佛罗里达州立大学科学家开发的一种先进的新分析工具可能标志着群体遗传学研究的新时代。
他们的模型结合了先进的数学策略，可以帮助改变研究人员调查危险的，快速进化的疾病媒介的传播和分布的方式。
这项突破性的研究是博士后数学家Somayeh Mashayekhi与计算生物学家Peter Beerli在FSU科学计算系的跨学科合作。他们的研究结果发表在“ 美国国家科学院院刊”上。
“我们是分数微积分在群体遗传学中的首次应用，”Beerli说。“这将有助于我们更好地估计可能对抗病原体的重要数量。”
该团队的模型称为f-coalescent，用于分数阶微积分的新颖用途，遵循类似但更有限的模型称为n-coalescent的谱系。由英国数学家约翰金曼于1982年提出，n-coalescent允许科学家使用当前收集的数据对人口过去做出统计陈述。
“n-coalescent引入了对个体之间关系的回顾性观点，”Beerli说。
它允许研究人员使用来自群体的基因组样本来制作关于该群体中不同基因变体起源的概率陈述。这为科学家提供了前所未有的严谨洞察力，有助于形成物种随时间变化的情景和相互作用。
但是，尽管它具有突破性的理论优势，但n-coalescent还有一个主要障碍：该模型是在人口均匀的假设下运作的。也就是说，它假设每个人都有相同的经历，同样的逆境威胁着他们的生存，同样的好处使他们有竞争力。
这是FSU团队的新f-coalescent在其前身上取得进展的地方。他们的模型允许增加环境异质性，特别是在位置和时间间隔。这些允许量有助于更清晰地了解何时出现不同的遗传变异 - 这些信息对于分析对不同环境迅速演变的病原体至关重要。
在他们的研究中，Beerli和Mashayekhi将f-coalescent应用于三个真实的数据集：座头鲸的线粒体序列数据，疟疾寄生虫的线粒体数据和H1N1流感病毒株的完整基因组数据。
他们发现虽然环境异质性似乎对座头鲸数据集影响不大，但流感和疟疾数据表明，在评估由于选择压力变化而迅速演变的病原体时，应考虑异质性。
“异质性对家谱的时间有影响，”Mashayekhi说。“f-coalescent将导致对这种时间的更好估计，这将导致病原体分析的重大变化。”
虽然f-coalescent提供了一种有前景的新方法来提高我们对这些病原体变量和动态发展的理解，但研究人员表示，为了解释可能影响人口转移的诸多因素，该模型需要进一步扩大。
“我们需要将我们的理论扩展到单一人群之外，并在模型中包括移民，”Beerli说。“只有这样，我们才能解决诸如流感或其他快速进化的病原体分布变化等问题。”