Szelekció I. Örökléstani alkalmazások Farkas János 2005. 2005. Az alapprobléma és matematikai megoldása megtalálható W. Feller: Bevezetés a valószínűségszámításba.

Slides:



Advertisements
Hasonló előadás
A sin függvény grafikonja
Advertisements

Másodfokú egyenlőtlenségek
Állóeszköz-gazdálkodás
Matematikai Analízis elemei
Képességszintek.
Összeállította: Fehér Péter PhD
Az önző gén Richard Dawkins.
A legfontosabb neurogenetikai betegségek előfordulási gyakorisága
Valószínűségszámítás
A humán genom projekt.
Számítógépes Hálózatok
Valószínűség számítás
Arány és arányosság.
Két változó közötti összefüggés
Bioinformatika Szekvenciák és biológiai funkciók ill. genotipusok és fenotipusok egymáshoz rendelése Kós Péter 2009.XI.
Mendel és a cicusok.
A számírás története.
Genetikus algoritmusok
Földstatikai feladatok megoldási módszerei
A Mendel-i öröklődés Falus András
Valószínűségszámítás
KÖZMŰ INFORMATIKA NUMERIKUS MÓDSZEREK I.
Mendeli genetika Allél Monohibrid -Dihibrid Autoszóma – alloszóma
Gazdasági Informatika II. 2006/2007. tanév II. félév.
A BALATONBA TELEPÍTETT HALFAJOK BIOLÓGIAI SZEREPE ÉS HATÁSA ÖTM-MTA-BLKIBudapest-Tihany2007.
1 Matematikai Analízis elemei dr. Szalkai István Pannon Egyetem, Veszprém nov. 08.
Feszültség, ellenállás, áramkörök
Matematikai alapok és valószínűségszámítás
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Ohm törvénye. Az elektromos ellenállás
Az izomdystrophiák molekuláris genetikai vizsgálata
Kvantitatív módszerek
Az ember egyszerű mendeli genetikája
A genetika (örökléstan) tárgya
A mennyiségi jellegeket génkölcsönhatások okozzák
Problémás függvények : lokális optimalizáció nem használható Globális optimalizáció.
A hálózati-mérési különbözet kezelése az elosztói engedélyeseknél
Alapsokaság (populáció)
Alapfogalmak.
Exponenciális - Logaritmus függvények, Benford fura törvénye
A BSc képzés tapasztalatai BME VBK Műhelykonferencia – ELTE Bolyai Kollégium október 17.
A Dijkstra algoritmus.
A molekuláris evolúció neutrális elmélete
Molekuláris rátermettség tájképek Kun Ádám. Rátermettség tájkép  Minden genotípushoz rendeljünk egy fenotípust  Minden fenotípushoz rendeljünk egy valósz.
Nyomás, nyomóerő és nyomott felület kiszámítása
Szelekció II. Örökléstani alkalmazások Farkas János Az alapprobléma megtalálható W. Feller: Bevezetés a valószínűségszámításba és alkalmazásaiba.
A genom variabilitás orvosi jelentősége Gabor T. Marth, D.Sc. Department of Biology, Boston College Orvosi Genomika kurzus – Debrecen, Hungary,
Táblázatkezelés KÉPLETEK.
Kenyér kihűlése Farkas János
Populáció genetika Farkas János
MARHAJÁTÉK Számítógépes modellezés Farkas János
Lakosság létszámának változása Farkas János
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Valószínűségszámítás II.
Informatikai Rendszerek Tervezése 5. Előadás: Genetikus algoritmusok Illyés László Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT.-5.
Menetrend optimalizálása genetikus algoritmussal
A Dijkstra algoritmus.
Beltenyésztettség az őshonos fajtáinkban
Genetikus algoritmusok
Intraspecifikus verseny
Gének egymástól független öröklődése Mendel második törvénye
Alhálózat számítás Osztályok Kezdő Kezdete Vége Alapértelmezett CIDR bitek alhálózati maszk megfelelője A /8 B
Numerikus differenciálás és integrálás
FOGALMAK DNSasfehérje (szabályozó/szerkezeti)
I. Előadás bgk. uni-obuda
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Területi egyenlőtlenségek grafikus ábrázolása: Lorenz-görbe
Készletek – Állandó felhasználási mennyiség (folyamatos)
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

Szelekció I. Örökléstani alkalmazások Farkas János Az alapprobléma és matematikai megoldása megtalálható W. Feller: Bevezetés a valószínűségszámításba és alkalmazásaiba című könyvében

PROBLÉMA LEÍRÁS Legyen egy gén két alléles (A, a), amelynek három genotípusa (AA, Aa, aa) van. Tekintsük azt az esetet, amikor az a allél recesszív és halálos, és az aa genotípusú egyedek nem képesek szaporodásra. Ugyanez az eset, amikor a tenyésztéskor a tenyésztő tudatosan kizárja az aa genotípusú egyedek szaporodását. Feladat: Adjuk meg (számítsuk ki) p, q, u, v, w értékét generációról generációra mind a teljes, mind a szülői populációra vonatkozólag. Ha lehetséges, adjunk meg a kiszámítást megkönnyítő explicit formákat!

Probléma megoldása 1. Jelölje: A, a – a populációban előforduló génformákat (alléleket) p = p(A), q = p(a) – a géngyakoriságokat [p + q = 1] AA, Aa, aa – a populáció genotípusait u, 2v, w – a genotípus gyakoriságokat [u + 2v + w = 1] Ismert összefüggések: p = u + v, q = v + w u = p 2, 2v = 2pq, w = q 2 u + 2v + w = 1 ==> u + 2v = 1 - w Az AA és Aa genotípusú egyedek (szülők) között véletlen kereszteződést tételezünk fel.

Probléma megoldása 2. A feladat szerint a szülői populációban nem szerepel az aa genotípus, így a szülői populáció genotípus gyakoriságai: géngyakoriságai: szaporodni képes

Probléma megoldása 3. Az 1. leszármazott generációban a genotípus gyakoriságok: géngyakoriságai: A szülői populációban nem szerepel az aa genotípus, így a szülői populáció genotípus gyakoriságai:

Probléma megoldása 4. A 2. leszármazott generációban a genotípus gyakoriságok: géngyakoriságai: A szülői populációban nem szerepel az aa genotípus, így a szülői populáció genotípus gyakoriságai:

Probléma megoldása 5. Az n. leszármazott generációban a genotípus gyakoriságok: géngyakoriságai: A szülői populációban nem szerepel az aa genotípus, így a szülői populáció genotípus gyakoriságai:

Probléma megoldása 6. Az (n+1). leszármazott generációban a genotípus gyakoriságok: A szülői populációban nem szerepel az aa genotípus, így a szülői populáció genotípus gyakoriságai: géngyakoriságai:

Probléma megoldása 7. A fentiek alapján q n és w n+1 explicit (közvetlen) módon is kiszámítható, ha figyelembe vesszük, hogy:

Probléma megoldása 8. Az egyszerűbb alakra hozás érdekében q n+1 értékét átalakítjuk:

Probléma megoldása 9. Az előzőt n = 0 – tól indítva, behelyettesítve a képletbe : Így a: explicit formákat kapjuk, amelyek közvetlen számításra alkalmasak.

Értékelés, példák 1. A formulák alapján látható, hogy mind w értéke (a szaporodni képtelen - vagy nemkívánatos – aa genotípus), mind q értéke (az a allél gyakorisága) fokozatosan csökken. Gene- rációk qwqwqwqwinduló0,10000,01000,20000,04000,30000,09000,40000, ,06670,00440,10000,01000,12000,01440,13330, ,05000,00250,06670,00440,07500,00560,08000, ,04000,00160,05000,00250,05450,00300,05710, ,03330,00110,04000,00160,04290,00180,04440,0020

Értékelés, példák 2. Gene- rációk qwqwqwqwinduló0,10000,01000,20000,04000,30000,09000,40000, ,06670,00440,10000,01000,12000,01440,13330, ,05000,00250,06670,00440,07500,00560,08000, ,04000,00160,05000,00250,05450,00300,05710, ,03330,00110,04000,00160,04290,00180,04440,0020 További példák, grafikonokon történő ábrázolás a Szelekcio_I.xls állományban találhatók A csökkenés gyorsasága jelentősen függ q induló értékétől. Ha pl. q = 0,1, akkor 10 generáció alatt csökken az a allél gyakorisága a felére, míg ezalatt az aa géngyakorisága a negyedére. Ugyanezen értékek 20 generációnál q = 0,0333 (harmadára), w = 0,0011 (tizedére) módosulnak.