Disusun Oleh:
1. Idris Hermawan
2. Itsna Fauziyyah
3. Monalisa Taihuttu
4. Nando Watung
5. Yusri Juma
Dimana ! menunjukkan faktorial, dan (2N)! = 1 x 2 x 3 x ... x (2N). Karena Pi selalu lebih
besar dari 0 untuk populasi di mana kedua alel hidup berdampingan (yaitu, 0 <p <1),
frekuensi alel dapat berubah dari satu generasi ke generasi tanpa bantuan seleksi.
Proses perubahan frekuensi alel semata-mata akibat efek kebetulan disebut random
genetic drift. Kita harus mencatat, bagaimanapun, bahwa genetik acak drift juga bisa
disebabkan oleh proses selain sampling gamet. Misalnya, perubahan stokastik dalam
intensitas seleksi juga dapat membawa perubahan acak pada frekuensi alel.
Mari kita ikuti dinamika perubahan frekuensi alel karena proses drift genetik acak
di generasi berikutnya. Frekuensi alel A1 ditulis sebagai Po, P1, P2, ..., Pt, di mana subskrip
menunjukkan jumlah generasi. Frekuensi awal alel A1 adalah Po. Dengan tidak adanya
pilihan, kita mengharapkan Pi sama dengan Po, dan seterusnya untuk semua generasi
berikutnya. Fakta bahwa populasi terbatas, bagaimanapun berarti bahwa p, sama dengan Po
hanya rata-rata (yaitu, ketika mengulangi proses pengambilan sampel dalam jumlah tak
terbatas). Pada kenyataannya, sampling hanya terjadi satu kali pada setiap generasi, dan pi
biasanya berbeda dari pada generasi kedua, frekuensi P2 tidak lagi bergantung pada po tetapi
hanya pada pi. Demikian pula, pada generasi ketiga, frekuensi P3 akan bergantung pada baik
po maupun pi tapi hanya pada P2. Dengan demikian, sifat yang paling penting dari random
genetic drift adalah perilaku kumulatifnya: Dari generasi ke generasi, frekuensi alel akan
cenderung menyimpang lebih banyak dari frekuensi awalnya.
Gambar.2 Dua kemungkinan hasil drift genetik acak pada populasi dengan ukuran 25 dan Po = 0,5. Pada setiap generasi,
25 alel diambil sampelnya dengan penggantian dari generasi sebelumnya. Dalam populasi yang ditunjukkan oleh garis abu-
abu, alel menjadi tetap pada generasi 27; Pada populasi lainnya, alel hilang dalam generasi 49. Diubah dari Li (1997).
Dalam istilah matematika, mean dan varians dari frekuensi alel A1 pada generasi t,
dilambangkan dengan pt dan V (pt), masing-masing, diberikan oleh
dimana Po menunjukkan frekuensi awal A1. Perhatikan bahwa meskipun frekuensi rata-rata
tidak berubah seiring waktu, varians meningkat seiring waktu; Artinya, dengan setiap
generasi yang lewat, frekuensi alel akan cenderung menyimpang lebih jauh dari nilai awal
mereka. Namun, perubahan frekuensi alel tidak akan sistematis ke arahnya.
Setelah frekuensi alel mencapai 0 atau 1, frekuensinya tidak akan berubah pada
generasi berikutnya. Kasus pertama disebut sebagai kehilangan atau kepunahan, dan fiksasi
kedua. Jika proses pengambilan sampel berlanjut untuk jangka waktu yang lama, probabilitas
kemungkinan tersebut mencapai kepastian. Dengan demikian, hasil akhir dari drift genetik
acak adalah fiksasi satu alel dan hilangnya yang lainnya. Ini akan terjadi kecuali ada masukan
alel konstan ke dalam populasi oleh proses seperti mutasi atau migrasi, atau kecuali
polimorfisme dipertahankan secara aktif oleh jenis seleksi yang menyeimbangkan.
Gambar.3 Kemungkinan mempertahankan frekuensi alel awal yang sama dari waktu ke waktu untuk dua alel
netral secara selektif. N = 5 dan p = 0,5.
Dalam prakteknya, karena tidak semua individu dalam populasi berperan dalam proses
reproduksi, varians yang diamati akan lebih besar dari pada yang diperoleh dari Persamaan
2.14. Ukuran populasi yang efektif adalah nilai yang disubstitusi untuk N agar dapat
memenuhi Persamaan 2.14, yaitu,
Secara umum, Ne lebih kecil, kadang jauh lebih kecil, dari N. Sebagai contoh, ukuran
populasi nyamuk Anopheles gambiae yang efektif di Kenya diperkirakan sekitar 2.000 -
sekitar enam lipat lebih kecil dari ukuran besar populasi.
Berbagai faktor dapat berkontribusi terhadap perbedaan ini. Misalnya, dalam
populasi dengan generasi yang tumpang tindih (dan khususnya jika variasi jumlah keturunan
di antara individu sangat hebat), pada suatu waktu tertentu sebagian populasi akan terdiri dari
individu baik dalam tahap pre-reproduktif atau pasca-produktif mereka. Karena stratifikasi
usia ini, ukuran efektifnya bisa jauh lebih kecil dari ukuran sensus. Misalnya, menurut Nei
dan Imaizumi (1966), pada manusia, Ne hanya sedikit lebih besar dari N / 3.
Pengurangan ukuran populasi efektif dibandingkan dengan ukuran sensus juga
dapat terjadi jika jumlah jantan yang terlibat dalam reproduksi berbeda dengan jumlah
wanita. Hal ini terutama diucapkan pada spesies poligami, seperti mamalia sosial dan burung
teritorial, atau spesies di mana kasta yang tidak bereproduksi ada (misalnya, lebah sosial,
semut, rayap, dan tikus mol). Jika populasi terdiri dari jantan Nm dan betina Nf (N = Nm +
Nf), Ne peroleh dengan
Perhatikan bahwa kecuali jumlah perempuan yang mengambil bagian dalam proses
reproduksi sama dengan jantan, Ne akan selalu lebih kecil dari N. Sebagai contoh ekstrem,
mari kita asumsikan bahwa dalam populasi dengan ukuran N di mana jenis kelamin sama
jumlahnya, semua betina (N / 2) tapi hanya satu jantan yang ambil bagian dalam proses
reproduksi. Dari Persamaan rumus di atas, kita mendapatkan Ne = 2N / (1 + N / 2). Jika N
jauh lebih besar dari 1, sehingga N / 2 + 1 = N / 2, maka Ne menjadi 4, berapapun ukuran
populasi sensusnya.
Ukuran populasi yang efektif juga dapat jauh berkurang karena variasi jangka
panjang dalam ukuran populasi, yang pada gilirannya disebabkan oleh faktor-faktor seperti
bencana lingkungan, mode reproduksi siklik, dan kejadian kepunahan dan reklamasi lokal.
Ukuran populasi efektif jangka panjang pada suatu spesies untuk periode generasi ke generasi
peroleh
dimana Ni adalah ukuran populasi generasi ke-i. Dengan kata lain, Ne sama dengan mean
yang harmonis dari nilai Ni, dan akibatnya mendekati nilai terkecil Ni dari yang terbesar.
Demikian pula, jika sebuah populasi melewati hambatan, ukuran populasi efektif jangka
panjang akan sangat berkurang bahkan jika populasi telah lama mendapatkan kembali ukuran
sensus pra-hambatannya.
PA(1) = 1 3 (3.1)
untuk mendapatkan persamaan ini, kita mempertimbangkan dua kemungkinan skenario: (1)
nukleotida tetap tidak berubah dari waktu 0 ke waktu 2, dan (2) nukleotida telah berubah
menjadi T, C, atau G pada waktu 1, namun kemudian kembali ke A pada waktunya 2
(Gambar 5). Probabilitas nukleotida menjadi A pada waktu 1 adalah PA (1), dan probabilitas
bahwa ia tetap A pada waktu 2 adalah 1 - 3. Produk ini dua variabel independen memberi
kita probabilitas untuk skenario pertama, yang merupakan istilah pertama dalam Persamaan
3.2. Probabilitas nukleotida tidak menjadi A pada waktu 1 adalah 1 - PA (1), dan
kemungkinannya untuk balik ke A pada waktu 2 adalah . Produk dari kedua variabel ini
memberi kita probabilitas untuk skenario kedua, dan merupakan istilah kedua dalam
Persamaan 3.2.
GAMBAR 4. Model one-parameter substitusi nukleotida. Tingkat substitusi di setiap arah adalah .
dapat di lihat bahwa Persamaan 3.3 juga akan berlaku untuk t=0, karena PA (O) = 1, dan
karenanya PA (O + 1) = (1 - 3) PA (O) + [1 - PA (0)] = 1 - 3, yang identik dengan Persamaan
3.1. Kita dapat menulis ulang Persamaan 3.3 dalam hal jumlah perubahan di PA (t) per satuan
waktu sebagai
GAMBAR 5. Dua kemungkinan skenario menurut model satu parameter untuk memiliki A di sebuah situs pada
waktu t = 2, mengingat bahwa situs tersebut memiliki A pada waktu 0
Sejauh ini kita telah mempertimbangkan proses diskrit-waktu. Kita bisa, bagaimana pun,
perkiraan Proses ini dilakukan dengan model waktu kontinyu, dengan memperhatikan PA(t)
sebagai tingkat perubahan pada waktu t. Dengan pendekatan ini, Persamaan 3.4 ditulis ulang
sebagai
Ini adalah persamaan diferensial linear orde pertama, dan solusinya diberikan oleh
Sejak kami mulai dengan A, probabilitas bahwa situs tersebut memiliki A pada waktu 0
adalah 1. Dengan demikian, PA (o) = 1, dan akibatnya,
Sebenarnya, Equation 3.6 bertahan terlepas dari kondisi awalnya. Sebagai contoh, Jika
nukleotida awal bukan A, maka PA (O) = 0, dan probabilitas memiliki A pada posisi ini pada
waktu t adalah
Persamaan 3.7 dan 3.8 cukup untuk menggambarkan proses substitusi. Dari
Persamaan 3.7, kita dapat melihat bahwa, jika nukleotida awal adalah A, maka PA (t) menurun
secara eksponensial dari 1 sampai (Gambar 6). Di sisi lain, dari Persamaan 3.8 kita melihat
bahwa jika nukleotida awal bukan A, maka PA (t) akan meningkat monoton dari 0 sampai .
ini juga berlaku untuk T, C, dan G.
Di bawah model Jukes-Cantor, probabilitas masing-masing dari keempat nukleotida
tersebut Pada kesetimbangan adalah . Setelah mencapai kesetimbangan, tidak akan ada lagi
perubahan probabilitas, yaitu, PA (t) = PT (t) = PC (t) = PG (t) = untuk semua waktu
berikutnya.
Sejauh ini, kami fokus pada situs nukleotida tertentu dan diperlukan PA(t) sebagai
sebuah probabilitas Namun, PA(t) juga bisa diartikan sebagai frekuensi A dalam a Urutan
DNA pada waktu t. Misalnya, jika kita memulai dengan urutan yang dibuat seluruhnya
adenin, maka PA(o) = 1, dan PA(t) adalah frekuensi yang diharapkan dari A dalam urutan pada
waktu t. Frekuensi A yang diharapkan pada urutan ekuilibrium akan menjadi , dan begitu
juga frekuensi yang diharapkan dari T, C, dan G. Setelah mencapai ekuilibrium, tidak ada
perubahan lebih lanjut dalam frekuensi nukleotida yang diharapkan terjadi. Namun, frekuensi
sebenarnya dari nukleotida akan tetap ada tidak berubah hanya dalam urutan DNA dengan
panjang tak terbatas. Dalam prakteknya, Panjang sekuens DNA terbatas, dan begitu fluktuasi
frekuensi nukleotida cenderung terjadi. Setelah Persamaan 3.7 dapat ditulis ulang dalam
bentuk yang lebih eksplisit untuk diperhitungkan fakta bahwa nukleotida awal adalah A dan
nukleotida pada waktu t juga A.
GAMBAR 6. Perubahan temporal dalam probabilitas, P, memiliki nukleotida tertentu Pada posisi diawali dengan nukleotida
yang sama (upper line) atau dengan yang berbeda nukleotida (garis bawah). Garis putus-putus menunjukkan frekuensi
ekuilibrium (P = 0,5). = 5 x 10-9 substitusi per situs per tahun.
Jika nukleotida awal adalah G bukan A, maka dari Persamaan 3.8 kita dapatkan
Karena semua nukleotida setara dengan model Jukes-Cantor, PGA(t) = PCA (t) = PTA (t).
Sebenarnya, kita dapat mempertimbangkan probabilitas umum, Pij(t), bahwa nukleotida akan
menjadi j pada waktu t, mengingat bahwa i itu pada waktu 0. Dengan menggunakan
generalisasi ini notasi dan persamaan 3.9, kita dapatkan
Mari kita pertama-tama mempertimbangkan kemungkinan bahwa situs yang memiliki A pada
waktu 0 akan memiliki A pada waktu t. Setelah satu unit waktu, probabilitas A berubah
menjadi adalah ac, dan probabilitas A berubah menjadi C atau T adalah 2. Jadi,
probabilitasnya dari yang tersisa tidak berubah setelah satu unit waktu
Pada waktu 2, probabilitas memiliki A di situs ini diberikan oleh jumlah dari probabilitas dari
empat skenario yang berbeda: (1) A tetap tidak berubah pada t = 1 dan t = 2; (2) A berubah
menjadi G pada t = 1 dan dikembalikan oleh transisi ke A pada t = 2; (3) A berubah menjadi
C pada t = 1 dan dikembalikan oleh transversion ke A pada t = 2; dan (4) A berubah menjadi
T pada t = 1 dan dikembalikan oleh transversion ke A pada t = 2 (Gambar 8). Karenanya,
Setelah menulis ulang persamaan ini sebagai jumlah perubahan PAA(t) per satuan waktu, dan
setelah mendekati model diskrit-waktu oleh waktu kontinyu model, kita mendapatkan
persamaan diferensial berikut:
Demikian pula, kita bisa mendapatkan persamaan untuk PTA (t), PCA (t), dan PGA (t), dan
dari himpunan ini dari empat persamaan, kita sampai pada solusi berikut:
GAMBAR 8. Empat skenario yang mungkin, menurut Kimura (1980) dua parameter Model, untuk memiliki A pada sebuah
situs pada waktu t = 2, mengingat bahwa situs tersebut memiliki A pada waktu 0.
Kami mencatat dari Persamaan 3.11 bahwa dalam model Jukes-Cantor, probabilitasnya
bahwa nukleotida di situs pada waktu t identik dengan bahwa pada saat 0 adalah sama untuk
keempat nukleotida. Dengan kata lain, PAA (t) = PGG (t) = Pcc (t) = PTT (t). Karena dari
simetri skema substitusi, persamaan ini juga berlaku untuk Kimura's dua parameter model.
Kita akan menunjukkan probabilitas ini dengan X (t). Karena itu,
Pada ekuilibrium, yaitu pada t = -c, Persamaan 3,18 dikurangi menjadi X (-) = 1/4. Jadi,
seperti di kasus model Jukes dan Cantor, frekuensi kesetimbangan dari keempatnya
nukleotida adalah X. Di bawah model Jukes-Cantor, Persamaan 3.12 berlaku terlepas dari
apakah Perubahan dari nukleotida i ke nukleotida adalah transisi atau transversion.
Sebaliknya, dalam model dua parameter Kimura, kita perlu membedakannya perubahan
transisi dan transversional. Kita ditunjukkan oleh Y (,) probabilitasnya bahwa nukleotida
awal dan nukleotida pada waktu t berbeda dari masing-masing lain oleh sebuah transisi.
Karena simetri skema substitusi, Y (t) = PAG (t) = PGA (t) = PTC (t) = PCT (t). Bisa
ditunjukkan itu
Probabilitasnya, Z (t), yaitu nukleotida pada waktu t dan nukleotida awal Berbeda dengan
jenis transversion tertentu yang diberikan oleh
Perhatikan bahwa setiap nukleotida tunduk pada dua jenis transversion, namun hanya satu
nukleotida jenis transisi Misalnya, jika nukleotida awal adalah A, maka keduanya mungkin
Perubahan transversional adalah A --- C dan A - T. Oleh karena itu, probabilitasnya bahwa
nukleotida awal dan nukleotida pada waktu t berbeda dengan salah satu dari keduanya Jenis
transversion dua kali probabilitas yang diberikan pada Persamaan 3.20. Perhatikan juga
bahwa X (t) + t) + 2Z (t) = 1.
Futuyama, J Douglas. 2009. Evolution. Second Edition. USA : Sinauer Associates. Inc
Graur,Dan And Li,Wen-Hsiung.2000. Fundamentals Of Molecular Evolution. Second
Edition: Tel Aviv University And University Of Chicago