从你所说的遗传家谱来看
这种遗传病有可能是X染色体显性遗传(也有可能是X染色体隐性遗传,但是根据她的家谱来看,女性患者较多,所以隐性的可能性较小)。如果她是患者,说明她肯定有携带患病基因,基因型是XAXa,而你的基因型是XaY,所以你们生的孩子基因型可能是XAXa,XAY,XaXa,XaY,即孩子患病率占50%,且无论生男生女患病率都是50%。如果她没有病,说明基因型是XaXa,那么你们生的孩子百分之百没有病,但是这个前提是这个遗传病是X染色体显性遗传,如果是X染色体隐性遗传,她的弟弟没有病,妈妈却有病,这是不可能的。
当然这只是根据你所说的局部家谱推测,要想进一步证实最好做一下婚前检查
I (1)要调查常见的人类遗传病的遗传方式应选择在患者家系中调查,而后绘制出遗传病系谱图,从而判断遗传病的遗传方式,而调查发病率则应选择在人群中随机调查,使得到的数据准确.
(2)色盲基因的频率计算时应注意只计算X染色体,不算Y染色体,故色盲基因的频率为=
=6%.
(3)由图示难以推断甲病是显性还是隐性遗传病(不满足有中生无和无中生有的任何一个规律).这样我们可以直接来看Ⅱ-2病而I-1未病(男病女未病),排除是伴X显性遗传病,Ⅱ-3病而Ⅲ-5未病(女病男未病),排除是伴X隐性遗传病,同时显然也不可能是伴Y遗传病,那么只能是常染色体上的遗传病.如果是常染色体的隐性遗传病,则Ⅱ-4为携带者,有致病基因,所以甲病是位于常染色体上的显性遗传病.乙病由I-1、I-2无乙病生出Ⅱ-2患乙病的(无中生有),判断乙病属于隐性遗传病,同样如果是常染色体上的隐性遗传病则Ⅱ-4为携带者,有致病基因,所以判断乙病是伴X隐性遗传病.进一步较易推断出Ⅱ-2的基因型是AaXbY,Ⅲ-1的基因型是aaXBXb,Ⅲ-2的基因型AaXBY,Ⅲ-3的基因型是
AaXBXb或
AaXBXB,这样分以下两种情况:①Ⅲ-2(AaXBY)与Ⅲ-3(
AaXBXb)生出正常的孩子的不完整的基因型为aaXB_,概率是
×
×
=
②Ⅲ-2(AaXBY)与Ⅲ-3(
AaXBXB)生出正常的孩子的不完整的基因型为aaXB_,概率是
×
×1=
,所以二者生出正常孩子的概率是
+
=
.由于甲病为常染色体遗传病,所以不能根据性别判断是否患病.
(4)Ⅲ4个体乙病基因来源于Ⅱ代3号,而3号的乙病基因来自于I代中的1号.
II 由图标中的数据发现CGG重复次数不影响F基因的mRNA数,即不影响F基因的转录,但影响F基因编码的蛋白质数,即影响翻译的过程,从而推测很可能是由于CGG重复mRNA与核糖体的结合进而影响了蛋白质的合成.
故答案为:I (1)家族 人群
(2)6%
(3)常染色体显性遗传 伴X隐性遗传 AaXBY aaXBXb
不能 后代男女都可能患甲病
(4)1号
II CGG的重复次数不影响F基因的转录,但影响F基因的表达(蛋白质的合成)并与症状表现有关 核糖体
(1)由以上分析可知,甲病为常染色体隐性遗传病.
(2)由于Ⅱ-2患甲病,Ⅱ-1患乙病,所以Ⅰ-2的基因型为AaXBXb;由于Ⅱ-5正常,所以其基因型为AAXBY或AaXBY.
(3)由于乙病是伴X染色体隐性遗传病,Ⅱ5的基因型及概率为
AAXBY或
AaXBY;Ⅱ6的基因型及概率为
AA、
Aa,
XBXb、
XBXB,他们所生孩子患甲病的概率为
×
×
=
,男孩患乙病的概率为
×
=
,因此它们生育了一个男孩同时患两种遗传病的概率为
×
=
.由于Ⅱ5正常,生育的女孩不可能患乙病,所以生育一个女孩,同时患两种遗传病的概率为0.
故答案为:
(1)隐 常
(2)AaXBXb AAXBY或AaXBY
(3)
0
(1)根据试题的分析可知:甲病为常染色体隐性遗传病;乙病为隐性遗传病,可能是常染色体隐性遗传病,也可能是伴X染色体隐性遗传病,又该系谱图中,患乙病的都是男性,故乙病最可能的遗传方式为伴X染色体隐性遗传.
(2)若I-3无乙病致病基因,则乙病为伴X染色体隐性遗传病.
①I-2无甲病,但有患甲病的女儿,无乙病,但有患乙病的儿子,故I-2的基因型为HhXTXt,II-5没有患甲病,但有患甲病的姐妹,故Ⅱ5关于甲病的基因型及概率为
HH、
Hh,Ⅱ5关于乙病的基因型为XTY,综合两对基因,Ⅱ5的基因型及概率为
HHXTY、
HhXTY.
②Ⅱ-6无甲病,无乙病,但是Ⅱ9是两病兼发的,故Ⅱ-6关于甲病的基因型及概率为
HH、
Hh,关于乙病的基因型及概率为
XTXT、
XTXt,
×
×
×
=
.
③由于Ⅱ-5的基因型及概率为
HH、
Hh,与h基因携带者结婚,后代为hh的概率为
×
=
,Hh的概率为
×
+
×
=
,所以表现型正常的儿子携带h基因的概率为
÷(1-
)=
故答案为:
(1)常染色体隐性遗传 伴X染色体隐性遗传
(2)①HhXTXt HHXTY、HhXTY
②
③
牛津大学大数据研究所的研究人员在 探索 人类之间的遗传关系方面迈出了重要的一步:一个追踪我们所有祖先的家谱。这项研究发表在今天的《科学》杂志上。
在过去的二十年中,人类基因研究取得了非凡的进步,为数十万人产生了基因组数据,其中包括来自数千名史前人类的基因组数据。这就为追踪人类遗传多样性的起源,以生成世界各地个体如何相互关联的完整地图的可能性提供了依据。 到目前为止,这一愿景面临的主要挑战是找到一种方法来组合来自许多不同数据库的基因组序列,并开发算法来处理这种规模的数据。
然而,牛津大学大数据研究所的研究人员今天发表的一种新方法可以轻松组合来自多个来源的数据,并进行扩展以适应数百万个基因组序列。 大数据研究所的进化遗传学家、主要作者之一Yyan Wong博士解释说:"我们基本上已经建立了一个巨大的家谱,一个全人类的家谱,它尽可能地模拟了产生我们今天在人类中发现的所有遗传变异的 历史 。这个家谱使我们能够看到每个人的基因序列如何与其它基因组相关联。 由于单个基因组区域仅从父母一方(母亲或父亲)遗传,因此基因组上每个点的祖先都可以被认为是一棵树。这组树被称为"树序列"或"祖先重组图",将遗传区域与遗传变异首次出现的祖先联系起来。
主要作者Anthony Wilder Wohns博士在大数据研究所攻读博士学位,现在是麻省理工学院布罗德研究所和哈佛大学的博士后研究员,他说:"从本质上讲,我们正在重建我们祖先的基因组,并利用它们形成了一个庞大的关系网络。然后,我们可以估计这些祖先居住的时间和地点。我们方法的强大之处在于,它对基础数据做出的假设很少,还可以包括现代和古代的DNA样本。
该研究整合了来自八个不同数据库的现代和古代人类基因组数据,共包括来自215个人群的3609个个体基因组序列。古代基因组包括在世界各地发现的样本,年龄从1000多岁到10万多岁不等。这些算法预测了进化树中必须存在共同祖先的位置,以解释遗传变异的模式。由此产生的网络包含近2700万祖先。 在这些样本基因组上添加位置数据后,作者使用该网络来估计预测共同祖先居住的位置。结果成功地重新捕捉了人类进化史上的关键事件,包括从非洲迁出。
虽然家谱图已经是一个非常丰富的资源,但研究小组计划通过继续整合遗传数据来使其更加全面。由于树序列以高效的方式存储数据,因此数据集可以轻松容纳数百万个额外的基因组。 Wong博士说:"这项研究正在为下一代DNA测序奠定基础。随着来自现代和古代DNA样本的基因组序列质量的提高,这些树木将变得更加准确,我们最终将能够生成一个单一的,统一的地图,解释我们今天看到的所有人类遗传变异的下降。 Wohns博士补充说:"虽然人类是这项研究的重点,但这种方法对大多数生物都是有效的。