自然選択のフィッシャーの基本定理を解読する
式:(varianceFitness, meanFitness) => meanFitness == 0 ? '平均フィットネスはゼロではいけません' : varianceFitness / meanFitness
フィッシャーの自然選択の基本定理を理解する
フィッシャーの自然選択の基本定理は進化生物学の基礎的概念であり、その重要性から物理学の重力の法則にしばしば例えられます。1930年にロナルド・A・フィッシャーによって提唱されたこの定理は、集団の平均フィットネスの変化を、その集団内でのフィットネスの遺伝的分散に結びつけています。式、その構成要素、およびその現実世界での重要性について深く探ってみましょう。
数式とその構成要素
この公式は、本質的に、集団の平均適応度の増加率が適応度における加法的遺伝的分散に等しいということを示しています。
(varianceFitness, meanFitness) => meanFitness == 0 ? '平均フィットネスはゼロではいけません' : varianceFitness / meanFitness
これを二つの主な要素に分けることができます:
- 分散フィットネスこれは、集団における適応度の加法的遺伝的分散です。これにより、遺伝的違いによって適応度の値がどれだけ変化するかが測定されます。通常、これは遺伝的変異を定量化する任意の適応度単位で測定されます。
- 平均フィットネスこれは、すべてのフィットネス値の合計を取り、個体数で割ることによって計算される集団の平均フィットネスです。これはフィットネスユニットで測定されます。
適応度における加法的遺伝的分散を平均適応度で割ることにより、この定理は適応度の増加率を提供し、自然選択がいかにして進化的変化をもたらすかを理解するのに役立ちます。
入力と出力の明確化
この式の入力と出力は少し抽象的なので、もっと具体的にしましょう。
- 分散フィットネス
タイプ:数値(任意のフィットネス単位で測定)
例の値: 25.0(値が高いほど、適応度における遺伝的多様性が大きいことを示します)
- 平均フィットネス
タイプ:数値(任意のフィットネス単位で測定)
例の値: 100.0(集団の平均フィットネス)
平均フィットネスの増加率 (数値、入力と同じ単位)除算の結果。たとえば、varianceFitnessが25.0でmeanFitnessが100.0の場合、平均適応度の増加率は0.25になります。
実世界の例
甲虫の個体群を考えます。この個体群では、個体の適応度(生殖成功によって測定される)は遺伝的な違いにより変動します。以下のデータがあります。
分散フィットネス30.0 フィットネスユニット
平均フィットネス120.0 フィットネスユニット
フィッシャーの基本定理を使用して、私たちは計算します:
(varianceFitness, meanFitness) => meanFitness == 0 ? '平均フィットネスはゼロにできません' : 30.0 / 120.0 = 0.25
したがって、自然選択によるこのカブトムシ集団の平均適応度の増加率は0.25適応度単位です。これは、集団の平均適応度が進化的適応を反映して増加することが期待されることを意味します。
データテーブルの例
パラメーター | 説明 | 値 |
---|---|---|
分散フィットネス | 適応における加法的遺伝的分散 | 30.0 |
平均フィットネス | 集団の平均フィットネス | 120.0 |
平均フィットネスの増加率 | 定理の結果 | 0.25 |
フィッシャーの自然選択の基本定理に関する一般的な質問
定理の重要性は何ですか?
この定理は、遺伝的変異が平均的適応度の向上にどのように寄与するかを示すことによって、自然選択が集団内の進化的変化を促進する力を強調しています。
フィットネスはどのように測定されますか?
フィットネスは通常、繁殖成功または個体が産むことができる子孫の数という観点で測定されます。これは抽象的な値ですが、研究に適した任意の単位で定量化することができます。
定理は常に正確ですか?
堅牢なフレームワークを提供している一方で、現実の個体群は、遺伝的浮動、突然変異、環境変化などの要因にしばしば影響され、それが適応度に影響を及ぼし、定理で説明される理想的なシナリオから逸脱することがあります。
要約
フィッシャーの自然選択の基本定理は、進化生物学における重要な原則であり、遺伝的変異が集団の適応的変化をどのように促進するかを定量化しています。この定理を理解し適用することで、生物学者はさまざまな種の進化ダイナミクスを予測し研究することができます。