等位基因频率是群体中某一特定基因座的全部拷贝中,携带指定等位基因的拷贝所占的比例。它描述的是某种遗传变异在基因拷贝中有多常见,而不是有多少个体携带这种变异。等位基因频率是群体遗传学的核心指标,用于描述遗传变异、追踪进化变化以及比较不同群体。其取值范围为0至1:0表示该等位基因不存在,1表示该基因座的每个拷贝都携带该等位基因。
定义与计算
基因座是基因组中可出现不同遗传变异形式的位置或区域。对于等位基因 ,其频率为
分母统计的是基因座的拷贝数,而不是个体数。在二倍体群体中,大多数常染色体基因座在每个个体中都有两个拷贝,分别位于两条同源染色体上。因此,如果样本包含 个具有完整基因型数据的个体,分母就是 。
对于具有 和 两种等位基因的基因座,个体的基因型有三种:、 或 。如果这三种基因型的个体数分别为 、 和 ,则
其中 ,且 。
例如,在一个包含100个二倍体个体的样本中,若有36个 、48个 和16个 个体,则
虽然等位基因 的频率为60%,但至少携带一个该等位基因拷贝的个体占84%。因此,等位基因频率并不等同于携带者频率。
对于具有 种等位基因的基因座,各等位基因的频率满足
这些计数规则不需要以随机交配或进化平衡为前提。
等位基因频率、基因型频率与表型频率
等位基因频率、基因型频率和表型频率描述的是群体的不同方面。
- 等位基因频率统计指定等位基因的拷贝所占的比例。
- 基因型频率统计具有指定等位基因组合的个体所占的比例。
- 表型频率统计表现出指定可观察特征的个体所占的比例。
不同的基因型分布可以产生相同的等位基因频率。一个完全由 个体组成的群体,与一个由数量相等的 和 个体组成的群体,虽然遗传组成差异很大,但都满足 。
表型频率通常不能直接换算为等位基因频率。显性关系、环境影响、不完全外显以及多个基因之间的相互作用,都可能掩盖遗传变异与可观察特征之间的关系。
当某个等位基因在一个界定明确的群体中的频率为1时,称该等位基因已在该群体中固定;频率为0时,则表示该等位基因不存在。固定是针对特定群体而言的:在一个群体中已经固定的等位基因,在其他群体中可能仍存在频率差异,也可能完全不存在。
与哈代-温伯格平衡的关系
G. H. 哈代和威廉·温伯格于1908年各自独立提出了哈代-温伯格平衡原理,确立了等位基因频率与基因型频率之间的基本关系。
对于具有两种等位基因、其频率分别为 和 的二倍体基因座,配子的随机结合会产生如下预期基因型频率:
在一个随机交配、遵循孟德尔遗传规律,且不存在选择、突变、迁移或遗传漂变的理想群体中,这些等位基因频率和基因型频率将世代保持不变。
该原理有两种不同的用途:一是根据等位基因频率预测基因型比例,二是提供一个基准,用于与观测数据进行比较。仅凭偏离哈代-温伯格比例这一现象,无法确定其原因。可能的解释包括近交、群体分化、选择或基因分型错误。
非随机交配可以改变基因型频率,而不直接改变等位基因频率。例如,与哈代-温伯格预期相比,近交会提高纯合度,但近交本身并不必然使某个等位基因变得更常见。
改变等位基因频率的过程
等位基因频率在世代间的变化是进化的核心组成部分。多种过程都能引起这种变化,而且往往同时发生。
突变
突变能够产生新的等位基因,也能使一种等位基因转变为另一种。如果 以速率 突变为 ,而 以速率 突变为 ,那么仅考虑突变时, 的频率的预期变化量为
即使突变在单个世代内对某一特定等位基因频率的影响很小,它仍能提供新的遗传变异。
自然选择
当遗传差异影响个体对后续世代的繁殖贡献时,自然选择就会改变等位基因频率。
在一个简单的二倍体存活选择模型中,设 、 和 分别为各基因型的相对适合度。如果初始基因型比例符合哈代-温伯格比例,则存活个体中 的频率为
其中
选择可以提高或降低某个等位基因的频率,也可以维持多种等位基因共存,具体取决于基因型的效应和环境条件。仅凭等位基因频率,无法判断它是有益、有害,还是选择中性的。
遗传漂变
遗传漂变是繁殖过程中有限抽样所引起的等位基因频率随机变化。群体越小,其影响通常越强。
在具有 个繁殖个体的理想化二倍体赖特-费希尔模型中,
对于真实群体,通常使用有效群体大小来表征漂变,因为繁殖成功率不等、群体大小变化以及其他特征,可能使遗传抽样过程与实际个体总数所对应的情况不同。
即使不存在任何选择优势,漂变也可能导致等位基因丢失或固定。群体瓶颈以及由少数奠基个体建立新群体,都可能引起显著的频率变化。
基因流
基因流通过迁移和繁殖在群体之间传递等位基因。如果一个群体中有比例为 的基因拷贝来自某个来源群体,而来源群体中的等位基因频率为 ,则简单的混合模型给出
基因流通常会减小群体之间的差异,但其影响取决于迁移模式和局部选择。
重组与传递
通常的染色体交叉互换会重新组合染色体上的等位基因,但其本身不会改变各个基因座上等位基因的边际频率。它可以改变单倍型频率,以及基因座之间被称为连锁不平衡的关联。
减数分裂驱动等传递偏倚现象会使等位基因以不相等的比例传递给后代,因此能够改变等位基因频率。
估计与抽样不确定性
群体中的等位基因频率通常根据基因分型或DNA测序获得的样本进行估计。观测到的样本频率通常记作 ,它不一定等于群体频率 。
在一个假设抽取的 个基因拷贝彼此独立的简单模型中,
对于极罕见的等位基因或小样本,这一近似的适用性较差。个体之间的亲缘关系、近交、群体结构和非随机抽样,也可能使独立性假设不成立。
未观测到某个等位基因,并不能证明它在群体中不存在。在独立抽样条件下,从 个基因拷贝中完全未观测到频率为 的某个等位基因的概率为
技术因素同样重要。基因型数据缺失、测序错误、参考序列偏倚,以及测序读段难以比对到重复区域等问题,都可能使频率估计失真。测序读段数并不天然等同于独立染色体的计数。
群体的界定与频率分类
等位基因频率只有在明确群体、抽样时期和基因座的情况下才有意义。合并计算的频率可能掩盖亚群体之间的显著差异。
次要等位基因频率,简称MAF,是指在指定群体或样本中,双等位基因位点上较不常见的那个等位基因的频率:
因此,其取值范围为0至0.5。不同群体中的次要等位基因可能不是同一个。对于多等位基因位点,必须明确说明所采用的频率定义。
常见、低频和罕见等分类取决于具体研究。人类遗传学研究常以1%为阈值,区分罕见变异和频率更高的变异,但也会使用其他阈值。
参考等位基因是参考基因组中所呈现的等位基因;它不一定是最常见的等位基因,也不一定是祖先等位基因。同样,替代等位基因也不一定罕见、近期才出现,或具有功能上的影响。
不同的遗传系统
分母必须反映该基因座实际存在的拷贝数。
- 在单倍体生物中,每个个体通常贡献一个拷贝。
- 在二倍体生物的常染色体基因座上,每个个体通常贡献两个拷贝。
- 在人类X染色体的非假常染色体区基因座上,XX个体通常贡献两个拷贝,XY个体则贡献一个。
- 多倍体生物可能贡献两个以上的拷贝,因此需要等位基因剂量信息。
对于线粒体基因组、质粒以及其他多拷贝遗传元件,必须明确所采用的计数单位。按个体、细胞和DNA分子计算的频率,可能描述的是不同的量。
应用与解释的局限
等位基因频率可用于量化遗传多样性、重建群体历史、研究选择,以及监测保护和育种项目中的遗传变化。在哈代-温伯格假设下,具有多种等位基因的基因座的预期杂合度为
在全基因组关联研究中,等位基因频率会影响统计功效,也有助于描述研究组之间的差异。在法医遗传学中,群体频率估计可用于在明确的假设条件下计算基因型概率和遗传图谱概率。
频率本身不能确定生物学功能,也不能确立疾病因果关系。罕见变异不一定有害,常见变异也不一定无害。同样,群体之间存在频率差异,本身也不能证明自然选择的作用:漂变、迁移、种群历史和抽样都可能产生类似的模式。