Ответ на вопрос
Ниже — сжатый план статистических методов, ключевые формулы для оценки инбридинга и риска вымирания, интерпретация результатов и возможные управленческие решения.
Методы и анализы (что сделать с данными)
- Описательная генетика: частоты аллелей, число аллелей на локус, приватные аллели, гетерозиготность:
- наблюдаемая гетерозиготность \(H_O\);
- ожидаемая при равновесии Харди–Вайнберга \(H_E\).
- Локальные показатели инбридинга:
- индекс внутренней структуры (inbreeding per locus): \(F_{IS} = 1 - \dfrac{H_O}{H_E}\). Оценить по локусам и среднее по популяции; тестировать значимость (пермутации).
- Геномные метрики инбридинга:
- доля генома в ROH: \(F_{ROH} = \dfrac{\sum L_{ROH}}{L_{genoma}}\) (сумма длин ROH / длина сканированного генома);
- альтернативно: \(F_{HOM} = \dfrac{O_{hom} - E_{hom}}{N - E_{hom}}\) (оценка по гомозиготности).
- Связанныесть и родство: парные коэффициенты родства (e.g., KING, PLINK --ibd), распределение родственных пар.
- Дифференциация и поток генов между популяциями:
- \(F_{ST} = \dfrac{H_T - H_S}{H_T}\) — оценка генетического разделения;
- оценить миграцию / направление потока (e.g., BayesAss, divMigrate).
- Эффективный размер популяции \(N_e\):
- временной метод (приближённо): \(\hat N_e \approx \dfrac{t}{2\hat F}\), где \(\hat F\) — стандартизованная дисперсия изменения частот за \(t\) поколений;
- LD‑метод (оценки на основе \(r^2\) между локусами) — использовать специализированные пакеты (NeEstimator, LDNe).
- Тесты на недавние «буттл‑нэки»: тест на избыток гетерозиготности, M‑ratio, изменения спектра аллельных частот.
- Оценка инбридинной депрессии: подстановка наблюемых \(F\) в модель выживаемости/размножения, например \(w(F) = e^{-B F}\), где \(B\) — «лекальные эквиваленты» (inbreeding load).
- Прогноз вымирания — Population Viability Analysis (PVA):
- симуляции (VORTEX, RAMAS, custom stochastic models) с демографией + генетическими эффектами (инбридинная депрессия, \(N_e\), миграция).
- Статистика значимости и неопределённости: бутстрэп/jackknife по локусам, MCMC для параметров (миграция, \(N_e\)), сценарные анализы.
Ключевые интерпретативные критерии (пороговые ориентиры)
- Инбридинг: обычно тревожно, если средний \(F\) (геномный или по ROH) превышает \(0.1\)–\(0.2\): \(F > 0.1\) — заметный инбридинг; \(F > 0.2\) — высокий риск проявления рецессивных вредных эффектов.
- Эффективный размер: руководящие ориентиры \(N_e \ge 50\) для краткосрочного уменьшения инбридинга и \(N_e \ge 500\) для поддержания адаптивного потенциала (правило \(50/500\)): \(N_e \ge 50,\; N_e \ge 500\).
- Дифференциация: \(F_{ST}\) близкий к 0 — высокая связь; \(F_{ST}\) large (например \(>0.15\)) — существенная изоляция.
Управленческие решения (что можно сделать и когда)
- Если инбридинг низкий/приемлемый и \(N_e\) достаточен:
- приоритет — сохранение среды и популяционной численности; мониторинг генетики.
- При умеренном/высоком инбридинге или малом \(N_e\):
- рассмотреть увеличение эффективного размера: улучшение среды для повышения выживаемости/размножения, защита гнезд, снижение смертности взрослых;
- усиление связности: создать или восстановить коридоры, способствующие естественной миграции;
- генетическая «спасательная» миграция (genetic rescue): трансферы особей между популяциями для снижения \(F\) и повышения гетерозиготности — оценить риск вызывания outbreeding depression (сопоставимость адаптаций).
- При очень низких числах/высоком риске:
- организовать управляемую транслокацию или краткосрочное разведение в неволе с планом обратного выпуска; выбирать доноров с учётом адаптивной совместимости;
- сочетать с PVA‑сценариями, включающими инбридинную депрессию (параметр \(B\)) и оценивать вероятность квазиискижения за заданный горизонт.
- Общие рекомендации при вмешательстве:
- выбирать доноров, минимизирующих риск outbreeding (схожая экология/кариотип); оценивать адаптивные маркеры при возможности;
- мониторить генетические и демографические последствия после действий (до/после генетические маркеры, \(N_e\), \(F_{ROH}\), фитнес‑показатели).
- Управленческие приоритеты: предотвращение дальнейшего сокращения \(N_e\), защита местообитаний, оценка и снижение причин смертности.
Практическая последовательность (workflow)
1. QC данных (фильтрация SNP по MAF, missingness, LD по необходимости).
2. Рассчитать \(H_O,\;H_E,\;F_{IS}\), \(F_{ST}\).
3. ROH и \(F_{ROH}\); парные коэффициенты родства.
4. Оценить \(N_e\) (LD и, при наличии временных срезов, временной метод).
5. Буттлнек‑тесты, оценить приватные аллели, адаптивные локусы (если есть).
6. Построить PVA с несколькими сценариями (без вмешательства, с транслокациями, с восстановлением среды) и включить инбридинную депрессию \(w(F)=e^{-BF}\).
7. На основе сценариев выбрать управленческую стратегию и план мониторинга.
Инструменты (быстрый список): PLINK (ROH, \(F_{ROH}\)), VCFtools, Genepop/Arlequin (F‑статистики), NeEstimator/LDNe (Ne), BayesAss/MIGRATE (миграция), VORTEX/RAMAS (PVA).
Коротко о рисках: генетическая помощь эффективна, если демографические проблемы решаются параллельно; транслокации несут риск передачи болезней и outbreeding — заранее оценить и минимизировать.
Если хотите, могу:
- предложить конкретный аналитический скрипт/пакет для ваших данных (формат VCF/PLINK);
- интерпретировать результаты, если дадите конкретные числа (\(H_O, H_E, F_{ROH}, N_e, F_{ST}\)).
Еще