遺伝率

直接観察または測定できるのはPのみであるため、遺伝率または環境の類似性のレベルが異なる被験者で観察された類似性から遺伝率を推定する必要があります。分散の遺伝的および環境的要素を推定するために必要な統計分析は、サンプルの特性によって異なります。簡単に言えば、より遠い関係にある（したがってあまり類似していない）被験者からではなく、双子、兄弟、親、子孫など、遺伝的関係のレベルが大きく異なる個人からのデータを使用して、より良い推定値が得られます。遺伝率の推定値の標準誤差は、サンプルサイズが大きいほど改善されます。

人間以外の集団では、制御された方法で情報を収集できることがよくあります。たとえば、家畜の間では、雄牛が多数の牛から子孫を産み、環境を管理するように手配するのは簡単です。このような実験的制御は、自然に発生する関係や環境に依存して人間のデータを収集する場合、一般的に不可能です。

古典的な定量的遺伝学では、遺伝率の推定に関して2つの考え方がありました。

ある学派は、シカゴ大学のSewall Wrightによって開発され、CC Li（シカゴ大学）とJL Lush（アイオワ州立大学）によってさらに普及しました。これは、相関分析、ひいては回帰分析に基づいています。経路分析は、遺伝率を推定する方法としてSewallWrightによって開発されました。

2つ目は、もともとRAフィッシャーによって開発され、エジンバラ大学、アイオワ州立大学、ノースカロライナ州立大学、およびノースカロライナ州立大学で拡張されました。他の学校。これは、親族のクラス内相関を使用した繁殖研究の分散分析に基づいています。これらの分析では、ANOVAから分散分析の成分（したがって遺伝率）を推定するさまざまな方法が使用されます。

今日、遺伝率は、線形混合モデルを使用した一般的な血統から、および遺伝マーカーから推定されたゲノム関連性から推定できます。 。

人間の遺伝率の研究では、採用研究のデザインを利用することが多く、多くの場合、人生の早い段階で分離され、異なる環境で育てられた同一の双子を使用します。そのような個体は同一の遺伝子型を持っており、遺伝子型と環境の影響を分離するために使用することができます。この設計の限界は、一般的な出生前の環境と、離れて育てられた双子の数が比較的少ないことです。 2番目のより一般的な設計は、同一の双子と兄弟の双子の類似性を使用して遺伝率を推定する双生児研究です。これらの研究は、一卵性双生児が完全に遺伝的に同一ではなく、遺伝率を過小評価する可能性があるという事実によって制限される可能性があります。

観察研究、または刺激効果（ゲノムがその効果によって環境を呼び起こす場合）それらについて）、GとEは共変する可能性があります：遺伝子環境相関。遺伝率の推定に使用される方法に応じて、遺伝的要因と共有または非共有環境との相関は、遺伝率と混同される場合と混同されない場合があります。

推定の回帰/相関方法編集

最初の推定学校では、回帰と相関を使用して遺伝率を推定します。

近親者の比較編集

親族の比較では、一般的に、

h 2 = br = tr {\ displaystyle h ^ {2} = {\ frac {b} {r}} = {\ frac {t} {r}}}

ここで、rは相関係数と考えることができ、bは回帰係数とtは相関係数です。

親子回帰編集

遺伝率は、親とoを比較することで推定できますffspring特性（図2のように）。線の傾き（0.57）は、子孫の値が親の平均特性に対して回帰した場合の特性の遺伝率に近似しています。片方の親の値のみが使用される場合、遺伝率は勾配の2倍になります（子孫の値は常に母集団の平均値、つまり勾配に回帰する傾向があるため、これが「回帰」という用語の由来であることに注意してください）。この回帰効果は、影響を受ける1人のメンバーに対して選択された双子を分析するためのDeFries–Fulker法の基礎にもなります。

兄弟の比較編集

遺伝率への基本的なアプローチは次のとおりです。フルシブデザインを使用して取得：生物学的母親と父親の両方を共有する兄弟間の類似性を比較します。相加的な遺伝子作用のみがある場合、この兄弟の表現型相関は、親しみやすさの指標です。相加的な遺伝的分散の半分と完全な効果の合計です。共通の環境の。したがって、それは、完全な同胞表現型相関の2倍の相加的遺伝率に上限を課します。 Half-Sibデザインは、1人の親を他の兄弟グループと共有する兄弟の表現型の特徴を比較します。

双生児研究編集

人間の形質の遺伝性は、双子の類似性を比較することによって最も頻繁に推定されます。 「双生児研究の利点は、全体の分散を遺伝的、共有または共通の環境、および固有の環境要素に分割できることであり、遺伝率の正確な推定が可能になります」。兄弟または二卵性（DZ）双子は、平均して遺伝子の半分を共有します（形質の同類交配がないと仮定）。したがって、同一または一卵性（MZ）双子は、平均してDZ双子の2倍遺伝的に類似しています。したがって、遺伝率の大まかな推定値は、MZとDZの双子の間の相関の差の約2倍です。つまり、ファルコナーの式H2 = 2（r（MZ）-r（DZ））です。

効果共有環境のc2は、兄弟が育った環境の共通性により、兄弟間の類似性に寄与します。共有環境は、DZ相関から遺伝率の半分を引いたもので近似されます。これは、DZ双子が同じ遺伝子を共有する度合いです。c2= DZ-1 / 2h2。固有の環境分散e2は、一緒に育てられた同一の双子が異なる程度を反映します、e2 = 1-r（MZ）。

推定の分散方法の分析編集

遺伝率の推定方法の2番目のセットには、ANOVAと分散成分の推定が含まれます。

基本モデル編集

ケンプソーンの基本的な説明を使用します。遺伝子モデルでは、遺伝子型Giを持つ単一の遺伝子座の定量的寄与を次のように見ることができます

yi =μ+ gi + e {\ displaystyle y_ {i} = \ mu + g_ {i} + e}

ここで、gi {\ displaystyle g_ {i}}は遺伝子型Giの効果であり、e {\ displaystylee}は環境効果です。

ランダムなダムからの種雄牛とその子孫のグループを使った実験を考えてみましょう。子孫は遺伝子の半分を父親から、残りの半分を（ランダムな）母親から取得するため、子孫の方程式は次のようになります。

zi =μ+ 1 2 gi + e {\ displaystyle z_ {i} = \ mu + {\ frac {1} {2}} g_ {i} + e}

クラス内相関編集

上記の実験を検討してください。比較できる子孫のグループが2つあります。 1つ目は、個々の種雄牛（種雄牛グループ内と呼ばれる）のさまざまな子孫を比較することです。分散には、遺伝的分散（すべてが同じ遺伝子型を取得しなかったため）および環境分散の用語が含まれます。これはエラー用語と考えられています。

子孫の2番目のグループは、半分の同胞の平均を互いに比較することです（種雄牛グループ間で呼ばれます）。種雄牛グループ内のような誤差項に加えて、半同胞の異なる平均間の違いのために追加項があります。クラス内相関は次のとおりです

corr（z、z ）= corr（μ+ 1 2 g + e、μ+ 1 2 g + e）= 1 4 V g {\ displaystyle \ mathrm {corr}（z 、z “）= \ mathrm {corr}（\ mu + {\ frac {1} {2}} g + e、\ mu + {\ frac {1} {2}} g + e”）= {\ frac {1} {4}} V_ {g}}、

環境への影響は互いに独立しているため。

ANOVAEdit

遺伝率を計算するためのANOVAの使用は失敗することがよくあります。 ANOVAは、直接効果よりも相互作用効果をテストするための統計的検出力がはるかに低いため、遺伝子と環境の相互作用の存在を説明します。

加法および優勢項を含むモデル編集

For加法項と優勢項を持つモデルですが、他の項はありません。単一の軌跡の方程式は次のとおりです。

yij =μ+αi+αj+ dij + e、{\ displaystyle y_ {ij} = \ mu + \ alpha _ {i} + \ alpha _ {j} + d_ {ij} + e、}

ここで

実験は、表1に示したものと同様の設定で実行できます。異なる関係を使用するグループでは、さまざまなクラス内相関を評価できます。 V a {\ displaystyle V_ {a}}を加法的な遺伝的分散として使用し、V d {\ displaystyle V_ {d}}を優性偏差分散として使用すると、クラス内相関はこれらのパラメーターの線形関数になります。一般に、

クラス内相関= r V a +θVd、{\ displaystyle = rV_ {a} + \ theta V_ {d}、}

ここで、r {\ displaystyler}およびθ{\ displaystyle \ theta}は

r = {\ displaystyle r =} P、および

θ= {\ displaystyle \ theta =} Pとして検出されます。

いくつか一般的な関係とその係数を表2に示します。

線形混合モデル編集

線形混合モデルを使用したさまざまなアプローチが文献で報告されています。これらの方法を介して、表現型の分散は、遺伝率を推定するために、遺伝的、環境的、および実験計画の分散に分割されます。表現型および環境の分散から遺伝的分散を推測すると、形質に影響を与える環境の影響の全範囲を把握するという課題があるため、遺伝率を過小評価する可能性がありますが、環境の分散は、広範囲の環境にわたって個人を研究することによって明示的にモデル化できます。遺伝率を計算する他の方法は、ゲノムワイド関連研究からのデータを使用して、遺伝的要因による形質への影響を推定します。これは、形質に対する推定関連遺伝子座（通常は一塩基多型）の割合と影響に反映されます。ただし、これは遺伝率の過小評価につながる可能性があります。この不一致は「遺伝率の欠如」と呼ばれ、遺伝率モデルで遺伝的分散と環境分散の両方を正確にモデル化するという課題を反映しています。

大規模で複雑な血統または別の前述のタイプのデータが利用可能な場合、遺伝率と他の定量的遺伝的パラメーターは、制限付き最尤法（REML）またはベイズ法によって推定できます。生データには通常、個体ごとに3つ以上のデータポイントがあります。つまり、種雄牛のコード、ダムのコード、および1つまたは複数の特性値です。異なる特性値は、異なる特性または異なる測定時点のものである可能性があります。

現在一般的な方法論は、種雄牛と母動物のアイデンティティに対する高度な確実性に依存しています。父のアイデンティティを確率的に扱うことは一般的ではありません。この方法論が野生の個体群に適用されることはめったになく（いくつかの野生の有蹄類および鳥の個体群に使用されてきたが）、種雄牛は繁殖プログラムにおいて非常に高い確実性で常に知られているため、これは通常問題ではありません。不確実な母性を説明するアルゴリズムもあります。

血統は、血統ビューアーなどのプログラムを使用して表示し、R環境またはBLUPF90ファミリー内のASReml、VCE、WOMBAT、MCMCglmmなどのプログラムで分析できます。

血統モデルは、逆因果関係、出生前環境などの母性効果、遺伝的優位性、共有環境、母性遺伝子効果などの混乱を解きほぐすのに役立ちます。

Genomic heritabilityEdit

ゲノム全体の遺伝子型データと大規模な集団サンプルからの表現型が利用できる場合、遺伝子型に基づいて個人間の関係を推定し、線形混合モデルを使用して、遺伝子によって説明される分散を推定できます。マーカー。これにより、一般的な遺伝的変異によって捕捉された分散に基づいたゲノム遺伝率の推定値が得られます。対立遺伝子頻度と連鎖不平衡に対して異なる調整を行う複数の方法があります。特に、High-Definition Likelihood（HDL）と呼ばれる方法では、GWAS要約統計量のみを使用してゲノム遺伝率を推定できるため、さまざまなGWASメタアナリシスで利用可能な大きなサンプルサイズを簡単に組み込むことができます。