多基因学说

多基因学说（Polygenic Theory）是经典遗传学中解释连续性状（quantitative traits）遗传机制的核心理论。该理论假设，表型差异由多个基因位点共同决定，每个位点贡献微小效应，且环境因素与基因效应叠加，最终导致群体中表型呈现连续正态分布。这一理论的提出，标志着遗传学从孟德尔离散性状研究向复杂性状系统分析的革命性跨越。 ADSFAEQWER353423413434

1918年，英国统计学家与遗传学家Ronald Fisher发表论文《The Correlation between Relatives on the Supposition of Mendelian Inheritance》，首次从数学上证明：若多个孟德尔因子独立遗传且效应可加，其联合作用可产生连续分布的表型，且亲属间相关性符合观察。这篇奠基之作通过方差分析，将表型方差拆解为加性遗传方差、显性方差与环境方差，奠定了数量遗传学的数理框架。此后，J.B.S. Haldane、Sewall Wright等学者进一步整合了多基因模型的进化动力学与群体遗传学。20世纪中后期，随着分子标记与统计方法的发展，多基因学说从抽象概念演化为可操作的实证工具，尤其在QTL定位（quantitative trait locus）和全基因组关联分析（GWAS）中成为核心理论支撑。

ADFASDFAF23RQ23R

多基因学说的核心假设包括：第一，控制同一连续性状的基因数量众多（通常>10个），甚至可达数千个；第二，每个基因效应微小且基本相等（又称微效多基因假设），但实际研究中允许效应不等；第三，基因之间不存在上位效应或仅存在可忽略的交互作用，效应主要呈加性；第四，不同位点之间无连锁或处于连锁平衡。在这些假设下，群体中多基因的总效应（即基因型值）趋近正态分布，加上环境随机变异后，表型值也呈近似正态分布。

数值上，若控制性状的基因为n个，每个位点有两个等位基因，假设完全加性且效应为a，则表型方差可表示为Va = 2n a²（无连锁时），环境方差为Ve，则表型方差Vp = Va + Ve。遗传力（h²）即为Va/Vp，是评估遗传相对贡献的关键参数。这一模型也直接推导出个体多基因风险评分（PRS，polygenic risk score）的计算逻辑：PRS = Σ βi × Gi，其中βi为GWAS中估计的效应值，Gi为基因型编码（0、1、2）。

ADFASDFAF23RQ23R

多基因效应的经典估计方法包括双生子研究（通过同卵/异卵双生子表型相关系数差估算遗传力）、系谱似然法（如REML算法）以及交叉验证的GCTA（基因组复杂性状分析）方法。分子水平上，QTL定位利用连锁或关联分析，将表型与染色体区段相连，目前已在水稻、玉米、拟南芥等数千种性状中鉴定出大量QTL。例如，影响水稻株高的主效QTL可解释约20%变异，而其余变异由数十个微效QTL共同贡献。人类身高的GWAS涉及超过10,000个独立关联位点，每个位点解释0.01%-0.5%表型变异，总和解释约60%的遗传力，完美印证多基因假设。

著名的果蝇腹侧刚毛数（sternopleural bristle number）是经典模型：Thoday及Mackay等通过选择实验证明，经过几十代极端选择，刚毛数均值可大幅偏移，且响应源于多个频率改变的微效基因。现代基因编辑技术更可人工构建精准多基因系统，验证加性效应。

在临床遗传学中，多基因学说驱动了复杂疾病（如2型糖尿病、冠心病、精神分裂症）的风险预测。多基因风险评分（PRS）已用于高危人群早期筛查，尽管效应值微小，但联合多个位点后可实现显著区分。在育种领域，基因组选择（genomic selection）利用全基因组标记预测育种值，加速了牛、猪、玉米等经济物种的遗传改良。进化生物学中，多基因适应特征（如麦地那龙线虫对耐药性）的渐进式演化符合Fisher的几何模型。此外，多基因学说与表观遗传学、一体化多组学（整合基因表达、代谢物等）交汇，衍生出系统遗传学新方向。

ADFASDFAF23RQ23R

经典多基因学说简化了真实生物学：第一，存在“缺失遗传力”问题——全基因组关联位点总效应远低于基于双生子估计的遗传力，提示稀有变异、上位效应、环境交互作用及表观修饰等非加性因素不容忽视。第二，微效基因并非绝对平均（实际存在主效基因+微效修饰基因的混合分布）。第三，遗传背景对基因效应有修饰作用（即GxG相互作用），导致效应在不同人群中有差异。第四，细胞与发育过程中存在基因网络冗余与缓冲系统，干扰加性分解。因此，当前理论已演进至“多基因+多机制”框架，承认非加性遗传及环境互作的普遍性。

多基因学说作为数量遗传学的基石，深刻影响了遗传学各分支的发展。从Fisher的统计革新到GWAS的实证洪流，该理论始终推动着我们对复杂性状遗传本质的理解。尽管面临缺失遗传力与上位性的挑战，多基因模型仍在不断地修正与扩展，并与系统生物学、精准医学深度融合，显示强大的生命力。

• Fisher R A. The correlation between relatives on the supposition of Mendelian inheritance[J]. Transactions of the Royal Society of Edinburgh, 1918, 52(2): 399-433.
• Falconer D S, Mackay T F C. Introduction to Quantitative Genetics (4th ed.)[M]. Longman, 1996.
• Visscher P M, Wray N R, Zhang Q, et al. 10 Years of GWAS Discovery: Biology, Function, and Translation[J]. American Journal of Human Genetics, 2017, 101(1): 5-22.
• Boyle E A, Li Y I, Pritchard J K. An Expanded View of Complex Traits: From Polygenic to Omnigenic[J]. Cell, 2017, 169(7): 1177-1186.
• Weir B S, Cockerham C C. Estimating F-statistics for the analysis of population structure[J]. Evolution, 1984, 38(6): 1358-1370.
• Lynch M, Walsh B. Genetics and Analysis of Quantitative Traits[M]. Sinauer, 1998.
• Bulmer M G. The Mathematical Theory of Quantitative Genetics[M]. Clarendon Press, 1980.
• Korte A, Farlow A. The advantages and limitations of trait analysis with GWAS: a review[J]. Plant Methods, 2013, 9: 29.