数量遗传学简介：从质量性状到连续变异
在探索生物多样性和遗传规律的征程中，我们常常会遇到两类截然不同的表型特征：一类是像豌豆的花色、人类的ABO血型这样非此即彼的质量性状；另一类则是像身高、体重、作物产量这样呈连续光谱般分布的数量性状。
数量遗传学（Quantitative Genetics）正是连接孟德尔经典遗传学与现代基因组学的桥梁，它专门研究受多基因控制、易受环境影响的连续变异性状的遗传规律及其演化机制。
要理解数量遗传学，首先需要厘清它所研究的对象与传统孟德尔遗传学的区别。
质量性状（Qualitative Traits）：
- 表现为不连续的变异类别。
- 通常由单基因或少数几个主效基因控制。
- 环境对性状表现的影响微乎其微。
- 例如：豌豆的圆粒与皱粒、人类的红绿色盲。
数量性状（Quantitative Traits）：
- 表现为连续的数值变异。
- 受微效多基因（Polygenes）共同调控，每个基因的贡献较小。
- 环境因素在表型形成中起着重要作用。
- 例如：玉米的穗粒数、奶牛的产奶量、人类的血压。
由于数量性状的表型是由基因与环境共同作用的结果，我们无法通过简单的孟德尔分离比来追踪单个基因的遗传路径，必须借助统计学和概率论工具来研究群体规律。
数量遗传学的数学基础：表型、基因型与环境
数量遗传学的核心思想是将个体的表型值（Phenotype, $P$）分解为基因型值（Genotype, $G$）和环境偏差（Environment, $E$）的线性组合：
$$P = G + E$$
在群体水平上，表型的总方差（$\sigma^2_P$）也可以进行相应的方差剖析：
$$\sigma^2_P = \sigma^2_G + \sigma^2_E + \sigma^2_{G\times E}$$
其中：
- $\sigma^2_G$（基因型方差）：由群体中基因型差异引起的表型变异。
- $\sigma^2_E$（环境方差）：由外部环境条件不同引起的表型变异。
- $\sigma^2_{G\times E}$（基因与环境交互作用方差）：不同基因型对环境变化的响应存在差异所产生的变异。
通过这种方差分析，研究人员能够量化遗传因素在性状变异中所占的比重，这正是理解复杂性状遗传基础的第一步。
遗传力的概念及其应用
在育种学和医学遗传学中，最核心的参数莫过于遗传力（Heritability）。遗传力衡量的是群体中表型变异多大程度上由遗传差异引起。它分为两种主要形式：
广义遗传力（Broad-sense Heritability, $H^2$）：
总基因型方差占总表型方差的比例。
$$H^2 = \frac{\sigma^2_G}{\sigma^2_P}$$
它包含了基因加性效应、显性效应以及上位性效应。狭义遗传力（Narrow-sense Heritability, $h^2$）：
基因的加性效应方差（Additive genetic variance, $\sigma^2_A$）占总表型方差的比例。
$$h^2 = \frac{\sigma^2_A}{\sigma^2_P}$$
为什么狭义遗传力更重要？
在动植物育种实践中，只有加性效应能够稳定地从亲代传递给子代。狭义遗传力的高低直接决定了人工选择的响应速度和育种效率。如果某个性状的 $h^2$ 较高，育种家通过优秀亲代选育就能取得显著进展；反之，若 $h^2$ 较低，则说明环境影响巨大，需要优化管理条件或采用更复杂的选择策略。
从数量遗传学到现代基因组学
传统数量遗传学依赖于家系资料和统计模型，将基因作为一个整体（通过方差分析推断其作用），而无法定位具体的基因座。
随着高通量测序技术的发展，数量遗传学迎来了革命性的升级：
- QTL 定位（Quantitative Trait Locus Mapping）：利用分子标记在群体中寻找与数量性状紧密连锁的染色体区段。
- 全基因组关联分析（GWAS, Genome-Wide Association Study）：在自然群体中，利用成千上万个SNP标记，高分辨率地扫描与人类复杂疾病或农艺性状相关的基因位点。
- 基因组选择（Genomic Selection）：利用全基因组标记的信息计算个体的基因组估计育种值（GEBV），极大地缩短了育种周期。
数量遗传学不仅没有因分子生物学的发展而过时，反而与基因组学深度融合，继续在保障全球粮食安全、揭示人类复杂疾病遗传机制等前沿领域发挥着不可替代的作用。