Vuonna Periytyvyys 101 määrittelimme periytyvyys kuin ”osuus vaihtelua piirre selittää perinnöllinen geneettisiä variantteja.”Käytännössä olemme usein riippuvaisia muunnelmia tämän määritelmän, osittain koska erot tämä idealisoitu käsite periytyvyys ja todellisuuden, mitä emme voi itse arvioida tieteellisesti., Tässä postitse me hahmotella joitakin eri ”makuja” periytyvyys, ja tapoja, joilla he voivat arvioida, loppuun tavoite, jossa selitetään, mitä muoto periytyvyys olemme raportoinnin tietoja yhdistyneen KUNINGASKUNNAN Biopankki.
nopea versio:
Meidan UK Biobank-analyysi on arviointi \(h^2_g\), tai SNP-periytyvyys., Tämä on vain osa vaihtelusta piirre, joka voidaan selittää lisäaineen vaikutuksia yleisesti esiintyviä geneettisiä muunnoksia kutsutaan SNPs (yhden emäksen muutos DNA-sekvenssi), joten se on lähes aina pienempi kuin koko periytyvyys \((H^2)\), joka voisi selittää kaikki geneettiset tekijät.
Olemme arvioimalla \(h^2_g\) käyttäen menetelmää, jota kutsutaan LD pisteet regressio (LDSR); jos menetelmän valinta merkitsee sinulle niin luultavasti arvostaa enemmän teknistä post täällä.,
Mittaus vaihtelu
Ennen puhumme eri makuja periytyvyys, se on hyödyllistä määritellä, mitä tarkoitamme ”vaihtelu” kun sanomme, asioita, kuten ”osuus vaihtelua piirre selittää” jotain.
tässä, Kun sanomme ”variaatio”, viittaamme ”varianssin”matemaattiseen käsitteeseen. Varianssi on yleinen mittari, jolla mitataan, kuinka paljon jokin ominaisuus eroaa ryhmän ihmisten välillä. Muodollisesti se on satunnaisesti valitun henkilön ja ”keskivertoihmisen” keskimääräinen tasoero., Esimerkiksi kaikilla miehillä ja naisilla Iso-Britannian biopankissa korkeuden vaihtelu tuumaa on 13,3 (86,0 korkeus senttimetreinä), mikä vastaa 3,7 tuuman (9,3 cm) keskihajontaa. Keskihajonta on yksinkertaisesti varianssin neliöjuuri.
Tilastotieteilijät, kuten puhumme varianssi (toisin kuin intuitiivinen toimenpiteitä, kuten alueen tai keskimääräinen absoluuttinen poikkeama keskiarvosta), koska se on mukava matemaattisia ominaisuuksia., Erityisesti, jos sinulla on tulos, joka on summa vaikutukset riippumattomista lähteistä (kuten, sanoa, geenit ja ympäristö) varianssi vaikutukset kustakin lähteestä peräisin lisätä jopa varianssi tulos. Voi hajottaa koko varianssi piirre eri kappaletta, jotka lisätä enintään tämä tapa on erittäin hyödyllinen, kun haluamme puhua ”osuus varianssi selittyy genetiikka”, kuten näemme alla.
Lopuksi, puhumme varianssi implisiittisesti tarkoittaa, että me puhutaan ryhmän tai populaation yksilöiden., Keskivertoeroa ei voi olla vain yhden ihmisen ihmisten välillä. Kuten me korostaa Periytyvyys 101, tämä tarkoittaa, että aina, kun puhutaan periytyvyys puhumme vaihtelua joitakin perusjoukon yksilöitä, ei genetiikka määritettäessä joitakin osuus piirre tahansa yksittäisen.
”Selittää” varianssi
Se on myös syytä selventää, että toinen puoli lause ”osuus vaihtelua piirre selittää”, nimittäin siihen, mitä tarkoitamme ”selitetty”., Tässä tapauksessa, varianssi, joka on” selitetty ” genetiikan on varianssi, joka voidaan ennustaa perustuu geneettiseen tietoon, jos meillä oli täydellinen tieto vaikutuksista kaikkien geneettisten varianttien (joka, ollakseni selvää, meillä ei ole).
Jos olet koskaan kuullut lause ”korrelaatio ei ole syy-yhteyttä”, että on kysymys meidän”re viitaten täällä ja miksi me emme yksinkertaisesti sanomalla osuus varianssi aiheuttamat geneettisiä vaikutuksia., Olemme lähempänä syy-yhteyttä, koska se on melko turvallista olettaa, että periytyviä piirteitä eivät ole aiheuttaa geneettisiä variantteja, koska meidän genetiikka on kiinteä käsitys (lukuun ottamatta hankittu mutaatioita, kuten syövän). On kuitenkin mahdollista, että geneettiset muunnokset korreloivat ympäristötekijöiden kanssa, joilla on suora syy-yhteys ominaisuuteen. Se ei tarkoita, että genetiikka ei ole tärkeä ja informatiivinen, mutta se ei tarkoita, että meidän täytyy olla varovaisia kuvataan vaikutuksia syy, jopa genetiikan., Joten varotoimenpiteenä vastaan tehdään mitään ennenaikaisia lausuntoja syy-yhteyttä keskitymme ”, selitti” varianssi sijaan.
Laaja-mielessä periytyvyys
Teemme kolme tärkeitä huomautuksia tämän määritelmän. Ensinnäkin se on täysin joustava siitä, miten erityiset geneettiset vaikutukset edistävät \(𝜎^2_g\)., Laaja-sense \(S^2\) ei välitä siitä, onko \(𝜎^2_G\) tulee yhdestä Mendelin variantti vain yksi geeni, tai pieni lisäaineen vaikutuksia variantit 100 eri geenit, tai monimutkaisia yhteisvaikutuksia jokainen variantti koko genomin. Näemme alla, että tämä on tärkeä ero laaja-sense \(S^2\) ja joitakin muita periytyvyys.
$$S^2 = \frac{\sigma^2_G}{\sigma^2_G + \sigma^2_E}$$, mutta sitä oletusta ei tarvita., Yksinkertaisesti kirjoittamalla nimittäjän nimellä \(𝜎^2_p\) mahdollistamme sen mahdollisuuden, että geneettiset ja ympäristötekijät korreloivat tai ovat jollain tavalla vuorovaikutuksessa keskenään. Tämä on tärkeää, koska se korostaa, että vaikutus ympäristön piirre ei ole yksinkertaisesti ”loput” jälkeen osuus kaikista geneettisiä vaikutuksia, vaan ne voivat olla päällekkäisiä ja vaikuttavat toisiinsa monimutkaisilla tavoilla.
Kapea-mielessä periytyvyys
käytännössä, joustavuutta, laaja-sense \(S^2\) tekee siitä erittäin vaikea arvioida ilman tehdä vahvoja oletuksia., Kaikkien mahdollisten geenivarianttien mahdollisten yhteisvaikutusten mahdollistaminen tarkoittaa, että niillä on toiminnallisesti ääretön tila mahdollisia vaikutuksia. Yksi hyödyllinen tapa yksinkertaistaa tätä on ajatella koko varianssi selittyy genetiikka yhdistelmä lisäaineen vaikutuksia, dominoiva/resessiivinen vaikutuksia, ja vuorovaikutus vaikutukset eri variantteja. $$\sigma^2_G = \sigma^2_A + \sigma^2_D + \sigma^2_I$$
Historiallisesti, useimmat tieteellistä keskustelua periytyvyys eri piirteitä on keskittynyt \(s^2\)., Yksi mukavia ominaisuuksia \(s^2\) on, että se merkitsee yksinkertainen suhde sen välillä, kuinka geneettisesti liittyvät kaksi ihmistä ovat ja kuinka samankaltainen piirre on niille kaksi ihmistä. Voimme käyttää tätä suhdetta arvioidaksemme \(H^2\) kaksos-ja perhetutkimuksissa.
yksinkertaisimmassa tapauksessa, voimme verrata monozygotic kaksoset (kutsutaan usein ”samanlaisia” tai MZ-kaksoset) dizygotic (”veljellisen” tai DZ) kaksoset. MZ: n kaksoset jakoivat kaiken DNA: nsa , kun taas DZ: n kaksoset jakavat keskimäärin puolet DNA: staan., Kaksoset myös jakavat pitkälti saman ympäristön riippumatta siitä, ovatko he MZ vai DZ . Näin arvioivat \(s^2\) voimme tarkkailla, miten korreloi piirre on välillä paria MZ kaksoset ja kuinka korreloi piirre on välillä DZ kaksoset ja nähdä, jos nämä korrelaatiot ovat erilaisia. Jos MZ-kaksoset paria, niiden suurempi geneettinen samankaltaisuus, ovat voimakkaammin korreloituneita kuin DZ twin paria, joka viittaa siihen, että genetiikka selittää joitakin varianssi piirre .
Siellä on ollut vuosikymmenten tieteellisen tutkimuksen periytyvyys ihmisen piirteitä käyttämällä tätä yleistä lähestymistapaa., Avuliaasti, viime vaivaa Danielle Posthuma ja työtovereiden yhdistettiin paljon tämän työn yhdeksi verkkosivulle, jossa voit selata twin-pohjainen arvioiden \(s^2\) monenlaisia piirteitä.
SNP-periytyvyys
edellä makuja periytyvyys on tarkoitettu ”geneettisiä vaikutuksia” käsitteellisesti ilman mitään vastiketta erityisiä geneettisiä variantteja ja niiden yhdessä piirre., Nyt, että kehitys genetiikka on mahdollista itse kerätä tiedot näistä erityisiä muunnelmia, on mahdollisuus arvioida, kuinka paljon kukin näistä havaitaan variantteja edistää periytyvyys.
erityisesti voimme harkita yksi tyyppi geneettinen variantti kutsutaan yhden nukleotidin polymorfismi (SNP), joka on muuttaa yhden emäsparin DNA tiettyyn paikkaan genomissa. Esimerkiksi joillakin ihmisillä voi olla A tuossa paikassa, kun taas toisilla on G., On miljoonia näihin paikkoihin genomissa, jotka usein vaihtelevat eri ihmisillä, ja paljon nykyinen tutkimus ihmisen genetiikka on keskittynyt ymmärrystä vaikutuksia näiden variantteja .
on syytä korostaa kahta\: n(h^2_g\) keskeistä ominaisuutta. Ensinnäkin, saatat huomata, että olemme määritelleet \(h^2_g\) perustuu joitakin SNPs ”S”. Käytännössä tämä joukko SNPs tulee riippumaan (a) havaituista SNP-tiedoista ja(B) menetelmästä, jolla arvioidaan \(h^2_g\)., Tämä tekee siitä hankala verrata arvoja \(h^2_g\) välillä eri menetelmiä ja eri tutkimuksissa , mutta useimmissa tapauksissa se on turvallista ainakin olettaa, että se viittaa yleisesti esiintyvä SNPs. Toiseksi, varianssi selittyy SNPs voidaan tai ei vastaa niiden vaikutuksia erityisesti SNPs vastakohtana vaikutukset muita geneettisiä variantteja SNPs ovat korreloi., Tämä on vain jatke meidän edellisen keskustelun edellä tarkoituksesta varianssi ”selittää”, mutta syytä toistaa, koska se olisi helppo tulkita väärin, SNP-periytyvyys kuin täysin ilman syy-vaikutukset muita geneettistä vaihtelua.
On olemassa pari eri menetelmiä, jotka on kehitetty arvioitaessa \(h^2_g\) havaittu SNPs. Käytännössä emme tiedä todellista \(𝛽_j\), joten meidän täytyy käyttää muita temppuja., Ensimmäinen lähestymistapa, joka tunnetaan nimellä GREML (Genomin yhteys matriisi Rajoitettu Suurimman uskottavuuden; yleisesti toteutettu GCTA), käyttää SNPs arvioida geneettinen samankaltaisuus satunnaisia yksilöitä ja verrata sitä heidän piirre samankaltaisuus. Tämä on käsitteellisesti samanlainen twin perustuva arvio edellä on kuvattu, mutta käyttää havaittu matalan tason geneettinen samankaltaisuus SNP-tietoja henkilöistä, jotka eivät suoraan liity. Voit lukea tilastotiedoista täältä tuoreemmalla katsauksella täältä.,
toinen lähestymistapa on nimeltään sidos epätasapainoa (LD) pisteet regressio, toteutetaan ldsc. Tämä on menetelmä, jota sovellamme Yhdistyneen kuningaskunnan Biopankkitietoaineistoon. LD-pistemäärän regressio riippuu keskeisestä havainnosta, jonka mukaan jotkin SNP: t korreloivat (eli LD: ssä) muiden geneettisten varianttien kanssa, joten SNP puolestaan ”tageja” koskevat tiedot muiden varianttien vaikutuksista. Perusajatus on silloin se, että jos genomiin leviää paljon ja paljon pieniä geenivaikutuksia (ts., piirre on ”polygeenisiä”), sitten vahvuus suhde jokaisen yksittäisen SNP ja piirre pitäisi (keskimäärin) suhteessa kuinka paljon yhteensä geneettistä vaihtelua, että SNP-tunnisteet. Tilastolliset tiedot LD-pisteiden regressiomenetelmästä löytyvät täältä.