Wright–Fisher मॉडेल आणि अनुवांशिक ड्रिफ्ट
पॉप्युलेशन जेनेटिक्स ड्रिफ्ट सिम्युलेटर हे एक विनामूल्य ऑनलाइन साधन आहे जे वापरकर्त्यांना डिप्लोइड Wright–Fisher मॉडेल वापरून तटस्थ अनुवांशिक ड्रिफ्टचे सिम्युलेशन आणि व्हिज्युअलायझेशन करण्याची परवानगी देते. एक सिम्युलेटेड प्रजोत्पादन लोकसंख्या स्थापित करून, वापरकर्ते अनेक स्वतंत्र लोकसंख्येमधील पुनरुत्पादक अॅलील-वारंवारता मार्गांचे अनुसरण करू शकतात आणि त्यांची तुलना करू शकतात. याद्वारे पिढ्यानुसार अनुवांशिक विविधता कशी नष्ट होते किंवा निश्चित होते हे स्पष्टपणे पाहता येते. हे साधन यादृच्छिक सॅम्पलिंगमुळे अॅलील वारंवारतेवर कसा परिणाम होतो हे समजून घेण्यास मदत करते आणि सिम्युलेटेड हेटरोझायगोसिटी, निश्चिती आणि तोटा दर दर्शवते.
या मॉडेलमध्ये, प्रत्येक पिढी ही मागील पिढीतील 2Ne अॅलील कॉपीचा यादृच्छिक नमुना असते. हे साधन अचूक बर्नोली सॅम्पलिंग वापरते आणि कोणतेही सामान्य अंदाजीकरण (normal approximation) वापरत नाही. सर्व गणना JavaScript डबल प्रिसिजनमध्ये ठेवल्या जातात आणि वारंवारता 1 ÷ (2Ne) च्या पटीत असतात. डिस्प्लेवर जास्तीत जास्त सहा दशांश स्थानांपर्यंत पूर्णांकित मूल्ये दर्शविली जातात.
लोकसंख्या सेटअप आणि इनपुट पॅरामीटर्स
सिम्युलेशन सुरू करण्यासाठी वापरकर्त्यांना "लोकसंख्या सेटअप" इंटरफेसमध्ये खालील पॅरामीटर्स प्रविष्ट करावे लागतात:
- परिदृश्य (Presets): वापरकर्ते "लहान लोकसंख्या", "मोठी लोकसंख्या" किंवा "दुर्मिळ अॅलील" यापैकी एक पर्याय निवडू शकतात.
- प्रभावी लोकसंख्या आकार, Ne: हे "प्रजोत्पादन करणारे जीव" मध्ये प्रविष्ट केले जाते. हा आकार 1 ते 100,000 मधील पूर्ण संख्या असणे आवश्यक आहे.
- सुरुवातीची अॅलील वारंवारता, p₀: हे "प्रमाण, 0–1" म्हणून प्रविष्ट केले जाते. हे मूल्य दोन्ही सीमांसह 0 आणि 1 च्या दरम्यान असणे आवश्यक आहे.
- पिढ्या: हे "पिढ्या" मध्ये प्रविष्ट केले जाते. ही संख्या 1 ते 2,000 मधील पूर्ण संख्या असणे आवश्यक आहे.
- स्वतंत्र लोकसंख्या: हे "पुनरावृत्ती" मध्ये प्रविष्ट केले जाते. ही संख्या 1 ते 200 मधील पूर्ण संख्या असणे आवश्यक आहे.
- यादृच्छिक सीड: सिम्युलेटेड मार्गांची पुनरावृत्ती करण्यासाठी वापरली जाणारी ही एक मजकूर फील्ड आहे. हे 100 किंवा त्यापेक्षा कमी अक्षरांचे असणे आवश्यक आहे. वापरकर्ते नवीन यादृच्छिक इनपुट मिळवण्यासाठी "नवीन सीड" बटणावर क्लिक करू शकतात.
सिम्युलेशनचे आउटपुट आणि परिणाम
सिम्युलेशन यशस्वीरित्या चालवल्यानंतर, इंटरफेसवर खालील परिणाम आणि आलेख प्रदर्शित केले जातात:
स्थिती संदेश (Status Messages)
- सुरुवातीला किंवा रीसेट केल्यानंतर:
लोकसंख्या परिदृश्य बदला किंवा हे सीड केलेले उदाहरण पुन्हा चालवा. - प्रक्रियेदरम्यान:
पुढील पिढ्यांचे सॅम्पलिंग करत आहे… - पूर्ण झाल्यावर:
“‹seed›” सीड वापरून ‹generations› पिढ्यांद्वारे ‹replicates› लोकसंख्येचे सिम्युलेशन केले.
अॅलील-वारंवारता मार्ग आलेख
आलेखामध्ये पुनावृत्ती केलेल्या सिम्युलेटेड लोकसंख्येसाठी पिढ्यानुसार अॅलील वारंवारता हे ARIA लेबल समाविष्ट आहे.
- X-अक्ष:
पिढी - Y-अक्ष:
अॅलील वारंवारता p - संदर्भ रेषा:
अपेक्षित p = p₀ - मार्ग दर्शक:
‹total› पैकी ‹shown› मार्ग दाखवत आहे; प्रत्येक पुनरावृत्तीचा सारांशात समावेश केला आहे.
सारांश आकडेवारी (Summary Statistics)
p = 1 वर निश्चितp = 0 वर गमावलेT द्वारे शोषले गेले नाहीसरासरी अंतिम pT वर अपेक्षित HT वर सरासरी सिम्युलेटेड Hसरासरी शोषण पिढी(शोषण न झाल्यास येथेपोहोचले नाहीअसे दर्शविले जाते)
सूत्र, प्रतिस्थापन आणि अचूकता
"सूत्र, प्रतिस्थापन आणि अचूकता" या विभागात सिम्युलेशनच्या गणितीय प्रक्रियेचे तपशील खालीलप्रमाणे दिले आहेत:
- संक्रमण मॉडेल:
प्रत्येक पिढीमध्ये, Wright–Fisher संक्रमण पुढील अॅलील संख्येचे सॅम्पलिंग करते आणि त्याला उपलब्ध जनुक कॉपीने विभाजित करते: Xₜ₊₁ ~ Binomial(2Ne, pₜ); pₜ₊₁ = Xₜ₊₁ ÷ (2Ne). - मोमेंट्स वर्णन:
सॅम्पलिंग करण्यापूर्वी, हे मोमेंट्स पुढील संभाव्य पिढ्यांच्या श्रेणीचे वर्णन करतात: E[Xₜ₊₁] = 2Ne·pₜ; Var(Xₜ₊₁) = 2Ne·pₜ(1 − pₜ); Var(pₜ₊₁) = pₜ(1 − pₜ) ÷ (2Ne). - हेटरोझायगोसिटी घट:
भिन्न अॅलील जोड्यांचा अपेक्षित वाटा t पिढ्यांमध्ये खालीलप्रमाणे कमी होतो: H₀ = 2p₀(1 − p₀); Hₜ = H₀(1 − 1 ÷ (2Ne))ᵗ. - पहिली पिढी गणना:
पहिली पिढी 2 × ‹population› = ‹copies› अॅलील-कॉपी ड्रॉ वापरते. - अपेक्षित मूल्य:
E[X₁] = ‹copies› × ‹frequency› = ‹mean› A कॉपी. - विचलन आणि प्रमाण विचलन:
पहिल्या पिढीसाठी, Var(X₁) = ‹copies› × ‹frequency› × (1 − ‹frequency›) = ‹variance›; SD(p₁) = ‹sd›. - पहिली पुनरावृत्ती निरीक्षण:
पहिल्या प्लॉट केलेल्या पुनरावृत्तीमध्ये X₁ = ‹sampled› A कॉपी सॅम्पल केल्या, म्हणून p₁ = ‹sampled› ÷ ‹copies› = ‹frequency›.
पद्धत, गृहीतके आणि मर्यादा
हे पृष्ठ Nature Education Genetic Drift and Effective Population Size आणि Stanford Human Genetics Genetic Drift: What happens to alleles over time च्या मजकुराद्वारे वर्णन केलेल्या तटस्थ डिप्लोइड Wright–Fisher मॉडेलची अंमलबजावणी करते. हे स्त्रोत ६ ऑगस्ट २०२६ रोजी तपासले गेले आहेत.
मॉडेलची गृहीतके:
- स्थिर प्रभावी लोकसंख्या आकार.
- सुस्पष्ट नॉन-ओव्हरलॅपिंग पिढ्या.
- यादृच्छिक स्वतंत्र सॅम्पलिंग.
- निवडक तटस्थता (कोणतीही नैसर्गिक निवड नाही).
- एक अनलिंक्ड दोन-अॅलील लोकस.
- कोणतेही उत्परिवर्तन किंवा स्थलांतर नाही.
जेव्हा निवड, लोकसंख्या बदल, लिंग किंवा पुनरुत्पादक-यशाचे असंतुलन, ओव्हरलॅपिंग पिढ्या, इनब्रीडिंग, लिंकेज, जनुक प्रवाह किंवा लोकसंख्या रचना महत्त्वाचे असते तेव्हा याचा अंदाज म्हणून वापर करू नका. या यादृच्छिक जैविक मॉडेलला अभियांत्रिकी सुरक्षा घटक लागू होत नाही.
वर्कलोड मर्यादा (Workload Limit):
ब्राउझरमध्ये जास्तीत जास्त 5,000,000 नियोजित अॅलील-कॉपी ड्रॉची मर्यादा आहे, ज्याची गणना 2Ne × generations × replicates अशी केली जाते. जर हा गुणाकार मर्यादेपेक्षा जास्त झाला, तर खालील त्रुटी संदेश दर्शविला जातो:
या सेटअपमध्ये ‹draws› अॅलील-कॉपी ड्रॉचे नियोजन आहे, जे ब्राउझरच्या ‹limit› मर्यादेपेक्षा जास्त आहे. लोकसंख्या आकार, पिढ्या किंवा पुनरावृत्ती कमी करा.
त्रुटी संदेश (Error Messages)
चुकीचे इनपुट प्रविष्ट केल्यास खालील त्रुटी संदेश दिसतात:
- संख्या नसलेले इनपुट:
‹field›: “‹token›” ही संख्या नाही. - अपूर्णांक प्रविष्ट केल्यास:
‹field›: पूर्ण संख्या प्रविष्ट करा. - लोकसंख्या आकार मर्यादेबाहेर असल्यास:
प्रभावी लोकसंख्या आकार 1 ते 100,000 मधील पूर्ण संख्या असणे आवश्यक आहे. - सुरुवातीची वारंवारता मर्यादेबाहेर असल्यास:
सुरुवातीची अॅलील वारंवारता दोन्ही सीमांसह 0 आणि 1 च्या दरम्यान असणे आवश्यक आहे. - पिढ्यांची संख्या मर्यादेबाहेर असल्यास:
पिढ्यांची संख्या 1 ते 2,000 मधील पूर्ण संख्या असणे आवश्यक आहे. - पुनरावृत्ती मर्यादेबाहेर असल्यास:
स्वतंत्र लोकसंख्या 1 ते 200 मधील पूर्ण संख्या असणे आवश्यक आहे. - सीड प्रविष्ट न केल्यास:
सिम्युलेशनची पुनरावृत्ती करता यावी यासाठी यादृच्छिक सीड प्रविष्ट करा. - सीड खूप मोठे असल्यास:
यादृच्छिक सीड 100 किंवा त्यापेक्षा कमी अक्षरांचे ठेवा.
गोपनीयता आणि डेटा प्रक्रिया
तुमचे पॅरामीटर्स आणि सिम्युलेटेड लोकसंख्या याच ब्राउझरमध्ये राहतात. सर्व प्रक्रिया स्थानिक पातळीवर वापरकर्त्याच्या डिव्हाइसवर केली जाते आणि कोणताही डेटा बाहेरील सर्व्हरवर अपलोड केला जात नाही.
वारंवार विचारले जाणारे प्रश्न (FAQ)
प्रश्न: मी प्रत्यक्ष मोजलेली लोकसंख्या प्रविष्ट करावी की प्रभावी लोकसंख्या आकार?
उत्तर: प्रभावी लोकसंख्या आकार, Ne प्रविष्ट करा: एका आदर्शवत प्रजोत्पादन करणाऱ्या लोकसंख्येचा आकार जो तुम्ही अभ्यास करू इच्छित असलेल्या लोकसंख्येच्या दरानेच ड्रिफ्ट होईल. जेव्हा लिंग गुणोत्तर, पुनरुत्पादक यश, लोकसंख्येतील चढ-उतार किंवा लोकसंख्या रचना असमान असते तेव्हा प्रत्यक्ष मोजलेली लोकसंख्या खूप मोठी असू शकते.
प्रश्न: हेटरोझायगोसिटी कमी होत असतानाही सरासरी अॅलील वारंवारता p₀ च्या जवळ का राहू शकते?
उत्तर: अनेक स्वतंत्र लोकसंख्येमध्ये तटस्थ ड्रिफ्टला कोणतीही पसंतीची दिशा नसते, त्यामुळे सरासरी वारंवारता अपेक्षेनुसार p₀ राहते. तथापि, वैयक्तिक लोकसंख्या 0 किंवा 1 कडे पसरते आणि दोन्ही सीमांमध्ये शून्य हेटरोझायगोसिटी असते. म्हणूनच, लोकसंख्येमधील सरासरी जवळजवळ अपरिवर्तित राहत असतानाही विविधता नष्ट होते.
प्रश्न: अंतिम निश्चितीची तटस्थ संभाव्यता ही सुरुवातीच्या वारंवारतेइतकीच असते का?
उत्तर: होय, कोणताही उत्परिवर्तन किंवा स्थलांतर नसलेल्या या तटस्थ मॉडेलमध्ये, p₀ वारंवारतेने सुरू होणाऱ्या अॅलीलची अंतिम निश्चितीची संभाव्यता p₀ असते आणि नष्ट होण्याची संभाव्यता 1 − p₀ असते. वर दर्शविलेले दर केवळ प्रविष्ट केलेल्या पिढ्या आणि पुनरावृत्तींच्या संख्येचाच समावेश करतात, त्यामुळे ते सीडनुसार बदलू शकतात.
प्रश्न: हे वास्तविक लोकसंख्या काय करेल याचा अंदाज लावू शकते का?
उत्तर: नाही. हे जाणीवपूर्वक आदर्शवत केलेल्या तटस्थ Wright–Fisher मॉडेल अंतर्गत परिणाम दर्शवते. वास्तविक अंदाजांसाठी प्रभावी आकाराचे आणि या प्रकरणासाठी महत्त्वाचे असणारे कोणतेही निवड, उत्परिवर्तन, स्थलांतर, बदलणारा लोकसंख्या आकार, ओव्हरलॅपिंग पिढ्या, लिंकेज आणि लोकसंख्या संरचनेचे समर्थनीय अंदाज आवश्यक आहेत.