Kapitel 5. Quantitative Genetik
|
|
|
- Rüdiger Schenck
- vor 9 Jahren
- Abrufe
Transkript
1 L Pop - & Evol biol Kap. 5: Quantitative Genetik Kapitel 5 Quantitative Genetik Die Populationsgenetik (Kapitel 3 und 4) analysiert die Dynamik einfacher genetischer Systeme. Daraus leiten sich einige grundsätzlliche Regeln und Phänomene ab. Der reale Evolutionsprozess beinhaltet jedoch oft nicht nur solche einfachen Systeme, sondern komplexere genetische Grundlagen (Fig. 5.1). Erweiterungen sind also nötig, wobei vor allem der Effekt multipler Gene auf den Phänotyp und der Einfluss der Umwelt wichtige zusätzliche Faktoren sind. 5.1 Phänotypen und Genotypen In den vorangehenden Kapiteln stand die Genetik von einem Locus mit 2 Allelen im Vordergrund. Falls Merkmale stets so bestimmt würden, wären einfache, sichtbare Polymorphismen die Regel (es gibt nur drei mögliche Genotypen mit 2 Allelen). Es wäre dann auch möglich, sämtliche Phänotypen mit einfachen Gen- (Allel-) Frequenzen zu charakterisieren. Die meisten Merkmale variieren aber kontinuierlich (Fig. 5.1). Unter anderem führt dies dazu, dass Phänotypen mithilfe von statistischen Grössen beschrieben werden müssen (d.h. Mittelwert, Varianz, Kovarianz, etc.). Ein grundlegender Schritt ist jedoch der Übergang von der klassischen Mendel schen Genetik (wie dies in der Populationsgenetik vorkommt) zur kontiniuerlichen Verteilung von Merkmalen im Phänotyp. In der Tat war die Frage wie diskrete (Mendel sche) Genotypen kontinuierliche Phänotypen erzeugen können Gegenstand wissenschaftlicher Auseinandersetzungen zu Beginn der Modernen Synthese. a b c Fig 5.1 (a) Schalenfärbung (Braun/Schwarz) bei der Miesmuschel (Mytilus edulis) hängt von 2 Allelen (dominant/rezessiv) an einem Locus ab. Es entsteht ein einfacher (Farb-) Polymorphismus. (b) Die meisten Merkmale variieren jedoch kontinuierlich, wie hier die Verteilung der Körpergösse von neu eintretenden Studenten im Conneticut Agricultural College (c) Grafik der Grössenverteilung der Studenten von b).
2 L Pop - & Evol biol Kap. 5: Quantitative Genetik a) Phänotypischer und Genotypischer Wert Ein nützliches Konzept um diskrete Gene in kontinuierliche Phänotypen umzusetzen ist der Begriff des phänotypischen Werts (phenotypic value, P). Der phänotypische Wert ist das Mass eines Merkmals von Interesse (zb. die Körpergösse in Zentimetern; Fig. 5.1). In der quantitativen Genetik geht man davon aus, dass sich der phänotypische Wert (P) aus einer Anzahl von Beiträgen ergibt. Der Phänotyp (P) ist im einfachsten Fall gleich dem genetischen Wert (genotypic value, G) plus oder minus eine umweltbedingte Abweichung (E), also: P = G + E, wobei: eq.(5.1) P = phänotypischer Wert G = genotypischer Wert E = Abweichung verursacht durch die Umwelt. Der genotypische Wert (G) ist damit derjenige Wert, welcher der durchschnittlichen Expression des Genotyps über alle Umwelten entspricht. Tab. 5.1 und Fig. 5.2 illustrieren ein hypothetisches Beispiel anhand eines Genotyps bestehend aus 2 Loci mit je 2 Allelen, welche die Körpergrösse bestimmen. Dieses einfache System führt bereits zu annährend kontinuierlichen Phänotypen. Die Verteilung wird immer kontinuierlicher, je mehr Loci und Allele mit ihren genotypischen Werten beitragen. Tab 5.1 Hypothetisches Beispiel für den genotypischen Wert von Allelen, d.h. der direkte (additive) genetische Effekt auf den Phänotyp (Beispiel: Körpergösse in cm). Im Beispiel gibt es 2 Loci mit je 2 Allelen (Locus nr. 1 mit Allelen A und a; Locus nr. 2 mit Allelen B und b). Die Allele A und B tragen je zusätzliche 15 cm zur Körpergrösse im Vergleich zu ihren Alternativen (a, b) bei. Die kleinste Klasse (Genotyp aa bb) habe eine Grösse von 150 cm. In der Population seien die Allele gleich häufig. Fig 5.3 zeigt die Häufigkeitsverteilung der Körpergrössen in dieser Population. Genotyp Anzahl grosse Allele (A oder B) Frequenz a Grösse (cm) aa bb 0 1/ aa Bb 1 1/8 165 aa BB 2 1/ Aa bb 1 1/8 165 Aa Bb 2 1/4 180 Aa BB 3 1/8 195 AA bb 2 1/ AA Bb 3 1/8 195 AA BB 4 1/ a Annahme: Alle Allele sind im Hardy-Weinberg-Gleichgewicht mit p = q = 0.5 Frequenz 3 / 8 1/4 1/16 Fig 5.2 Häufigkeitsverteilung der Körpergrössen mit den genotypischen Effekten der Tab. 5.1 Es entsteht eine annäherend kontinuierliche Verteilung des Merkmals trotz des diskreten, additiven Effekts jeden Allels und Genotyps. Die Abweichungen durch die Umwelt seien hier vernachlässigt Körpergrösse (cm)
3 L Pop - & Evol biol Kap. 5: Quantitative Genetik Abweichungen durch die Umwelt Tab. 5.1 und Fig. 5.2 zeigen den Fall, wo der phänotypische Wert (P) direkt dem genotypischen Wert (G) entspricht, d.h E = 0. In der realen Welt variieren die Umweltbedingungen (z.b. Temperatur, Salinität, Nahrungsangebot). Dies führt zu einer Abweichung vom direkten genetischen Einfluss, so dass P von G abweicht. Im einfachsten Fall ist die Abweichung zufällig und normalverteilt, mit einem Mittelwert von E = 0. D.h. für jede der Grössenklasse in Fig. 5.2 muss noch eine zufällige Abweichung um den Klassenmittelwert in Kauf genommen werden (schwarze Linien). Der kombinierte Effekt von G + E ist eine kontinuierliche, annährend normalverteilte Körpergrössenverteilung (Fig. 5.3). Hier wurde ausser Acht gelassen, dass der genotypische Effekt von der Umwelt abhängen kann (Genotyp- Umwelt Interaktion; G x E interaction) (s. später). Frequenz 3/8 1/4 Fig 5.3 Additiver Effekt von Genotyp (G) und Umwelt (E) auf den Phänotyp (Körpergrösse). G wirkt wie im Fall der Fig.5.3 (blaue Säulen). E wirkt als normalverteilte Abweichung von G um jeden Klassenmittelwert herum (schwarze Linien). Der zusammen realisiete Phänotyp P = G + E ist kontinuierlich verteilt (rote, gestrichelte Linie). 1/16 Körpergrösse (cm) Der genotypische Wert kommt zustande weil Gene exprimiert werden und den Phänotyp erzeugen bzw. beeinflussen. Dies geschieht allerdings nicht immer in linearer (additiver) Art und Weise. Dominanz und rezessive Effekte sind zwei bekannte Beispiele für Abweichungen von der Additivität. Tab. 5.2 zeigt die verschiedenen Möglichkeiten. Speziell gibt es Abweichungen vom einfachen additiven Modell durch: Dominanz: eine Interaktion zwischen den 2 Allelen am gleichen Locus. Dabei folgt der Phänotyp (vollständig oder partiell) dem genotypsichen Effekt des dominanten Allels. Epistase: eine Interaktion zwischen den Allelen an zwei (oder mehr) verschiedenen Loci. Beispiel: die Präsenz eines Allels B am Locus 2 beeinflusst den genotypischen Wert des Allels A am Locus 1. Tab 5.2 Genotypische Effekte durch Interaktionen Wirkung Innerhalb des gleichen Locus Zwischen verschiedenen Loci Interaktion vorhanden? Keine Interaktion Interaktion Additiv Dominanz Additiv Epistase
4 L Pop - & Evol biol Kap. 5: Quantitative Genetik b) Mittelwert und Varianz Das Populations-Mittel (für ein Merkmal) Alle Berechnungen in der Quantitativen Genetik werden stark vereinfacht, wenn man statt des absoluten Werts (z.b. für den Genotypischen Wert), jeweils den Wert eines Allels (bzw. Genotyps) in Bezug auf das Populationsmittel betrachtet. Alle Abweichungen vom Populationsmittel streuen dabei um den Wert 0. Der einfachste Fall ist in Tab. 5.3 dargestellt. Mit diesen Werten (Tab. 5.3) ergibt sich für das Populationsmittel 1 : Mittel = p 2 a + 2pq d - q 2 a = a(p-q) + 2pqd = P=G, also der mittlere Phänotyp- bzw. Genotypwert. eq.(5.2) Tab 5.3 Additive Geneffekte und genotypischer Mittelwert mit 1 Locus, 2 Allelen. Genotyp Frequenz a Genotypischer Wert b Effekt in der Population AA p 2 + a p 2 a Aa 2pq d 2pq d aa q 2 - a - q 2 a a im Hardy-Weinberg-Gleichgewicht b Abweichung vom Populationsmittel. Es sei d der Wert der Heterozygoten, ± a der Wert der Homozygoten Diese Berechnung (eq. 5.2) zeigt, wie das Populationsmittel als Ausdruck der einzelnen Genotypwerte und deren Frequenzen in der Population entsteht (nur additive Effekte sind hier berücksichtigt). Da das Mittel von den Allelfrequenzen (p, q) abhängt, bewirkt eine Verschiebung dieser Frequenzen eine Änderung im mittleren Phänotyp der Population. Mit anderen Worten: die Population evoluiert phänotypisch durch eine Veränderung der Genfrequenzen. Die Populations-Varianz (für ein Merkmal) Um den Prozess der Evolution zu verstehen, braucht man ausser dem Mittelwert noch die Varianz für ein bestimmtes Merkmal (s. Kap. 3.1): 2 ( xi x) Definition Varianz von x: Vx = i, (allg. Definition) eq.(5.3) n 1 wobei x = Mittelwert. Der Term (n-1) statt n wird üblicherweise gebraucht wenn die Varianz aus Messwerten geschätzt werden soll ( Kontinuitätskorrektur ). 1 Berechnung: x = p 2 a+2 pqd q 2 a=a( p 2 q 2 ) +2 pqd =a p( 1 q) q ( 1 p ) +2 pqd =a[ p pq q+ pq]+2 pqd =a( p q)+2 pqd
5 L Pop - & Evol biol Kap. 5: Quantitative Genetik 5.2 Heritabilität a) Die phänotypische Varianz und ihre Bestandteile Falls Messwerte x sich auf ein Merkmal (den Phänotyp; z.b. Körpergrösse) beziehen, so kann man obige Definition (eq. 5.3) für die Varianz in diesem Merkmal nehmen, also als Mass für phänotypische Varianz (V P ) verwenden Entsprechend kann man die genotypische Varianz (V G ) und die Umweltvarianz (V E ) berechnen. Nach eq. (5.1) (vgl. auch Fig. 5.3) kommen die Phänotypen zustande durch die Summe der Effekte der Genotypen und der Umwelt. Entsprechend kommt die phänotypische Varianz zustande durch unterschiedlicher Genotypen und unterschiedliche Umwelten (und, im allgemeinen Fall, einer Reihe anderer Faktoren; s. unten). Dabei bezeichnet V P die gesamte Variation der Phänotypen in einer Population, welche somit besteht aus: V P = V G + V E eq. (5.4) Die Zerlegung nach eq.(5.4) entspricht somit der Zerlegung nach eq.(5.1). Die Entsprechung entsteht weil Varianzen additiv sind (s. Statistik-Vorlesungen). Diese einfache Zerlegung kann verallgemeinert und erweitert werden, da zusätzliche Einflüsse auf die gesamte phänotypische Varianz wirken. Im allgemeinen gilt: V P = V A + V D + V I + V E + V GxE +... eq.(5.5) mit; V P phänotypische Varianz V A additive genotypische Varianz, d.h. auf additiven Geneffekten beruhend V D Dominanz-Varianz V I Interaktions-Varianz (Epistase) V E Umweltvarianz V GxE Genotyp - Umwelt-Interaktionsvarianz... plus noch weitere Faktoren und Interaktionen. Beachte, dass die gesamte genotypische Varianz (V G ) dabei in weitere genetische Komponenten zerlegt wurde, so dass (für die drei wichtigsten Beiträge der genotypischen Varianz): V G = V A + V D + V I eq.(5.5a) Jeder dieser Terme beschreibt einen Anteil an V G, der aufgrund der jeweiligen genetischen Effekte zustande kommt. Bei sexuellen Organismen wird die Dominanz und die Epistase in der Regel nicht direkt vererbt, da jeder Elternteil nur den haploiden Satz weitergibt (d.h. keine Dominanz möglich ist) und die Gene an den einzelnen Loci in der Regel rekombinieren (d.h. bestehende Kombinanten mit ihrer Epistase aufgebrochen werden; s. später). Deshalb ist vor allem die additive genotypische Varianz wichtig für den Verlauf der Evolution. Die Varianzanalyse (ANOVA) ist das entsprechende statistische Verfahren um eine beobachtete Varianz (V P ) in einzelne, additive Komponenten zu zerlegen. ANOVA ist eines der wichtigsten Verfahren in der organismischen Biologie überhaupt (Details dazu im Statistik-Kurs). Das Verständnis von ANOVA ist auch äusserst hilfreich für das Verstehen der Vorgänge in Populationen und in der Mikroevolution, weil diese Prozesse grundsätzlich von probabilistischer / statistischer Natur sind und die Eigenschaft Variation eine essentielle Eigenschaft lebender Systeme und die Voraussetzung von evolutiven Veränderungen ist.
6 L Pop - & Evol biol Kap. 5: Quantitative Genetik N.B. (der Vollständigkeit halber) Mit den Werten der eq. (5.2) ergibt sich für die additive genotypische Varianz entsprechend: VA =2 pq a+d( q p) 2 eq. (5.6) und falls d = 0 (keine Dominanz). V A =2 pqa 2 d.h. die genotypische Varianz ist maximal für p = q =0.5. Dies macht auch intuitiv Sinn. b) Die Heritabilität 2 Betrachtet man eine ganze Population, so braucht man das Konzept der Heritabilität (Erblichkeit) (übliche Schreibweise für das Mass an Heritabilität; h 2 ). Heritabilität ist der Anteil an der gesamten (phänotypischen) Variation (V P ) in einer Population, welcher auf genetische (ererbte) Ursachen zurückgeht. Heritabilität wird dabei auf zwei Arten definiert (mit Symbolen wie eq. 5.5): - Heritabilität im weiteren Sinne: h 2 = V G VP - Heritabilität im engeren Sinne: h 2 = V A VP eq.(5.7a) eq.(5.7b) Wie der Vergleich mit eq.(5.5) zeigt, ist Heritabilität der relative Anteil einer Varianzkomponente (V G oder V A ). Es ist damit ein statistisches Mass, das für eine bestimmte Population (V P ) in einer bestimmten Umwelt gilt (z.b. V E variiert je nach Umwelt; auch V A variiert je nach Allelfrequenzen). Angaben über Heritabilitäten (Tab. 5.4) gelten also nie absolut und allgemein, noch gelten sie für ein einzelnes, bestimmtes Individuum (ausser im Sinne einer statistischen Erwartung). Publizierte Werte sind also lediglich Anhaltspunkte und eine grobe Angabe über die Erblichkeit. Tab 5.4 Geschätzte Heritabilität für verschiedene Merkmale (meist aus landwirtschaftlicher Produktion) Merkmal h 2 Merkmal h 2 Weisse Fleckung, Kühe 0.95 Schlachtgewicht, Vieh 0.85 Pflanzengrösse, Mais 0.70 Wurzellänge, Radieschen 0.65 Eigewicht, Hühner 0.60 Rückenfett, Schweine 0.55 Milchproduktion, Kühe 0.30 Ertrag, Mais 0.25 Ei-Produktion, Hühner 0.20 Ei-Produktion, Drosophila 0.20 Wurfgrösse, Maus 0.15 Empfägnisrate, Vieh 0.05 Schätzen der Heritabilität Im Durchschnitt ähneln Nachkommen ihren Eltern mehr als sie zufällig ausgewählten Individuen aus der Population ähneln. Diese überdurchschnittliche Ähnlichkeit beruht unter anderem auf überdurchschnittlichen genetischen Gemeinsamkeiten. Heritabilität ist deshalb auch der Grad der 2 Der Eignungswert (breeding value) beschreibt den Effekt der Gene eines Individuums auf das Merkmal in den Nachkommen. Eignungswerte können für das individuelle Tier bzw. Pflanze geschätzt werden. Der Begriff stammt aus der Tierzucht. Der Eignungswert ist nicht genau identisch mit der Heritabilität. Weiteres dazu in den nachfolgenden Vorlesungen.
7 L Pop - & Evol biol Kap. 5: Quantitative Genetik Ähnlichkeit zwischen Verwandten im Vergleich zu der Ähnlichkeit zwischen zwei zufällig gewählten Individuen aus der Population. Aus genetischer Sicht beruhen diese Ähnlichkeiten - wie oben erwähnt - auf additiven genetischen Effekten (A bzw. V A ). Ähnlichkeiten können selbstverständlich auch durch gemeinsame Umwelten entstehen. Wie also wird Heritabilität geschätzt? Eine oft gebrauchte Schätzmethode für die Heritabilität ist die Eltern-Nachkommen Regression (parent-offspring regression). Dabei wird das Merkmal von Interesse für eine Anzahl Eltern- Nachkommen-Paare gemessen. Diese werden dann gegeinander aufgetragen und eine Regression gerechnet (Fig. 5.4). Die Regression wird durch eine Gerade charakterisiert in der allgemeinen Form (statistisch ist diese Greade die beste lineare Anpassung an die Punktewolke, vgl. Fig. 5.5; für die eigentlich Berechung, siehe Statistik-Vorlesung): y = a + b x eq.(5.8) wobei: y = abhängige Variable (d.h. durchschnittliches Merkmal in den Nachkommen) x = unabhängige Variable (d.h. durchschnittliches Merkmal in den Elten) b= Steigung der Geraden a = Achsenabschnitt (Intercept) (dies ist hier ohne weitere Bedeutung) Die Steigung der Geraden, b, definiert um wieviel das Merkmal in den Nachkommen sich durchschnittlich verändert für jede Veränderung (um eine Einheit) im Merkmal der Eltern. Weil nach eq.(5.8) diese Zunahme linear verläuft, charakterisiert die Steigung der Geraden den additiven Effekt von Eltern auf ihre Nachkommen ( additiv ist eine lineare Eigenschaft). Die Zuordnung der Messwerte in Fig. 5.4 wird ausserdem durch die Eltern-Nachkommen-Paare definiert, d.h. also durch Paare von Individuen, welche durch genetische Ähnlichkeiten zueinander gehören. Damit entspricht die Steigung dem durchschnittlichen additiven genetischen Effekt und damit der Heritabilität 3 : h 2 = b eq.(5.9) Fig 5.4 Prinzip der Eltern-Nachkommen-Regression. Jeder Punkt entspricht dem Messwert für ein Merkmal des Nachkommen und dem Mittelwert der zugehörigen Eltern. Im Fall der Messungen von Fig. 5.5, findet man b = 0.98, d.h eine sehr hohe Heritabilität. 3 Dieser Zusammenhang lässt sich auch mathematisch aus den Gesetzen der Populationsgenetik ableiten. Die Methode wird im fortgeschrittenen Studium erläutert.
8 L Pop - & Evol biol Kap. 5: Quantitative Genetik Fig 5.5 Beispiel: Schätzen der Heritabilität aus einer Eltern-Nachkommen-Regression bei Singammern (Melospiza melodia). Jeder Punkt entspricht dem Messwert für die Schnablegrösse (Dicke des Schnabels beim Kopf) des Nachkommen (y-achse) und dem Mittelwert der zugehörigen Eltern (Vater und Mutter; x-achse). Die Regressionsgerade ist: (mm Schnabelgrösse Nachkomme) = 0.98 (mm mittl. Schnabelgösse Eltern) mm. 5.3 Genotyp-Umwelt-Interaktion Phänotypische Plastitizität (phenotypic plasticity) ist zu beobachten, wenn der gleiche Genotyp in verschiedenen Umwelten unterschiedliche Phänotypen produziert (Fig. 5.6). In der Quantitativen Genetik spricht man von der sog. Genotyp-Umwelt-Interaktion (GxE; genotype-by-environment interaction), und sinngemäss von der Genotyp-Umwelt-Interaktions-Varianz (V GxE ; siehe eq.5.5). Die Reaktionsnorm (reaction norm) eines Genotyps ist die Gesamtheit aller möglichen Phänotypen, welche dieser Genotyp in verschiedenen Umwelten hervorrufen kann. Hohe phänotypische Plastizität ist demnach gleichbedeutend mit einer breiten Reaktionsnorm. Phänotypische Plastizität beeinflusst die evolutive Wirkung der Selektion. Fig 5.6 Phänotypische Plastizität. Klone der gleichen Pflanze (Hortensie) wurden auf basischem (links) und saurem (rechts) Boden kultiviert. Der identische Genotyp produziert unterschiedliche Phänotypen (Farbe der Blätter) in diesen beiden unterschiedlichen Uwelten.
9 L Pop - & Evol biol Kap. 5: Quantitative Genetik 5.4 Korrelationen zwischen Merkmalen Die meisten Betrachtungen haben sich bis jetzt auf einzelne Merkmale bezogen, die entweder nur durch einen Locus (v.a. in der Populationsgenetik) oder durch mehrere Loci (Quantitative Genetik) beeinflusst sind. In der Quantitativen Genetik lassen sich auch mehrere Merkmale gleichzeitig betrachten. Dies entspricht dem Gedanken, dass Organismen nicht primär aus einer Sammlung von unabhängigen Merkmalen bestehen, sondern die Merkmale miteinander ein funktionierendes Ganzes bilden. Naturgemäss ist diese umfassendere Analyse komplexer und schwieriger als die grundlegenden Betrachtungen der simplen Populationsgenetik. Die Grundidee wird im Folgenden erläutert. a) Genetische Kovarianz Ein wichtiges Konzept zur komplexeren Analyse ist die Betrachtung der Kovarianz (Korrelation) zwischen Merkmalen (phänotypische Korrelation). Wenn zwei Merkmale miteinander kovariieren, so gibt es einen Zusammenhang zwischen der Varianz im Merkmal 1 und der Varianz im Merkmal 2. Das Beispiel in Fig. 5.7 zeigt, dass Tiere mit längeren Flügeln im allgemeinen schwerer sind - die beiden Masse variieren im gleichen Sinne, d.h. sie zeigen Kovarianz: ( )( yi y) xi x Definition Kovarianz von x und y: Covxy = i eq.(5.10) n 1 wobei x,y = Mittelwert der Merkmale x bzw. y. Betrachtet man die phänotypischen Merkmale, so beschreibt Cov XY sinngemäss die phänotypische Kovarianz. Genauso wie man die phänotypische Varianz (V P ) in einzelne Komponenten zerlegen kann (eq.5.4). so ist es auch möglich die phänotypische Kovarianz zu zerlegen: Cov P = Cov G + Cov E eq.(5.11) speziell in eine genetische Kovarianz (Cov G ) und eine Umweltkovarianz (Cov E ). Interessant ist hier die genetische Kovarianz. Sie kann z.b. durch genetische Kopplung (linkage; s.unten) zustande kommen. In manchen Fällen sind einzelne Loci gekoppelt und bilden so einen adaptierten Genkomplex (z.b. der MHC-Locus bei Wirbeltieren, der eigentlich aus einer Anzahl eng gekoppelter Loci besteht).
10 L Pop - & Evol biol Kap. 5: Quantitative Genetik Fig 5.7 Links: Korrelation zwischen der Länge der Flügeldecken (Elytra; x-achse) und der Körpermasse (y- Achse) bei Borkenkäfern. Jeder Punkt ist eine Messung an einem Tier. Der Korrelationskoeffizient ist r = 0.85 (vgl. Statistik-Vorlesung) und beschreibt die Kovarianz der beiden Merkmale. Rechts: Korrelation zwischen der Anzahl Blüten und der Blütengrösse auf Blütenständen von Lobelia. Die Betrachtung von Korrelationen zwischen Merkmalen führt zur Analyse der genetischen Varianz anhand von Matrizen. Die genetische Varianz-Kovarianz-Matrix (G) beschreibt die genetische Struktur einer Population von Organismen mit mehreren Merkmalen. Sie ist nützlich für die weiterführende Analyse der evolutiven Dynamik in der Quantitativen Genetik, wird aber hier nicht weiter behandelt. G = V1 Cov12 Cov13 Cov21 V2 Cov23 Cov31 Cov32 V3, für 3 Merkmale. eq.(5.12) b) Genetische Kopplung Wir betrachten 2 Loci gleichzeitig. Mit je 2 Allelen ergeben sich maximal 4 mögliche Genotypen in den Gameten (Fig. 5.8). Es seien A 1 (Frequenz p 1 ), und B 1 (q 1 ) die zwei Allele am Locus 1 (p 1 + q 1 = 1); sowie A 2 (p 2 ), B 2 (q 2 ) zwei Allele am Locus 2 (p 2 + q 2 = 1). Falls beide Loci unabhängig sind, so lassen sich für den Fall der freier Rekombinierbarkeit die erwarteten Frequenzen der vier mögliche 2-Locus-Genotypen in den Gameten berechen: Genotyp A 1 A 2 : Frequenz f(a 1 A 2 ) = p 1 p 2 eq.(5.13) Genotyp A 1 B 2 : f(a 1 B 2 ) = p 1 q 2 Genotyp B 1 A 2 : f(b 1 A 2 ) = q 1 p 2 Genotyp B 1 B 2 : f(b 1 B 2 ) = q 1 q 2 Oft jedoch weichen die tatsächlich beobachteten Frequenzen, f(), von diesen Erwartungen ab. Ist dies der Fall, so spricht man von (genetischer) Kopplung (linkage), bzw. von einem Kopplungs- Ungleichgewicht (linkage disequilibrium) zwischen den beiden Loci. Die formale Definition ist: Kopplungs-Ungleichgewicht: D = f(a 1 A 2 ) f(b 1 B 2 ) - f(a 1 B 2 ) f(b 1 A 2 ) eq.(5.14)
11 L Pop - & Evol biol Kap. 5: Quantitative Genetik Locus 1 Locus 2 A1 (p1) A2 (p2) A1A2 A1B2 p1 p2 p1 q2 B1 (q1) B2 (q2) B1A2 q1 p2 B1B2 q2 q2 Fig 5.8 Mit zwei Loci (Locus 1, 2, links) mit je zwei Allelen (A, B) ergeben sich 4 mögliche Gameten- Genotypen (rechts). Die erwartete Frequenz der 4 Gametentypen bei freier Rekombinierbarkeit ist rechts angegeben. Die Gameten A 1 A 2 und B 1 B 2 werden macnhmal auch als coupling - Typ bezeichnet, die Gameten A 1 B 2 und B 1 A 2 als repulsion -Typ, da sie entweder Allele auf der gleichen Seite (cis) koppeln oder diejenigen auf der gegenüberliegenden Seite (trans). Beispiel: Gamete Frequenz f() Freie Kombinations- Erwartung, mit p 1 = 0.3; p 2 = 0.4 A 1 A x 0.4 = 0.12 A 1 B x 0.6 = 0.18 B 1 A x 0.4 = 0.28 B 1 B x 0.6 = 0.42 Summe aus Tabelle: - beobachtete Frequenzen f(): D = (0.1 x 0.1) - (0.5 x 0.3) = = , d.h. ein negative Kopplungs-Ungleichgewicht - für den Fall der freien Kombinierbarkeit: D = (0.12 x 0.42) - (0.18 x 0.28 ) = = 0, d.h. kein Kopplungs-Ungleichgewicht Wertebereich von D: Für den Fall von p 1 = p 2 = 0.5 und vollständiger Kopplung (2 Fälle): - es gibt nur A 1 A 2 oder B 1 B 2 : D = (0.5 x 0.5) - 0 = es gibt nur A 1 B 2 oder B 1 A 2 : D = 0 - (0.5 x 0.5) = d.h. D liegt immer im numerischen Bereich von Ursachen der genetischen Kopplung sind: 1. physische Kopplung: dh. die beiden Loci liegen auf dem gleichen Chromosom. Diese Kopplung kann nur durch Rekombination (irgendwo zwischen den beiden Loci) gebrochen werden. 2. Selektion: Gewisse Kombinationen von Allelen an den zwei Loci werden von der Selektion bevorzugt. Z.B.kann die Kombination A 1 A 2 eine höhere Fitness aufweisen als die Kombination A 1 B 2 (durch die Wirkung der Epistase). In diesem Fall wird die Kombination A 1 A 2 häufiger in dr Population vertreten sein. Dies wird als Kopplung der beiden Loci sichtbar (D 0).
12 L Pop - & Evol biol Kap. 5: Quantitative Genetik 5.5 Antwort auf Selektion Falls die genetische Struktur in der Population und die Heritabilitäten bekannt sind, kann die Antwort auf Selektion berechnet werden. Zunächst wird die Stärke der Selektion untersucht. Dazu ist es wichtig zu wissen, welcher Teil der Population welche Fitness hat. Im Beispiel der Fig. 5.9 wurden Mäuse experimentell nach Körpergösse (Schwanzlänge) selektioniert. Im Experiment wurden die Mäuse entweder zur Reproduktion zugelassen (d.h. Fitness, w = 1) oder nicht (w = 0). In natürlichen Populationen ist die Selektion oft weniger strikt, d.h. es gibt intermediäre Werte für die Fitness (0 w 1). Wie aus Fig. 5.9 zu sehen ist, bezeichnet man die Differenz zwischen den (phänotypischen) Mittelwerten der Populationen vor ( x ; ursprüngliche Population) und nach ( x* ; selektionierter Teil der Population) der Selektion als Selektions-Differential (S = x* - x ). Je grösser das Selektionsdifferential, desto stärker die Selektion auf die Population. Bringt man jeden Phänotyp (Schwanzlänge im Beispiel der Fig. 5.9) in Beziehung zu seiner Fitness (nur w = 0 oder w = 1 möglich in Fig. 5.8), so kann man den Selektions-Gradienten (β) berechnen. Der Selektions- Gradient gibt an, wie stark die Fitness mit dem Phänotyp variiert. N.B. Man kann zeigen, dass S und β durch die phänotypische Varianz im selektionierten Merkmal, x, (V x ) verknüpft sind, so dass: β = S Vx eq.(5.15) Fig 5.9 (a) Selektionsdifferential als Differenz der Mittelwerte vor (ganze Population) und nach Selektion (roter Teil rechts). (b) Selektionsgradient als Steigung der Geraden, welche den mittleren Zusammenhang zwischen Merkmal (Phänotyp) und Fitness beschreibt. Eine Population kann nicht beliebig auf Selektion antworten, weil die Genetik Randbedingungen setzt. Speziell ist das Ausmass der Heritabilität für eine selektioniertes Merkmal entscheidend. Fig zeigt die Logik des Zusammenhangs. Die Antwort auf Selektion ist formal gegeben durch die Heritabilität des Merkmals: R=h 2 S eq.(5.16)
13 L Pop - & Evol biol Kap. 5: Quantitative Genetik Phänotyp Nachkommen additiver Anteil Heritabilität, h 2 Antwort, R Selektionsdifferential, S vor nach Phänotyp Eltern Fig 5.10 Die Population wird selektioniert (roter Teil; unten rechts). Dies führt zu einem Selektionsdifferential S. Die Grösse S wird auf eine Antwort, R, abgebildet. Diese Abbildung ist gegeben durch die Heritabilität für dieses Merkmal (die Gerade). Nach eq.(5.16) folgt für den Zusammenhang zwischen Selektionsdifferential und Antwort auf diese Selektion: R = h 2 S = V A VP S V A S eq.(5.17) d.h. die Anwtort auf Selektion ist proprtional der vorhandenen additiven genetischen Variation und der Stärke der Selektion (Selektionsdifferential). Diese Beziehung ist bekannt als Fisher s Fundamentales Theorem der Natürlichen Selektion (es ist gilt allerdings nur unter bestimmten Bedingungen). Diese Gleichung eq.(5.16) ist beschränkt auf die Analyse eines Merkmals. Eq. (5.12) zeigt wie die genetische Struktur der Population (mehrere Merkmale gleichzeitig) in einer additiven Varianz- Kovarianz-Matrix zusammengefasst werden kann. Wie würde man in diesem Falle die Antwort auf Selektion berechnen? Die Matrix eq.(5.12) entspricht dem Begriff einer stark verallgemeinerten Heritabilität. Entsprechend kann die Beziehung von eq.(5.16) verallgemeinert werden (ohne weitere Ableitung): Antwort auf Selektion: Δx =Gβ (eq. 5.18) Hier bedeuten (als Beispiel, für 3 Merkmale) : Δx Δx1 = Δx2, Vektor derveränderungen der Merkmale als Antwort auf Selektion, Δx3
14 L Pop - & Evol biol Kap. 5: Quantitative Genetik β 1 β= β 1 β 1, Vektor der Selektionsgradienten für jedes Merkmal (1...3), G = die Varianz-Kovarianzmatrix (nach eq. 5.12). In expliziter Schreibweise wäre also die Antwort auf Selektion bei mehreren Merkmalen gleichzeitig: Δx1 Δx2 Δx3 V1 Cov12 Cov13 β 1 = Cov21 V2 Cov23 β 1 Cov31 Cov32 V3 β 1 eq.(5.19)
Kapitel 5. Quantitative Genetik
701-245-00L Pop - & Evol biol - 1 - Kap. 5: Quantitative Genetik Kapitel 5 Quantitative Genetik Die Populationsgenetik (Kaps. 3 und 4) analysiert die Dynamik einfacher genetischer Systeme. Daraus leiten
Übung C: Quantitative Genetik
Ihre Namen: Übung C: Quantitative Genetik TEIL 1: ÜBUNGEN MIT GENUP Um Sie mit einigen Begriffen aus der Vorlesung über Quantitative Genetik vertraut zu machen, verwenden wir ein Programm namens GENUP.
Übung 8: Quantitative Genetik
Ihre Namen: Übung 8: Quantitative Genetik TEIL 1: ÜBUNGEN MIT GENUP Um Sie mit einigen Begriffen aus der Vorlesung über Quantitative Genetik vertraut zu machen, verwenden wir ein Programm namens GENUP.
Genetik, Evolution, Intelligenz und anthropologische Diversität: Was wissen wir daru ber?
Genetik, Evolution, Intelligenz und anthropologische Diversität: Was wissen wir daru ber? Diethard Tautz Genetik der evolutionären Anpassung und Selektion Populationsgenetik und Artenstehung Max-Planck
Statistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
Deskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Thema: Wahrscheinlichkeit. Übungsklausur Wahrscheinlichkeit und Regression
Übungsklausur Wahrscheinlichkeit und Regression 1. Welche der folgenden Aussagen treffen auf ein Zufallsexperiment zu? a) Ein Zufallsexperiment ist ein empirisches Phänomen, das in stochastischen Modellen
Biologie I/B: Klassische und molekulare Genetik, molekulare Grundlagen der Entwicklung Tutorium SS 2016
Biologie I/B: Klassische und molekulare Genetik, molekulare Grundlagen der Entwicklung Tutorium SS 2016 Fragen für die Tutoriumsstunde 5 (27.06. 01.07.) Mendel, Kreuzungen, Statistik 1. Sie bekommen aus
Skript zum Kurz-Referat:
Prof. Dr. Klaus-Jürgen Tillmann/ Michael Lenz WS 2001/02 Fakultät für Pädagogik (AG 4) der Universität Bielefeld Seminar: Anlage und : Der pädagogische Streit seit den 50er-Jahren 7. Sitzung: Die Erblichkeit
Diskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge
Diskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge Dominik Urig Saarbrücken, den 10.01.2012 Inhaltsangabe 1 Biologische
Referentinnen Lidia Vesic und Steffi Mairoser Seminar Vertiefung der Entwicklungspsychologie Kursleiterin Frau Kristen
Referentinnen Lidia Vesic und Steffi Mairoser 25.10.2010 Seminar Vertiefung der Entwicklungspsychologie Kursleiterin Frau Kristen 1. Allgemeines zum wissenschaftlichen Ausgangsstand 2. Veranschaulichung
Statistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften t-test Varianzanalyse (ANOVA) Übersicht Vergleich von Mittelwerten 2 Gruppen: t-test einfaktorielle ANOVA > 2 Gruppen: einfaktorielle ANOVA Seeigel und
Übersicht. Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation
Evolution 1 Übersicht Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation 2 Jean Baptiste de LAMARCK... der häufige Gebrauch eines Organs [stärkt]
Mechanismen der Evolution. Übersicht. Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation
Mechanismen der Evolution 1 Übersicht Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation 2 Jean Baptiste de LAMARCK... der häufige Gebrauch eines
Die klassische Genetik nach Gregor Mendel: Dihybride Erbgänge
Die klassische Genetik nach Gregor Mendel: Dihybride Erbgänge Stand: 10.01.2018 Jahrgangsstufen Fach/Fächer Vorklasse Biologie (Ausbildungsrichtungen Sozialwesen, Gesundheit) Übergreifende Bildungsund
Kapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
Genetik. Biologie. Zusammenfassungen. Prüfung 31. Mai Begriffserklärung. Dominant-Rezessiver Erbgang. Intermediärer Erbgang. Dihybrider Erbgang
Biologie Genetik Zusammenfassungen Prüfung 31. Mai 2016 Begriffserklärung Dominant-Rezessiver Erbgang Intermediärer Erbgang Dihybrider Erbgang Geschlechtsgekoppelte Vererbung Vererbung der Blutgruppen
Ausgewählte Kapitel der Populationsgenetik
Ausgewählte Kapitel der Populationsgenetik Ausbildung zum Bienenwirtschaftsmeister Mai 2012 Christian Boigenzahn Tierzucht- 2 Sichtweisen Sicht des Züchter: Das Zuchttier (Stier, Kuh, Eber, Sau, Bienenvolk,
Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
Die Erbinformation ist in Form von Chromosomen = Kopplungsgruppen organisiert
Die Erbinformation ist in Form von Chromosomen = Kopplungsgruppen organisiert Chromosom Chromatin Ausschnitt aus DNA-Doppelhelix Nukleosomen (Chromatin) Chromatinfaden höherer Ordnung Teil eines Chromosoms
Grundlagen der Vererbungslehre
Grundlagen der Vererbungslehre Zucht und Fortpflanzung Unter Zucht verstehen wir die planvolle Verpaarung von Elterntieren, die sich in ihren Rassemerkmalen und Nutzleistungen ergänzen zur Verbesserung
Biometrieübung 10 Lineare Regression. 2. Abhängigkeit der Körpergröße von der Schuhgröße bei Männern
Biometrieübung 10 (lineare Regression) - Aufgabe Biometrieübung 10 Lineare Regression Aufgabe 1. Düngungsversuch In einem Düngeversuch mit k=9 Düngungsstufen x i erhielt man Erträge y i. Im (X, Y)- Koordinatensystem
Züchtungslehre - Eigenschaften von BLUP-Zuchtwerten Peter von Rohr
Züchtungslehre - Eigenschaften von BLUP-Zuchtwerten Peter von Rohr 206--8 Einleitung In diesem Kapitel werden die Eigenschaften von BLUP-Zuchtwerten genauer erklärt. Im letzten Kapitel hatten wir gesehen,
Inhaltsverzeichnis. Vorwort
V Vorwort XI 1 Zum Gebrauch dieses Buches 1 1.1 Einführung 1 1.2 Der Text in den Kapiteln 1 1.3 Was Sie bei auftretenden Problemen tun sollten 2 1.4 Wichtig zu wissen 3 1.5 Zahlenbeispiele im Text 3 1.6
Bivariate Regressionsanalyse
Universität Bielefeld 15. März 2005 Kovarianz, Korrelation und Regression Kovarianz, Korrelation und Regression Ausgangspunkt ist folgende Datenmatrix: Variablen 1 2... NI 1 x 11 x 12... x 1k 2 x 21 x
Statistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
Regression ein kleiner Rückblick. Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate
Regression ein kleiner Rückblick Methodenseminar Dozent: Uwe Altmann Alexandra Kuhn, Melanie Spate 05.11.2009 Gliederung 1. Stochastische Abhängigkeit 2. Definition Zufallsvariable 3. Kennwerte 3.1 für
2) Können Sie allein aus den gegebenen Zahlen ablesen welches der beiden Allele einen Selektionsvorteil besitzt?
Ihre Namen: Übung 2: Populationsgenetik 2, Drift und Selektion In der Vorlesung haben Sie ein Modell für Selektion kennengelernt. Heute wollen wir uns mit Hilfe von Simulationen intensiver mit den Konsequenzen
Detailliert beschrieben findet sich die Farbvererbung in folgendem Buch: Inge Hansen; Vererbung beim Hund; Verlag: Müller Rüschlikon Verlags AG
Die Farbvererbung beim Hovawart Die drei Farbschläge des Hovawart sind: schwarz, blond und. Wie vererbt sich nun welcher Farbschlag? Welche Farben können bei bestimmten Verpaarungen fallen und welche nicht?
Spiel 1: Spielerische Simulation der Hardy-Weinberg-Regel
Spiel : Spielerische Simulation der Hardy-Weinberg-Regel Spielbrett, Box Genpool, Taschenrechner Wichtig! Das Spiel wird fünf Runden gespielt!. Ziehen Sie aus dem Genpool ohne Hinschauen insgesamt 54 Individuen.
Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
Pharmazeutische Biologie Genetik
Pharmazeutische Biologie Genetik N230-Raum 306 Tel. (069) 798-29650 [email protected] 4. Erbkrankheiten des Menschen Hardy-Weinberg-Gleichgewicht 4. Erbkrankheiten des Menschen Hardy-Weinberg-Gleichgewicht
Die Medelschen Regeln
Die Medelschen Regeln Der erste Wissenschaftler, der Gesetzmäßigkeiten bei der Vererbung fand und formulierte, war Johann Gregor Mendel Mendel machte zur Erforschung der Vererbung Versuche und beschränkte
Fehler- und Ausgleichsrechnung
Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt
Statistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
Regression und Korrelation
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandeltdie VerteilungeinerVariablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem dagegen
Mendel Gregor Mendel (*1822, 1884)
Mendel Gregor Mendel (*1822, 1884) Mendels Vererbungsregeln 1. Mendel sche Regel Kreuzt man zwei reinerbige Rassen, die sich in einem Allelpaar unterscheiden, so sind die Nachkommen die erste Filialgeneration
Übung 3: Populationsgenetik 3, Komplexere Formen natürlicher Selektion
Ihre Namen: Übung 3: Populationsgenetik 3, Komplexere Formen natürlicher Selektion In dieser Übung werden Sie sich mit komplexeren Formen der Selektion beschäftigen. Bitte beachten Sie, dass man in diesem
1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
Dynamik von Genen in Populationen
Dynamik von Genen in Populationen Thomas Spießer 01.08.2007 Zusammenfassung Evolution ist die Veränderung der vererbbaren Merkmale einer Population von Lebewesen von Generation zu Generation. 1 Das Studium
Dr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Sommersemester 2015 Aufgabe 1 In der aktuellen
Marco Plicht. Biologie
Marco Plicht Biologie Zeichenlegende Die Uhr läuft mit: der Lernstoff ist aufgeteilt in Viertel-Stunden-Lernportionen. Zusammen ergibt das den 5h-Crashkurs! Weitere Titel dieser Reihe: Anatomie fast Chirurgie
Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
Statistik. Ronald Balestra CH St. Peter
Statistik Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch 17. Januar 2010 Inhaltsverzeichnis 1 Statistik 1 1.1 Beschreibende Statistik....................... 1 1.2 Charakterisierung von Häufigkeitsverteilungen...........
Partialbruchzerlegung
Partialbruchzerlegung Lucas Kunz 27. Januar 207 Inhaltsverzeichnis Theorie 2. Definition.................................... 2.2 Nullstellen höheren Grades........................... 2.3 Residuen-Formel................................
Genetik für Studierende der Bioinformatik
Genetik für Studierende der Bioinformatik Freie Universität Berlin, Institut für Informatik Peter Robinson Wintersemester 2014/2015 4. Übungsblatt (mit ) Diskussion am 11. Dezember 2014 Aufgabe 1. dieser
Übung 1: Populationsgenetik 1, HWE und genetische Drift
Ihre Namen: Übung 1: Populationsgenetik 1, HWE und genetische Drift Teil 1: Mendelsche Vererbung 1) Schwarze Fellfarbe bei Pferden ist weitgehend bestimmt durch ein rezessives Allel des A-Locus. AA- bzw.
simple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall
Regression Korrelation simple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall Zusammenhänge zw. Variablen Betrachtet man mehr als eine Variable, so besteht immer auch
Grundkenntnisse der Genetik
Grundkenntnisse der Genetik VDH-Basiskurs 14./15. November 2015 in Kleinmachnow Helga Eichelberg Zelle Zellkern Chromosomen Gene Hund: 39 Chromosomenpaare Begriffspaare: dominant rezessiv homozygot - heterozygot
Bivariate Zusammenhänge
Bivariate Zusammenhänge 40 60 80 Bivariater Zusammenhang: Zusammenhang zwischen zwei Variablen weight (kg) Gibt es einen Zusammenhang zwischen Größe & Gewicht? (am Beispieldatensatz) Offensichtlich positiver
Genetische Hintergründe von Merkmalsbeziehungen unter verschiedenen Umweltbedingungen
Genetische Hintergründe von Merkmalsbeziehungen unter verschiedenen Umweltbedingungen Birgit Fürst-Waltl, Universität für Bodenkultur Wien Christian Fürst, ZuchtData Hintergrund Enorme Steigerungen in
1 Lambert-Beersches Gesetz
Physikalische Chemie II Lösung 6 23. Oktober 205 Lambert-Beersches Gesetz Anhand des idealen Gasgesetzes lässt sich die Teilchenkonzentration C wie folgt ausrechnen: C = N V = n N A V pv =nrt = N A p R
Die klassische Genetik nach Gregor Mendel: Intermediäre Erbgänge
Die klassische Genetik nach Gregor Mendel: Intermediäre Erbgänge Stand: 10.01.2018 Jahrgangsstufen Fach/Fächer Vorklasse Biologie (Ausbildungsrichtungen Sozialwesen, Gesundheit) Übergreifende Bildungsund
ELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK
DIETER RASCH ELEMENTARE EINFÜHRUNG IN DIE MATHEMATISCHE STATISTIK MIT 53 ABBILDUNGEN UND 111 TABELLEN ZWEITE, BERICHTIGTE UND ERWEITERTE AUFLAGE s-~v VEB DEUTSCHER VERLAG DER WISSENSCHAFTEN BERLIN 1970
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN Bivariate Analyse für metrisch skalierte Variablen Grundlagen Verfahren für metrische Daten nutzen den vollen mathematischen Informationsgehalt
Forschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike [email protected] http://psymet03.sowi.uni-mainz.de/
Fehlerrechnung. Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten.
Seite 1 / 6 H.C. iehuus Fehlerrechnung Bei physikalisch-technischen Messungen können systematische und zufällige Fehler auftreten. Systematische Fehler erzeugen systematische Effekte. Falsch kalibrierte
Gekoppelte Vererbung. Genkarten. Doppel Crossover. Interferenz
4. Kopplung Konzepte: Gekoppelte Vererbung Genkarten Doppel Crossover Interferenz Statistik 1. Sie analysieren die Kopplungsverhältnisse von 3 Mutationen in Drosophila melanogaster (scute [sc; keine Thoraxborsten],
Parametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
Grundkenntnisse der Genetik
Grundkenntnisse der Genetik Kynologischer Basiskurs 10./11. März 2018 in Ingolstadt Helga Eichelberg Zelle Zellkern Chromosomen Gene Hund: 39 Chromosomenpaare Begriffspaare: dominant rezessiv homozygot
4. Kopplung. Konzepte: Gekoppelte Vererbung. Genkarten. Doppel-Crossover. Interferenz. Statistik
4. Kopplung Konzepte: Gekoppelte Vererbung Genkarten Doppel-Crossover Interferenz Statistik 1. Sie analysieren die Kopplungsverhältnisse von 3 Mutationen in Drosophila melanogaster (scute [sc; keine Thoraxborsten],
Korrelation und Regression
FB 1 W. Ludwig-Mayerhofer und 1 und FB 1 W. Ludwig-Mayerhofer und 2 Mit s- und sanalyse werden Zusammenhänge zwischen zwei metrischen Variablen analysiert. Wenn man nur einen Zusammenhang quantifizieren
TEIL 13: DIE EINFACHE LINEARE REGRESSION
TEIL 13: DIE EINFACHE LINEARE REGRESSION Die einfache lineare Regression Grundlagen Die einfache lineare Regression ist ebenfalls den bivariaten Verfahren für metrische Daten zuzuordnen 1 Sie hat einen
Allgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression
1 Einführung Allgemeine Chemie Computer Praktikum Frühjahrssemester Regressions-Tutorial Lineare und nicht-lineare Regression Datenauswertung In einem naturwissenschaftlichen Experiment werden Sie meist
Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
11. Übungsblatt zur Vorlesung Ökonometrie SS 2014
Universität des Saarlandes Lehrstab Statistik Dr. Martin Becker Dipl.-Kfm. Andreas Recktenwald 11. Übungsblatt zur Vorlesung Ökonometrie SS 2014 Aufgabe 45 Die in Aufgabe 43 getroffene Annahme heteroskedastischer
Mathematische Werkzeuge R. Neubecker, WS 2018 / 2019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 018 / 019 Optimierung Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen 1 Optimierung Optimierungsprobleme Suche nach dem Maximum oder Minimum
Vererbung - Grundlagen
Vererbung - Grundlagen Grundbegriffe Was wird vererbt? Dass Kinder ihren Eltern in vielen Eigenschaften ähnlich sind, ist ja keine Neuigkeit, aber wie ist das möglich? Kinder entwickeln sich ja aus einer
Übung 1: Wiederholung Wahrscheinlichkeitstheorie
Übung 1: Wiederholung Wahrscheinlichkeitstheorie Ü1.1 Zufallsvariablen Eine Zufallsvariable ist eine Variable, deren numerischer Wert solange unbekannt ist, bis er beobachtet wird. Der Wert einer Zufallsvariable
Erläuterungen zur Zuchtwertschätzung Hengstleistungsprüfung und Veranlagungsprüfung
Erläuterungen zur Zuchtwertschätzung Hengstleistungsprüfung und Veranlagungsprüfung Allgemeine Informationen zur Zuchtwertschätzung Züchterische Maßnahmen sollten immer zum Ziel haben, die Leistungen der
4.Polygenische Merkmale
4.Polygenische Merkmale 1 Polygenetische Merkmale 1.Klassisch 2.Fakt ist: alle Merkmale werden von vielen Genen geregelt 2 Häufigkeit Häufigkeit Häufigkeit Die Genetik der Körperhöhe Genotypen niedrig
Wiederholung/Einführung Lineare Regression Zusammenfassung. Regression I. Statistik I. Sommersemester 2009
Sommersemester 2009 Wiederholung/Einführung Ein Beispiel: Armut und Gewaltverbrechen Rechtswahl 15 10 5 0 5 10 Arbeitslosigkeit Zum Nachlesen Agresti: 9.1-9.4 Gehring/Weins: 8 Schumann: 8.1-8.2 Was ist
Zuchtwertschätzung Erläuterungen zu den Zuchtwerten bei swissherdbook
November 2015 Zuchtwertschätzung Erläuterungen zu den Zuchtwerten bei swissherdbook Inhaltsverzeichnis 1 Grundsätze der Zuchtwertschätzung... 3 1.1 Erblichkeit (Heritabilität) und Korrelation... 4 1.2
Komplexe Zahlen. z = a + i b
Komplexe Zahlen Definition 7. Da keine reelle Zahl existiert, deren Quadrat -1 ist, definieren wir die imaginäre Einheit i durch die Gleichung i 2 = 1. Als die Menge aller komplexen Zahlen C definieren
Verfahren zur Überprüfung von Zusammenhangshypothesen
Verfahren zur Überprüfung von Zusammenhangshypothesen 0. Allgemeines Wir haben uns bisher mit Unterschiedshypothesen beschäftigt (Unterschiede von Stichproben in Bezug auf abhängige Variablen). Im Folgenden
Statistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN
TEIL 12: BIVARIATE ANALYSE FÜR METRISCH SKALIERTE VARIABLEN GLIEDERUNG Bivariate Analyse für metrisch skalierte Variablen Grundlagen Streudiagramme und Visualisierungen von Zusammenhängen Positive lineare
Multiple Regressionsanalyse - Kurzabriss
Multiple Regressionsanalyse - Kurzabriss Ziele: Schätzung eines Kriteriums aus einer Linearkombination von Prädiktoren Meist zu Screening-Untersuchungen, um den Einfluß von vermuteten Ursachenvariablen
13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
Learn4Med. Ein Gen steuert die Haarfarbe einer Katze. Es gibt ein Allel (also eine Version) für ein schwarzes Fell und ein Allel für rote Haare.
1. Mendelsche Regeln Bei Mendel ist ein Gen als Teil des Erbmaterials definiert, der für die Ausbildung eines bestimmten Merkmals verantwortlich ist. Gibt es für dieses Gen verschiedene Ausprägungen, nennt
Brückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
1 In Kürze die geschichtliche Entwicklung der Evolutionsforschung...1
VII Inhaltsverzeichnis 1 In Kürze die geschichtliche Entwicklung der Evolutionsforschung...1 1.1 Der Beginn naturwissenschaftlicher Arbeitsweisen...2 1.1.1 Wissenschaftlich begründete Evolutionstheorien...2
Einfaktorielle Varianzanalyse
Kapitel 16 Einfaktorielle Varianzanalyse Im Zweistichprobenproblem vergleichen wir zwei Verfahren miteinander. Nun wollen wir mehr als zwei Verfahren betrachten, wobei wir unverbunden vorgehen. Beispiel
Komplementation. Allelische Interaktionen. Gen Interaktionen
3. Gen Interaktionen Konzepte: Komplementation Allelische Interaktionen Gen Interaktionen 1. Beschreiben Sie einen Mutagenese Screen (Genetic Screen). Wozu wird er angewendet? Ziel: Identifizierung von
Korrelation - Regression. Berghold, IMI
Korrelation - Regression Zusammenhang zwischen Variablen Bivariate Datenanalyse - Zusammenhang zwischen 2 stetigen Variablen Korrelation Einfaches lineares Regressionsmodell 1. Schritt: Erstellung eines
Mathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 05. Dezember 2012 1 Datenpaare Korrelation 2 Lineare Regression Problemstellung Beispiel Bleibelastung 3 Regression
(f(xi ) y i ) 2. minimal ist: man will also die Summe der quadratischen Abweichungen minimieren ... f(x i ) y i, i=1 (t x i) 2
Mathematik für Biologen, Biotechnologen und Biochemiker Lineare Regression Gegeben seien Datenpaare (, ), (, ),, ( n, n ) Wir stellen die Frage, ob sich die Zahlen i als Werte einer linearen Funktion i
Genetische Epidemiologie. Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation
Genetische Epidemiologie Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Definition A science that deals with etiology, distribution, and control of disease in groups
Biologische Psychologie I Kapitel 2
Biologische Psychologie I Kapitel 2 Evolution, Genetik und Erfahrung Von Dichotomien zu Beziehungen und Interaktionen Früher (z.t. auch heute noch) gestellte Fragen zum Verhalten: physiologisch oder psychologisch?
