Приближение Кимуры для вероятности фиксации мутации при отборе до настоящего времени неоднократно использовалось в моделях популяционной генетики. Я пытаюсь понять математическую основу этого уравнения, но ни один из учебников или онлайн-ресурсов, которые я проверил, не дает простого вывода этого приближения, а просто цитирует статью Кимуры 1962 года .
Итак, я читал оригинальную статью, но предоставленный вывод не кажется мне ясным.
Кимура начинает с определения вероятности изменения частоты аллеля как:
где (точно процитировано)
Затем он использует аппроксимацию ряда Тейлора, чтобы получить уравнение следующего вида:
Он определяет и как среднее и дисперсия изменения за поколение. Формально они определяются как:
( на самом деле должен быть просто второй момент согласно математическому определению, а не дисперсия)
Затем он решает уравнение 3 в установившемся режиме с граничными условиями и чтобы получить это:
куда:
Я понял вывод до этого момента.
Затем он просто ставит:
и получает уравнение 1.
Есть ли простой вывод уравнения 1?
Если нет, может ли кто-нибудь объяснить мне, как M и V были аппроксимированы, как указано выше?
Предположительно, вы решили это, но в противном случае это потому, что УЧП является обратным уравнением Колмогорова , поэтому коэффициенты первого и второго порядка являются средним значением и дисперсией базового моделируемого стохастического процесса.
Подробно рассмотрим стохастическое дифференциальное уравнение (решение которого дается процессом диффузии Ито):
Обратите внимание, что дрейф (бесконечно малая средняя) и коэффициент диффузии (бесконечно малая дисперсия) такие же, как в статье (за исключением отрицательного знака, который, как я полагаю, игнорируется, поскольку он, кажется, в основном заботится только о случае, когда так или иначе). Действительно, они равнозначно пишутся:
Обратите внимание, что полезное приближение переходной плотности определяется выражением:
Итак, все вышеизложенное — это просто базовая теория стохастических процессов. Таким образом, если у нас есть стохастическая модель динамики населения, мы можем получить значения для и из него (путем вычисления его моментов), и они будут перенесены в обратное уравнение Колмогорова, на котором основана работа Кимуры.
Вот где проявляется мое невежество в динамике населения. Однако, поскольку Кимура упоминает Фишера и Райта, я просмотрел модель Райта-Фишера. Похоже, что Кимура использует приближение процесса диффузии модели Райта-Фишера. Похоже, это хорошо изученная и легендарная модель, которую я не могу полностью описать здесь; вместо этого я нашел работу Татару и др . «Статистический вывод в модели Райта-Фишера с использованием данных о частоте аллелей» как отличное ее описание, хотя я не претендую на то, чтобы понять ее большую часть.
Однако важно то, что изменение в генах (плотность перехода) может быть описано биномиальным распределением. Это можно аппроксимировать нормальным распределением:
(Я заметил, что еще один способ доказать это — заметить, что приближенная диффузия Райта-Фишера (без каких-либо отборов и т. д.). ) имеет бесконечно малый генератор, заданный формулой: . Это сразу подразумевает . Но может быть менее простым для понимания. )
Однако сбивает с толку то, что в статье изменены временные рамки (переменные), так что , а затем установите к (наверное для того что бы не пришлось писать повсюду). Если мы отменим это преобразование, мы получим
Теперь, каково бесконечно малое среднее, т.е. или ? Ясно, что это зависит от модели отбора, поскольку она определяет, как «среда» детерминистически влияет на процесс. Кимура описывает это как «постоянное преимущество выбора» с коэффициентом . В статье Татару отмечается, что диффузионное приближение Райта-Фишера при генетическом дрейфе, мутации и отборе определяется следующим образом:
Таким образом, мы получили, где Кимура и исходить, хотя и не самым простым способом.
Остается только вывести уравнение (стационарного) для . Думаю, я сделаю это для полноты.
Игнорируя стационарные индексы, получаем:
Приносим извинения за любые ошибки. (Я не занимаюсь моделированием динамики населения и не математик, поэтому, пожалуйста, указывайте на любые проблемы).
Николай
WYSIWYG