Editing Openai/6968d403-be50-8011-ae18-178299cf1859 (section)

=== Assistant: 結論から言うと、 ===
結論から言うと、
「優勢／劣勢そのもの」を1本の数式で表す、という性質のものではない。
ただし、
* 遺伝子型 → 出現割合
* 集団内での頻度変化

については、数式でかなり厳密に表現できる。

==== 優勢（dominant）・劣勢（recessive）は、 ====
* 表現型として「見えるか／見えないか」
* どちらが上・下かという強さの概念ではない

という、論理的な分類。

例えば
A（優性）と a（劣性）があるとき、
* AA → 表現型A
* Aa → 表現型A
* aa → 表現型a

これは
不等式や連続量ではなく、条件分岐に近い。

<syntaxhighlight>if 遺伝子型にAが含まれる → Aが出る
else → aが出る

</syntaxhighlight>

この意味で「優勢・劣勢」は
スイッチ的な定義であって、数値ではない。

==== 親の遺伝子型が決まれば、出現確率は数式になる。 ====

例：Aa × Aa

|     |     |
| --- | --- |
|     |     |
|     |     |
|     |     |

表現型では
* 優性：3/4
* 劣性：1/4

これは組み合わせ計算で書ける。

<syntaxhighlight>P(優性表現型) = 1 - P(aa) = 1 - (1/2)^2 = 3/4

</syntaxhighlight>

==== 集団全体で見ると、頻度は完全に数式。 ====

対立遺伝子
* A の頻度 = p
* a の頻度 = q（p + q = 1）

遺伝子型頻度：

<syntaxhighlight>AA = p²
Aa = 2pq
aa = q²

</syntaxhighlight>

表現型頻度：

<syntaxhighlight>優性表現型 = p² + 2pq
劣性表現型 = q²

</syntaxhighlight>

ここでは 優性／劣性という言葉は分類ラベルで、
計算自体は確率論。

==== ただし例外がある。 ====

===== - 赤 × 白 → ピンク（中間） =====
* ABO式血液型のAとB

この場合は、

<syntaxhighlight>表現型 = αA + βa

</syntaxhighlight>

のような連続量モデルや線形結合で扱える。

===== - 多数の遺伝子＋環境 =====
* 回帰式・分散成分分析

<syntaxhighlight>表現型 = 遺伝要因 + 環境要因 + 誤差

</syntaxhighlight>

ここでは「優勢／劣勢」という言葉自体がほぼ使われない。

==== - 優勢／劣勢という概念自体は数式ではない ====
* 遺伝子型の出現確率・頻度変化は完全に数式
* 数式になるのは「確率」「頻度」「量的影響」
* 「どちらが優勢か」は条件定義であって数値ではない

もし次に進むなら、
* 「なぜ劣性遺伝子は集団から消えないのか」
* 「優性＝有利、ではない理由」
* 「進化的に見ると優勢・劣勢は意味があるのか」

この辺はかなり面白い話になる。