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 = 16*0.2889 + 20*0.3333 + 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.