[论文解读] Information Theory and Population Genetics

Reginald D. Smith|arXiv (Cornell University)|Mar 21, 2011

Genetically Modified Organisms Research参考文献 43被引用 5

一句话总结

本文通过使用熵和互信息，将经典群体遗传学与信息论联系起来，重新表述了遗传漂变、突变、选择和基因流等进化力量，为等位基因频率动态和连锁不平衡提供了统一的信息论解释。主要贡献在于表明熵的变化能准确反映杂合度的衰减，且互信息（I）与r²在数量上相关，从而可建立一种基于信息的新遗传多样性与不平衡度量。

ABSTRACT

The key findings of classical population genetics are derived using a framework based on information theory using the entropies of the allele frequency distribution as a basis. The common results for drift, mutation, selection, and gene flow will be rewritten both in terms of information theoretic measurements and used to draw the classic conclusions for balance conditions and common features of one locus dynamics. Linkage disequilibrium will also be discussed including the relationship between mutual information and r^2 and a simple model of hitchhiking.

研究动机与目标

• 使用信息论重新表述经典群体遗传学，为进化过程提供统一的信息论解释。
• 证明等位基因频率分布的熵可定量描述由于遗传漂变导致的杂合度衰减。
• 表明互信息（I）与r²在测量连锁不平衡时存在直接关系，从而提供一种新的遗传多样性与不平衡度量。
• 确立信息论度量可简化并澄清多基因座系统中进化动态的理论分析。
• 探索信息论是否能揭示超越生物系统之外的进化过程更深层的普遍原理。

提出的方法

• 以香农熵 S = -∑pᵢ log pᵢ 作为遗传多样性的主要度量，其中 S₀ = log n 为n种可能状态下的最大熵。
• 应用一阶熵 S 和二阶熵 S₂ 来建模双等位基因系统中的等位基因频率分布，其中 S₂ 捕获联合分布的熵。
• 将位点间的互信息 I 定义为 I = S_A + S_B - S_{A,B}，并将其与连锁不平衡及 r² 联系起来。
• 使用公式 S(A,B) = S_A + S_B - r² 来建模系统总熵，表明 r² 可补偿选择导致的熵损失。
• 应用基于熵的推断方法，从熵值重构等位基因频率，利用方向追踪（p ≥ 0.5 或 p < 0.5）解决对称熵曲线带来的歧义。
• 提出互信息 I 及其导数 I′ 可量化选择作用下熵的变化速率，其中 ΔS = I - I′ = r² - I′。

实验结果

研究问题

• RQ1 等位基因频率分布的熵是否可作为群体遗传学中遗传多样性与杂合度的稳健、信息论度量？
• RQ2 信息论度量如互信息（I）与 r² 在量化不同位点间连锁不平衡时有何关系？
• RQ3 遗传漂变、突变、选择与基因流的动力学是否能通过熵与互信息一致且连贯地表示？
• RQ4 尽管存在对称解，基于熵值对等位基因频率进行熵基重构在多大程度上可实现准确且具有生物学意义？
• RQ5 信息论框架为理解具有离散遗传单元的非生物系统中的进化过程提供了哪些新见解？

主要发现

• 等位基因频率分布的熵直接决定了在遗传漂变下杂合度的衰减时间，熵随时间单调递减。
• 双位点系统的二阶熵为 S(A,B) = S_A + S_B - r²，表明 r² 可减缓遗传多样性的损失。
• 互信息 I 在数学上等价于个体熵之和减去联合熵，可量化位点间的总依赖关系，且独立于线性相关性。
• 选择引起的熵变近似为 ΔS = I - I′ = r² - I′，表明连锁不平衡（r² > 0）可减缓熵减少的速率。
• 尽管熵函数（S 与 p）具有对称性，但基于初始 p ≥ 0.5 或 p < 0.5 的方向追踪可实现等位基因频率轨迹的无歧义重构。
• 该框架表明信息论度量可统一并简化进化动态的分析，提示其可能揭示适用于生物系统之外的更深层普遍原理。