat lehet.


Ez a válasz abból származik, amit itt írtam. De ez sokkal jobban illeszkedik a kérdésedhez, mint arra, ahol eredetileg közzétették.


Frozen Evolution. Vagy ez nem így van, Mr. Darwin. Búcsú az önző géntől.

Az az allél, amely az adott gén inaktív termékét kódolja, vagy nem is expresszálódik, általában recesszív módon működik. Ha egy homológ kromoszómán a második allél funkcionális terméket, például funkcionális enzimet kódol, akkor ez a fehérje homozigótában és heterozigótában is előfordul, és az eredmény az adott tulajdonság jelenléte. Az egyes gének expressziós fokát általában lényegesen szabályozza a sejtben az adott termék aktuális szükséglete, így annak a ténynek, hogy egy heterozigótában egy adott génnek csak egyetlen funkcionális kópiája van jelen, nem kell a gének koncentrációjában megnyilvánulnia. az adott gén terméke. Még ha az adott gén expressziójának szabályozása nem is lehetséges, és az adott termék mennyisége a géndózistól, azaz a sejtmagban található funkcionális kópiák számától függ, a termék csökkent koncentrációjának heterozigótában nem kell megnyilvánulnia. fenotípusában, különösen, ha ez a termék egy bonyolult anyagcsere-folyamatban részt vevő enzim. Egy-egy lépcsőzetes szekvenciában nagyobb számú enzim vesz részt az egyes metabolikus útvonalakban. Az enzimkinetika törvényeiből egyúttal következik, hogy a következő reakciók összsebessége csak kis mértékben érzékeny az egyes enzimek koncentrációjának ingadozására (Kacser és Porteous 1987).

Ha egy adott gén terméke nem enzim, hanem strukturális vagy szabályozó molekula, akkor egy mutált allél nagyon könnyen domináns karakterrel és megnyilvánulással rendelkezhet. Például egy szabályozó fehérje, amely új affinitást nyer egy adott gén szabályozóhelyéhez, még egy heterozigóta sejtjében is bekapcsolhatja ennek a génnek az expresszióját. Egy ilyen allél domináns allélként működhet. Hasonlóképpen, domináns allélként működhet egy allél, amely egy aloszterikusan szabályozott enzim megváltozott formáját kódolja, azaz olyan enzim, amelynek aktivitása például inaktiválódik, amikor az általa katalizáló reakciótermékek kötődnek hozzá. Ha egy mutált allél olyan enzimet kódol, amely a mutáció miatt elvesztette az aloszterikusan inaktiváló képességét az adott reakció termékeinek jelenlétében, akkor egy ilyen allél jelenléte érthető módon a normál allélok jelenlétében is megnyilvánul. az eredeti, szabályozott enzimet kódolja.

II.11. ábra Kiválasztás a domináns és recesszív allélok javára. A szelekció hatékonysága a domináns allélek javára, alacsony allélgyakorisággal a populációban (q), sokkal magasabb, mint a hasonló recesszív allélek javára. A grafikonon a szelekció eredményességét az egyes allélok javára az adott allél gyakoriságának időegységenkénti változásában fejezzük ki (dq/dt). Domináns allélek esetén a megfelelő allélok gyakoriságának növekedési üteme alacsony allélfrekvenciánál is magas. Ez jelentősen csökkenti annak a kockázatát, hogy egy új mutált allél hamar eltűnik a kialakulása után a sodródás következtében. Itt mindkét allél azonos szelekciós együtthatót mutat homozigóta állapotban, és csak abban különböznek, hogy a recesszív allélek jelenléte semmilyen módon nem befolyásolja a heterozigóták biológiai alkalmasságát..

Bizonyos mennyiségű közvetlen és közvetett bizonyíték bizonyítja, hogy az allélok dominanciája valójában egy összetettebb jelenség, amely önmagában is a biológiai evolúció tárgya (Bourguet 2001). Például többször is kiderült, hogy a természetes populációban a leggyakoribb allélok általában dominánsak, másrészt a kisebbségi allélok gyakran recesszívek. Ha viszont a laboratóriumban olyan egyedeket izolálunk, amelyek két újonnan kialakult mutált allélt hordoznak, vagy ha kisebbségi allélokat hordozó egyedeket kapunk kölcsönösen izolált természetes populációkban, akkor a részleges dominancia kapcsolata többnyire az alléljaik között található. Ez a tény két egészen eltérő módon értelmezhető. Az első magyarázat azon az egészen logikus feltételezésen alapul, hogy a megfelelő domináns allélek könnyebben elterjednek a populációban, és így könnyebben válnak többségi allélekké, mint a hasonlóan előnyös recesszív allélek. Míg a domináns allélok hasznossága heterozigótában is megnyilvánul, addig a hasonló recesszív allélek hasznossága csak recesszív homozigótákban, az outbred populációban nyilvánul meg, azaz olyan populációban, amelyben tagjai között véletlenszerű keresztezés történik, vagyis csak akkor, ha gyakorisága jelentősen megnőtt (II.1. ábra). Ezt az elvet hívják Haldane szitája (Noor 1999).

A második magyarázat azon a feltételezésen alapul, hogy a dominancia foka, mint minden más biológiailag fontos tulajdonság, a természetes szelekció tárgya lehet, és így a biológiai evolúció tárgya lehet. Képzeljünk el egy gént, amely egyszerre vesz részt két tulajdonság kialakításában, A és B. Ezzel egyidejűleg az allélja a1meghatározza a tulajdonság kialakulását A és annak allélja a2 meghatározza a tulajdonság kialakulását B. Ha a tulajdonság jelenléte A előnyös az egyén számára, és egyben a tulajdonságot kódoló allélok jelenléte B Ugyancsak előnyös, a természetes szelekció végül oda vezethet, hogy az egyik allél a tulajdonság szempontjából domináns lesz A (és a tulajdonság szempontjából recesszív B) és ugyanannak a génnek a másik allélja, éppen ellenkezőleg, a tulajdonság szempontjából recesszív A (és domináns a tulajdonság szempontjából B). Következésképpen a heterozigóták mindkét tulajdonság hasznára válnak A és tulajdonságB. A sok génben heterozigóta egyedek magas biológiai alkalmasságának általánosan ismert ténye arra utal, hogy ez nagyon gyakran előfordulhat a természetben.


Populációgenetika

Emlékezzünk vissza, hogy egy adott karakter génje több allélt vagy változatot tartalmazhat, amelyek az adott karakterhez kapcsolódó különböző tulajdonságokat kódolják. Például az emberek ABO vércsoport-rendszerében három allél határozza meg az adott vércsoporthoz tartozó fehérjét a vörösvértestek felszínén. A diploid organizmusok populációjában minden egyed csak két allélt hordozhat egy adott génhez, de kettőnél több is lehet jelen a populációt alkotó egyedekben. Mendel az allélokat követte, mivel azokat szülőről utódra örökölték. A huszadik század elején a populációgenetika területén dolgozó biológusok elkezdték tanulmányozni, hogyan változtatják meg a szelektív erők a populációt az allél- és genotípus-gyakoriságok változásán keresztül.

Az allélgyakoriság egy adott populáción belül a környezeti tényezők függvényében változhat, ezért a természetes szelekció során egyes allélek jobban elterjednek, mint mások. A természetes szelekció megváltoztathatja a populáció genetikai felépítését. Példa erre, ha egy adott allél olyan fenotípust ad, amely lehetővé teszi az egyed számára, hogy jobban túlélje vagy több utód szülessen. Mivel ezek közül az utódok közül sokan a jótékony allélt, és gyakran a megfelelő fenotípust is hordozzák, több olyan saját utód lesz, amely szintén hordozza az allélt, így a ciklus állandósul. Idővel az allél elterjed az egész populációban. Egyes allélek ilyen módon gyorsan rögzülnek, ami azt jelenti, hogy a populáció minden egyede hordozza az allélt, míg a káros mutációk gyorsan kiküszöbölhetők, ha a génállomány egy domináns alléljából származnak. A génállomány a populáció összes alléljának összege.

Néha az allélgyakoriságok egy populáción belül véletlenszerűen változnak anélkül, hogy a populáció előnyt jelentene a meglévő allélgyakoriságokhoz képest. Ezt a jelenséget genetikai sodródásnak nevezzük. A természetes szelekció és a genetikai sodródás általában egyidejűleg fordul elő a populációkban, és nem elszigetelt események. Nehéz meghatározni, hogy melyik folyamat dominál, mert gyakran szinte lehetetlen meghatározni az allélgyakoriság változásának okát minden egyes előfordulásnál. Alapító hatásnak nevezzük azt az eseményt, amely a populáció egy izolált részében allélgyakoriság-változást indít el, ami nem jellemző az eredeti populációra. A természetes szelekció, a véletlenszerű sodródás és az alapító hatások jelentős változásokhoz vezethetnek a populáció genomjában.


Biológia 171


A Földön minden élet összefügg. Az evolúciós elmélet azt állítja, hogy az embereknek, bogaraknak, növényeknek és baktériumoknak van egy közös őse, de az evolúció több millió éves evolúciója ezeket a szervezeteket olyan formává formálta, mint amilyeneket ma látunk. A tudósok az evolúciót az élet megértésének kulcsfogalmának tartják. Ez az egyik legdominánsabb evolúciós erő. A természetes szelekció elősegíti azokat a tulajdonságokat és viselkedési formákat, amelyek növelik a szervezet túlélési és szaporodási esélyeit, miközben kiküszöbölik azokat a tulajdonságokat és viselkedéseket, amelyek károsak a szervezetre. A természetes szelekció azonban, ahogy a neve is sugallja, csak szelektálni tud – nem alkothat. Újszerű tulajdonságokat és viselkedéseket tulajdoníthatunk egy másik evolúciós erőnek – a mutációnak. Az egyedek közötti mutációk és más variációs források, valamint a rájuk ható evolúciós erők megváltoztatják a populációkat és a fajokat. A folyamatok ezen kombinációja vezetett el a ma látható életvilághoz.

Tanulási célok

A szakasz végére a következőket teheti:

  • Határozza meg a populációgenetikát, és írja le, hogyan használják a tudósok a populációgenetikát a populáció evolúciójának tanulmányozására
  • Határozza meg a Hardy-Weinberg-elvet, és beszélje meg fontosságát

Az emberek nem értették az öröklődés mechanizmusait vagy a genetikát abban az időben, amikor Charles Darwin és Alfred Russel Wallace kidolgozta a természetes kiválasztódásról alkotott elképzelését. A tudás hiánya akadályozta az evolúció számos aspektusának megértését. Az akkori uralkodó (és helytelen) genetikai elmélet, az öröklődés keveredése megnehezítette a természetes szelekció működésének megértését. Darwin és Wallace nem tudtak Gregor Mendel osztrák szerzetes 1866-os “Experiments in Plant Hybridization” című kiadványáról, amely nem sokkal Darwin könyve után jelent meg. A fajok eredetéről. A tudósok újra felfedezték Mendel munkásságát a huszadik század elején, amikor a genetikusok gyorsan megértették az öröklődés alapjait. Kezdetben a gének újonnan felfedezett szemcsés természete megnehezítette a biológusok számára, hogy megértsék, hogyan mehet végbe a fokozatos evolúció. A következő néhány évtizedben azonban a tudósok a genetikát és az evolúciót integrálták a modern szintézis néven ismertté vált – a természetes szelekció és a genetika közötti kapcsolat koherens megértésében, amely az 1940-es évekre formálódott. Általában ez a koncepció ma általánosan elfogadott. Röviden, a modern szintézis leírja, hogy az evolúciós folyamatok, például a természetes szelekció, hogyan befolyásolhatják a populáció genetikai felépítését, és hogyan vezethet ez a populációk és fajok fokozatos fejlődéséhez. Az elmélet a populáció időbeli változását (mikroevolúció) is összekapcsolja azokkal a folyamatokkal, amelyek új fajokat és magasabb rendszertani csoportokat hoztak létre, amelyeknek karaktere igen eltérő, ezeket nevezik (makroevolúciónak).

Evolúció és influenza elleni védőoltások Minden ősszel a média beszámol az influenza elleni védőoltásokról és a lehetséges járványkitörésekről. A tudósok, egészségügyi szakértők és intézmények ajánlásokat fogalmaznak meg a lakosság különböző részei számára, megjósolják az optimális termelési és oltási ütemtervet, vakcinákat készítenek, és klinikákat állítanak fel az oltások biztosítására. Lehet, hogy az éves influenza elleni védőoltást médiafelhajtásnak, fontos egészségvédelemnek, vagy csak egy rövid ideig tartó kellemetlen szúrásnak gondolhatja a karjában. Azonban az evolúció szempontjából gondolsz rá?

Az éves influenza elleni oltásokról szóló médiafelhajtás tudományosan az evolúcióval kapcsolatos ismereteinken alapul. A tudósok világszerte minden évben arra törekednek, hogy előre jelezzék, hogy a következő évben mely influenzafajták lesznek a legelterjedtebbek és legkárosabbak. Ezt a tudást arra alapozzák, hogy az influenza törzsek hogyan fejlődtek az idők során és az elmúlt néhány influenza szezonban. A tudósok ezután azon dolgoznak, hogy megalkossák a leghatékonyabb vakcinát a kiválasztott törzsek leküzdésére. A gyógyszergyárak több száz millió adagot állítanak elő rövid időn belül annak érdekében, hogy a kulcspopulációkat az optimális időben biztosítsák.

Mivel a vírusok, mint az influenza, nagyon gyorsan fejlődnek (különösen az evolúciós időben), ez komoly kihívást jelent. A vírusok gyors ütemben mutálódnak és szaporodnak, így a tavalyi influenzatörzs ellen kifejlesztett oltóanyag nem biztos, hogy biztosítja a szükséges védelmet a következő évi törzs ellen. Ezeknek a vírusoknak az evolúciója folyamatos alkalmazkodást jelent a túlélés biztosítása érdekében, beleértve a korábbi vakcinák túlélése érdekében történő alkalmazkodást is.

Populációgenetika

Emlékezzünk vissza, hogy egy adott karakter génje több allélt vagy változatot tartalmazhat, amelyek az adott karakterhez kapcsolódó különböző tulajdonságokat kódolják. Például az emberek ABO vércsoportrendszerében három allél határozza meg az adott vércsoporthoz tartozó fehérjét a vörösvértestek felszínén. A diploid organizmusok populációjában minden egyed csak két allélt hordozhat egy adott génhez, de kettőnél több is lehet jelen a populációt alkotó egyedekben. Mendel az allélokat követte, mivel azokat szülőről utódra örökölték. A huszadik század elején a populációgenetika területén dolgozó biológusok elkezdték tanulmányozni, hogyan változtatják meg a szelektív erők a populációt az allél- és genotípus-gyakoriságok változásán keresztül.

Az allélgyakoriság (vagy géngyakoriság) az a sebesség, amellyel egy adott allél megjelenik egy populáción belül. Eddig az evolúcióról úgy beszéltünk, mint egy élőlénypopuláció jellemzőinek változásáról, de e mögött a fenotípusos változás mögött genetikai változás áll. A populációgenetikában a tudósok az evolúció kifejezést az allélok gyakoriságának változásaként határozzák meg egy populációban. Az ABO vércsoport-rendszert példaként használva az egyik allél gyakorisága, én A , az adott allél kópiáinak száma osztva a populációban található ABO gén összes kópiájával. Például egy jordániai tanulmány 1 gyakoriságát találta én A 26,1 százalék. Az én Zenekar én A 0 allél az allélok 13,4 százalékát, illetve 60,5 százalékát teszi ki, és az összes gyakoriság 100 százalékig adódik. Ennek a gyakoriságnak az idő múlásával történő változása a népesség evolúcióját jelenti.

Az adott populáción belüli allélgyakoriság a környezeti tényezők függvényében változhat, ezért a természetes szelekció során egyes allélek jobban elterjednek, mint mások. A természetes szelekció megváltoztathatja a populáció genetikai felépítését. Példa erre, ha egy adott allél olyan fenotípust ad, amely lehetővé teszi az egyed számára, hogy jobban túlélje vagy több utód szülessen. Mivel ezek közül az utódok közül sokan a jótékony allélt, és gyakran a megfelelő fenotípust is hordozzák, több olyan saját utód lesz, amely szintén hordozza az allélt, így a ciklus állandósul. Idővel az allél elterjed az egész populációban. Egyes allélek ilyen módon gyorsan rögzülnek, ami azt jelenti, hogy a populáció minden egyede hordozza az allélt, míg a káros mutációk gyorsan kiküszöbölhetők, ha a génállomány egy domináns alléljából származnak. A génállomány a populáció összes alléljának összege.

Néha az allélgyakoriságok egy populáción belül véletlenszerűen változnak anélkül, hogy a populáció előnyt jelentene a meglévő allélgyakoriságokhoz képest. Ezt a jelenséget genetikai sodródásnak nevezzük. A természetes szelekció és a genetikai sodródás általában egyidejűleg fordul elő a populációkban, és nem elszigetelt események. Nehéz meghatározni, hogy melyik folyamat dominál, mert gyakran szinte lehetetlen meghatározni az allélgyakoriság változásának okát minden egyes előfordulásnál. Alapító effektusnak nevezzük azt az eseményt, amely a populáció egy elszigetelt részében olyan allélgyakorisági változást indít el, amely nem jellemző az eredeti populációra. A természetes szelekció, a véletlenszerű sodródás és az alapító hatások jelentős változásokhoz vezethetnek a populáció genomjában.

Hardy-Weinberg egyensúlyi elv

A huszadik század elején Godfrey Hardy angol matematikus és Wilhelm Weinberg német orvos megállapította az egyensúly elvét a populáció genetikai felépítésének leírására. Az elmélet, amely később Hardy-Weinberg egyensúlyi elvként vált ismertté, kimondja, hogy a populáció allél- és genotípus-gyakorisága eredendően stabil – hacsak nem hat valamiféle evolúciós erő a populációra, sem az allél, sem a genotípus gyakorisága nem változna. A Hardy-Weinberg-elv olyan körülményeket feltételez, amelyekben nincsenek mutációk, migráció, kivándorlás vagy szelektív nyomás a genotípus mellett vagy ellen, valamint végtelen populációt. Noha egyetlen népesség sem tudja kielégíteni ezeket a feltételeket, az elv hasznos modellt kínál a valós népességváltozások összehasonlításához.

Ezen elmélet alapján a populációgenetikusok matematikai modelljeikben különböző allélekként különböző változókat jelenítenek meg. A p változó például gyakran egy adott allél gyakoriságát jelöli, mondjuk Y a Mendel-borsó sárga tulajdonságára, míg a q változó a zöld színt adó y allélok gyakoriságát jelenti. Ha ez az egyetlen két lehetséges allél egy adott lókuszhoz a populációban, akkor p + q = 1. Más szóval, az összes p allél és az összes q allél tartalmazza a populáció adott lókuszának összes allélját.

A legtöbb biológust azonban végső soron nem a különböző allélok gyakorisága érdekli, hanem a létrejövő genotípusok gyakorisága, az úgynevezett populáció genetikai szerkezete, amelyek alapján a tudósok sejthetik a fenotípus eloszlását. Ha megfigyeljük a fenotípust, akkor csak a homozigóta recesszív allél genotípusát ismerhetjük meg. A számítások a fennmaradó genotípusok becslését adják. Mivel minden egyed génenként két allélt hordoz, ha ismerjük az allélgyakoriságokat (p és q), a genotípusok és #8217 gyakoriságának előrejelzése egy egyszerű matematikai számítás a genotípusok megszerzésének valószínűségének meghatározására, ha véletlenszerűen két allélt rajzolunk a génből. medence. A fenti forgatókönyv szerint egy egyedi borsónövény lehet pp (YY), és így sárgaborsót termel pq (Yy), sárga vagy qq (yy) is, és így zöldborsót ((ábra)). Más szóval, a pp egyedek gyakorisága egyszerűen p 2, a pq egyedek gyakorisága 2pq, és a qq egyedek gyakorisága q 2. Ismét, ha a populációban egy adott tulajdonság egyetlen két lehetséges allélje p és q, akkor ezek a genotípusok gyakorisága egy lesz: p 2 + 2pq + q 2 = 1.


A növényekben az ibolya virágszín (V) dominál a fehérrel (v) szemben. Ha egy 500 növényből álló populációban p = 0,8 és q = 0,2, akkor hány egyedre számítana, hogy homozigóta domináns (VV), heterozigóta (Vv) és homozigóta recesszív (vv)? Hány növénynek számítana ibolyavirágzásra, és hánynak fehér virága?

Elméletileg, ha egy populáció egyensúlyban van – vagyis nem hatnak rá evolúciós erők –, nemzedékről nemzedékre ugyanaz a génállomány és genetikai szerkezet, és ezek az egyenletek mind mindig igazak lennének. Természetesen még Hardy és Weinberg is felismerte, hogy egyetlen természetes populáció sem mentes az evolúciótól. A természetben élő populációk genetikai felépítése folyamatosan változik a sodródás, a mutáció, esetleg a migráció és a szelekció következtében. Ennek eredményeként a fenotípusok populáción belüli pontos eloszlását csak úgy lehet meghatározni, ha kimegyünk és megszámoljuk őket. A Hardy-Weinberg-elv azonban egy nem fejlődő populáció matematikai kiindulópontját adja a tudósoknak, amellyel összehasonlíthatják a fejlődő populációkat, és ebből következtethetnek arra, hogy milyen evolúciós erők játszanak szerepet. Ha az allélok vagy genotípusok gyakorisága eltér a Hardy-Weinberg egyenletből várt értéktől, akkor a populáció fejlődik.

Használja ezt az online számológépet a populáció genetikai szerkezetének meghatározásához.

A szakasz összefoglalása

Az evolúcióelmélet modern szintézise Darwin, Wallace és Mendel evolúcióról és öröklődésről alkotott gondolatainak kohéziójából, valamint a populációgenetika modernebb tanulmányozásából nőtt ki. Leírja a populációk és fajok evolúcióját, az egyedek közötti kis léptékű változásoktól a nagyszabású változásokig az őslénytani időszakokban. Az élőlények fejlődésének megértéséhez a tudósok nyomon tudják követni a populációk allélgyakoriságát az idő múlásával. Ha nemzedékenként különböznek, a tudósok arra a következtetésre juthatnak, hogy a populáció nincs Hardy-Weinberg egyensúlyban, és így fejlődik.

Művészeti kapcsolatok

(ábra) A növényekben a lila virágszín (V) dominál a fehérrel (v) szemben. Ha p = 0,8 és q = 0,2 egy 500 növényből álló populációban, hány egyedre számítana, hogy homozigóta domináns (VV), heterozigóta (Vv) és homozigóta recesszív (vv)? Hány növénynek számítana ibolyavirágzásra, és hánynak fehér virága?

(ábra) A várható eloszlás 320 VV, 160Vv és 20 VV üzem. A VV vagy Vv genotípusú növények ibolyavirágúak, a vv genotípusú növények pedig fehér virágúak lennének, így összesen 480 növény ibolyavirágú, 20 növény pedig fehér virágú lenne.

Ingyenes válasz

Oldja meg a 12 homozigóta recesszív egyedből (yy), 8 homozigóta domináns egyedből (YY) és 4 heterozigóta egyedből (Yy) álló populáció genetikai szerkezetét!

p = (8*2 + 4)/48 = 0,42 q = (12*2 + 4)/48 = 0,58 p 2 = 0,17 2pq = 0,48 q 2 = 0,34

Magyarázza meg az egyensúlyelmélet Hardy-Weinberg-elvét!

A Hardy-Weinberg egyensúlyi elv a populáció genetikai felépítésének leírására szolgál. Az elmélet azt állítja, hogy a populáció allél- és genotípus-gyakorisága eredendően stabil: hacsak nem hat valamiféle evolúciós erő a populációra, a populáció generációról generációra ugyanazokat a géneket hordozná, és az egyedek összességében lényegében ugyanúgy néznének ki. .

Képzelje el, hogy megpróbálja tesztelni, hogy egy virágpopuláció evolúción megy-e keresztül. Azt gyanítja, hogy szelekciós nyomás nehezedik a virág színére: úgy tűnik, hogy a méhek gyakrabban csoportosulnak a piros virágok körül, mint a kék virágok. Egy külön kísérletben azt találja, hogy a kék virágszín dominál a piros virág színénél. Egy mezőn 600 kék virágot és 200 piros virágot számol. Mire számíthat a virágok genetikai szerkezete?

A vörös recesszív, így q2 = 200/800 = 0,25 q = 0,5 p = 1 – q = 0,5 p2 = 0,25 2pq = 0,5. 200 homozigóta kék virágra, 400 heterozigóta kék virágra és 200 piros virágra számíthat.

Lábjegyzetek

    Sahar S. Hanania, Dhia S. Hassawi és Nidal M. Irshaid, „Az ABO vércsoportrendszer allélfrekvenciája és molekuláris genotípusai egy jordániai populációban”, Orvostudományi folyóirat 7 (2007): 51-58, doi: 10.3923/jms.2007.51.58.

Szójegyzék


Mód

13. szekvenciaadatokat gyűjtöttünk A. lyrata növények Novikova et al. 16 és szekvencia adatok a 16-hoz A. thaliana növények Durvasula et al. 17 . A csatlakozásokat a megfelelő genomjukhoz igazítottuk (A. thaliana hogy TAIR10 26 és A. lyrata a JGI referenciaszekvenciához v1.0 27 ) a BWA-MEM (BWA 0.7.7-r441) 28 használatával, 15 büntetéssel a párosítatlan olvasási párokért. Eltávolítottuk a duplikált olvasásokat a Picard v2.7 használatával, és végrehajtottuk a helyi indel átrendezést a Genome Analysis Toolkit (GATK v3.6) IndelRealigner 29 segítségével. Az SNP-ket a UnifiedGenotyper használatával, a szűrt változatokat pedig a GATK ajánlásai alapján hívtuk meg:

QualByDepth < 2.0 || FisherStrand > 60.0 || RMMSMappingQuality < 40,0 || MappingQualityRankSumTest < −12,5 || ReadPosRankSum < −8.0 || StrandOddsRatio > 3.0 || HaplotypeScore > 13.0

Az SNP-ket az SnpEff v4.3a 30 segítségével annotáltuk. Gén annotációkat (TAIR10) használtunk, hogy csak a kódoló szekvenciákat (CDS) szűrjük, és külön létrehoztunk helyfrekvenciás spektrumot (SFS) a szinonim és nem szinonim változatokhoz. A hajtogatott SFS-eket azért számoltuk ki, hogy elkerüljük az ősi allél hozzárendelését, ami ezeknél a fajoknál a kiterjedt genom-átrendeződések miatt nehézkes 27 . Lemintáztuk az SFS-t A. lyrata 13 bejegyzésről 11-re hipergeometrikus lemintavételezési séma segítségével 31 .

Főkomponens-analízis (PCA) elvégzésével és a minták közötti páronkénti különbségek eloszlásának ellenőrzésével biztosítottuk, hogy a populáció szerkezete ne befolyásolja frekvenciaspektrumunkat. Eltávolítottuk azokat a mintákat, amelyek erősen rokonok voltak az egyes fajon belül, amint azt a páronkénti különbségek számának kiugró értékei határozták meg, és azokat az egyedeket, amelyek nagyon szorosan csoportosulnak a 32-es genotípuson futtatott PCA-n (3. kiegészítő ábra). Amikor két csatlakozás szorosan összefüggött, egy véletlenszerűen kiválasztott személyt megtartottunk. A A. thaliana adatkészletből eltávolítottuk a 35601, 35513, 35600, 37469 és a A. lyrata adatkészletből eltávolítottuk az SRR2040788, SRR2040795 és SRR2040829 mintákat.

Az egyes kódolóhelyeket a génnév és a GO kifejezés szerint annotáltuk, és az adatokat különböző GO kifejezés kategóriákba soroltuk, hogy ezeken a kategóriákon külön-külön levonjuk a dominancia és a DFE következtetését. Minden gént a konnektivitás és a génexpresszió alapján annotáltunk. A kapcsolatot a STRING adatbázis v10 33 határozta meg. Letöltöttük a A. thaliana (3702 szervezet) fehérjehálózat adatait, és elemzésünket a nagy megbízhatóságú (>0,7) kölcsönhatásokra korlátoztuk. A kapcsolódást ezután egyformán három kategóriába soroljuk: alacsony kapcsolódási képesség, közepes kapcsolódási képesség és magas kapcsolódási képesség (pl. 4. ábra). kifejezési adatokat kaptunk a A. thaliana az 1001 Epigenomes projektből (NCBI GEO: GSE80744 34 ), amely feldolgozott leolvasási mátrixot biztosít minden egyes génhez az összes csatlakozás során. Megkaptuk a medián expressziós értéket az összes csatlakozásra, és minden génre egyetlen értéket kaptunk. Az expressziós szintet ezután egyformán három kategóriába soroljuk: alacsony expressziós, közepes expressziós és magas expressziós (pl. 4. ábra).

Dominancia és valószínűségi arány teszt modelljei

Három különböző modellt tesztelünk egy mutáció szelekciós együtthatója közötti kapcsolatra (s) és a dominancia együttható (h). Itt, s és h úgy definiálják, hogy a homozigóta vad típusú genotípus fittsége 1, a heterozigóta genotípus fittsége 1 + hs, és a homozigóta mutáns genotípus alkalmassága 1 + s. Az első modell ezt feltételezi h 0,5 és nem függ ettől s (additív modell). A második modell ezt feltételezi h független attól s, de eltér 0,5-től (állandó h modell). Ez a modell domináns vagy recesszív mutációkat tesz lehetővé. A harmadik modell funkcionális kapcsolatot feltételez között h és s (hs kapcsolati modell). Ezt a kapcsolatot két paraméterrel modellezzük az egyenlet szerint. (1). Az első paraméter, θelfogni, határozza meg az értékét h nál nél s = 0. A második paraméter, θmérték, meghatározza, milyen gyorsan h csökkenő negatív szelekciós együttható mellett a nullához közelít (lásd 1d. ábra). Azt feltételezzük θmérték pozitív. Nagy pozitív értékei θmérték arra utal f(s) gyorsan közeledik h = 0, és még az enyhén káros mutációk is recesszívek. Kis pozitív értékei θmérték azt jelenti, hogy csak az erősen káros mutációk recesszívek.

Összességében feltételezzük, hogy az új mutációk DFE-je (azaz eloszlása s) 35,36,37 gamma-eloszlást követ. Így az additív modellnek két DFE paramétere van (a gamma DFE alakja és léptéke), és nincsenek dominancia paraméterei, mivel javítjuk h hogy 0,5 legyen. Az állandó h modellnek van egy további paramétere, az értéke h. Az h–s a kapcsolati modellnek két további paramétere van, θelfogni és θmérték. Vegye figyelembe, hogy mikor θmérték nullához közelít, a h–s egyenlet kapcsolati modellje. (1) konvergál az állandóhoz h modellt, és mikor θmérték nullához közelít és θelfogni megközelíti a 0,5-öt, a modell konvergál az additív modellhez. Így a három modell egymásba van ágyazva, és a maximum log likelihoods (LL) alapján a három különböző dominanciamodellt összehasonlítva likelihood-tesztet tudunk megfogalmazni. A Λ tesztstatisztikát 2(LLH1−LLH0), ahol H0 a nullhipotézis (additív vagy konstans h) és H1 az alternatív hipotézis (vagy állandó h vagy h–s kapcsolat). A Λ statisztika aszimptotikusan khi-négyzet eloszlású, szabadsági foka megegyezik a nulla és az alternatív modell közötti paraméterek számának különbségével. Így három különböző tesztet fogalmazunk meg: (1) az állandó tesztelése h modell (H1) szemben az additív modellel (H0). (2) A hs kapcsolati modell (H1) szemben az additív modellel (H0). (3) A hs kapcsolati modell (H1) az állandóval szemben h modell (H0).

Következtetés egyetlen keresztező sokaság felhasználásával

Kidolgoztuk a polimorfizmusok Poisson Random Field modelljét 14 a fent leírt modellek paramétereinek becslésére. Feltételezzük, hogy a nem szinonim mutációk a tisztító szelekció hatása alatt állnak, és feltételezzük, hogy a szinonim mutációk semlegesek. Két megközelítést mutatunk be e paraméterek adatok alapján történő becslésére: (1) a dominancia becslése egyetlen keresztező populáció adatai alapján (pl. A. lyrata), és (2) mindkét keresztezésből származó adatok felhasználásával (pl. A. lyrata) és erősen beltenyésztett populáció (pl. A. thaliana) egyidejűleg a dominancia becsléséhez. Kezdjük az első megközelítés bemutatásával.

Annak érdekében, hogy figyelembe vegyük a populáció méretében bekövetkezett változásoknak a nem szinonim SFS-re gyakorolt ​​hatását, amely megzavarhatja a szelekció becsléseit, először megbecsülünk egy demográfiai modellt a szinonim SFS18 használatával. Ezután a kiválasztási paraméterek becslése a becsült demográfiai modell függvényében történik. Korábbi munkák kimutatták, hogy ez a megközelítés a szelekciós paraméterek elfogulatlan becsléséhez vezet a háttérszelekció, a szelektív sweepek és a rejtett populációstruktúra szabályozásával36,38. Ez különösen a hatékony populációméret csökkenését szabályozza az önköltözés miatt, és a háttérszelekció megnövekedett erejét, amely az önképző fajok alacsonyabb effektív rekombinációs rátája miatt következik be, mint a keresztező fajoknál.

Röviden, egy populációméret-változási modell paramétereire következtetünk a szinonim SFS használatával a Poisson Random Field keretrendszerben (részletekért lásd Huber és mtsai 36. és Kim és mtsai 38.). Mindkét elemzett faj esetében (A. lyrata és A. thaliana), egy három korszakos modell három diszkrét méretváltozással jobban illeszkedik a szinonim SFS-hez, mint egy kétkorszakos modell vagy egy állandó populációméret-modell (1. kiegészítő táblázat és 1. kiegészítő ábra). Így minden további következtetés a három korszakos modellt használja.

A három korszakos modell becsült demográfiai paramétereitől függően ezután a nem szinonim SFS-t használjuk a kiválasztási paraméterek, azaz egy gamma-eloszlású DFE alakjának és méretarányának becslésére.ΘDFE), valamint a sebesség és elfogás paramétere h–s kapcsolat, Θh = <θelfogni, θmérték>. A < paraméterek kombinált vektorának becslésére a Poisson valószínűséget használjukΘDFE, Θh>. A valószínűséget az egyenlet alapján számítottuk ki. (2). Itt, ΘD demográfiai paraméterek vektora, xén az SNP-k száma gyakorisággal én a mintában (az SFS bejegyzései), θ a populáció mutációs rátája, és n a minta mérete. Beállítjuk ΘD to the maximum likelihood estimates of the demographic parameters (widehat <>_>>) , and θ to the nonsynonymous population scaled mutation rate, θNS = 4NeμLNS. We estimated θNS tól től θS by accounting for the difference between the synonymous sequence length (LS) and the nonsynonymous sequence length (LNS), assuming a multiplier of LNS = 2.31 × LS 36 .

The expected values of xén refer to the expected entries of the SFS given demography and selection parameters. We used the software ∂a∂i 31 to compute the expected SFS for a two-dimensional grid of 1 million pairs of Nes és h values on a grid that is exponential in Nes and linear in h (see ‘Cubic spline interpolation to speed up computation of SFS’ below). We vary h from zero (completely recessive) to one (completely dominant), and Nes from −Ne (i.e. lethal) to −1 × 10 −4 (effectively neutral). This set of site frequency spectra is then used to calculate the expected SFS for an arbitrary distribution of Nes és h értékeket. This is done by numerically integrating over the respective spectra weighted by the gamma distribution. Since we assume one Nes value corresponds to a single h value (Eq. (1)), this is a one-dimensional integration. The numerical integration was done using the ‘numpy.trapz’ function as implemented in ∂a∂i.

Numerical optimization is used to find the parameters of the DFE and dominance model that maximize the Poisson likelihood (Eq. (2)). For this optimization step, we use the BFGS algorithm as implemented in the ‘optimize.fmin_bfgs’ function of scipy. To avoid finding local optima, we repeated every estimation approach from 1000 uniformly distributed random starting parameters. Our approach allows us to estimate the parameters of any arbitrary distribution of Nes values and any arbitrary function that relates h nak nek s (vagy Nes).

To summarize, our inference of dominance and DFE parameters (Θh, ΘDFE) consists of the following steps. (Step 1) Infer the parameters of a demographic model and the effective (ancestral) population size for the outcrossing population. (Step 2) Conditional on the demographic model, compute the expected SFS for a 2D grid of h és Nes értékeket. (Step 3) Start at a certain vector of dominance and DFE parameters (Θh, ΘDFE). Note that the DFE here is defined in units of s, nem Nes. (Step 4) Compute the DFE in units of Nes by scaling the DFE from step 3 by the respective ancestral population size. (Step 5) Compute the h value for the grid of Nes values according to Eq. (1) and the parameters Θh. Then use the 2D lookup table generated in step 2 to find the closest SFS for each pair of h és Nes. Integrate those SFS after weighting according to the DFE to find the expected SFS given the DFE and h–s kapcsolat. (Step 6) Given the expected and the empirical SFS for the outcrossing population, compute the log likelihood according to Eq. (2). (Step 7) By repeating steps 3–6, the log likelihood can be calculated for an arbitrary set of parameters. Maximum likelihood parameters are computed numerically by maximizing the likelihood using iterative non-linear optimization methods, such as BFGS or Nelder–Mead 39 .

The ancestral effective population size in step 4 is calculated from the demographic model. Fitting the demographic model to the synonymous SFS provided an estimate of θS = 4NeμLS for synonymous sites, where μ is the neutral per base-pair mutation rate and LS is the synonymous sequence length. Using this formula, we estimated Ne by setting the neutral mutation rate to 7 × 10 −9 (ref. 40 ). Note that when partitioning our data into different gene categories and estimating the selection parameters for each category separately, we also allow for a different ancestral Ne and demographic estimates in those categories to control for different levels of background selection in different genomic regions 41,42,43,44 .

Finally, we can compute the likelihood at the maximum likelihood parameter values for the three different dominance models (i.e. additive model, constant h model, and h–s relationship model), and compute the likelihood ratio test statistic Λ, which allows for model comparison.

Cubic spline interpolation to speed up computation of SFS

Step 2 in our inference method involves computing a lookup table of one million SFS for a wide range of 1000 × 1000 pairs of Nes és h értékeket. Although each single computation of a SFS is relatively fast, it is computationally expensive to compute the total of one million SFS with ∂a∂i. We sped up this computation by utilizing the fact that the SFS across close Nes és h values is fairly smooth. Thus, we only compute the expected SFS for a coarse grid of 50 × 20 Nes és h values, and then interpolate the entries of the SFS for a much finer grid of 1000 × 1000 Nes és h értékeket. The interpolation is done using the CubicSpline function of the python package scipy.interpolate. Each frequency of the SFS is interpolated separately in a two-step process: first, each frequency is interpolated for 1000 positions along the Nes axis, keeping h constant, leading to a grid of 1000 × 20 SFS. Then, each frequency is interpolated along the h-axis, keeping Nes constant, leading to the final grid of 1000 × 1000 SFS. Examples of the cubic spline interpolation of frequency classes of the SFS along the Nes és h axes demonstrate that the interpolation works well for a wide range of h, Nes, and minor allele frequency (MAF) values (Supplementary Figs. 5 and 6).

Inference using an outcrossing and a selfing population

The nonsynonymous SFS for different values of h can be very similar when modifying the selection coefficient accordingly (see Fig. 1a). This suggests that the power for estimating dominance might be small when using only data from a single outcrossing population. This can be seen in Supplementary Fig. 2a, where simulations with h = 0.5 (H0) are compared to simulations with a constant h of 0.46 (H1). Such a small difference in h leads to a considerable overlap in the distribution of the likelihood ratio test statistic Λ between simulations under H0 and H1, and there is no power to discriminate those two hypotheses.

We propose to increase power for detecting the true dominance model, and improve parameter estimation, by combining data from an outcrossing species with data from a selfing species. To extend our inference to an inbreeding/outcrossing pair of populations, we need to calculate the likelihood of the parameters given the nonsynonymous SFS of both populations. When the two species are strongly diverged such that they do not share ancestral polymorphisms, the allele frequencies are independent and the likelihood can be computed as the product of the probability of the outcrossing SFS (SFSO) and the probability of the inbreeding SFS (SFSén). The species pair A. thaliana és A. lyrata meets this assumption, since the probability for shared ancestral polymorphisms is negligibly small and allele frequencies are highly uncorrelated 16 . The log-likelihood of the full model can thus be summed according to Eq. (3). The first term of the sum, the log likelihood of the selection parameters (Θh és ΘDFE) given the outcrossing SFS, is computed using the approach developed above for the case of a single outcrossing population. To calculate the log likelihood for the inbreeding SFS (the second term of the right hand side of Eq. (3)), we need to account for the effect of inbreeding on the SFS. For strongly inbred species such as A. thaliana with a selfing rate of at least 97% 45 , we assume that the inbreeding coefficient F is effectively 1 (Supplementary Fig. 9). In this case, the diffusion equation model reduces to a scaled additive model. This can be derived from the formulas of the mean and variance of the change in frequency at an allele frequency p: M(p) és V(p). In the most general case, with arbitrary inbreeding and dominance, these two quantities are 46


X-linked Genes: A Special Case

In mammals, both males and females have only one active (functional) X chromosome per cell. Although this occurs no matter how many X chromosomes are present (e.g., in XXX or XXY individuals), the following discussion is restricted to XX females and XY males. If an XX female is genetically heterozygous, in each of her cells only one of her two X-linked alleles is expressed. The other X chromosome coils up and becomes inactive (i.e. becomes a Barr body).

This happens independently in each initial cell, which means that some cells will have one of the alleles inactivated and other cells will have the other allele inactivated. Heterozygous females thus have two different cell populations. This initial inactivation happens only once, and which allele is inactive is stably inherited. All future cells will have the same active (expressed) and inactive (not expressed) X chromosome (and X-linked allele) as the initial cell.

Remember that dominance relationships are a function of the phenotype of a heterozygote (see Table 2). X-linked heterozygotes do not exist at the cellular level because both alleles are not expressed therefore, traditional dominance relationships for X-linked genes do not exist either.

Even though no single cell is functionally heterozygous, an XX female can be heterozygous as a whole, but with a crucial difference. In an autosomal (non-sex-chromosome) heterozygote, if one allele is defective, every cell will produce functional product. In an X-linked heterozygote, if one allele is defective and the other functional, the consequence of X-chromosome inactivation is that some cells will produce only the functional product, whereas other cells will produce only a defective product or no product at all.

There is another important consideration. Human X-chromosome inactivation occurs very early in development, when the embryo has few cells (Lyon, 2002). In a heterozygote, which X chromosome/allele is inactivated in any given cell is random, but random does not necessarily mean equal, especially when the sample size is small. Students can visualize this with sets of 20 coins, corresponding to X-chromosome inactivation at the 20-cell stage. Each coin represents a cell, and the two sides of the coin represent the different alleles – the coin is “heterozygous.” When flipped, only one allele (one side) is seen the face-down side represents the inactivated allele in the Barr body.

Students could be asked how often they expect an equal number of heads and tails – this can help them understand probability. The different sets of coins will display different patterns, and – perhaps surprisingly – seldom will there be an equal number of heads and tails. The coins will be binomially distributed using this distribution, it can be calculated that only 18% of the time will there be an equal division of coins/cells.

The consequences of this can be observed in Lesch-Nyhan syndrome. Lesch-Nyhan is the result of a defective allele of an X-linked enzyme-producing gene involved in purine metabolism. Because males have only one X chromosome, affected males will show symptoms, the severity of which depends on the specific nature of the mutation. More than 300 different disease-associated mutations have been identified (Torres et al., 2013). The least affected individuals build up uric acid, and the associated gout can be successfully treated. Lesch-Nyhan syndrome is the most severe manifestation – which, in addition to the buildup of uric acid, involves poor muscle control, mental impairment, and self-mutilation. While the uric acid problem is amenable to treatment, the cause of the neurological problems is poorly understood, and effective treatments do not exist (Torres et al., 2012).

As far as females are concerned, recall that a single functional allele of an enzyme-producing gene is most often completely dominant over a nonfunctional allele (see Table 1). Because males with a single functional allele do not show symptoms, it might be expected that the same is true for females – while homozygous females should be affected, heterozygous females with their single functional allele should not be.

But they often are. Because the gene is X-linked, some cells will produce functional enzyme and others will not. Remind students of the skewed ratios frequently produced when 20 coins are flipped if the ratio is skewed toward cells that do not produce functional enzyme, heterozygous females can be affected.

A particularly instructive case involves identical twin (monozygotic) females, one of whom is clinically normal while the other has Lesch-Nyhan. The twins are identical in their DNA and identical in their genotypes – both are heterozygous for the same mutation (De Gregorio et al., 2005), so something else must be happening.

Students with a good understanding of the material should be able to explain this finding. X-chromosome inactivation, even in genetically identical twins, is different in each of them because it is random. The affected twin had a skewed pattern of inactivation in which the chromosome carrying the functional allele was preferentially inactivated the unaffected twin had the opposite.

What about a nonenzymatic X-linked structural protein such as dystrophin, the lack of which causes muscular dystrophy? Dystrophin is part of the cell membranes of striated muscle fibers (Campbell & Kahl, 1989). It helps link muscle cells to the extracellular matrix, thereby helping maintain muscle integrity (Ibraghimov-Beskrovnaya et al., 1992). Unlike Type I collagen, in which the amount of product matters, a single functional allele produces enough dystrophin for full functioning, as shown by males who have a single functional allele but not muscular dystrophy.

Heterozygous females with some degree of muscular dystrophy are relatively common. Dubowitz in 1960 described

40 such heterozygous females (by contrast, only a few heterozygous females have been identified with Lesch-Nyhan syndrome). As with Lesch-Nyhan, in a pair of identical (monozygotic) twin girls, one twin had muscular dystrophy whereas the other did not (Richards et al., 1990). Many, but not all, of the muscle fibers in the twin with muscular dystrophy lacked dystrophin.

This illustrates another complication when considering females heterozygous for X-linked genes. During differentiation, different cell lineages lead to different structures. When X-chromosome inactivation occurs, not only can the overall ratio be skewed between cells expressing and cells not expressing the functional allele, but there can be different ratios in different parts of the body. For example, if most of the cells destined to become muscle fibers have a highly skewed ratio, with an even greater frequency of cells unable to make dystrophin, the muscular dystrophy symptoms will be even more severe.

This can also be illustrated with sets of 20 coins. Recall that the two sides of the coin represent the two different alleles, and when the coin is flipped, only one allele (one side) is seen the face-down side represents the Barr body. Now (without looking) separate out five or six of these as muscle progenitor cells and look at the ratio it may be the same as the overall ratio, but it also might be skewed toward more or fewer functional alleles.


Evolution of dominance of alleles - Biology

Understand how to make and read a Pedigree as well as determine what type of inheritance a pedigree is showing

Understand Incomplete Dominance, Co-Dominance, sex linked traits, multiple alleles and polygeneic inheritance

Understand how the environment can influence genetic traits

Know how to use a Punnett Square to predict the ratio of traits past on to offspring.

Understand how to conduct a Karyotype and what types of diseases can occur due to chromosome number issues

Understand how chromosomes can mutate (Duplication, Deletion, Inversion, Translocation)

Understand Genetic Diversity and it's importance

Be able to use and calculate using a chi Square analysis

EVOLÚCIÓ

Understand how the theory of natural selection rose from early mistaken beliefs to our current understanding

Understand radiometric dating

Understand geological evidence for change

Understand that individuals don’t evolve, populations do!

Be able to use the Hardy-Weinberg equation to determine the frequency of alleles in a population

Understand direction, disruptive and stabilizing forms of natural selection

Understand genetic drift and the bottleneck effect

Understand how isolation can lead to the formation of new species

Understand the major evidences to support the theory of evolutionary change

Understand taxonomy and how we group organisms

Understand life’s evolutionary history

Understand our current models for how we think life originated

Understand how we think eukaryotes developed


Szerzői összefoglaló

Dominance has played a central role in classical genetics since its inception. However, the effect of dominance introduces substantial technical complications into theoretical models describing dynamics of alleles in populations. As a result, dominance is often ignored in population genetic models. Statistical tests for selection built on these models do not discriminate between recessive and additive alleles. We show that historical changes in population size can provide a way to differentiate between recessive and additive selection. Our analysis compares two sub-populations with different demographic histories. History of our own species provides plenty of examples of sub-populations that went through population bottlenecks followed by re-expansions. We show that demographic differences, which generally complicate the analysis, can instead aid in the inference of features of natural selection.

Idézet: Balick DJ, Do R, Cassa CA, Reich D, Sunyaev SR (2015) Dominance of Deleterious Alleles Controls the Response to a Population Bottleneck. PLoS Genet 11(8): e1005436. https://doi.org/10.1371/journal.pgen.1005436

Szerkesztő: Graham Coop, University of California Davis, UNITED STATES

Megérkezett: November 13, 2014 Elfogadott: July 9, 2015 Közzétett: August 28, 2015

Szerzői jog: © 2015 Balick et al. Ez egy nyílt hozzáférésű cikk, amelyet a Creative Commons Attribution License feltételei szerint terjesztenek, és amely lehetővé teszi a korlátlan felhasználást, terjesztést és reprodukálást bármilyen médiumon, feltéve, hogy az eredeti szerzőt és forrást feltüntetik.

Adatok elérhetősége: Minden lényeges adat megtalálható a dokumentumban és a támogató információs fájlokban.

Finanszírozás: DJB and SRS were generously supported by National Institutes of Health grants R01 MH101244 and R01 GM078598. RD was supported by a Canadian Institute of Health Research Banting fellowship. CAC was supported by National Institutes of Health grant K99 HG007229. DR is grateful for support from National Institutes of Health grants R01 GM100233 and HG006399 and is an Investigator of the Howard Hughes Medical Institute. A finanszírozóknak nem volt szerepük a tanulmány tervezésében, az adatgyűjtésben és -elemzésben, a kiadásról szóló döntésben vagy a kézirat elkészítésében.

Versengő érdekek: A szerzők kijelentették, hogy nem léteznek egymással versengő érdekek.


Genes and Behavior: Animal Models

Issues with Inbred Mice

These studies highlight the power of behavioral genetics but also bring forward issues that must be considered when conducting behavioral genetic studies. First and foremost is that background strain matters. A mouse is a mouse is a mouse is just not true all mice are not created equal. Thus, statements such as ‘mice are poor learners’ should be heavily questioned. For example, LP/J mice are poor learners in the Morris water maze but are good at contextual fear conditioning, whereas 129/Svev TacfBr mice are good at both fear conditioning and the Morris water maze. Second, parental strain performance does not always predict performance in F1 crosses. For instance, mice from the 129B6F1 cross outperform both parental lines (i.e., 129/Svev TacfBr mice and C57BL/6 mice) in contextual fear conditioning. This demonstrates heterosis, also known as hybrid vigor, which may result from (1) the reversal of inbreeding depression associated with the expression of harmful genes and/or (2) overdominance resulting from the heterozygote F1 generation having a greater variety of beneficial gene products.

Whereas studies of inbred mice are a powerful research tool for numerous disciplines such as behavioral, genetic, and neuroscience research there are some important caveats to remember. First, inbred mice can differ in copy number of a gene and this could influence gene expression. Second, genetic drift can alter behavior between substrains of an inbred mouse strain that are bred by separate sources. Thus, a behavioral phenotype of interest seen in an inbred strain from one vendor may differ from the behavior of the same strain from another vendor. Third, care must be taken in deciphering the cause of the phenotypic variation between inbred strains. For example, an inbred strain could show poor Morris water maze learning, but the behavior could reflect a genetic defect that alters visual acuity and not learning processes. Another example would be the case where one strain shows greater conditioned place preference for a drug of abuse than another strain. One could conclude that the first strain finds the drug more rewarding and attribute the behavioral differences to genes involved in reward processes. However, it is also possible that the strains differ in genes involved in the metabolism of the drug or in learning. Finally, whereas the behavior of mice from an inbred strain should be consistent across laboratories when environmental factors are controlled for, this is not always the case. In an eloquent series of experiments, Crabbe, Wahlsten, and Dudek compared behavior profiles of several strains of inbred mice tested at different laboratories while environment and methodologies were controlled to produce the highest degree of consistency across laboratories as possible ( Crabbe et al., 1999 ). Surprisingly, there was variation in behavior within strains across laboratories. Thus, even small changes in environment may influence gene expression and related behavior. These findings reinforce the strong relationship between genes and the environment and the fact that it is not nature or nurture but both that influence behavior.


Nézd meg a videót: Herencia postmendeliana y Mutaciones (Június 2022).


Hozzászólások:

  1. Junris

    Wacker, a zseniális kifejezés és időszerű

  2. Jae

    Bravó, remek a gondolatod

  3. Nazil

    och even!

  4. Chadburn

    Nem a te dolgod!

  5. Brayton

    Igen valóban. So it happens. Megvizsgáljuk ezt a kérdést.

  6. Eurystheus

    Sajnálom, nem közelít felém. Talán vannak még változatok?

  7. Faraj

    Az ilyen esetekben az emberek ezt mondják - talán életben leszünk, talán meghalunk.

  8. Nijin

    Let the scribe go to the record book



Írj egy üzenetet