pop_lidi Analýza populační variability a struktury Hierarchická populační struktura Druh → populace → subpopulace (demy) •Jak je variabilní daná populace a jaká je její efektivní velikost (neutrální genetická teorie: He=4Neµ/[4Neµ+1]) • •Nachází se daná populace v období demografické expanze nebo poklesu? • •Existuje mezi dvěma subpopulacemi bariéra toku genů a jak je silná? Jaká je prostorová genetická struktura? • •Vyskytují se v populacích imigranti nebo jejich potomci (hybridi)? Hlavní otázky populačně-genetické analýzy: Diploidní single-locus markery (mikrosatelity) počet lokusů počet jedinců počet populací počet vzorků v 1. populaci počet vzorků v 2. populaci, atd. genotypy, tj. velikosti fragmentů v populaci geografické koordináty pop1 pop2 Velké množství populačně-genetických programů Účel populačně-genetické analýzy frekvence alel frekvence alel + mutační model 1.Vnitropopulační variabilita (popis získaných dat) •Polymorfismus •podíl polymorfních lokusů (znaků) – 95 % nebo 99 % (např. 0,8 = 4 z pěti zkoumaných mikrosatelitů mají v populaci alespoň 2 alely, z nichž ta vzácnější dosahuje frekvence alespoň 1% nebo 5%) • •Počet alel (number of alleles) •počet alel na lokus • •Alelická bohatost (allelic richness) •počet alel na lokus vztažený k velikosti vzorku (metodou „rarefaction“) - FSTAT • •Pozorovaná heterozygotnost (observed heterozygosity) •průměrná četnost heterozygotů v jednotlivých lokusech • • Sample size Hardy-Weinbergova rovnováha (HWE) Alela Četnost alely A p a q Př. Jeden lokus se 2 alelami p + q = 1 p, q - zjistíme analýzou svých vzorků Genotyp Očekávaná četnost genotypu AA p2 Aa 2pq aa q2 = Hardy-Weinbergova rovnováha Ø četnosti genotypů zjistíme analýzou svých vzorků Ø odchylky od očekávaných četností Þ např. c2 test Očekávaná heterozygotnost (expected heterozygosity, He) při HWE He=1-(p2+q2) ..... pro 1 lokus se 2 alelami s četností p a q Předpoklady HWE •náhodné párování (panmixia) •zanedbatelný efekt mutací a migrací („closed populations“) •nekonečně velká populace •Mendelovská dědičnost použitých markerů •neutrální znaky – žádná selekce • •znaky nejsou ve vazbě – kontrola na „linkage disequilibrium“ (vazebná nerovnováha) • 2 lokusy ve fyzické blízkosti (snížená pravděpodobnost rekombinace linkage disequilibrium) vs. 2 lokusy fyzicky vzdálené (pravděpodobnost rekombinace není ovlivněna linkage equilibrium) nebo Odchylky od HW rovnováhy •Test HWE – nejlépe Genepop („exact probability tests“) – pokud jsou odchylky, tak některý předpoklad HWE nebyl splněn • •nadbytek heterozygotů = negativní asortativní páření (tj. cílené rozmnožování nepodobných jedinců) – použité lokusy mohou být výhodné v heterozygotním stavu (např. geny MHC) • •nedostatek heterozygotů •inbreeding (postihuje všechny lokusy stejně) •nulové alely (jen na některých lokusech bude deficit heterozygotů) Příklad – stanovení variability populace Jedinec Locus 1 Locus 2 Locus 3 Locus 4 Průměr Ind 1 170/170 223/227 116/116 316/316 Ind 2 170/172 223/225 112/112 316/316 Ind 3 172/172 223/225 112/112 316/316 Ind 4 170/172 223/227 112/112 316/316 Počet alel 2 3 2 1 2 Ho 0,5 1,00 0 0 0,375 p 0,5 p = 0,5 0,75 1,00 q 0,5 q = 0,25 r = 0,25 0,25 0 He 0,5 0,625 0,375 0 0,375 He=1-(p2+q2) He=1-(p2+q2+r2) Polymorfismus = 0,75 Použití údajů o genetické variabilitě •neutrální genetická teorie: He=4Neµ/[4Neµ+1] • •mutation-drift equilibrium • •srovnání různých populací a jejich Ne (He, AR atd.) br05f01 N ~ He ... nemusí to být pravda •vliv historického vývoje populací („bottlenecks“) •Northern elephant seals Mirounga angustirostrus – 120 000 jedinců – 50 allozymových lokusů – žádná variabilita rypouš severní Efektivní velikost populace (Ne) •Ne = velikost ideální populace (náhodné páření, rovnoměrný poměr pohlaví), která ztrácí genetickou diverzitu stejnou rychlostí jako aktuální populace (vlivem náhodného driftu) •Ne = velikost ideální panmiktické populace, kde všichni jedinci mají stejnou šanci stát se rodiči jakéhokoliv potomka v následující generaci •ovlivněna genetickou a věkovou strukturou, poměrem pohlaví, intenzitou inbreedingu atd. < Ne •vývoj genetické variability v malých populacích závisí na Ne více než na N • Efektivní velikost populace (Ne) https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcTDeQgbyxgJjTWDf-wcyvc4v5iRqjH1GGTkCtNZLG9TdQS ULIVHkw Effect of sex ratio Effect of variance in the number of progeny (Vk) (for demographically stable population) Efektivní velikost populace (Ne) mitochondrial DNA (i.e. 4x lower than nuclear DNA) Y-chromosome Genetický drift je 4x rychlejší na těchto znacích Genetický drift Random_sampling_genetic_drift.gif •Náhodné změny ve frekvencích alel •Intenzita driftu závisí na velikosti populace (viz ochranářská genetika) •Specifické případy – founder effect, bottleneck Founder effect („jev zakladatele“) Bottleneck Detekce bottlenecku (tj. intenzity genetického driftu) Při bottlenecku vymizí nejdříve vzácné alely, rychleji než se sníží rozsah alel nebo heterozygotnost Nutno znát (předpokládat) mutační model – pak se nasimuluje „mutation-drift“ rovnováha a srovnává se se skutečným stavem Program M Ratio: počet alel vs. rozsah alel Program BOTTLENECK: počet alel vs. heterozygotnost (vzácné alely se ztrácejí rychleji než heterozygotnost) Předpoklad testů: Populace v HW rovnováze Bottleneck •Při bottlenecku → redukce počtu alel → ovlivnění heterozygotnosti není tak rychlé → více heterozygotů než by vyplývalo z populačního modelu (IAM, TPM, SMM) •Nutno definovat mutační model, předpokladem je HW rovnováha, testuje se mutation-drift equilibrium •Program BOTTLENECK • •Záleží na zvoleném modelu •TPM je neivíce realistický (potvrzeno meta-analýzami velkých datasetů Otters in central Europe – program MSVAR •strong decline of population numbers in last century • •fragmentation of distribution area vydraVasek2_orezana_zelena vydra3 mapaCS_modraKev2004 kopie stable rare Czech Republic Austria Slovakia Hungary Poland Hájková et al. 2006, J. Zoology Czech Slovak Detekce bottlenecku nebo expanze – Bayesiánský přístup •Komplexní Bayesiánský přístup (založen na koalescenční teorii) –Detekce bottlenecku i expanze –Vhodné při dlouhodobějších změnách –Markov chain Monte Carlo simulations –Beaumont M. – např. program MSVAR nebo DIY ABC scenario_1_0.bmp scenario_1_1.bmp scenario_1_0.bmp scenario_3_0.bmp Logisticregression.bmp Testování alternativních scénářů vývoje populací v programu DIY ABC