25779-1 (Методы теоретической популяционной генетики)

Конец формы

Конец формы

Общие модели эволюции. Методы теоретической популяционной генетики. Теория нейтральности М.Кимуры

1. Классическая популяционная генетика

В этой лекции мы рассмотрим модели, характеризующие общие свойства эволюции. Начнем с синтетической теории эволюции. Эта теория была развита в начале 20-го века. Она основана на учении Ч.Дарвина о естественном отборе и на представлениях Г.Менделя о генах - дискретных элементах передачи наследственных признаков. Большую роль в становлении синтетической теории эволюции сыграла маленькая плодовая мушка Drosophila. Именно эксперименты на этой мушке позволили примирить кажущиеся противоречия между Дарвиновским представлением о постепенном накоплении полезных изменений и наследовании этих изменений и дискретным характером Менделевской генетики. Эксперименты на дрозофиле показали, что мутационные изменения могут быть очень небольшими.

Математические модели синтетической теории эволюции были разработаны Р. Фишером, Дж. Холдейном и С. Райтом. В основном эта математическая теория классической популяционной генетики была завершена к началу 30-х годов.

Согласно синтетической теории эволюции, основным механизмом прогрессивной эволюции является отбор организмов, которые получают выгодные мутации.

2. Математические методы популяционной генетики

Математические модели популяционной генетики количественно характеризуют динамику распределения частот генов в эволюционирующей популяции [1-4,6,8]. Есть два основных типа моделей: 1) детерминистические модели и 2) стохастические модели.

Детерминистические модели предполагают, что численность популяции бесконечно велика, в этом случае  флуктуациями в распределении частот генов можно пренебречь, и динамику популяции можно описать в терминах средних частот генов.

Стохастические модели описывают вероятностные процессы в популяциях конечной численности.

Здесь мы кратко охарактеризуем основные уравнения и математические методы популяционной генетики. Наше изложение будет основываться на рассмотрении наиболее характерных примеров. Уравнения моделей мы будем приводить в основном в демонстрационных целях – без вывода, с пояснением смысла этих уравнений; тем не менее, мы будем приводить ссылки на литературу, в которой сделаны соответствующие математические выводы.

2.1. Детерминистические модели

Рассмотрим популяцию диплоидных¹⁾ организмов, которые могут иметь несколько аллелей²⁾ A₁ , A₂ ,..., A_K в некотором локусе³⁾. Мы предполагаем, что приспособленности организмов определяются в основном рассматриваемым локусом. Обозначая число организмов и приспособленность генной пары A_i A_j через n_ij и W_ij , соответственно, мы можем определить частоты генотипа и гена P_ij и P_i , а также средние приспособленности генов W_i в соответствии с выражениями [1,2,4]:

P_ij = n_ij /n , P_i = S _j P_ij , и W_i =P_i^-1 S _j W_ij P_ij ,                                              (1)

где n – численность популяции, индекс i относится к классу организмов {A_i A_j} ,  j = 1,2,..., K , которые содержат ген A_i . Популяция предполагается панмиктической⁴⁾ : при скрещивании новые комбинации генов выбираются случайным образом из всей популяции.

Для панмиктической популяции приближенно справедлив принцип Харди-Вайнберга [1]:

P_ij =P_i P_j , i, j = 1,..., K.                                                                             (2)

Уравнение (2) означает, что во время скрещивания генотипы формируются пропорционально частотам генов.

Эволюционная динамика популяции в терминах частот генов P_i может быть описана следующими дифференциальными уравнениями [1,2,4]:

dP_i /dt = W_i P_i - <W> P_i - S _j u_ji P_i + S _j u_ij P_j , i = 1,..., K,                (3)

где t – время, <W> = S _ij W_ij P_ij – средняя приспособленность в популяции; u_ij – параметры, характеризующие интенсивности мутационных переходов A_j --> A_i , u_ii =0 (i, j = 1,..., K). Первое слагаемое в правой части уравнения (3) характеризует отбор организмов в соответствии с их приспособленностями, второе слагаемое учитывает условие S _i P_i = 1, третье и четвертое слагаемые описывают мутационные переходы.

Отметим, что подобные уравнения используются в модели квазивидов [5], см Лекция 2

Пренебрегая мутациями, мы можем анализировать динамику генов в популяции посредством уравнений:

dP_i /dt = W_i P_i - <W> P_i , i = 1,..., K.                                                     (4)

Используя (1), (2), (4), можно получить (при условии, что величины W_ij постоянны), что

скорость роста средней приспособленности пропорциональна дисперсии приспособленности V = S _i P_i ( W_i - <W>)² [1,3]:

d<W>/dt = 2 S _i P_i ( W_i - <W>)².                                                                      (5)

Таким образом, средняя приспособленность – неубывающая величина. В соответствии с (4), (5), величина L = W_max - <W> есть функция Ляпунова для рассматриваемой динамической системы (W_max – локальный или глобальный максимум приспособленности, в окрестности которого рассматривается динамика популяции) [3]. Это означает, что величина L всегда уменьшается до тех пор, пока не будет достигнуто равновесное состояние (dP_i /dt = 0).

Уравнение (5) характеризует фундаментальную теорему естественного отбора (Р.Фишер,1930), которая в нашем случае может быть сформулирована следующим образом [3]:

"В достаточно большой панмиктической популяции, наследование в которой определяется одним n-аллельным геном, а давление отбора, задаваемое W_ij , постоянно, средняя приспособленность популяции возрастает, достигая стационарного значения в одном из состояний генетического равновесия. Скорость изменения средней приспособленности пропорциональна аддитивной генной дисперсии и обращается в нуль при достижении генетического равновесия."

Описанная модель – простой пример модели, использующей детерминистический подход. В рамках этого подхода был разработан широкий спектр аналогичных моделей, которые описывают различные особенности динамики генных распределений, например, учитывают несколько генных локусов, возраст особей, число мужских и женских особей, пространственную миграцию особей, подразделение популяции на субпопуляции и т.п. Многие из моделей и расчетов были предназначены для интерпретации конкретных генетических экспериментальных данных [1,3,4] .

2.2. Стохастические модели

Детерминистические модели позволяют эффективно описывать динамику распределения генов в эволюционирующих популяциях. Однако эти модели основаны на предположении бесконечного размера популяции, которое является слишком сильным для многих реальных случаев. Чтобы преодолеть это ограничение, были разработаны вероятностные методы теоретической популяционной генетики [1,3,4,6-8]. Эти методы включают анализ с помощью цепей Маркова (в частности, метод производящих функций) [4,7], и диффузионные [1,3,4,6,8] методы.

Ниже мы кратко рассмотрим основные уравнения и характерные примеры применения диффузионного метода. Этот метод достаточно нетривиален и его применение приводит к достаточно содержательным результатам.

2.2.1. Прямое и обратное уравнения Колмогорова

Рассмотрим популяцию диплоидных организмов с двумя аллелями A₁ и A₂ в некотором локусе. Численность популяции n предполагается конечной, но достаточно большой, так что частоты гена могут быть описаны непрерывными величинами. Мы также предполагаем, что численность популяции n постоянна.

Введем функцию j = j (X,t|P,0) , которая характеризует плотность вероятности того, что частота гена A₁ равна X в момент времени t при условии, что начальная частота (в момент t = 0) была равна P. В предположении малого изменения частот генов за одно поколение, динамика популяции может быть описана приближенно следующими дифференциальными уравнениями в частных производных [1,3,4,8]:

¶ j /¶ t = - ¶ (M_{d X} j  )/¶ X + (1/2)¶ ²(V_dX j )/¶ X  ² ,                                          (6)

¶ j/¶ t = M_{d P} ¶ j /¶ P + (1/2)V_{d P} ¶ ²j/¶ P ² ,                                                  (7)

где M_{d X} ,  M_{d P} и V_dX , V_{d P} – средние значения и дисперсии изменения частот X, P за одно поколение, соответственно; единица времени равна длительности одного поколения. Уравнение (6) есть прямое уравнение Колмогорова. (В физике это уравнение называют уравнением Фоккера-Планка), уравнение (7) – обратное уравнение Колмогорова.

Первые слагаемые справа в уравнениях (6), (7) описывают давление отбора, которое обусловлено разностью приспособленностей генов A₁ и A₂. Вторые слагаемые характеризуют случайный дрейф частот, который обусловлен флуктуациями в популяции конечной численности.

Используя уравнение (6), можно определять динамику частот генов во времени. Уравнение (7) позволяет оценивать вероятности фиксации генов.

Предполагая, что 1) приспособленности генов A₁ и A₂ равны 1 и 1 - s , соответственно и 2) вклады генов в приспособленности генных пар A₁ A₁, A₁ A₂ и A₂ A₂ аддитивны, можно получить, что величины M_{d X} ,  M_{d P} и V_dX , V_{d P}  определяются следующими выражениями [1,3,4,8]:

M_{d  X} = sX(1-X), M_{d  P} = sP(1-P), V_{d  X} = X(1-X)/(2n), V_{d P} = P(1-P)/(2n) .            (8)

2.2.2. Случай чисто нейтральной эволюции

Если эволюция чисто нейтральная (s = 0), то уравнение (6) принимает вид:

¶ j/¶ t = (1/4n)¶ ²[X(1-X)j]/¶ X ² .                                                                  (9)

Это уравнение было решено аналитически М. Кимурой [1,6]. Само решение имеет сложный вид, основные результаты этого решения сводятся к следующему: 1) в конечной популяции фиксируется только один ген (A₁ либо A₂); 2) типичное время перехода от начального распределения к конечному составляет величину порядка 2n поколений. Отметим, что этот результат согласуется с оценками лекции 4  , где была рассмотрена несколько иная модель "чисто нейтральной" эволюции.

2.2.3. Вероятность фиксации гена

Используя уравнение (7), мы можем оценить вероятность фиксации гена A₁ в конечной популяции. Действительно, рассматривая асимптотику при времени, стремящемся к бесконечности ( t --> inf ), мы можем положить ¶ j /¶ t = 0 и X = 1 ; тогда аппроксимируя вероятность u(P) , которую нужно найти, величиной u(P) = j (1, inf |P,0)/(2n) (здесь u(P) = j(1, inf |P,0)DX , где DX = 1/2n – минимальный шаг изменения частоты в популяции, см. также [3] для более строгого рассмотрения) и комбинируя (7), (8), мы получаем:

s du /dP + (1/4n) d ²u /dP ² = 0 .                                                                      (10)

Решая это простое уравнение при естественных граничных условиях: u (1) = 1, u (0) = 0 , мы получим вероятность фиксации гена A₁ в конечной популяции [1,3,6]: