สเปกตรัมความถี่ของอัลลีลและสเปกตรัมความถี่ของตำแหน่ง
สเปกตรัมความถี่ของอัลลีล (หรือตำแหน่ง) คือการกระจายตัวของความถี่ของตัวแปรในตัวอย่าง: โดยจะนับว่ามีตำแหน่งตัวแปรจำนวนเท่าใดที่มีอัลลีลปรากฏอยู่หนึ่งสำเนา สองสำเนา และเพิ่มขึ้นเรื่อยๆ ในตัวอย่าง เนื่องจากประวัติทางประชากรศาสตร์และการคัดเลือกโดยธรรมชาติแต่ละอย่างทิ้งร่องรอยที่แตกต่างกันไว้บนการกระจายตัวนี้ สเปกตรัมจึงเป็นหนึ่งในข้อมูลสรุปที่มีประโยชน์มากที่สุดของข้อมูลพันธุกรรมประชากร
Definition
สเปกตรัมความถี่ของตำแหน่งคือการกระจายตัวของจำนวนอัลลีลที่ได้มา (หรืออัลลีลส่วนน้อย) ทั่วทั้งตำแหน่งตัวแปรทั้งหมดในตัวอย่าง; หรือกล่าวอีกนัยหนึ่งคือเป็นการรวบรวมว่ามีกี่ตำแหน่งที่มีความถี่ของอัลลีลที่เป็นไปได้แต่ละค่าในตัวอย่าง
Scope
เนื้อหานี้ครอบคลุมคำจำกัดความของสเปกตรัมความถี่แบบพับและแบบไม่พับ การคาดการณ์ภายใต้แบบจำลองที่เป็นกลาง และการนำไปใช้เป็นเป้าหมายสำหรับการอนุมานทางประชากรศาสตร์และการคัดเลือก นี่เป็นหัวข้อทางระเบียบวิธีวิจัยและไม่ได้ให้การตีความทางคลินิกของความถี่ของตัวแปรใดๆ โดยเฉพาะ
Core questions
- สเปกตรัมความถี่ถูกกำหนดสำหรับตัวอย่างลำดับอย่างไร?
- สเปกตรัมมีลักษณะอย่างไรภายใต้ประชากรที่เป็นกลางและมีขนาดคงที่?
- การเติบโตของประชากร คอขวดของประชากร และการคัดเลือกบิดเบือนสเปกตรัมอย่างไร?
- สเปกตรัมถูกนำมาใช้เพื่อปรับแบบจำลองทางประชากรศาสตร์อย่างไร?
Key concepts
- สเปกตรัมแบบพับเทียบกับแบบไม่พับ
- อัลลีลที่ได้มาและอัลลีลบรรพบุรุษ
- จำนวนตัวแปรที่หายากที่มากเกินไป
- Tajima's D
- การอนุมานทางประชากรศาสตร์
- ผลของการเติบโตของประชากรต่อความหลากหลายที่หายาก
Key theories
- การคาดการณ์โคอะเลสเซนต์ของสเปกตรัมความถี่
- ภายใต้แบบจำลองโคอะเลสเซนต์ที่เป็นกลางมาตรฐาน จำนวนตำแหน่งที่คาดการณ์ไว้ซึ่งมีอัลลีลที่ได้มาปรากฏอยู่ i ครั้งจะเป็นสัดส่วนกับ 1/i ทำให้เกิดจำนวนตัวแปรที่หายากที่มากเกินไปอย่างมีลักษณะเฉพาะ; การเบี่ยงเบนจากการคาดการณ์นี้ ซึ่งสรุปโดยสถิติเช่น Tajima's D ถูกนำมาใช้เพื่อตรวจจับการเปลี่ยนแปลงทางประชากรศาสตร์หรือการคัดเลือก
Mechanisms
แต่ละตำแหน่งที่แยกตัวจะนำจำนวนอัลลีลในตัวอย่างมาใส่ในสเปกตรัม ภายใต้แบบจำลองโคอะเลสเซนต์ที่เป็นกลาง สเปกตรัมที่คาดการณ์ไว้จะให้น้ำหนักอย่างมากต่อตัวแปรที่หายาก และเหตุการณ์ทางประชากรศาสตร์จะปรับเปลี่ยนรูปร่างของมันอย่างคาดการณ์ได้: การเติบโตของประชากรเมื่อเร็วๆ นี้จะเพิ่มจำนวนของตัวแปรที่หายากมาก ในขณะที่คอขวดของประชากรจะลดจำนวนลง การคัดเลือกยังทำให้สเปกตรัมเปลี่ยนไปในระดับท้องถิ่น วิธีการอนุมานจะปรับแบบจำลองทางประชากรศาสตร์หรือการคัดเลือกโดยการจับคู่สเปกตรัมที่สังเกตได้กับการคาดการณ์ และการจัดลำดับดีเอ็นเอเชิงลึกของตัวอย่างขนาดใหญ่ได้แสดงให้เห็นถึงความอุดมสมบูรณ์ของตัวแปรการเข้ารหัสที่หายาก ซึ่งสอดคล้องกับการเติบโตของประชากรมนุษย์ที่รวดเร็วเมื่อเร็วๆ นี้
Clinical relevance
สเปกตรัมความถี่เป็นพื้นฐานของเกณฑ์ความถี่ของอัลลีลที่ใช้ในการกรองตัวแปรในการถอดรหัสพันธุกรรมทางคลินิก เนื่องจากความหายากของตัวแปรในประชากรอ้างอิงเป็นส่วนหนึ่งของการพิจารณาความสำคัญที่เป็นไปได้ของมัน เนื้อหานี้อธิบายการกระจายตัวของความถี่ในระดับประชากรและไม่ใช่พื้นฐานสำหรับการวินิจฉัยหรือการตัดสินใจในการรักษาเฉพาะบุคคล
Evidence & guidelines
การคาดการณ์ที่เป็นกลางของสเปกตรัมมีรากฐานมาจากทฤษฎีโคอะเลสเซนต์และสถิติทดสอบของ Tajima ในขณะที่การศึกษาเชิงประจักษ์ของเอ็กโซมของมนุษย์และกรอบการอนุมานทางประชากรศาสตร์แสดงให้เห็นว่าสเปกตรัมที่สังเกตได้ถูกนำมาใช้เพื่อสร้างประวัติศาสตร์ประชากรขึ้นใหม่และเพื่อระบุลักษณะของภาระของตัวแปรที่หายากได้อย่างไร
History
สเปกตรัมความถี่เกิดขึ้นจากทฤษฎีการแพร่กระจายและทฤษฎีโคอะเลสเซนต์ในฐานะข้อมูลสรุปที่กระชับของข้อมูลความหลากหลายทางพันธุกรรม ด้วยการจัดลำดับจีโนมและเอ็กโซมในระดับใหญ่ มันกลายเป็นเป้าหมายการอนุมานที่ใช้งานได้จริง และการวิเคราะห์ตัวอย่างมนุษย์ขนาดใหญ่ในช่วงต้นทศวรรษ 2010 ได้ใช้สเปกตรัมเพื่อแสดงให้เห็นถึงการเติบโตอย่างรวดเร็วเมื่อเร็วๆ นี้และจำนวนตัวแปรที่หายากที่มากเกินไปที่เกิดขึ้น
Key figures
- Fumio Tajima
- Simon Gravel
- Laurent Excoffier
- Carlos Bustamante
Related topics
Seminal works
- tajima-1989
- gravel-2011
- tennessen-2012
Frequently asked questions
- ความแตกต่างระหว่างสเปกตรัมแบบพับและแบบไม่พับคืออะไร?
- สเปกตรัมแบบไม่พับจะแยกความแตกต่างระหว่างอัลลีลที่ได้มากับอัลลีลบรรพบุรุษ ซึ่งต้องรู้ว่าอัลลีลใดเป็นบรรพบุรุษ; สเปกตรัมแบบพับ ซึ่งใช้เมื่อสถานะบรรพบุรุษไม่เป็นที่ทราบ จะนับจำนวนอัลลีลส่วนน้อยแทน
- ทำไมสเปกตรัมความถี่จึงแสดงตัวแปรที่หายากจำนวนมาก?
- แม้ภายใต้แบบจำลองที่เป็นกลางอย่างง่าย ตัวแปรที่หายากก็คาดว่าจะเด่นกว่า และการเติบโตของประชากรมนุษย์เมื่อเร็วๆ นี้ได้ขยายสิ่งนี้ให้มากขึ้น ทำให้เกิดจำนวนตัวแปรที่หายากมากเกินไปในตัวอย่างขนาดใหญ่