software

SLiM 实跑,有利等位基因为什么仍会丢失,固定以后又为什么从突变表消失

作者:发布于 2026-11-17约 11 分钟阅读
有利变异,也可能在漂变中丢失。五十次选择对照,加一组固定状态的读表检查。23 / 50,本次有利组在终点已固定,其余二十七次已经丢失。300 次更新,固定终点不等于最终命运,中性组仍有四次处于分离状态。对象消失,固定突变可转为替换对象,空突变列表不能直接解释成丢失。

前向模拟可以把每一代的繁殖、遗传和选择过程明确写出来,但模拟曲线并不总是沿着直觉变化。有利变异可能在早期消失,已经固定的变异也可能不再出现在活动突变列表中。前者涉及随机漂变,后者涉及软件对象的记录方式,需要用不同方法检查。

本文从正式源码编译安装 SLiM 5.2,构造一个只有单个焦点变异的模型。我们分别运行五十次中性对照和五十次有利选择对照,再通过一个已经固定的变异检查突变对象与替换对象的区别。所有频率轨迹和随机种子都随复现包提供。

有利变异,也可能在漂变中丢失。五十次选择对照,加一组固定状态的读表检查。23 / 50,本次有利组在终点已固定,其余二十七次已经丢失。300 次更新,固定终点不等于最终命运,中性组仍有四次处于分离状态。对象消失,固定突变可转为替换对象,空突变列表不能直接解释成丢失。
五十次选择对照,加一组固定状态的读表检查

从一个能解释清楚的模型开始

SLiM 官方项目提供前向进化模拟框架,模型通过脚本定义。本例采用简单的世代更新模型,群体固定为一百个二倍体个体,每个个体有两份对应染色体拷贝。

染色体长度设为一千,在其中一个位置人为引入焦点变异。初始时从两百份拷贝中随机挑选十份,让它们携带同一个变异,因此初始等位基因频率为百分之五。

我们关闭后续新突变、重组和迁移,专门观察这个已有变异的命运。这里没有真实物种、真实人口史或真实功能位点,也没有用结果估计某个自然群体的选择强度。

简化的意义在于让变化来源明确。如果一个模型同时开放大量突变、多个群体和复杂环境反馈,看到频率下降时,很难立即分清是漂变、迁移、选择还是脚本中的事件顺序造成。

先检查初始拷贝数,避免把个体数当频率

十个携带变异的染色体拷贝,不一定对应十个杂合个体。随机抽取的两份拷贝可能来自同一个个体,因此初始基因型构成也受抽样影响。

等位基因频率的分母在本例是两百份拷贝,而不是一百个个体。若把十份拷贝直接除以个体数,就会把初始频率误写成百分之十。

脚本在第一条轨迹记录中检查频率必须等于百分之五。这个检查与后面是否出现固定无关,能够直接发现输入构造错误。复杂模型也值得保留类似的初始状态核对,不能等到结果异常时才回头检查分母。

本次读出的频率来自整个模拟群体,没有额外模拟抽样个体、测序深度或基因型错误。因此,轨迹中的变化属于模型内的遗传过程,不包含现实观测环节引入的误差。

选择系数不是每代频率增加量

中性组的选择系数设为零,有利组设为零点一,两组的显性系数均为零点五。在本例的单个位点设定下,杂合携带者的相对适合度为一点〇五,纯合携带者为一点一。

这并不表示等位基因频率每代固定增加百分之十。选择影响不同基因型对下一代的相对贡献,而实际遗传抽样仍然具有随机性。初始频率低时,有限拷贝很容易受到这种随机性影响。

SLiM 5.2 手册详细说明选择、显性和模型阶段。本次只使用其中的基本设定,避免把一个参数值脱离具体模型解释成通用的生存概率。

在当前固定群体大小的模型中,选择也不会自动让群体从一百个个体持续膨胀。若研究问题涉及密度、出生和死亡率,必须明确建立相应机制,不能只提高适合度参数就假定人口动态已经随之改变。

安装后,用命令行确认实际版本

本次从官方五点二版本源码压缩包编译,使用命令行程序运行,不依赖图形界面。源码下载地址、校验值和编译日志都单独保存,版本输出明确显示五点二。

对于复现实验,固定版本比写一句“已经安装”更有意义。脚本语言、属性名称和生命周期接口可能随版本变化,教程中的代码应与实测版本对应。

本例使用当前版本的染色体拷贝对象来选择携带者。若从旧教程迁移代码,不应只替换一个名称就默认行为相同,还要核对模型中的倍性、染色体数量和目标对象数量。

完整运行入口提供在文末,读者可以指定自己安装的命令路径。本文展示的代码片段用于解释核心设置,全部可执行脚本及参数组合以复现包为准。

显式安排模拟终点,避免只运行第一代

首次小测试暴露了一个具体问题。我们安排了第一轮创建群体和引入变异,但只写了没有明确终点范围的记录回调。实际运行在第一轮就结束,虽然回调内部存在到第三百零一轮才结束的判断。

随后把记录回调明确安排为第一轮至第三百零一轮,得到完整轨迹。脚本也增加了记录条数检查,防止一份只有初始状态的文件被当成三百代实验。

1:END_TICK late() {
    // 读取当前频率并输出记录
    if (sim.cycle == END_TICK)
        sim.simulationFinished();
}

这个经验说明,回调内部的条件判断和模拟引擎的事件调度不是同一件事。某段代码写着某个较晚时间的条件,并不自动保证模拟会持续到那一刻。

本例第一轮记录的是引入变异后的初始状态,最后记录在第三百零一轮,共有三百次后续更新。因此,我们将实验长度写成三百代更新,而不是根据记录行数直接写成三百零一代演化。

重复五十次以后,选择仍没有保证成功

中性组使用五十个不同种子,有利组使用另外五十个种子。每次都从同样的群体大小和初始频率开始,分别保存完整轨迹。

三百代更新后的状态 中性组 有利组
已丢失 46 27
已固定 0 23
仍在分离 4 0

有利组有二十三次固定,但也有二十七次丢失。这个结果直接说明,在有限群体和低初始频率下,存在选择优势并不等于每一次随机实现都会成功建立。

如果只挑选一条最终固定的曲线来展示,读者会误以为上升是必然过程。相反,只展示一条丢失曲线,也可能让人错误地认为选择没有起作用。重复模拟的意义就是展示一组可能结果及其频率。

本例固定比例是这五十次、这个终点和这组参数下的观测比例,不是任何真实变异的固定概率。更换初始拷贝数、显性系数或群体大小,都会改变结果分布。

均值为百分之四十六,不代表有一条典型曲线停在那里

有利组的最终平均频率为百分之四十六,但这五十次中没有任何一次在终点停留在这个频率。二十三次为一,其余二十七次为零,平均数只是两类结局的汇总。

中位数则为零,因为丢失的次数超过一半。均值和中位数在这里讲述的是不同侧面,单独报告其中一个都容易让人形成过于简单的印象。

展示这类结果时,先给丢失、固定和仍在分离的数量,再给频率分布,通常比只画一条平均曲线更清楚。平均曲线也可以有用,但图注必须说明它可能不对应任何一次真实轨迹。

二十三次固定占五十次的百分之四十六,按简单二项近似计算,其标准误仍约为七个百分点。这个不确定性足以提醒我们,五十次适合教学验证,却不适合把概率写到很多小数位。

中性组的有限样本均值,也可能偏离初始频率

中性组最终平均频率约为百分之一点六六,低于初始百分之五。不能据此宣称中性漂变必然让平均等位基因频率下降。

在这里的中性、无迁移和无新突变设定下,理论上的频率期望应保持初始值,但有限次模拟的样本均值会波动。少数高频或固定实现对均值有较大影响,五十次没有充分覆盖所有可能轨迹。

本次四条仍在分离的轨迹中,终点最高频率为百分之六十五,其余四十六条已经丢失。这种分布结构也说明,正态形状的直觉并不总能很好描述有限重复的结果。

如果研究目标是估计精确的平均频率或稀有固定概率,应增加预先规划的重复次数,并报告蒙特卡洛误差。不能不断更换种子,直到得到最符合理论或叙述需要的一批结果。

到观察终点的比例,不等于最终命运已经全部确定

中性组在三百代更新后仍有四次处于分离状态,它们未来可能丢失,也可能固定。因此,当前固定数为零不等于这些初始变异的最终固定概率为零。

需要估计最终吸收状态时,可以设计运行到丢失或固定的终止规则,同时设置合理的最长时间并记录未完成状态。需要研究某个特定时间点时,则应保留统一终点,不把尚未固定者擅自归到丢失。

两种设计回答的问题不同。把固定时间截断的数据当成最终结局,会产生系统性误读,尤其在弱选择、大群体或高初始频率等情形下更需要注意。

本例坚持统一观察三百次更新,并明确报告仍在分离的数量。我们没有为了让表格只剩固定和丢失两类而修改终点或隐藏未吸收的轨迹。

固定以后,为什么活动突变对象会消失

SLiM 可以把已经固定的突变转换成替换对象。这种记录转换有利于管理长期模拟,但如果分析脚本只查活动突变列表,就可能误以为固定变异已经丢失。

为验证这一点,我们另建一个明确的控制,把同一个变异一开始就放到全部两百份拷贝中,初始频率为一。随后比较允许转换和保留活动突变对象两种设置。

允许转换时,第一轮还有一个活动突变对象,到第二轮变为零个活动突变对象和一个替换对象。真实状态仍然是固定,并没有从全体携带突然变成全体不携带。

第二轮的记录 保留活动对象 允许转为替换
活动突变对象数 1 0
替换对象数 0 1
正确的焦点频率 1 1

本例读表代码若只看活动集合,并把空集合默认填为零,就会产生一条假的频率下降。这里的零是读表逻辑的默认值,不是软件对已固定等位基因给出的真实频率。

把固定状态纳入读取逻辑

主实验中,我们关闭焦点变异自动转成替换对象,便于持续追踪频率。额外控制则保留转换过程,要求读取代码同时检查两个对象集合。

m1.convertToSubstitution = F;

这个设置只用于明确追踪当前焦点变异,并不意味着所有大规模模拟都应关闭对象转换。长期、大量位点的模型可能有不同的存储和适合度处理需求,应根据模型结构决定。

更一般的习惯是,先定义什么证据对应丢失,什么证据对应固定,再写统计代码。某个对象列表为空只说明该列表里没有对象,不能在不知道状态转换规则时直接解释成生物学消失。

如果模型里有多个同类变异,还必须按焦点对象的身份或唯一标识追踪。本例只有一个变异,因此用类型定位足够清楚,不能把这种简化代码直接用于同时出现许多同类型突变的复杂模拟。

优点、限制与复查顺序

SLiM 的优势在于可以明确控制初始条件、选择参数、事件阶段和输出内容。我们不仅能看到频率曲线,还能检查对象数量与状态转换,因此适合把一个复杂概念拆成可观察的步骤。

限制也很直接。程序执行的是所写模型,不会自动补上生态机制、人口史或观测误差。一个能运行的脚本可能存在不合适的生命周期安排,也可能在统计输出时丢失重要状态。

复查时可以依次确认初始个体数和拷贝数、第一轮频率、记录条数、终点状态以及固定对象的处理。每一步都有简单的可核对结果,比直接阅读上百条轨迹更容易发现基础错误。

我们还用完全相同种子重跑了一次中性轨迹,逐轮结果一致。这证明该设置下可以复核同一次实现,但不增加独立重复数,也不能替代其他种子的分布检查。

复现和进一步修改

下载本组三篇复现包,安装 SLiM 5.2 后执行下面的入口。驱动会生成模型文件、运行两组各五十次重复,并输出全部轨迹及固定状态对照。

python3 220-slim/run.py /tmp/slim-demo \
  --slim /path/to/slim

下一步可以在保持其他条件不变时改变初始拷贝数或选择系数,比较结局比例和时间分布。先明确观察终点与重复单位,再扩展模型复杂度,才能知道新出现的差异来自哪一部分设定。

当模型扩展到多个参数组合、较长模拟时间和大量独立重复时,可通过云生信生物信息学分析服务器管理版本、运行批次与完整轨迹。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗