Пример движущей формы отбора

Понимаю. Под «движущей формой отбора» чаще имеют в виду направленный (directional) отбор: отбора, который постоянно благоволит к одном значению признака и тем самым смещает распределение признака в популяции в одну сторону по мере времени. Ниже даю понятное объяснение и простой числовой пример с пошаговыми вычислениями.

1. Что такое направленный отбор (пример движущей формы отбора)

• Идея: особи с большим(или меньшим) значением признака получают преимущество в выживании или размножении.
• В результате среднее значение признака в следующем поколении смещается в направлении этого преимущества.
• Можно рассмотреть несложную модель: фитнес пропорциональна значению признака или линейно зависит от него. После отбора новые частоты значений признака изменяются, и mean with survivors меняется по сравнению с исходным.

2. Простой числовой пример (три значения признака) Задача: показать, как среднее значение признака может сместиться вправо (в сторону больших значений) после направленного отбора.

Условия:

• Значения признака X: 16, 20, 24.
• Их исходные доли в популяции: по 1/3 каждое (равные частоты).
• Фитнес (вероятность выживания) пропорционален X линейно: w(x) = 1 + 0.1 x.
• После отбора вычисляем новые частоты выживших и новую среднюю величину mu' (среднее среди выживших).

Шаг 1. Найдем фитнес для каждого значения:

• w(16) = 1 + 0.1*16 = 2.6
• w(20) = 1 + 0.1*20 = 3.0
• w(24) = 1 + 0.1*24 = 3.4

Шаг 2. Найдем нормировку W̄ (среднююFitness):

• Исходные доли p_i = 1/3.
• W̄ = sum p_i w(x_i) = (1/3)(2.6 + 3.0 + 3.4) = (1/3)*9.0 = 3.0

Шаг 3. Найдем новые частоты выживших p_i':

• p'_i = p_i w(x_i) / W̄
• p'16 = (1/3)*2.6 / 3.0 = 2.6 / 9 ≈ 0.2889
• p'20 = (1/3)*3.0 / 3.0 = 3.0 / 9 ≈ 0.3333
• p'24 = (1/3)*3.4 / 3.0 = 3.4 / 9 ≈ 0.3778

Шаг 4. Найдем новую среднюю величину mu':

• mu' = sum x_i p'_i = 160.2889 + 200.3333 + 24*0.3778
• mu' ≈ 4.6224 + 6.6667 + 9.0667 ≈ 20.3558

Шаг 5. Сравним с исходной средней mu:

• Исходная средняя mu = (16 + 20 + 24)/3 = 60/3 = 20.0
• Перемещение средней величины S = mu' - mu ≈ 20.356 - 20.0 ≈ 0.356

Вывод по этому примеру:

• Направленный отбор смещаетDistribution признака вправо: большее значение признака становится более распространенным в следующем поколении.
• В данном примере среднее увеличилось примерно на 0.36 единицы за одно поколение, при условии линейной зависимости фитнеса и равных исходных частот.

3. Что можно сделать дальше (для углубления понимания)

• Ввести более реалистичную модель наследования: если признак частично наследуем, то эффект отбора передаётся частично на потомков. Можно ввести коэффициент наследуемости h^2 (R = h^2 * S).
• Разобрать идею отбора по разнице между средой и генетической предпосылкой: S — это эффект отбора на признак, R — ожидаемая эволюционная ответная реакция.
• Рассмотреть влияние на вариацию: при направленном отборе вариация может уменьшаться со временем, если сильнее отбираются крайние значения.

4. Небольшой практический пример из жизни

• Пример 1: Мопсы/попугайчики в среде, где выживают чаще особи с более длинной шерстью или перья. Со временем средняя длина признака увеличится.
• Пример 2: Селекция культурных растений: выбор семян с большим количеством зерен. Выбор ведёт к смещению среднего значения количества семян в сторону большего.

5. Ключевые идеи

• Направленный отбор вызывает систематическое смещение среднего значения признака в популяции в сторону выбранного направления.
• Расчеты можно иллюстрировать через простую модель частот и фитнеса: p'_i = p_i w_i / W̄, mu' = sum x_i p'_i, S = mu' - mu.
• Эффект определяется линейной зависимостью фитнеса от признака и исходной вариацией признака; при реальных условиях учёт наследования (R = h^2 S) даёт более полное представление о эволюции признака.

Если хочешь, могу привести ещё один пример с другой формой распределения (например, нормальное распределение значений признака) и показать аналогичные вычисления, или перейти к более биологически точной модели с генетическими основами отбора.