跳到主要内容
Sandbox Physics

遗传漂变与固定:小种群里谁会胜出?

在 50 个个体的种群里,一个新突变有多大机会占满全种群?要多久? 中性突变胜出的概率等于它起始所占的比例。50 个里只有一个新突变时,胜率是五十分之一,胜出也要约一百代。5% 的优势只把这个胜率提到约 9%,所以大多数有利突变仍会因为运气而丢失。

看一个 Wright–Fisher 种群一代代传下标记,再把 240 次重复模拟与精确固定概率和扩散公式对照。

交互模型遗传漂变与固定:小种群里谁会胜出?
重复模拟中突变型固定的比例P^fix=0.508±0.023\hat P_{\mathrm{fix}}=0.508\pm0.023
精确固定概率Pfix=0.5P_{\mathrm{fix}}=0.5
平均固定时间tˉfix=64.6 代\bar t_{\mathrm{fix}}=64.6\ \text{代}
样本追溯到同一祖先TMRCA=48 代T_{\mathrm{MRCA}}=48\ \text{代}
重复种群中的突变型频率
固定概率:模拟、精确与扩散近似
更多数值与计算方法
固定概率的扩散近似
00
已固定条件下的精确平均固定时间
00
模拟的平均固定时间
00
中性扩散的固定时间
00
Kingman 样本共同祖先的平均时间
00
已计分的重复轮次
00
起始突变型个数
00
画面中正在演示的轮次
00

精确值来自有限 Wright–Fisher 链的吸收方程。重复模拟只在整批结束后计分,慢的轮次不会被丢掉。导出文件列出每一轮的种子、结局和持续代数。

小种群里,漂变决定谁胜出

背景一个大小不变的种群,基因组成照样会变,因为谁留下后代有一部分是运气。在 50 个个体的种群里,这份运气大到几十代之内就能让一个突变固定或消失。

为什么值得理解演化常被讲成只有选择。把许多完全相同的种群的结局数一数,就能看出结果有多少来自运气,以及一点点优势会把胜算改变多少。

一句话直觉
中性突变固定的概率等于它的起始频率。有优势时机会变大,但只要 NsNs 不大,一个新出现的突变大多数时候仍会丢失。

核心数学模型

Wright–Fisher 更新

kt+1∼Bin ⁣(N, pt(1+s)1+s pt),pt=ktNk_{t+1}\sim\mathrm{Bin}\!\left(N,\ \frac{p_t(1+s)}{1+s\,p_t}\right),\qquad p_t=\frac{k_t}{N}

每个后代独立地挑亲本,所以下一代突变型的数目服从二项分布。它的均值是选择后的频率,方差 Np(1−p)Np(1-p) 就是漂变。

固定概率的扩散公式

u(p0)=1−e−2Nsp01−e−2Ns → s→0  p0u(p_0)=\frac{1-e^{-2Nsp_0}}{1-e^{-2Ns}}\ \xrightarrow{\,s\to0\,}\ p_0

适用于 NN 大、ss 小的情形。实验同时给出有限链的精确概率,两者略有差别。

中性突变的固定时间

tˉfix(p0)≈−2N(1−p0)ln⁡(1−p0)p0\bar t_{\mathrm{fix}}(p_0)\approx-\frac{2N(1-p_0)\ln(1-p_0)}{p_0}

当 p0=1/2p_0=1/2 时约为 1.39N1.39N 代;对单个新突变,它接近 2N2N。

常见难点

更好不等于安全

容易误解有利突变一定会扩散。

正确理解在 50 个个体中,一个 s=0.05s=0.05 的新突变大约十次只固定一次。开始时拷贝太少,优势敌不过运气。

动手实验

  1. 01

    看一个种群

    让“各占一半”预设一直运行。

    你会看到: 琥珀色和青色的条带来回漂移,直到一种颜色占满整行;随后种群重新标记,比赛重新开始。
  2. 02

    数很多个种群

    在重复模拟的一批结束时看固定概率图。

    你会看到: 大约一半的重复模拟让突变型固定,置信区间覆盖精确值二分之一。
  3. 03

    给突变型一点优势

    选择“更好,却常常丢失”。

    你会看到: 大多数轮次仍然丢掉这个突变,但固定的比例落在精确值 0.094 附近,差不多是中性情形五十分之一的五倍。

相关实验与文章

这一页直接连着哪些内容

在内容地图上看全部文章系列 →

继续探索

生命系统里的随机与阈值

随机事件、阈值和近邻耦合,怎样塑造种群、神经元和组织图案?

  1. 当前页面遗传漂变与固定:小种群里谁会胜出?让“各占一半:抛硬币”运行,看单靠运气怎样让一种类型占满。
  2. 实验扩张扇区:混合起步的菌落为什么长成条纹选“直前沿上颜色越来越少”,看扇区数随生长减少。
  3. 实验拉动波与推动波:入侵种群从哪里来比较“拉动波”和“完全推动波”两个预设,看前沿的祖先在哪里。
  4. 实验Hodgkin–Huxley 模型:枪乌贼轴突如何发放动作电位比较“一次全或无的峰电位”和“刚好低于阈值”,看膜电位。
  5. 实验随机离子通道:小神经元为什么放电不可靠让“阈值处像抛硬币”运行,数同样的电击有几次引发峰电位。
  6. 实验可激发波与螺旋选“一半尚未恢复”,在两侧各拖一笔,看哪边能激起波。
  7. 实验神经雪崩与临界性:幂律什么时候会误导比较“接近临界点的级联”和“共享慢输入,没有耦合”的大小分布。
  8. 实验Ising 临界涨落比较“低温保留秩序”和“高温打散区域”,看同向区域能连多大。
  9. 实验Hopfield 联想记忆选“找回闪电”,在图上涂几笔,看网络怎样把它恢复。
  10. 实验图灵斑图先选“斑点长出”,再选“扩散抹平”,比较图案能否长出来。
  11. 实验活性向列流场比较“缺陷推动流体”和“反转活性应力”,看流动方向反过来。

演化统计物理 · 阅读路径

从随机抽样到拉动波与推动波

这条阅读路径里用到本实验的文章,后面跟着它们推荐的其他实验。

  1. 文章遗传漂变让中性基因占满有限种群
  2. 文章固定概率与固定时间,以及更好的突变为何常常输掉
  3. 文章溯祖过程把样本追溯到共同祖先
这个页面有错误、看不明白,或者缺了什么?告诉我们
反馈类型

提交时会附带本页地址、Lab ID、网站语言和设备类型。请不要填写个人信息。反馈最多保存 12 个月。隐私政策