پاپولیشن جینیٹکس ڈرفٹ سیمولیٹر

دوبارہ تیار کیے جانے کے قابل Wright–Fisher ایلیل فریکوئنسی کے راستوں پر نظر رکھیں اور بار بار آنے والی آبادیوں میں فکسیشن، نقصان اور باقی ماندہ تغیر کا موازنہ کریں۔

آبادی کا سیٹ اپ

ایک نیوٹرل ایلیل، ایک ڈپلائیڈ آبادی کا سائز، اور کئی آزاد تکرار۔

منصوبہ بند ایلیل کاپی ڈراز640,000حد 5,000,000

ایلیل فریکوئنسی کے راستے

متوقع p = p₀

p = 1 پر فکسڈ
p = 0 پر ضائع شدہ
T تک ابسورب نہیں ہوا
اوسط حتمی p
T پر متوقع H
T پر اوسط سیمولیٹڈ H
اوسط ابسورپشن نسل

فارمولا، متبادل قیمتیں اور درستگی

ہر نسل پر، Wright–Fisher ٹرانزیشن اگلی ایلیل کی تعداد کا سیمپل لیتی ہے اور اسے دستیاب جین کاپیوں پر تقسیم کرتی ہے: Xₜ₊₁ ~ Binomial(2Ne, pₜ)؛ pₜ₊₁ = Xₜ₊₁ ÷ (2Ne)۔

سیمپلنگ سے پہلے، یہ مومنٹس ممکنہ اگلی نسلوں کی حد کو بیان کرتے ہیں: E[Xₜ₊₁] = 2Ne·pₜ؛ Var(Xₜ₊₁) = 2Ne·pₜ(1 − pₜ)؛ Var(pₜ₊₁) = pₜ(1 − pₜ) ÷ (2Ne)۔

مختلف ایلیل جوڑوں کے متوقع حصے میں t نسلوں کے دوران درج ذیل کمی آتی ہے: H₀ = 2p₀(1 − p₀)؛ Hₜ = H₀(1 − 1 ÷ (2Ne))ᵗ۔

ہر بائنومیل ڈرا میں درست برنولی سیمپلنگ استعمال کی جاتی ہے؛ کوئی نارمل اپروکسیمیشن استعمال نہیں کی جاتی ہے۔ حساب کتاب میں JavaScript کی ڈبل درستگی برقرار رہتی ہے۔ فریکوئنسیز 1 ÷ (2Ne) کے اضافے پر واقع ہوتی ہیں؛ ڈسپلے زیادہ سے زیادہ چھ اعشاریہ مقامات تک راؤنڈ ہوتا ہے۔

طریقہ کار، مفروضات اور حدود

یہ صفحہ نیوٹرل ڈپلائیڈ Wright–Fisher ماڈل کو نافذ کرتا ہے جیسا کہ Nature Education اور Stanford Human Genetics کے متن میں بیان کیا گیا ہے۔ ہر نئی نسل پچھلی نسل سے 2Ne ایلیل کاپیوں کا ایک رینڈم سیمپل ہے۔ ذرائع کی تصدیق 6 اگست 2026 کو کی گئی۔۔

Nature Education ڈرفٹ اور مؤثر سائز کا حوالہStanford Human Genetics ڈرفٹ باب

آبادی کا منظرنامہ تبدیل کریں یا اس سیڈڈ مثال کو دوبارہ چلائیں۔

آپ کے پیرامیٹرز اور سیمولیٹ کی گئی آبادیاں اسی براؤزر میں رہتی ہیں۔

عمومی سوالات

کیا مجھے حقیقی آبادی کا سائز درج کرنا چاہیے یا مؤثر آبادی کا سائز؟

مؤثر آبادی کا سائز، Ne درج کریں: ایک مثالی افزائشی آبادی کا سائز جو اسی شرح سے ڈرفٹ کرے جس سے وہ آبادی جس کا آپ مطالعہ کرنا چاہتے ہیں۔ جب جنسی تناسب، تولیدی کامیابی، آبادی کے اتار چڑھاؤ، یا آبادی کا ڈھانچہ ناہموار ہو تو حقیقی آبادی کا سائز بہت بڑا ہو سکتا ہے۔

کیا حتمی فکسیشن کا نیوٹرل امکان ابتدائی فریکوئنسی کے برابر ہوتا ہے؟

جی ہاں، بغیر کسی میوٹیشن یا مائیگریشن کے اس نیوٹرل ماڈل میں، فریکوئنسی p₀ سے شروع ہونے والے ایلیل کے حتمی فکسیشن کا امکان p₀ اور ضائع ہونے کا امکان 1 − p₀ ہوتا ہے۔ اوپر دکھائی گئی شرحیں صرف درج کردہ نسلوں اور تکرار کی تعداد کا احاطہ کرتی ہیں، اس لیے یہ سیڈ کے ساتھ تبدیل ہوں گی۔

ہیٹروزائگوسیٹی گرنے کے باوجود اوسط ایلیل فریکوئنسی p₀ کے قریب کیوں رہ سکتی ہے؟

کئی آزاد آبادیوں میں نیوٹرل ڈرفٹ کی کوئی ترجیحی سمت نہیں ہوتی، اس لیے اوسط فریکوئنسی متوقع طور پر p₀ ہی رہتی ہے۔ تاہم، انفرادی آبادیاں 0 یا 1 کی طرف پھیل جاتی ہیں، اور دونوں حدود میں زیرو ہیٹروزائگوسیٹی ہوتی ہے۔ اس لیے تغیر ختم ہو جاتا ہے جبکہ آبادیوں کے درمیان اوسط تقریباً تبدیل نہیں ہوتی۔

کیا یہ پیشین گوئی کر سکتا ہے کہ ایک حقیقی آبادی کیا کرے گی؟

نہیں۔ یہ جان بوجھ کر ایک مثالی نیوٹرل Wright–Fisher ماڈل کے تحت نتائج دکھاتا ہے۔ حقیقی پیشین گوئیوں کے لیے مؤثر سائز اور کسی بھی سلیکشن، میوٹیشن، مائیگریشن، بدلتے ہوئے آبادی کے سائز، اوورلیپنگ نسلوں، لنکیج، اور آبادی کے ڈھانچے کے قابل دفاع تخمینوں کی ضرورت ہوتی ہے جو اس کیس کے لیے اہم ہوں۔

نیوٹرل جینیٹک ڈرفٹ اور Wright–Fisher ماڈل

پاپولیشن جینیٹکس ڈرفٹ سیمولیٹر ایک مفت آن لائن ٹول ہے جو صارفین کو ڈپلائیڈ Wright–Fisher ماڈل کا استعمال کرتے ہوئے نیوٹرل جینیٹک ڈرفٹ کی سیمولیشن کرنے اور اسے بصری طور پر دیکھنے کی سہولت دیتا ہے۔ ایک فرضی افزائشی آبادی قائم کر کے، صارفین متعدد آزاد آبادیوں میں دوبارہ تیار کیے جانے کے قابل ایلیل فریکوئنسی کے راستوں پر نظر رکھ سکتے ہیں اور ان کا موازنہ کر کے یہ دیکھ سکتے ہیں کہ نسلوں کے دوران جینیاتی تغیر کس طرح ضائع یا فکس ہوتا ہے۔ یہ ٹول صارفین کو یہ سمجھنے میں مدد کرتا ہے کہ رینڈم سیمپلنگ وقت کے ساتھ ایلیل فریکوئنسیوں کو کس طرح متاثر کرتی ہے، اور یہ حقیقی دنیا کے ارتقائی نتائج کی پیشین گوئی کا دعویٰ کیے بغیر سیمولیٹڈ ہیٹروزائگوسیٹی، فکسیشن، اور نقصان کی شرحوں کو ظاہر کرتا ہے۔

ریاضیاتی طور پر، یہ ماڈل ایک نیوٹرل ڈپلائیڈ Wright–Fisher ماڈل پر مبنی ہے جہاں ہر نسل پچھلی نسل سے 2Nₑ ایلیل کاپیوں کا ایک رینڈم سیمپل ہوتی ہے۔ اس ماڈل میں، کسی نیوٹرل ایلیل کے حتمی فکسیشن کا امکان اس کی ابتدائی فریکوئنسی (p₀) کے بالکل برابر ہوتا ہے۔ تاہم، نسلوں کی محدود تعداد کی وجہ سے، مشاہدہ کردہ ابسورپشن (فکسیشن یا نقصان) کی شرحیں ان پٹ پیرامیٹرز اور رینڈم سیڈ کے لحاظ سے مختلف ہو سکتی ہیں۔

آبادی کا سیٹ اپ اور ان پٹ پیرامیٹرز

سیمولیشن شروع کرنے کے لیے، صارف کو "آبادی کا سیٹ اپ" انٹرفیس میں درج ذیل پیرامیٹرز فراہم کرنے ہوتے ہیں:

  • منظرنامے (Presets): صارف پہلے سے طے شدہ منظرناموں کا انتخاب کر سکتا ہے جیسے کہ "چھوٹی آبادی"، "بڑی آبادی"، یا "نایاب ایلیل"۔
  • مؤثر آبادی کا سائز، Ne: یہ "افزائش نسل کرنے والے افراد" کی تعداد ہے۔ یہ 1 سے 100,000 تک ایک مکمل نمبر ہونا چاہیے۔
  • شروع ہونے والی ایلیل فریکوئنسی، p₀: اسے "تناسب، 0–1" کے طور پر درج کیا جاتا ہے۔ یہ قیمت دونوں حدود سمیت 0 اور 1 کے درمیان ہونی چاہیے۔
  • نسلیں: اسے "نسلیں" کے خانے میں درج کیا جاتا ہے اور یہ 1 سے 2,000 تک ایک مکمل نمبر ہونا چاہیے۔
  • آزاد آبادیاں: اسے "نقلیں" کے خانے میں درج کیا جاتا ہے اور یہ 1 سے 200 تک ایک مکمل نمبر ہونا چاہیے۔
  • رینڈم سیڈ: یہ ایک ٹیکسٹ فیلڈ ہے جو سیمولیٹڈ راستوں کو دوبارہ تیار کرنے کے لیے استعمال ہوتی ہے۔ یہ 100 یا اس سے کم حروف پر مشتمل ہونی چاہیے۔ صارف "نیا سیڈ" بٹن پر کلک کر کے اسے رینڈمائز بھی کر سکتا ہے۔

براؤزر پر کام کے بوجھ کو محدود رکھنے کے لیے ایک حد مقرر کی گئی ہے۔ یہ سسٹم زیادہ سے زیادہ 5,000,000 منصوبہ بند ایلیل کاپی ڈراز کی اجازت دیتا ہے، جس کا حساب 2Nₑ × نسلیں × نقلیں سے لگایا جاتا ہے۔ اگر یہ حاصل ضرب اس حد سے تجاوز کر جائے تو سیمولیشن بلاک ہو جاتی ہے۔

سیمولیشن کے نتائج اور شماریات

سیمولیشن چلانے کے بعد، ٹول مختلف اسٹیٹس پیغامات اور نتائج ظاہر کرتا ہے۔ شروع میں یہ "اگلی نسلوں کی سیمپلنگ جاری ہے…" دکھاتا ہے اور مکمل ہونے پر "سیڈ ”‹seed›“ کا استعمال کرتے ہوئے ‹generations› نسلوں تک ‹replicates› آبادیوں کی سیمولیشن مکمل ہو گئی۔" کا پیغام ظاہر کرتا ہے۔ اگر صارف پیرامیٹرز تبدیل کرنا چاہے تو "آبادی کا منظرنامہ تبدیل کریں یا اس سیڈڈ مثال کو دوبارہ چلائیں۔" کا پیغام نظر آتا ہے۔

نتائج کو ایک چارٹ کی شکل میں دکھایا جاتا ہے جس کا ARIA لیبل "بار بار نقل کی گئی فرضی آبادیوں کے لیے نسل کے لحاظ سے ایلیل فریکوئنسی" ہے۔ اس چارٹ میں:

  • X-axis کا لیبل "نسل" ہے۔
  • Y-axis کا لیبل "ایلیل فریکوئنسی p" ہے۔
  • ایک ریفرنس لائن "متوقع p = p₀" کو ظاہر کرتی ہے۔
  • راستوں کی تعداد کا اشارہ اس طرح دیا جاتا ہے: "‹total› میں سے ‹shown› راستے دکھائے جا رہے ہیں؛ ہر نقل کو خلاصے میں شامل کیا گیا ہے۔"

خلاصہ شماریات (Summary Statistics) میں درج ذیل لیبلز شامل ہیں:

  • p = 1 پر فکسڈ
  • p = 0 پر ضائع شدہ
  • T تک ابسورب نہیں ہوا
  • اوسط حتمی p
  • T پر متوقع H
  • T پر اوسط سیمولیٹڈ H
  • اوسط ابسورپشن نسل (اگر ابسورپشن نہ ہو تو یہ "پہنچ نہیں سکا" ظاہر کرتا ہے)

فارمولا، متبادل قیمتیں اور درستگی

سیمولیٹر کے نیچے "فارمولا، متبادل قیمتیں اور درستگی" کا سیکشن ریاضیاتی ماڈل کی تفصیلات فراہم کرتا ہے:

ہر نسل پر، Wright–Fisher ٹرانزیشن اگلی ایلیل کی تعداد کا سیمپل لیتی ہے اور اسے دستیاب جین کاپیوں پر تقسیم کرتی ہے: Xₜ₊₁ ~ Binomial(2Ne, pₜ); pₜ₊₁ = Xₜ₊₁ ÷ (2Ne)

سیمپلنگ سے پہلے، یہ مومنٹس ممکنہ اگلی نسلوں کی حد کو بیان کرتے ہیں: E[Xₜ₊₁] = 2Ne·pₜ; Var(Xₜ₊₁) = 2Ne·pₜ(1 − pₜ); Var(pₜ₊₁) = pₜ(1 − pₜ) ÷ (2Ne)

مختلف ایلیل جوڑوں کے متوقع حصے (Heterozygosity) میں t نسلوں کے دوران درج ذیل کمی آتی ہے: H₀ = 2p₀(1 − p₀)؛ Hₜ = H₀(1 − 1 ÷ (2Ne))ᵗ

پہلی نسل کے حساب کتاب کے لیے درج ذیل متبادل قیمتیں دکھائی جاتی ہیں:

  • "پہلی نسل 2 × ‹population› = ‹copies› ایلیل کاپی ڈراز استعمال کرتی ہے۔"
  • "E[X₁] = ‹copies› × ‹frequency› = ‹mean› A کاپیاں۔"
  • "پہلی نسل کے لیے، Var(X₁) = ‹copies› × ‹frequency› × (1 − ‹frequency›) = ‹variance›؛ SD(p₁) = ‹sd›۔"
  • "پہلی پلاٹ کی گئی نقل میں X₁ = ‹sampled› A کاپیوں کا سیمپل لیا گیا، اس لیے p₁ = ‹sampled› ÷ ‹copies› = ‹frequency›۔"

ہر بائنومیل ڈرا میں درست برنولی سیمپلنگ استعمال کی جاتی ہے اور کوئی نارمل اپروکسیمیشن استعمال نہیں کی جاتی۔ حساب کتاب میں JavaScript کی ڈبل درستگی برقرار رہتی ہے اور فریکوئنسیز 1 ÷ (2Ne) کے اضافے پر واقع ہوتی ہیں۔ ڈسپلے پر موجود تمام اقدار زیادہ سے زیادہ چھ اعشاریہ مقامات تک راؤنڈ کی جاتی ہیں۔

طریقہ کار، مفروضات اور حدود

یہ صفحہ نیوٹرل ڈپلائیڈ Wright–Fisher ماڈل کو نافذ کرتا ہے جیسا کہ Nature Education اور Stanford Human Genetics کے متن میں بیان کیا گیا ہے۔ ذرائع کی تصدیق 6 اگست 2026 کو کی گئی تھی۔

اس ماڈل کے بنیادی مفروضات درج ذیل ہیں:

  1. مستقل مؤثر آبادی کا سائز (Nₑ)۔
  2. الگ الگ غیر اوورلیپنگ نسلیں۔
  3. رینڈم آزاد سیمپلنگ۔
  4. سلیکٹیو نیوٹرلٹی (کوئی قدرتی انتخاب نہیں)۔
  5. ایک ان لنکڈ دو ایلیل لوکس۔
  6. کوئی میوٹیشن یا مائیگریشن نہیں۔

جب سلیکشن، آبادی میں تبدیلی، جنس یا تولیدی کامیابی کا عدم توازن، اوورلیپنگ نسلیں، ان بریڈنگ، لنکیج، جین فلو، یا آبادی کا ڈھانچہ اہم ہو تو اسے پیشین گوئی کے طور پر استعمال نہیں کیا جانا چاہیے۔ چونکہ یہ ایک سٹوکاسٹک حیاتیاتی ماڈل ہے، اس لیے اس پر کوئی انجینئرنگ سیفٹی فیکٹر لاگو نہیں ہوتا۔

تمام پیرامیٹرز اور سیمولیٹ کی گئی آبادیاں مقامی طور پر پروسیس ہوتی ہیں اور مکمل طور پر صارف کے براؤزر میں رہتی ہیں۔ کوئی بھی ڈیٹا صارف کے ڈیوائس سے باہر نہیں جاتا۔

عام طور پر پوچھے گئے سوالات (FAQ)

سوال: کیا مجھے حقیقی آبادی کا سائز درج کرنا چاہیے یا مؤثر آبادی کا سائز؟
جواب: مؤثر آبادی کا سائز، Nₑ درج کریں: ایک مثالی افزائشی آبادی کا سائز جو اسی شرح سے ڈرفٹ کرے جس سے وہ آبادی جس کا آپ مطالعہ کرنا چاہتے ہیں۔ جب جنسی تناسب، تولیدی کامیابی، آبادی کے اتار چڑھاؤ، یا آبادی کا ڈھانچہ ناہموار ہو تو حقیقی آبادی کا سائز بہت بڑا ہو سکتا ہے۔

سوال: ہیٹروزائگوسیٹی گرنے کے باوجود اوسط ایلیل فریکوئنسی p₀ کے قریب کیوں رہ سکتی ہے؟
جواب: کئی آزاد آبادیوں میں نیوٹرل ڈرفٹ کی کوئی ترجیحی سمت نہیں ہوتی، اس لیے اوسط فریکوئنسی متوقع طور پر p₀ ہی رہتی ہے۔ تاہم، انفرادی آبادیاں 0 یا 1 کی طرف پھیل جاتی ہیں، اور دونوں حدود میں زیرو ہیٹروزائگوسیٹی ہوتی ہے۔ اس لیے تغیر ختم ہو جاتا ہے جبکہ آبادیوں کے درمیان اوسط تقریباً تبدیل نہیں ہوتی۔

سوال: کیا حتمی فکسیشن کا نیوٹرل امکان ابتدائی فریکوئنسی کے برابر ہوتا ہے؟
جواب: جی ہاں، بغیر کسی میوٹیشن یا مائیگریشن کے اس نیوٹرل ماڈل میں، فریکوئنسی p₀ سے شروع ہونے والے ایلیل کے حتمی فکسیشن کا امکان p₀ اور ضائع ہونے کا امکان 1 - p₀ ہوتا ہے۔ اوپر دکھائی گئی شرحیں صرف درج کردہ نسلوں اور تکرار کی تعداد کا احاطہ کرتی ہیں، اس لیے یہ سیڈ کے ساتھ تبدیل ہوں گی۔

سوال: کیا یہ پیشین گوئی کر سکتا ہے کہ ایک حقیقی آبادی کیا کرے گی؟
جواب: نہیں۔ یہ جان بوجھ کر ایک مثالی نیوٹرل Wright–Fisher ماڈل کے تحت نتائج دکھاتا ہے۔ حقیقی پیشین گوئیوں کے لیے مؤثر سائز اور کسی بھی سلیکشن، میوٹیشن، مائیگریشن، بدلتے ہوئے آبادی کے سائز، اوورلیپنگ نسلوں، لنکیج، اور آبادی کے ڈھانچے کے قابل دفاع تخمینوں کی ضرورت ہوتی ہے جو اس کیس کے لیے اہم ہوں۔