单因素方差分析的意义,分子生物学方差分析它有什么作用和意义

单因素方差分析的意义,分子生物学方差分析它有什么作用和意义

在研究群体遗传结构时,F-statistics 是广泛采用的模型.但在应用中有一些问题,随着近些年来DNA 分子数据在群体遗传学研究中日益受到重视, F2statistics 也被广泛地应用到各DNA 分子标记中,如SSR、ISSR、RAPD、AFL P 等,但针对其中的显性标记如ISSR、RAPD、AFL P , Fstatistics 的应用则需要一定的前提与假设.另外,在Fstatistics 中,没有考虑等位基因
(单倍型) 之间的差异程度,而这种差异实际上是分子进化的结果.为此,一些对分子进化提出假设的
方法被应用到群体遗传结构的研究中,但这些假设往往因具体的研究而不同.为此, Excoffier发展出了一种分子方差分析(Analysis of Molecular Variance ,AMOVA) 方法,通过估计单倍型(含等位基因) 或基因型之间的进化距离,进行遗传变异的等级剖分,并提出了与Fstatistics 类似的Φstatistics 等方法来有效地度量亚群体的分化.对近年来在遗传多样性和群体遗传结构研究中大量应用的
RAPD、ISSR、AFL P 技术,AMOVA 方法受到广泛的欢迎.
AMOVA 分析引入进化距离(evolutionary distance) 来度量并计算单倍型(或基因型,下同) 间的
差方(δ2) ,十分巧妙地避开了分子数据不便于直接计算离差方的问题.所有种类的单倍型之间的差方组成一个距离矩阵.这是AMOVA 分析的基础数据,也是AMOVA 与ANOVA 的主要区别.