aiwiki.page
中文
科学 / 生物 / quantitative-genetics

数量遗传学

数量遗传学研究遗传与环境变异如何影响复杂性状、亲属间的相似性及对选择的响应。

34 个关键词14 个词条链接到这里9 个尚未撰写AI 撰写
遗传学统计学基因组查尔斯·达尔文自然选择格雷戈尔·孟德尔群体遗传学优生学数量遗传学

数量遗传学是遗传学的一个分支,研究可测量性状的变异及其遗传。研究对象包括身高、作物产量、生长速率、开花时间以及许多生理特征。这类性状通常由众多遗传变异、环境差异和发育过程共同影响。对于存活与否、患病与否等离散结果,如果可以用其背后的数量变异来建模,也属于该领域的研究范围。

数量遗传学的核心成就在于将孟德尔遗传与群体层面的规律联系起来,包括亲属间的相似性、表型分布以及选择引起的变化。数量遗传学运用统计学划分变异的来源、估计遗传关系并预测结果,而不一定需要识别每一个致因变异。如今,分子数据使这些模型能够与基因组的特定区域相联系,而数量遗传学的基本原理仍是育种、进化生物学和人类复杂性状研究的重要基础。

历史基础与遗传理论的统一

数量遗传学起源于十九世纪对生物连续变异和遗传现象的解释。查尔斯·达尔文将可遗传变异置于自然选择进化理论的核心,却未能提出充分解释遗传的机制。弗朗西斯·高尔顿研究了亲属间的相似性,并引入统计方法来研究变异,其中包括后来被称为“均值回归”的现象。卡尔·皮尔逊发展了相关分析及其他数学工具,供生物统计学派使用。这些研究者考察的往往是连续变异的性状,而不是早期孟德尔实验中那些分属明确类别的性状。

1900年前后,格雷戈尔·孟德尔的研究成果被重新发现,起初反而加剧了学术分歧。孟德尔学派强调离散的遗传因子,而生物统计学派则强调连续分布和统计关系。实验与理论论证表明,两者并不存在根本矛盾。如果多个基因座共同影响某一性状,它们的组合就能产生许多可区分的性状值;环境变异又能使这些值形成平滑的分布,呈现出连续变化的外观。赫尔曼·尼尔松-埃勒于1909年发表的小麦实验提供了一项影响深远的证明:多个孟德尔遗传因子可以解释籽粒颜色的渐变差异。爱德华·伊斯特的研究也帮助确立了数量变异的孟德尔遗传基础。

罗纳德·A.费希尔于1918年发表的论文《孟德尔遗传假设下亲属间的相关性》,在数学上实现了一次重要的综合。费希尔阐明了孟德尔遗传因子如何产生亲属间观测到的相关性,并提出了系统划分表型变异的方法。他的处理方式区分了可传递的统计效应与造成遗传差异的其他因素。这项研究连同J. B. S.霍尔丹和休厄尔·赖特的工作,帮助将数量性状遗传与群体遗传学联系起来。赖特对亲缘关系、近交和群体结构的分析,对于解读系谱和理解进化过程尤为重要。

二十世纪,理论与农业实验持续相互促进,推动了这一领域的发展。杰伊·L.勒什帮助确立了动物育种作为一门定量科学的地位;此后,查尔斯·亨德森的研究使利用大规模育种数据进行混合模型预测成为现实。道格拉斯·法尔科纳的《数量遗传学导论》于1960年首次出版,成为这一领域的核心教材。这些进展使研究重点不再局限于解释连续变异,而是扩展到预测遗传价值、设计选择方案以及分析相关性状。历史上,早期遗传研究也与优生学有所关联,在高尔顿的工作中尤为明显。这种关联与具体统计方法是否有效是两回事,但在解读该领域历史上有关人类群体和社会结果的主张时,仍然不容忽视。

遗传效应与变异的划分

数量性状以数值形式的表型来表示,例如个体的体重或小区的产量。一个基本模型将观测值写为 P=μ+G+EP=\mu+G+E,其中 μ\mu 为群体均值,GG 为遗传偏差,EE 则涵盖环境及其他残差因素的影响。这是一种统计表示,并不意味着发育过程由彼此可分离的遗传成分和环境成分构成。更复杂的模型还纳入年龄、性别、实验处理、母体效应以及交互作用。相应的方差分解取决于模型包含哪些项,以及这些项之间是否存在相关性。

遗传变异通常分为加性、显性和交互作用三个部分。加性效应描述在特定群体中,以一个等位基因替换另一个等位基因的平均效应。显性偏差描述杂合子的性状值偏离加性预期的程度,而上位性则涉及基因座之间的交互作用。在适当的正交分解下,遗传方差可写为 VG=VA+VD+VIV_G=V_A+V_D+V_I。这些都是统计分量:即使某条分子通路中存在广泛的交互作用,在特定群体中产生的遗传方差仍可能以加性方差为主。反过来,即使底层的生化关系保持不变,等位基因频率的变化也可能改变方差的分解结果。

一个简单的双等位基因座可以说明这种依赖关系。设 AAAA、AaAa 和 aaaa 的基因型值分别为 aa、dd 和 −a-a,等位基因频率分别为 pp 和 q=1−pq=1-p。在哈代-温伯格平衡下,平均替代效应为

α=a+d(q−p),\alpha=a+d(q-p),

该基因座贡献的方差为

VA=2pqα2,VD=(2pqd)2.V_A=2pq\alpha^2,\qquad V_D=(2pqd)^2.

因此,基因型层面存在显性关系,并不妨碍产生相当大的加性方差。加性效应还可能取决于等位基因所处的遗传背景,尤其是在基因座之间存在交互作用时。不同基因座上等位基因之间的关联称为连锁不平衡,这会使多基因座方差的计算更加复杂。

个体的加性遗传值,又称育种值,概括了该个体相对于某一既定群体,对后代的预期遗传贡献。它既不等同于个体的观测表型,也不等同于其总基因型值。后代遗传的是等位基因,而不是亲本完整的多基因座基因型;产生显性效应的等位基因组合以及许多产生交互作用的组合,会在减数分裂和受精过程中重新组合。这一区别解释了为什么加性方差对于预测亲属间的相似性和选择响应尤为重要,也解释了为什么表现优异的个体未必能产生同样出众的后代:其优异表现可能部分源于有利的环境条件,或源于无法稳定传递给后代的遗传组合。

亲属间的相似性与估计方法

亲属因具有共同祖先而共享等位基因,因此能够提供有关遗传变异的信息。在简单的加性模型下,若群体随机交配且不存在共同环境效应,亲本与子代之间的协方差为 12VA\tfrac12 V_A。同父异母半同胞之间的协方差为 14VA\tfrac14 V_A。在排除相关上位性贡献的标准假设下,全同胞之间的预期遗传协方差为 12VA+14VD\tfrac12 V_A+\tfrac14 V_D。这些表达式并不是描述实际观测到的家族相似性的普适恒等式:共同环境、母体影响、选型交配和群体结构都可能改变实际测得的协方差。

受控交配设计有助于区分这些来源。在父系半同胞设计中,每个雄性与多个雌性交配,从而可以比较父亲相同而母亲不同的子代。植物试验可以采用同一基因型的多个重复、自交家系或亲本品系间的杂交。在随机化配置的试验小区中设置无性系重复,有助于区分基因型间的差异与基因型内的环境变异。随机化和重复至关重要,否则基因型就可能与田间位置、管理措施或实验室批次相混杂。母体效应尤其需要谨慎处理:子代之间的相似性可能源于卵中营养物质的供给、子宫内环境或亲代照护,而不只是源于它们自身遗传的等位基因。

现代分析通常采用线性混合模型,其常见形式为

y=Xβ+Zu+ε.\mathbf y=\mathbf X\boldsymbol\beta+\mathbf Z\mathbf u+\boldsymbol\varepsilon.

其中,y\mathbf y 包含观测值,β\boldsymbol\beta 包含试验年份等指定效应,u\mathbf u 包含随机遗传效应。基于系谱的“动物模型”为每个个体赋予加性效应,并采用

Var⁡(u)=AσA2,\operatorname{Var}(\mathbf u)=\mathbf A\sigma_A^2,

其中,A\mathbf A 为加性亲缘关系矩阵。尽管名称如此,这一模型也用于植物和野生种群。还可以加入其他随机效应,以表示共同饲养或培育环境、持久的个体差异、母体身份或非加性遗传贡献。

方差组分通常采用限制性最大似然法或贝叶斯方法估计。限制性最大似然法在拟合方差参数时,会考虑固定效应估计所带来的影响;贝叶斯方法则将似然与指定的先验分布相结合,得到所关注量的后验分布。这两类方法都无法弥补研究设计本身的不足。如果相关亲属总是共享环境,那么即使数据集中有大量观测值,也可能几乎没有关于某一组分的独立信息。抽样不均衡、选择性记录、系谱不确定以及数据的非随机缺失也都可能产生影响。因此,估计结果需要附带不确定性区间,并仔细审查模型假设,而不应被视为某个物种的精确固有属性。

遗传率及其解读

遗传率描述的是,在特定群体和一组环境条件下,表型方差中与某一指定遗传方差组分相关的比例。广义遗传率为 H2=VG/VPH^2=V_G/V_P,狭义遗传率则为 h2=VA/VPh^2=V_A/V_P。狭义遗传率尤其适合用于预测选择带来的加性响应。当整个基因型得以传代时,例如在某些无性繁殖作物中,广义遗传率也具有参考价值。分母必须与观测单位相匹配:单次个体测量值、多次重复记录的均值和家系均值可能具有不同的遗传率,因为取平均值会改变残差方差。

遗传率并不是一个个体的性状中由基因造成的比例。方差比所描述的是个体之间的差异,而不是某一个体发育过程中各因素的构成。高遗传率也不意味着性状不易受环境变化影响。在某一环境中,一个性状的变异可能主要源于遗传差异,但当营养、温度或管理方式改变时,其群体均值仍可能大幅变化。反过来,即使一个性状依赖许多不可或缺的遗传过程,环境变异较大时,其遗传率也可能很低。发育由遗传因素决定到什么程度,与观察到的变异在多大程度上可由遗传因素解释,是两个不同的问题。

这种区别同样适用于群体之间的比较。群体内部的高遗传率并不能确定群体均值差异的成因。这类差异可能反映环境条件、遗传差异,或二者的共同作用,而群体内部的方差比无法确定它们各自的相对贡献。遗传率可以随年龄、性别、地点、测量尺度和世代而变化。对数变换,或将个体记录改为平均值,都可能改变遗传率的数值。当不同基因型与不同环境存在系统性关联时,基因—环境协方差会使简单的方差分解更加复杂。

对于二元结局,数量遗传学家常采用易感性阈值模型。该模型假定,当某个不可观测的连续易感性变量超过阈值时,相应结局就会发生。在这一潜在尺度上的遗传率不同于观测到的零—一尺度上的遗传率,二者的换算取决于对群体患病率和抽样方式的假设。因此,在人类疾病研究中,必须区分病例—对照抽样确定的病例比例与群体中的实际患病频率。

不同数据来源所估计的量也不相同。在相应假设成立的前提下,系谱分析可能捕捉到与常见及罕见遗传变异相关的加性变异。基于单核苷酸多态性(SNP)的估计,描述的是由某一组已分型或经基因型填补得到的标记,以及分析这些标记所用的模型所捕捉到的变异。这些估计之间的差距未必代表某一种单一的生物学现象。在不同情形下,标记覆盖不全、标记对相关变异的标记能力不完善、非加性效应、抽样误差和环境混杂都可能造成这种差距。

选择响应与相关性状

经典的育种者方程将选择与性状均值的变化联系起来:

R=h2S,R=h^2S,

其中,SS 是入选亲本的表型均值与原群体均值之差,RR 是在可比环境条件下预期子代均值的变化量。如果入选亲本的均值比群体均值高出 10 个单位,且狭义遗传力为 0.30.3,则预测的选择响应为 3 个单位。这是一项有条件的预测,而非必然结果。它假定估计的遗传力能够充分反映相应的亲子回归关系,且其他过程不会显著改变结果。

选择通常从选择强度、选择准确度、遗传变异和时间几个方面来描述。如果依据与加性遗传价值相关的指数进行选择,每代的预期遗传进展可表示为 ΔG=irσA\Delta G=i r\sigma_A,其中 ii 为选择强度,rr 为选择准确度,σA\sigma_A 为加性遗传标准差。将其除以世代间隔,即可得到单位时间内遗传进展速率的近似值。这些因素说明了为什么只选择表型最极端的个体并不总是最优策略:更强的选择可能减少亲本数量、提高亲缘程度,或需要更长时间才能获得测定记录。

不同性状的响应通常并非彼此独立。当等位基因影响多个性状,或相关等位基因在不同基因座之间存在关联时,就会产生加性遗传协方差。前一种机制称为多效性。在标准的多变量表述中,

Δzˉ=Gβ,\Delta\bar{\mathbf z}=\mathbf G\boldsymbol\beta,

其中,G\mathbf G 为加性遗传方差—协方差矩阵,β\boldsymbol\beta 包含各性状的定向选择梯度。因此,即使选择直接作用于另一个性状,某一性状也可能发生变化。在育种中,对产量、繁殖力、产品品质和抗病性进行同时选择时,会明确利用这些关系。在进化研究中,这些关系有助于解释:为什么性状的进化方向不一定与仅根据其自身选择梯度所推断的方向一致。

随着等位基因频率变化、有利变异趋于固定,以及选择造成连锁不平衡,长期响应可能偏离短期预测。选择诱导的关联可能降低加性遗传方差,这种效应通常与布尔默模型相联系;重组则可使降低的方差得到部分恢复。近交可能使有害隐性等位基因的效应显现,而突变则会引入新的变异。对玉米籽粒成分开展的长期选择等实验表明,选择响应可以持续许多世代,但这种持续性并不意味着遗传参数保持不变。因此,持续更新参数,并监测相关响应和多样性变化,才能使预测模型更为可靠。

环境交互作用、发育与间接效应

基因型的效应并不一定在不同环境中保持不变。当遗传差异在不同条件下有不同表现时,就会出现基因型与环境交互作用。例如,两个作物品种在供水充足时可能差异很小,但在干旱条件下却差异显著。它们的表现排序可能发生逆转,也可能保持不变,只是差异幅度有所变化。在给定的测量尺度上,这两种情况都可能构成交互作用,但其实际影响有所不同。对表型模型的一种简单扩展是加入基因型与环境的交互项;此时,方差如何划分取决于抽样涵盖的环境以及研究所针对的目标群体。

反应规范描述一种基因型沿环境梯度所产生的表型。线性反应规范模型可以将遗传变异分别归于截距和斜率,从而同时研究平均表现与环境敏感性。更灵活的模型则可描述非线性响应。另一种方法是将不同环境下的表现视为彼此独立但具有遗传相关的性状。遗传相关接近 1,表明两种环境中的表现很大程度上受到相同加性遗传效应的影响;相关较低则表明,在一种环境中进行选择,可能较难预测另一种环境中的表现。估计的精确度取决于重复观测,以及不同条件下是否有足够多的共同基因型。

发育过程又引入了进一步的结构。例如,不同年龄的体型可以作为一系列相关性状来分析,而非视为单一且固定的性状。随机回归模型可描述个体随年龄或时间变化的遗传轨迹。重复测量还能区分持久的个体差异与短期的残差波动。残差组分可能包含发育随机性、未测量的环境暴露以及测量误差,不应自动将其解释为某一种环境因素造成的结果。基因表达及其他中间分子表型有助于将发育过程与整体生物性状联系起来,但仅凭它们之间的关联,并不能确定因果方向。

遗传效应也可以通过其他个体发挥作用。母体的基因型可能通过营养供给影响后代的生长,同栏个体的基因型则可能通过竞争或社会行为影响另一只动物的表现。这两类效应分别称为母体遗传效应和间接遗传效应。将它们与个体自身的直接遗传效应区分开来十分重要,因为选择既能改变生物体本身,也能改变其社会环境。直接效应与间接效应可能相互增强,也可能相互抵消。

这些例子说明,控制环境并不等于假定环境在生物学上不重要。实验中的标准化旨在识别特定的变异来源。野外研究则力求反映自然存在的异质性,但代价往往是更难区分不同的因果作用。采用何种模型,取决于研究目标是解释现象、预测特定情境中的表现,还是进行跨情境预测。

利用分子数据定位遗传效应

经典数量遗传学无需定位因果变异,就能估计遗传方差。分子方法则进一步揭示这些遗传效应来自基因组中的哪些位置。数量性状位点定位通过追踪杂交群体或系谱中标记区域的遗传传递,检验遗传下来的不同染色体片段能否预测性状值。在差异显著的近交系之间进行杂交时,遗传分离会产生不同的组合,使研究者能够识别影响性状的区域。定位分辨率在很大程度上取决于能够提供有效信息的重组事件数量。达到统计显著性的区域可能包含许多基因,仅凭这一结果并不能确定起因果作用的分子变化。

全基因组关联研究在抽样群体中检验遗传变异与表型之间的关联。由于需要检验大量标记,必须严格控制假阳性。在许多针对人类常见变异的研究中,惯用的显著性阈值为 5×10−85\times10^{-8},但适当的阈值取决于研究设计和所考察的变异。群体结构和亲缘关系可能产生并非源于受检变异直接效应的关联;主成分校正和混合模型是处理这些问题的常用方法。与祖源或家庭背景相关的环境变量,仍可能是结果解读中的重要难点。

许多复杂性状呈现高度多基因遗传的结构:大量变异共同影响性状,而其中大多数的效应太小,难以在规模有限的样本中可靠地检出。身高就是一个研究充分的例子,大规模关联研究已发现数千个关联信号。与性状相关联的标记往往只是与因果变异相关,而非因果变异本身。精细定位利用关联模式、连锁不平衡,有时还结合功能信息,来缩小候选变异的范围。随后,分子实验、调控功能注释和组织特异性测量可以帮助评估作用机制。即使拥有这些资源,统计关联也并不意味着能够直接确定因果基因、相关组织或发育阶段。

历史上的“缺失遗传力”问题,部分源于早期通过严格显著性阈值筛选出的变异所能解释的变异程度,远低于家系研究的估计。对大量标记进行联合分析,可以捕捉单独来看效应过小而无法检出的遗传效应,从而缩小某些性状中的这一差距。其他可能的原因还包括罕见变异、结构变异、标记覆盖不充分,以及不同方法所估计的量并不相同。

分子研究的发现也使孟德尔性状与数量性状之间的简单划分变得复杂。大效应变异可以在更广泛的多基因背景下发挥作用,而同一基因中也可能存在效应差异很大的变异。反过来,一个表面上呈连续分布的性状,也可能既受少数主效位点影响,又受到许多微小效应的共同影响。数量遗传学通过对效应分布建模来容纳这种多样性,而不要求所有性状都遵循同一种遗传结构。

基因组预测与育种应用

基因组选择利用全基因组标记信息预测遗传价值,其中也包括那些效应过小、难以单独检出的遗传效应。西奥·梅维森、本·海斯和迈克·戈达德于2001年发表的论文,展示了一个利用高密度标记预测总遗传值的重要框架。其实际策略是建立一个同时具有基因型和表型数据的参考群体,据此拟合预测模型,再将模型应用于已完成基因分型的候选个体。这样,在候选个体自身尚未表现出目标性状,或尚未产生具有表型记录的后代之前,就能得到其遗传价值的预测结果。对于在生命后期才能测定、仅在一种性别中表现,或需要通过破坏性检测才能测量的性状,这一点尤为重要。

两类主要方法是标记效应模型和基因组亲缘关系模型。前者通过累加估计的各标记贡献来预测遗传价值;后者则利用根据标记基因型计算的基因组相似性,替代或补充系谱亲缘关系。基因组最佳线性无偏预测通常简称为GBLUP,它与假定大量微效标记的效应服从同一方差分布的模型密切相关。贝叶斯模型可以允许不同的效应分布,而单步法则将已分型和未分型个体的系谱、基因型和表型信息结合起来。没有哪种方法在所有情况下都最优:预测表现取决于遗传结构、训练群体、标记覆盖程度和性状数据。

参考群体的规模及其与目标群体的相关程度,对预测准确性有很大影响。训练群体中的动植物与候选选择个体之间若具有较近的亲缘关系,通常有助于提高预测准确性。在不同品种、地理上相互分隔的群体或不同世代之间,由于等位基因频率以及标记与因果变异之间的关联有所不同,预测准确性可能下降。环境变化还可能进一步削弱预测能力。因此,验证方式必须贴近预期用途。将近亲个体随机分配到训练集和测试集中,可能会对涉及远缘候选个体的应用给出过于乐观的准确性估计。如果实际应用涉及后续世代或不同地点,那么按时间先后进行验证或开展跨地点测试,能够提供更严格的评估。

在奶牛育种中,基因组评估使育种者能够更早地选择青年个体,减少了对等待积累大量女儿牛记录的依赖。在作物育种中,基因组预测可支持在开展成本高昂的多地点试验之前进行品系选择,但田间表型测定对于训练和更新模型仍然不可或缺。机器学习方法也有助于预测,尤其是在处理复杂的表型或环境数据时;不过,模型灵活性更高并不保证预测准确性也更高。

育种目标通常依据经济权重或功能权重综合考虑多个性状,而不是追求某一个表型的最大化。限制近交和维持遗传多样性同样重要,因为短期内的快速遗传进展可能会提高入选亲本之间的亲缘程度。因此,预测只是整个育种体系的一个组成部分;这一体系还包括交配设计、表型数据采集、群体管理,以及对相关响应的反复评估。

进化推断与人类复杂性状

在进化生物学中,数量遗传学研究自然种群中可遗传变异与选择如何相互作用。对鸟类、哺乳动物及其他生物开展基于系谱的研究,可以估计形态、繁殖和生活史性状的加性遗传方差。然而,即使选择差为正,且性状具有可测得的遗传力,也不意味着表型一定会按照简单育种者方程的预测发生变化。环境条件可能同时影响表型和繁殖成功,从而形成一种表型关联,而这种关联并不代表选择作用于育种值。环境变化、遗传协方差、迁入和抽样变异,也可能使观测到的趋势偏离简单预测。

多性状遗传协方差矩阵是研究进化约束的核心。当某些性状组合方向上的遗传方差远大于其他方向时,短期进化可能更容易沿这些方向发生。然而,该矩阵本身也会因选择、遗传漂变、迁移、重组和突变而演化。因此,与适合度相关的性状,其遗传变异并不一定会被持续的选择耗尽。突变—选择平衡、环境异质性和权衡关系都有助于维持这些变异,但它们的相对重要性因性状和种群而异。对当代种群的估计描述的是当前状态,而非不可改变的进化极限。

人类数量遗传学采用家系、双生子、收养和分子研究设计来探究复杂变异。每种设计都依据特定假设来识别遗传和环境的贡献。例如,双生子比较需要对同卵与异卵双生子在遗传亲缘程度及相关环境相似性上的差异进行建模。分子分析可以根据测得的遗传变异估计效应,而家系内比较有助于减少祖源及某些家庭层面因素造成的混杂。这类比较还可以区分遗传变异的直接效应,以及部分由父母基因型和父母所提供的环境引起的关联。

多基因评分将许多基因座上的等位基因按估计的关联强度加权汇总,用于预测某种结局或倾向。其预测价值取决于研究人群、表型定义、环境和验证设计。当评分应用于不同于发现样本的人群时,预测准确性往往会下降,原因包括连锁不平衡、等位基因频率、研究样本代表性方面的差异,有时还包括效应估计的差异。预测性关联不等于完整的因果解释,评分也不能决定一个人必然会出现何种结局。

涉及人类基因组和家系数据的研究,还会引出知情同意、数据隐私和群体层面解读等具体问题。基因组数据不仅能揭示参与者本人的信息,也能揭示其亲属的信息。对社会或健康相关性状的分析,必须将直接生物学效应与环境中介作用及统计混杂区分开来。在从群体层面的估计推及个体、机制或群体间差异时,这些区分尤为重要。