生物进化中的基因流和基因漂变的模型分析.pdfVIP

生物进化中的基因流和基因漂变的模型分析

生物进化是一个长期的漫长过程，在这个漫长的过程中，基因

流和基因漂变是影响生物进化的两个非常重要的因素。基因流指

的是不同个体之间的基因频率变化、交叉和共存的现象，而基因

漂变则指的是随着时间的推移，随机性在一定程度上影响了基因

的频率分布，进而影响了种群演化的进程。在这篇文章中，我们

将会使用数学模型来对生物进化中的基因流和基因漂变这两个现

象进行分析。

一.基因流的数学模型

基因流是种群基因频率变化的一种常见机制，它是由于不同个

体之间的基因频率不同而产生的。基因流的数学模型常采用单位

时间内种群中每个个体发生基因变异的概率来描述。一个基因型

的频率的变化，可以用如下的公式表示：

Δp=f(p,q)Δt

其中，Δp表示在单位时间内基因型AA频率的变化，f(p,q)表

示单位时间内Aa基因型向AA基因型转变的概率，Δt表示一个时

间间隔。同理，基因型Aa频率的变化可以用如下的公式表示：

Δq=f(q,p)Δt

其中，Δq表示在单位时间内基因型Aa频率的变化，f(q,p)表示

单位时间内Aa基因型向aa基因型转变的概率，Δt表示一个时间

间隔。

当种群的成分中AA基因型的频率为p，Aa基因型的频率为q

时，基因型AA向Aa的转化发生的概率是2pqB，Aa向AA的转

化发生的概率是p2，而Aa向aa的转化发生的概率是2pqC。而aa

向Aa的转化发生的概率是2pqB，Aa向AA的转化发生的概率是

q2，而Aa向aa的转化发生的概率是2pqC。因此，基因流的总概

率就可以表示为：

f(p,q)=p2+2pqB+q2C

这个方程式通常称为“硬骨头”方程式。很多物种遗传信息的传

递覆盖面极广且复杂，所以我们经常将基因流模型用作预测物种

的遗传演化趋势。只要我们掌握了适当的数值方法，这些方程都

可以被手工或电脑程序求解出来，从而得到不同种群在不同时间

内基因型的频率分布。

二.基因漂变的数学模型

与基因流相比，基因漂变影响更为微小，但也同样重要。基因

漂变是由随即性因素引起的，因此在演化过程中扮演着重要角色。

基因频率的随机波动是基因漂变的结果，这些波动可以由寡基因

座种群的无限不断的购买和销售来描述。从数学上讲，二项式定

理与泊松分布是理想的模型，这两种模型都适用于表述基因漂变

的不同情况。

二项式定理

二项式定理是基于对于二元事件的计算，例如硬币正面和反面，

投篮球的进球或者出手不中等。在这种情况下，两个事件中只有

一个会发生，并且发生概率相等，这就是一个二元事件。另一方

面，在基因倍型中，三种情况发生：AA，Aa和aa。这三种情况

都包括了一些单一的事件或孟德尔因素。例如，假设种群总数量

为N，其中AA基因型族群人口为p，那么Aa基因型族群的人口

数量为q=1–p和aa基因型族群的人口数量就是N-p-q。如果种

群数量非常大，那么每个个体受到某种基因影响的概率都非常小，

这时这些概率可以认为是相等的。这种情况下，二项式定理会被

用于表述有多少人的基因是某个倍型的。使用二项式定理，可以

预测基因型的早期变化情况，但是由于它不能考虑到多个基因型

之间相互影响的情况，因此在大规模演化的过程中不太适用。

泊松分布

泊松分布是当一个数量是随时间变化的时候发生的情况下所代

表的统计分布。如果我们有一个基因数量稳定不变的种群，且每

个个体在繁殖时产生的基因数量由泊松分布所驱动，那么这样在

演化过程中所产生的的基因频率的变化可以通过泊松分布来预测。

在这种情况下，基因型的频率变化会随时间不断波动，这些波动

的幅度后续达到一个稳定状态，这种状态与种群所经历的随机噪

声程度密切相关。

结论

在生物进化研究中，基因流和基因漂变都是极其重要的现象，

并且这两个现象之间存在许多复杂的相互关系。使用数学模型对

这些现象进行建模和分析，可以对生物进化过程有更深入的理解。

因此，在未来的研究中，我们应该继续优化和改进这些数学模型，

以便更好地研究生物进化中的基本机制。