tooluniverse-population-genetics

群体遗传学分析

MC 策略：群体遗传学 MC 题目通常考查你是否了解某个定理或结果。先计算答案（使用 popgen_calculator.py 或编写 Python 代码），再与选项匹配。不要试图推测哪个选项“听起来正确”。

使用 ToolUniverse 工具分析群体层面的遗传变异、等位基因频率、GWAS 关联、临床意义和进化约束。

适用场景

当用户询问以下内容时，启用此技能：

• 不同群体中的等位基因频率（gnomAD、1000 Genomes）
• 疾病/性状的 GWAS 关联
• 临床变异解读（ClinVar、VEP）
• 基因层面的约束指标（pLI、LOEUF、o/e 比率）
• 选择、遗传漂变、连锁不平衡或群体结构
• 变异注释和功能影响

查询，不要猜测

对于等位基因频率和关联，先查询 gnomAD/1000Genomes/GWAS Catalog。优先使用 PopGen_hwe_test、PopGen_fst、PopGen_inbreeding 和 PopGen_haplotype_count 工具进行 HWE、Fst、近交和单倍型计算。备用方案：直接运行 popgen_calculator.py。对于理论问题（delta-q、漂变、LD 衰减），请使用下文“理论推理”部分中的公式。

---

工具速查

工具	关键参数	备注
gnomad_search_variants	query（必填）	将 rsID 转换为格式为 "CHR-POS-REF-ALT" 的 variant_id
gnomad_get_variant	variant_id（必填）、dataset	群体频率。默认数据集：gnomad_r3；如需最新数据，请使用 gnomad_r4
gnomad_get_gene_constraints	gene_symbol（必填）	pLI、o/e 比率。可能超时——重试一次
MyVariant_query_variants	query（必填）	聚合数据：ClinVar + dbSNP + gnomAD + CADD。使用 hg19 坐标
EnsemblVEP_annotate_rsid	variant_id（必填）	功能影响、SIFT、PolyPhen。参数为 "variant_id"，不是 "rsid"
EnsemblVEP_variant_recoder	variant_id（必填）	在 rsID/HGVS/VCF/SPDI 之间转换
gwas_get_snps_for_gene	gene_symbol（必填）	获取某个基因的所有 GWAS SNP
gwas_search_associations	query（必填）	查询疾病/性状的 GWAS（不能使用基因名称——查询基因请使用 gwas_get_snps_for_gene）
gwas_get_variants_for_trait	trait（必填）	获取与某个性状相关的变异
ClinVar_search_variants	gene、condition、significance	至少需要一个筛选条件
RegulomeDB_query_variant	rsid（必填）	调控评分（1a = 最强，7 = 最弱）

重要注意事项

1. gnomAD variant_id：格式为 "CHR-POS-REF-ALT"（不带 "chr" 前缀）。务必先通过 gnomad_search_variants 解析 rsID。
2. gwas_search_associations：仅接受疾病/性状名称。基因名称会导致失败。按基因查询请使用 gwas_get_snps_for_gene。
3. gwas_search_snps：已损坏（HTTP 500）。请改用 gwas_get_snps_for_gene。
4. VEP/ClinVar 响应：格式不固定（列表、{data, metadata} 或 {error}）。请处理这三种格式。

---

工作流模式

变异频率：gnomad_search_variants -> gnomad_get_variant(dataset="gnomad_r4") -> MyVariant_query_variants（1000G 群体细分数据）-> EnsemblVEP_annotate_rsid

疾病 GWAS：gwas_search_associations -> gwas_get_variants_for_trait -> 对重点结果使用 gnomad_get_variant -> EuropePMC_search_articles

基因特征分析：gnomad_get_gene_constraints -> gwas_get_snps_for_gene -> ClinVar_search_variants -> PubMed_search_articles

致病性评估：EnsemblVEP_annotate_rsid -> MyVariant_query_variants（CADD、ClinVar）-> gnomad_get_variant（频率）-> RegulomeDB_query_variant（适用于非编码变异）

---

理论推理（计算题的关键部分）

定量群体遗传学问题需要用到以下公式。请逐步推导，并展示中间值。

选择作用下的等位基因频率变化（delta-q）

对于隐性有害等位基因（适合度：AA=1，Aa=1，aa=1-s）：

delta_q = -s * q^2 * p / (1 - s * q^2)

其中 p = freq(A)，q = freq(a)，s = 选择系数。

对于显性有害等位基因（AA=1，Aa=1-s，aa=1-s）：

delta_q = -s * q * p / (1 - s * q * (2 - q))

对于杂合子优势（AA=1-s1，Aa=1，aa=1-s2）：

equilibrium: q_hat = s1 / (s1 + s2)

示例：代入题目中的 s1 和 s2；q_hat = s1/(s1+s2)。

低 q 时，针对隐性等位基因的选择作用较慢，因为大多数 a 等位基因隐藏在杂合子中。将 q 从 q0 降至 qt 所需时间：t ~ (1/qt - 1/q0) / s 代。

小群体中的遗传漂变

每代等位基因频率的方差：Var(delta_p) = pq / (2Ne)

新生中性突变的固定概率：1/(2*Ne)

固定时间（以该等位基因最终固定为前提）：中性等位基因约需 4*Ne 代

杂合度衰减：H_t = H_0 * (1 - 1/(2*Ne))^t

经过 t 代后，杂合度损失比例约为 1 - e^(-t/(2*Ne))

有效群体大小（Ne）的调整：

• 性别比例不均：Ne = 4NfNm / (Nf + Nm)
• 群体大小波动：Ne = 各代 N 的调和平均数
• 瓶颈：主要由规模最小的一代决定

漂变与选择：当 |s| < 1/(2*Ne) 时，漂变占主导。在 Ne < 50 的群体中，s=0.01 的变异表现为中性。

连锁不平衡（LD）衰减

D = freq(AB) - freq(A)*freq(B)，其中 A 和 B 是两个位点上的等位基因。

随重组的衰减：D_t = D_0 * (1 - r)^t，其中 r = 重组率，t = 代数。

LD 半衰期：t_half = -ln(2) / ln(1-r) ~ 0.693/r 代（r 较小时）。

r-squared（标准化 LD）：r^2 = D^2 / (pA * pa * pB * pb)。取值范围为 0-1。

有限群体中平衡状态下预期的 r^2：E[r^2] = 1 / (1 + 4Ner)（漂变与重组平衡时）。

实际影响：

• 紧密连锁的位点（r < 0.01）：LD 可持续数百代
• 松散连锁的位点（r = 0.5，独立分配）：LD 每代减半
• GWAS 标签 SNP 能发挥作用，是因为 LD 会覆盖一定区块；区块大小取决于 Ne 和重组率
• 非洲人群的 LD 区块较短（历史 Ne 较大）-> 需要更密集的 SNP 芯片

Hardy-Weinberg 平衡

对于等位基因 A（频率 p）和 a（频率 q=1-p）：预期基因型 AA=p^2、Aa=2pq、aa=q^2。

卡方检验：df=1（2 个等位基因）。首选：使用 PopGen_hwe_test 工具。备选：popgen_calculator.py --type hwe --AA N1 --Aa N2 --aa N3。

偏离 HWE 的原因：非随机交配、选择、迁移、漂变、基因分型错误。纯合子过多 -> 近交或群体结构（Wahlund 效应）。杂合子过多 -> 超显性选择或负向择偶。

遗传力

• H^2（广义遗传力） = V_G / V_P；h^2（狭义遗传力） = V_A / V_P
• V_G 包含所有遗传方差：加性 + 显性 + 上位性。易错点：“广义遗传力”不只是加性遗传方差。
• 在双等位基因（p、q）的 HWE 下：基因型频率为 p^2、2pq、q^2
• 根据基因型计算表型频率：对每种基因型类别，将（基因型频率 * 外显率）求和
• 对数量性状：V_P = V_G + V_E（假设无协方差）
• 存在显性时：指定基因型值（例如 AA=a、Aa=d、aa=-a），计算均值，再根据频率加权的平方偏差计算 V_G
• PGS 与 SNP-h² 易错点：PGS R² 不一定 ≤ h²_SNP。大型 GWAS 中，PGS 可通过常见 SNP 与罕见因果变异之间的 LD 标记这些变异，因此可能超过 SNP-h²。“一定”一词使这一说法为假。h²_SNP 根据常见变异估算；PGS 可以捕获额外的方差。

路径分析（因果图）

• 追踪图中从原因到结果的所有路径（直接和间接）
• 每条路径的贡献 = 该路径上各路径系数的乘积
• 总效应（相关性）= 所有路径贡献之和
• 间接效应可能掩盖（抑制效应）或放大（混杂）直接效应
• 未分析的相关关系（双向箭头）也算作有效路径片段
• 绝不要忽略间接路径——总效应很少只是直接箭头的效应

遗传组合计数（F2 杂交、单倍型计数）

对于两个近交（纯合）品系之间的 n 个 SNP：

• F1 在所有 n 个位点上均为杂合
• F2 中不同的单倍型数 = 2^n（每个 SNP 位点都贡献来自亲本 A 或 B 的等位基因）
• F2 中不同的二倍体基因型数 = 3^n（每个位点上均为 AA、AB、BB 之一）
• F2 中独特的染色体（不同单倍型）数 = 2^n（例如，5 个 SNP → 2^5 = 32；但如果问的是“新型”，则减去 2 个亲本单倍型 → 30）
• 始终编写并运行 Python 代码（python3 -c "..."）来计算这些数量。绝不要手动枚举。
• 对于来自实地数据的样本／计数：将数据解析为一种结构，并以编程方式计算。

突变-选择平衡

有害等位基因的平衡频率：

• 隐性致死：q_hat = sqrt(mu/s) ~ sqrt(mu)（当 s=1 时）
• 显性致死：q_hat = mu/s
• 示例：mu=1e-5，s=1（隐性致死）-> q_hat = 0.003（携带者频率约为 0.006）

F 统计量与种群结构

• Fis：亚种群内部的近交（群体内部杂合子缺失）
• Fst：亚种群之间的分化。Fst = Var(p) / (p_bar * q_bar)
• Fit：总近交。(1-Fit) = (1-Fis)(1-Fst)
• Fst 解释：<0.05 分化较小，0.05-0.15 中等，0.15-0.25 较大，>0.25 非常大
• 首选：使用 PopGen_fst 工具。备用方案：popgen_calculator.py --type fst --p1 X --p2 Y --n1 N1 --n2 N2

---

孟德尔遗传推理框架

对于任何遗传杂交问题，请按以下步骤依次进行。不要跳过步骤。

步骤 1：确定基因、位置和等位基因关系

• 列出杂交中涉及的每个基因
• 确定染色体位置：常染色体或 X 连锁（X 连锁基因在雄性和雌性中表现出不同的遗传方式）
• 确定等位基因关系：显性／隐性、共显性、不完全显性
• 记录基因之间的上位性、抑制基因或修饰基因相互作用

步骤 2：明确写出亲本基因型

• 使用标准记法（例如，常染色体基因写作 Aa Bb；X 连锁基因写作 X^w X^+）
• 对于 X 连锁基因，雄性为半合子（X^w Y），而非纯合子
• 如果未提供亲本基因型，则根据表型和系谱背景推断

步骤 3：为每个基因绘制庞尼特方格

• 对于多基因杂交，分别处理每个基因（若不连锁），然后组合
• 对于连锁基因，使用重组频率调整配子比例
• 对于 X 连锁基因，请记住父亲将 X 染色体传给所有女儿，将 Y 染色体传给所有儿子

步骤 4：计算预期表型比例

• 相乘各独立基因的比例（例如，3:1 x 3:1 = 9:3:3:1）
• 对于 X 连锁遗传：分别计算雄性和雌性的比例，然后按需合并或分别报告

步骤 5：确认比例之和为 1.0

• 将所有比例换算为分数，并确认它们的总和为 1
• 如果总和不为 1，则庞尼特方格或配子计算存在错误

步骤 6：在计算完基因型比例后再应用表型修饰规则

• 对于上位性：先计算完整的基因型比例（例如，9:3:3:1），再合并产生相同表型的基因型类别
• 对于抑制基因：在其他方面呈突变背景的个体中，抑制基因纯合子（su/su）会恢复野生型表型。先确定哪些个体携带突变等位基因，再应用抑制作用
• 示例：在隐性上位性（aa 掩盖 B）情况下，9 A_B_ : 3 A_bb : 3 aaB_ : 1 aabb 变为 9:3:4

---

大肠杆菌 Hfr 作图框架

对于细菌接合和 Hfr 作图问题：

核心原则

• 在 Hfr x F- 杂交中，Hfr 染色体从转移起点（oriT）开始线性转移
• 基因转移顺序 = 染色体上从起点开始的顺序
• 早期标记（最先进入）最靠近转移起点
• 晚期标记（最后进入）离转移起点最远

中断接合实验

• 在较早时间点出现在重组子的基因更靠近 oriT
• 进入时间可确定基因顺序及基因间的大致距离
• 重组子需要通过同源重组（双交换）整合

标记之间的重组频率

• 关键陷阱：转移片段上相距最远的标记之间，重组频率最高
• 这是因为相距较远的标记进入之间间隔更长，为它们之间发生重组事件提供了更多机会
• 相反，进入时间接近的标记之间重组频率较低
• 不要将“最高重组频率”与“最先进入的标记”混淆——这是两个相反的概念

根据 Hfr 数据排列标记

1. 使用进入时间数据，确定基因相对于 oriT 的顺序
2. 使用所选标记对之间的重组频率数据，确认或细化顺序
3. 可使用起点不同的多个 Hfr 菌株构建环状图谱

---

遗传学选择题排除策略

通用选择题流程

1. 务必评估所有选项后再选择答案
2. 不要选第一个看起来正确的选项——可能存在更好或更准确的答案
3. 仔细阅读题干中的限定词：“最可能”“最不可能”“不正确”“总是”“从不”

“哪项不正确”类问题

• 独立判断每个陈述为正确或错误
• 选择前在每个选项旁标记“正确”或“错误”
• 答案是标记为“错误”的陈述
• 再次核查：确认该陈述确实错误，而不只是措辞容易误导

“哪种机制”类问题

• 针对题目给出的所有观察结果检验每种可能的机制
• 正确的机制必须解释每一项观察结果，而不只是其中几项
• 排除任何与哪怕一项观察结果相矛盾的机制

需要留意的具体陷阱

• 亚功能化与新功能化：亚功能化 = 在重复基因之间分配祖先已有的功能（两份拷贝都需要，才能实现原有功能）。新功能化 = 一份拷贝获得祖先不具备的真正新功能
• 拷贝数中性的杂合性缺失（LOH）：由有丝分裂重组导致（片段性，影响染色体的一部分），而非单亲二体（UPD，影响整条染色体）。题目可能会试图混淆二者
• 外显率与表现度：外显率 = 具有某种基因型的个体中表现出任何表型的比例。表现度 = 这些个体中表型的程度或严重程度。二者是不同概念
• 互补与重组：互补 = 两个不同基因上的突变以反式组合后恢复野生型表型。重组 = 两个相同或不同基因上的突变之间发生交换。互补通过 F1（杂合子）检验；重组通过子代检验

---

常见遗传学推理陷阱

以下是一些曾导致复杂遗传学问题推理失败的特定模式。回答遗传学选择题前请先复习。

抑制子遗传学

• 抑制子突变在纯合时，可在原本为突变型的遗传背景中恢复野生型表型
• 在同时涉及原始突变和常染色体隐性抑制子的 F2 杂交中：
  • 按双因子杂交处理——主突变和抑制子独立分离
  • 只有 1/4 的 F2 为抑制子纯合子
  • 抑制子只在主突变也为纯合子的个体中起作用
  • 使用庞尼特方格列出所有基因型类别，然后应用抑制规则确定表型

非分离（Bridges 的实验）

• Bridges 利用非分离证明了染色体遗传理论
• 雌性减数分裂中的非分离事件会产生 X0 雄性
• 减数分裂 I 非分离：两条 X 染色体移向同一极 -> XX 卵细胞 + O 卵细胞（无 X）
• 减数分裂 II 非分离：姐妹染色单体未能分离 -> 一个次级卵母细胞产生 XX 卵细胞
• Bridges 的经典结果：出现例外的白眼雌性（X^w X^w）和红眼雄性（无 X 卵细胞 + Y 精子 = X0，但这类雄性通常不育）
• 关键区别：要知道哪种非分离类型（MI 还是 MII）会产生哪种特定的配子类型

GWAS LD 区块

• 同一 LD 区块内的 SNP 彼此相关，可能导致假阳性关联增加（一个因果 SNP 会连带非因果标签 SNP）
• 不同 LD 区块间的 SNP 在很大程度上彼此独立，不会产生误导性的跨位点关联
• LD 区块结构因群体而异（由于历史 Ne 较大，非洲群体中的区块较短）
• 要区分因果变异与随行的标签 SNP，需要在 LD 区块内进行精细定位

全基因组复制后的基因保留

• 新功能化：一个拷贝获得新功能 -> 这是最常被提及的复制后基因保留原因（保留两个拷贝，因为两者现在都不可或缺）
• 亚功能化：祖先功能在两个拷贝之间分配 -> 可解释重复拷贝的分化，但必须保留两个拷贝才能维持完整的祖先功能
• 剂量平衡：某些基因以重复拷贝形式保留，以维持蛋白质复合物中的化学计量平衡
• 陷阱：题目可能会问“什么解释了保留”还是“什么解释了分化”——这两者的最佳答案不同
• 对于保留：新功能化（新功能使两个拷贝都不可或缺）
• 对于表达或功能的分化：亚功能化（祖先功能的分配）

---

高级遗传学陷阱 v2

PGS 与遗传力：“必然为真”的逻辑

对于关于 PGS 和遗传力的“必然为真”类题目：只有当一个陈述在 V_D=0 和 V_D=V_G 两种情况下都成立时，它才是必然为真。检验这两个极端情况。

路径图符号判定流程

不要根据常识猜测路径符号。符号可能与熟知系统中的不同。请遵循以下流程：

1. 确定参考方向：什么在变化？什么在增加？
2. 对于每条路径 X→Y：只问“当 X 增加时，Y 是增加（+）还是减少（-）？”
3. 利用题目中的实验背景（敲除/对照比较、所提供的数据）来确定符号，而不是凭直觉
4. 预期存在负路径：路径图考查的是识别负向关系的能力。全部为正几乎总是错误的。直接残差路径（e）的符号通常与预期相反。

卡方：“最可能拒绝”的流程

根据题目给出的预期比例计算卡方值。将其与自由度为（表型类别数 - 1）时的卡方临界值比较。选择卡方值最高的选项，但也要检查哪种模式在生物学上能诊断备择假设。

LD 与误导性 GWAS 关联

重组热点处的 LD 区块边界是 GWAS 定位错误的来源——区块内的强信号并不能保证因果变异位于该区块内。

低频等位基因检测

双链测序（唯一分子标识符 + 双链一致序列）可检测频率为 0.01% 的等位基因——远优于即使测序深度达到 80X 的标准 NGS。单纯增加读数深度并不能帮助检测超罕见变异，因为无论深度如何，Illumina 的错误率（约 0.1%）都会掩盖频率低于约 1% 的变异。要区分真正的罕见变异与测序错误，需要使用错误校正方法（UMI、双链一致序列）。

---

内置计算脚本

脚本：skills/tooluniverse-population-genetics/scripts/popgen_calculator.py

首选：尽可能使用 ToolUniverse 工具（通过 MCP/SDK），而不是脚本：

• PopGen_hwe_test 工具——HWE 卡方检验。回退方案：popgen_calculator.py --type hwe
• PopGen_fst 工具——Weir-Cockerham Fst。回退方案：popgen_calculator.py --type fst
• PopGen_inbreeding 工具——根据谱系计算近交系数。回退方案：popgen_calculator.py --type inbreeding
• PopGen_haplotype_count 工具——预期单倍型多样性。回退方案：popgen_calculator.py --type haplotypes

回退脚本模式（均需要 --type）：

• hwe：--AA N --Aa N --aa N —— 带 p 值的 HWE 卡方检验
• fst：--p1 F --p2 F --n1 N --n2 N —— Weir-Cockerham Fst
• inbreeding：--pedigree TYPE --generations G —— 根据谱系计算 F（自身、全同胞、半同胞、表亲等）
• haplotypes：--snps N --generations G --recomb_rate R —— 预期单倍型多样性

---

核心概念

• MAF：次要等位基因频率。常见：>5%。罕见：<1%。超罕见：<0.01%。
• pLI：LoF 不耐受概率。>0.9 = 单倍剂量不足基因。
• LOEUF：LoF o/e 上限比例。<0.35 = 约束性很强。
• CADD PHRED：>=10 表示前 10%，>=20 表示前 1%，>=30 表示有害性最高的前 0.1%。
• 全基因组显著性：GWAS p < 5e-8（对约 1M 项独立检验进行 Bonferroni 校正）。
• 效应量：OR > 1 = 风险等位基因，< 1 = 保护性等位基因。Beta > 0 = 增加性状值。

证据分级

• T1：ClinVar 致病/可能致病，FDA 药物基因组学
• T2：gnomAD 频率、GTEx eQTL、全基因组显著的 GWAS
• T3：CADD/SIFT/PolyPhen 预测、RegulomeDB、约束指标
• T4：VEP 后果术语、dbSNP 注释、文献提及