热门主题报告 / 基因组学

---

本报告由 MaltSci•麦伴科研 基于最新文献和研究成果撰写

---

群体遗传学的应用有哪些？

摘要

人口遗传学是研究基因在种群中分布与变异的重要学科，随着基因组学和生物信息学的发展，其研究与应用逐渐扩展到生物医学的多个领域。近年来，基于大规模种群的遗传关联研究在复杂疾病的易感性基因识别中发挥了重要作用。这些研究不仅为基础科学提供了理论支持，也为公共卫生、农业改良及生物多样性保护等领域带来了显著影响。本文系统综述了人口遗传学的主要应用，包括其在疾病易感性研究、种群历史重建、物种保护与生物多样性以及农业育种中的重要作用。在疾病易感性研究中，人口遗传学帮助识别与常见和罕见疾病相关的遗传因素，为个体化医疗提供了新视角。在种群历史重建方面，古DNA技术的应用为理解人类迁徙和进化历史提供了重要数据。在物种保护领域，保护遗传学为生物多样性提供了理论基础和实用策略。此外，基因组选择在农业育种中提升了作物和动物的育种效率。尽管人口遗传学的应用取得了显著进展，但在技术转化和伦理问题上仍面临挑战。未来的研究需要跨学科合作，推动人口遗传学在生物医学及其他相关领域的进一步发展。

大纲

本报告将涉及如下问题的讨论。

• 1 引言
• 2 人口遗传学的基本概念
  • 2.1 基因频率与遗传漂变
  • 2.2 自然选择与适应性
• 3 疾病易感性研究中的应用
  • 3.1 常见疾病的遗传基础
  • 3.2 罕见病的基因组研究
• 4 种群历史重建
  • 4.1 人类迁徙与进化历史
  • 4.2 古DNA技术的应用
• 5 物种保护与生物多样性
  • 5.1 保护遗传学的理论基础
  • 5.2 实际案例分析
• 6 农业育种中的应用
  • 6.1 基因组选择与作物改良
  • 6.2 动物育种中的遗传分析
• 7 总结

1 引言

人口遗传学是研究基因在种群中分布与变异的重要学科，融合了遗传学、生态学及进化生物学等多个领域的知识。随着基因组学和生物信息学的快速发展，人口遗传学的研究与应用正逐渐扩展到多个生物医学相关领域。近年来，随着人类基因组的测序完成以及基因分型技术的进步，基于大规模种群的遗传关联研究已成为常规实践，这些研究在多种复杂疾病的易感性基因识别中发挥了重要作用[1]。这些进展不仅为基础科学提供了重要的理论支持，也为公共卫生、农业改良及生物多样性保护等领域带来了显著影响。

研究人口遗传学的重要性在于其能够深入揭示人类及其他生物的遗传结构和演化历程，进而理解与环境的相互作用。这些研究不仅有助于基础科学的发展，也为临床医学提供了新的视角。例如，通过对人群基因组数据的分析，研究人员可以识别与常见疾病及罕见病相关的遗传因素，从而为疾病的早期诊断和个体化治疗提供理论依据[2]。此外，人口遗传学还在物种保护和农业育种中展现出重要的应用潜力，通过对种群历史的重建和遗传多样性的评估，帮助制定有效的保护策略和育种方案[3]。

目前，人口遗传学的研究现状表明，尽管取得了一定的进展，但在应用过程中仍面临许多挑战。例如，如何有效地将遗传学研究的结果转化为临床应用，如何解决与种群结构相关的伦理问题，以及如何利用新兴的人工智能技术提高研究的可转化性[4]。这些问题的解决不仅需要科学家的努力，也需要跨学科的合作。

本报告将系统综述人口遗传学的主要应用，具体内容包括：首先介绍人口遗传学的基本概念，阐明基因频率与遗传漂变的关系，以及自然选择与适应性的基本原理；接着探讨人口遗传学在疾病易感性研究中的应用，分析常见疾病和罕见病的遗传基础；然后讨论种群历史重建的相关研究，特别是人类迁徙与进化历史以及古DNA技术的应用；接下来，重点分析人口遗传学在物种保护与生物多样性中的应用，包括保护遗传学的理论基础和实际案例；最后，讨论农业育种中的应用，涵盖基因组选择与作物改良以及动物育种中的遗传分析。通过全面分析这些应用，期望为相关研究者提供一个系统的视角，促进人口遗传学的进一步发展。

2 人口遗传学的基本概念

2.1 基因频率与遗传漂变

人口遗传学是研究遗传变异在种群中的分布及其变化的科学，涵盖了基因频率的变化、遗传漂变、自然选择等多个方面。基因频率的变化是人口遗传学的核心内容之一，它受多种因素的影响，包括自然选择、基因流动和遗传漂变等。

遗传漂变是指由于随机事件导致的基因频率的随机变化，这一现象在小种群中尤为显著。遗传漂变的作用在不同种群中可能会有所不同，通常被认为是导致基因频率变化的一个重要机制。例如，Lenart等人（2022年）的研究表明，学习等非生殖行为可以减轻遗传漂变对遗传多样性的损失，即使总体死亡率不变，这一发现对理解遗传漂变的影响具有重要意义[5]。

在具体应用方面，人口遗传学为物种保护和管理提供了重要的理论基础。通过对遗传变异的研究，科学家能够识别种群的遗传结构和动态，进而制定有效的保护策略。Allendorf（2025年）提到，遗传数据在保护和管理中的应用不断增强，尤其是在了解种群的适应性和遗传变异的背景下[6]。

此外，遗传漂变和基因流动的相互作用也是理解种群遗传结构的关键因素。Star和Spencer（2013年）的研究表明，在空间结构的种群中，遗传漂变和基因流动的结合能够影响遗传变异的保持，特别是在较小的种群中，遗传漂变的影响更为显著[7]。这种理解对于评估种群的适应能力和长期生存能力至关重要。

总体而言，人口遗传学通过揭示基因频率变化的机制和影响因素，为生态学、进化生物学及保护生物学等领域提供了重要的理论支撑和应用价值。

2.2 自然选择与适应性

人口遗传学在多个领域中具有广泛的应用，特别是在自然选择与适应性研究方面。自然选择是驱动生物进化的重要机制，人口遗传学为理解这一过程提供了理论基础和实证数据。

首先，人口遗传学的研究能够帮助科学家们识别与适应性相关的基因及其变异。例如，Booker等人（2017年）探讨了通过种间核苷酸差异和种内多样性模式来估计正选择参数的方法，这些方法利用了人口基因组数据，揭示了多种物种中普遍存在的适应性分子进化现象[8]。这种方法的应用使得研究者能够从基因组层面识别那些在特定环境中受到自然选择影响的基因。

其次，人口遗传学也被应用于人类健康与疾病的研究。Vasseur和Quintana-Murci（2013年）指出，研究自然选择在人体基因组中的遗留痕迹能够明确功能重要的区域，这些区域在我们的环境适应中发挥了关键作用。通过遗传解剖选择对人类基因的强度和类型的影响，研究人员可以预测基因与不同疾病形式及严重性的关系[9]。例如，某些基因在饮食、气候和病原体选择压力下受到强烈选择的例子，表明自然选择对人类健康的深远影响。

再者，人口遗传学的方法被用于野生动物保护与管理中。Hohenlohe等人（2021年）讨论了如何利用基因组学工具提供关于野生动物种群的基本特征的精确估计，例如有效种群大小、近交、种群历史和种群结构，这些信息对于保护工作至关重要。通过识别特定的基因位点和变异，研究者能够评估种群在应对环境变化中的适应能力，从而为保护措施的制定提供科学依据[10]。

此外，人口遗传学还在气候变化的研究中扮演了重要角色。Guillaume de Lafontaine等人（2018年）指出，传统上认为适应与迁移是离散过程，但研究表明，适应与迁移之间的相互作用在生物对气候变化的反应中至关重要。通过分子遗传学研究，研究者能够更好地理解物种在历史气候变化中的生态与进化反应[11]。

总之，人口遗传学在自然选择与适应性研究中的应用，不仅增强了我们对生物进化机制的理解，也为人类健康、生态保护及应对环境变化等实际问题提供了重要的科学支持。这些研究成果展示了人口遗传学在现代生物学和医学中的广泛潜力和价值。

3 疾病易感性研究中的应用

3.1 常见疾病的遗传基础

在疾病易感性研究中，群体遗传学的应用具有重要意义，特别是在理解常见疾病的遗传基础方面。常见疾病的易感性往往受到遗传因素的影响，这些遗传因素的识别和分析能够为疾病的预防和治疗提供新的视角。

首先，群体遗传学模型可以帮助研究者预测常见疾病的易感性基因组架构。这些模型考虑了突变、遗传漂变和选择等因素的共同作用，进而使研究者能够理解疾病变异模式，并为进一步的建模研究奠定基础（Di Rienzo 2006）。通过这种方式，研究者能够识别出与常见疾病相关的易感等位基因，并探讨这些基因的进化起源。

其次，现代基因组学的进展使得大规模的群体基因组关联研究（GWAS）成为可能，这些研究已经揭示了许多常见疾病的遗传基础。例如，针对乳腺癌、结肠癌、糖尿病、关节炎和痴呆等疾病的研究表明，遗传易感性不仅能够帮助重新定义这些疾病，还能促进更有效的治疗干预（Bell 1997）。这些研究的结果使得临床医生能够更好地识别高风险人群，从而在早期进行干预。

此外，群体遗传学的研究还显示，不同人群之间在遗传易感性方面存在显著差异。例如，澳门的一项研究发现，该地区人群在47种非传染性疾病和特征的遗传风险方面与白人群体存在差异，但与中国大陆人群的遗传风险特征相似（Tsui et al. 2018）。这表明，针对特定人群的遗传风险研究对于公共卫生决策至关重要。

群体遗传学还为遗传咨询和基因检测的临床应用提供了基础。随着对人类基因组的深入理解，遗传学家能够识别与常见疾病相关的基因变异，从而为受影响家庭提供基因咨询，并为疾病预防提供基因靶向策略（Bodmer 1997）。这种基因组信息的获取和应用在提高疾病预测准确性和改善治疗效果方面具有重要意义。

总之，群体遗传学在常见疾病的遗传基础研究中发挥了重要作用，促进了对疾病易感性机制的理解，推动了个性化医疗的发展，并为公共卫生政策的制定提供了科学依据。随着技术的进步，未来在这一领域的研究将继续深化，带来更多的发现和应用潜力。

3.2 罕见病的基因组研究

在人类疾病的研究中，群体遗传学在多个方面展现出其重要应用，尤其是在疾病易感性和罕见病的基因组研究中。群体遗传学模型能够帮助研究人员理解常见疾病的易感性，提供关于突变、遗传漂变和选择的联合效应的洞察。这些模型不仅可以用于预测常见疾病易感性的等位基因结构，还可以增进对这些疾病进化起源的整体理解[12]。

在罕见病的基因组研究中，利用群体遗传学的理论和实证研究，研究者能够重建人类的种群人口和适应历史。这些研究表明，人口统计学和净化选择对罕见有害突变的清除有重要影响，而正选择和均衡选择则可以增加有利变异的频率，从而提高在特定环境条件下的生存和繁殖能力[13]。通过对现代和古代DNA数据的分析，研究人员能够深入了解严重疾病和复杂疾病表型的遗传基础，特别是在传染病风险方面[13]。

群体遗传学的应用不仅限于罕见疾病的研究，还包括对复杂疾病的理解。比如，基因组范围的关联研究（GWAS）利用了人口遗传学的方法来识别与多种复杂疾病（如心血管疾病）相关的新易感基因。这种方法的成功依赖于对群体的充分表征以及对基因与环境之间相互作用的理解[1]。

此外，基因隔离人群在复杂疾病基因识别中的作用也得到了重视。这些人群由于遗传背景相对均匀，可能会减少遗传易感因素的数量，因此在识别易感基因方面提供了良好的研究资源[14]。隔离人群的研究不仅有助于稀有疾病的基因识别，也对理解常见疾病及其组成特征的生物学提供了有价值的视角[14]。

综上所述，群体遗传学在疾病易感性研究中，尤其是罕见病的基因组研究中，发挥了关键作用。通过对人类群体的遗传变异进行深入分析，研究者能够揭示疾病的遗传基础，进而为疾病的预防、诊断和治疗提供理论支持和实证依据。

4 种群历史重建

4.1 人类迁徙与进化历史

种群遗传学在重建种群历史、研究人类迁徙与进化历史方面具有重要应用。种群遗传学通过分析遗传数据，能够提供关于种群动态、演化关系以及适应性变异的重要信息。

首先，种群遗传学可以帮助重建种群历史。遗传数据记录了种群的演化历史，通过对这些数据的分析，研究者能够推断出种群的迁徙模式、繁殖历史以及与其他种群的关系。例如，Moorjani和Hellenthal（2023）在其综述中指出，利用大规模的遗传数据集，结合先进的计算方法，可以有效地探索和描述种群关系和历史[15]。这些方法能够揭示人类不同地理区域和时间尺度上的演化过程，为理解人类的历史提供了新的视角。

其次，种群遗传学在研究人类迁徙与进化历史方面的应用也日益受到重视。Luikart等人（2003）强调，种群基因组学能够促进对适应性分子变异的识别，从而改善对种群大小、迁徙率和系统发育关系等重要参数的估计[16]。这种能力使得科学家能够更深入地理解人类在不同历史时期的迁徙模式以及环境变化对人类演化的影响。

此外，Alcala等人（2013）研究表明，迁徙的时间变化对遗传多样性的影响通常被忽视，但这种影响可能是常态。在他们的研究中，作者分析了迁徙急剧增加后的遗传多样性动态，指出这种动态可以在数千代内保持意外的高水平遗传多样性[17]。这一发现对理解物种的演化和遗传多样性的重建具有重要意义。

总之，种群遗传学通过分析遗传数据，不仅能够重建种群历史，还能深入探讨人类的迁徙与进化过程。其方法和理论的进步为理解人类的演化历史提供了强有力的工具，同时也促进了在生态保护和人类健康等领域的应用。

4.2 古DNA技术的应用

古DNA技术在种群历史重建中的应用具有重要的意义，尤其是在理解物种的进化过程和种群动态方面。通过分析古DNA，研究人员能够获取关于历史种群的遗传信息，这些信息对于评估种群的遗传多样性、迁徙模式和适应性进化等问题至关重要。

首先，古DNA的分析为研究濒危物种和已灭绝物种的遗传背景提供了独特的视角。Leonard (2008) 指出，古DNA分析能够提供重要信息，帮助我们理解历史种群的规模、基因流动及其与其他种群的关系，这对于制定有效的保护和管理计划至关重要[18]。例如，通过对历史、考古和古生物学遗骸的分析，研究人员可以回溯过去的种群，克服现代遗传多样性研究中固有的偏差。

其次，古DNA技术在重建种群历史方面也显示出其潜力。Paijmans等人（2013）提到，古DNA的分析能够将已灭绝物种纳入DNA序列树中，从而为种群遗传学研究增加时间深度。随着测序技术的进步，越来越多的完整线粒体基因组序列被应用于古DNA研究，这为解析已灭绝物种的系统发育位置和解决现存物种的种群遗传学问题提供了新的工具[19]。

此外，古DNA还能够揭示种群间的遗传连续性与变化。例如，Silva等人（2018）开发的方法可以通过分析不同年代的DNA样本，测试某一地区的种群连续性假说。该研究显示，尽管某些地区可能存在移民现象，但局部和移民种群之间的混合也可能导致部分遗传连续性[20]。这种分析能够帮助我们理解在新石器时代的转变中，农民和狩猎采集者的遗传贡献如何相互作用。

综上所述，古DNA技术在种群历史重建中的应用，不仅提供了对过去种群动态的深入理解，也为现代保护生物学提供了重要的遗传数据支持。这些研究成果不仅揭示了物种的进化历程，还为应对当前和未来的生物多样性保护挑战提供了科学依据。

5 物种保护与生物多样性

5.1 保护遗传学的理论基础

保护遗传学作为一个多样化的领域，应用遗传学原理和方法来表征和促进生物多样性的保护。其理论基础主要来源于对自然种群中遗传变异的研究，以及这些变异如何影响种群的生存和适应能力。

首先，保护遗传学的应用在于评估和管理遗传多样性。随着全球生物多样性面临前所未有的威胁，了解遗传多样性对于制定有效的保护策略至关重要。遗传多样性可以影响种群的适应能力、繁殖成功率以及抵御疾病的能力（Kardos 2021）[21]。例如，分析遗传多样性可以帮助识别那些面临灭绝风险的种群，并为其制定针对性的保护措施。

其次，保护遗传学还涉及到对特定遗传位点和变异的识别，这些位点和变异可能与近交衰退或对环境变化的适应能力相关。这一过程允许保护工作者评估种群在面对环境变化时的进化潜力，从而更好地管理适应性变异（Hohenlohe et al. 2021）[10]。通过这些分析，研究人员能够确定哪些种群在未来威胁下特别脆弱，并制定相应的保护策略。

此外，保护遗传学还强调在保护行动中整合基因组学方法的重要性。基因组学的快速发展使得研究人员能够在更大范围内进行遗传多样性的分析，从而获得对种群动态和遗传结构的更深入理解。这些信息对于管理濒危物种、评估其遗传健康以及设计有效的基因恢复策略至关重要（McMahon et al. 2014）[22]。

最后，保护遗传学的理论基础也在于对种群遗传结构的深入理解。这包括种群之间的基因流动、遗传漂变以及自然选择等因素如何共同影响种群的遗传组成。通过这些理论的应用，研究人员能够预测种群在不同环境条件下的表现，从而制定出更为科学的保护方案（Kardos et al. 2021）[23]。

综上所述，保护遗传学的应用涵盖了遗传多样性评估、适应性变异管理、基因组学整合及种群遗传结构分析等多个方面，为生物多样性的保护提供了坚实的理论基础和实用的策略。

5.2 实际案例分析

在物种保护与生物多样性领域，群体遗传学的应用日益受到重视，尤其是在面对全球生物多样性危机的背景下。群体遗传学工具能够提供对野生动物种群的基本特征的精确估计，如有效种群大小、近交、人口历史和种群结构，这些信息对于保护工作至关重要（Hohenlohe et al., 2021）[10]。

在昆虫保护方面，群体遗传学的应用同样显得尤为重要。研究表明，全球昆虫物种的多样性、丰度和生物量正在下降，这一趋势主要受到栖息地退化、农业实践、气候变化和环境污染等人类活动的影响。分析遗传多样性可以帮助评估昆虫种群趋势、识别受威胁物种及其衰退原因，从而为保护策略提供信息（Webster et al., 2023）[24]。

具体案例中，Saimaa环海豹的研究提供了群体遗传学在保护生物学中的实际应用。该物种经历了严重的遗传瓶颈，然而，研究表明其种群结构与湖泊的子区域相对应，尽管存在高度的纯合性，子种群仍保留了独特的遗传变异。这一发现强调了栖息地连通性在保护生物学中的重要性，并展示了基因组工具在理解其影响方面的潜力（Löytynoja et al., 2023）[25]。

此外，群体遗传学还在保护遗传学的实践中发挥着重要作用。通过整合基因组分析，研究人员能够识别受自然选择影响的基因组区域，从而更好地理解物种的适应潜力。这一方法在评估种群的遗传适应能力和制定保护策略方面具有重要意义（Kardos et al., 2021）[23]。

在更广泛的层面上，群体遗传学的研究为保护政策提供了科学依据，强调了保护全基因组遗传变异的重要性，以防止近交抑制和适应潜力的丧失。这一观点在应对栖息地丧失和其他环境变化的背景下尤为重要（Kardos et al., 2021）[23]。

总之，群体遗传学在物种保护和生物多样性维护中具有广泛的应用潜力，通过提供遗传多样性和适应能力的深入理解，能够为制定有效的保护策略提供重要的科学依据。

6 农业育种中的应用

6.1 基因组选择与作物改良

在农业育种中，人口遗传学的应用，特别是基因组选择（Genomic Selection, GS），在作物改良中发挥着重要作用。基因组选择是一种利用基因组数据来预测个体的育种值，从而提高作物育种效率的方法。这一方法最初在动物育种中得到应用，但随着技术的进步，逐渐被引入到植物育种中，以应对全球人口增长和食品需求增加的挑战。

基因组选择的核心在于通过全基因组标记来预测未知的表型，旨在提高对数量性状的遗传增益。在作物育种中，基因组选择不仅可以提高选择的准确性和效率，还能显著缩短育种周期。根据研究，基因组选择能够有效地识别与重要表型相关的数量性状基因座，从而为育种者提供更为精确的选择候选者[26]。

在作物改良中，基因组选择的应用包括以下几个方面：

1. 提高选择强度和准确性：基因组选择通过整合遗传变异和表型数据，能够在较大的人群中快速识别出具有优良性状的个体。这种方法能够更好地捕捉到与复杂性状相关的基因组信息，从而提高选择的强度和准确性[27]。

2. 缩短育种周期：基因组选择的实施可以减少传统育种方法所需的时间，尤其是在短生命周期作物（如叶菜类）中，其育种周期的缩短效果并不明显，但在果树等长生命周期作物中，基因组选择的优势更为明显[28]。

3. 优化训练群体的选择：通过优化训练群体的规模和基因关系，研究表明可以显著提高跨群体预测的准确性。例如，在一项研究中，通过对玉米杂交种的训练群体进行优化，预测的准确性提高了8%至11%[28]。

4. 集成其他育种工具：基因组选择与其他育种技术（如基因编辑、标记辅助选择等）相结合，可以进一步加速育种进程，提升遗传增益。例如，利用CRISPR/Cas技术进行基因组编辑，可以在精准的基础上引入或修复有利的基因变异[29]。

5. 支持农业生产的可持续发展：随着全球对粮食安全的关注，基因组选择的应用有助于开发出更耐逆境、适应性强的作物品种，以应对气候变化带来的挑战[30]。

综上所述，人口遗传学在农业育种中的应用，尤其是基因组选择，为作物改良提供了强有力的工具，能够在提升作物产量和质量的同时，支持可持续农业的发展。通过对遗传变异的深入理解和高效利用，基因组选择正在成为现代育种不可或缺的组成部分。

6.2 动物育种中的遗传分析

在动物育种中，群体遗传学的应用具有重要意义，主要体现在遗传分析和育种策略的优化方面。群体遗传学为动物育种提供了理论基础和方法论，帮助育种者理解遗传变异的来源及其在选择过程中的作用。

首先，群体遗传学能够帮助育种者通过对个体表现的评估来选择和交配最优秀的个体。这一过程基于Lush等人提出的量化遗传学原理，尤其是Fisher的无限小模型。尽管早期的育种程序主要依赖于观察到的表型，但随着基因组数据的获取，育种领域正经历一场革命，分子信息的使用正在增强选择的响应，形成了“基因组选择”的新方法。这种方法使得育种价值的预测不仅依赖于单个基因位点，还涉及整个基因组中的多个位点[31]。

其次，群体遗传学在动物育种中的应用还包括对遗传资源的分析。育种者可以通过评估资源群体中高价值量性状的遗传特征，识别并引入有利基因。这种方法允许在不同品种之间进行基因段的引入，从而提升商业品种的表现。例如，在奶牛育种中，育种者可以根据已知公牛的遗传信息，初步选择年轻公牛[32]。

此外，基因组选择的实施也要求育种者在选择候选个体时，考虑其遗传背景和群体结构。这种方法的应用不仅提高了选择的效率，还可能改变育种方案的设计，使其更符合实际的经济效益和生产需求[33]。

总之，群体遗传学在动物育种中的应用涵盖了从遗传分析、选择策略到基因组选择等多个方面，极大地推动了动物育种的科学化和高效化。通过利用这些遗传学工具，育种者能够更有效地实现遗传改良，满足日益增长的农业生产需求。

7 总结

本报告系统综述了人口遗传学在多个领域的应用，重点强调了其在疾病易感性研究、种群历史重建、物种保护与生物多样性、以及农业育种中的重要性。首先，人口遗传学的研究揭示了基因频率变化的机制，帮助我们理解遗传漂变、自然选择及适应性变异等关键概念，这些为基础科学和临床医学提供了理论支持。其次，在疾病易感性研究中，通过基因组关联研究，科学家们识别了与常见和罕见疾病相关的遗传因素，为个体化医疗提供了新视角。在种群历史重建方面，古DNA技术的应用为理解人类迁徙和进化历史提供了重要数据，进一步推动了人类学和考古学的发展。此外，保护遗传学的理论基础和实际案例展示了其在生物多样性保护中的关键作用。最后，农业育种中的基因组选择方法显示出其在提升作物和动物育种效率方面的潜力。尽管人口遗传学的应用取得了显著进展，但仍面临如伦理问题和技术转化等挑战。未来的研究需要跨学科合作，解决这些挑战，以推动人口遗传学在生物医学和其他相关领域的进一步发展。

参考文献

• [1] Joseph Beyene;Guillaume Pare. Statistical genetics with application to population-based study design: a primer for clinicians.. European heart journal(IF=35.6). 2014. PMID:23956254. DOI: 10.1093/eurheartj/eht272.
• [2] Jonathan Michael Kaplan;Stephanie M Fullerton. Polygenic risk, population structure and ongoing difficulties with race in human genetics.. Philosophical transactions of the Royal Society of London. Series B, Biological sciences(IF=4.7). 2022. PMID:35430888. DOI: 10.1098/rstb.2020.0427.
• [3] Niklaus J Grünwald;Bruce A McDonald;Michael G Milgroom. Population Genomics of Fungal and Oomycete Pathogens.. Annual review of phytopathology(IF=11.9). 2016. PMID:27296138. DOI: 10.1146/annurev-phyto-080614-115913.
• [4] Feyisope R Eweje;Suzie Byun;Rajat Chandra;Fengling Hu;Ihab Kamel;Paul Zhang;Zhicheng Jiao;Harrison X Bai. Translatability Analysis of National Institutes of Health-Funded Biomedical Research That Applies Artificial Intelligence.. JAMA network open(IF=9.7). 2022. PMID:35072720. DOI: 10.1001/jamanetworkopen.2021.44742.
• [5] Peter Lenart;Julie Bienertová-Vašků;Luděk Berec. Learning mitigates genetic drift.. Scientific reports(IF=3.9). 2022. PMID:36437294. DOI: 10.1038/s41598-022-24748-8.
• [6] Fred W Allendorf. Fifty Years of Conservation Genetics: A Personal Perspective.. Molecular ecology(IF=3.9). 2025. PMID:40026218. DOI: 10.1111/mec.17705.
• [7] Bastiaan Star;Hamish G Spencer. Effects of genetic drift and gene flow on the selective maintenance of genetic variation.. Genetics(IF=5.1). 2013. PMID:23457235. DOI: 10.1534/genetics.113.149781.
• [8] Tom R Booker;Benjamin C Jackson;Peter D Keightley. Detecting positive selection in the genome.. BMC biology(IF=4.5). 2017. PMID:29084517. DOI: 10.1186/s12915-017-0434-y.
• [9] Estelle Vasseur;Lluis Quintana-Murci. The impact of natural selection on health and disease: uses of the population genetics approach in humans.. Evolutionary applications(IF=3.2). 2013. PMID:23789027. DOI: 10.1111/eva.12045.
• [10] Paul A Hohenlohe;W Chris Funk;Om P Rajora. Population genomics for wildlife conservation and management.. Molecular ecology(IF=3.9). 2021. PMID:33145846. DOI: 10.1111/mec.15720.
• [11] Guillaume de Lafontaine;Joseph D Napier;Rémy J Petit;Feng Sheng Hu. Invoking adaptation to decipher the genetic legacy of past climate change.. Ecology(IF=4.3). 2018. PMID:29729183. DOI: 10.1002/ecy.2382.
• [12] Anna Di Rienzo. Population genetics models of common diseases.. Current opinion in genetics & development(IF=3.6). 2006. PMID:17055247. DOI: 10.1016/j.gde.2006.10.002.
• [13] Lluis Quintana-Murci. Understanding rare and common diseases in the context of human evolution.. Genome biology(IF=9.4). 2016. PMID:27821149. DOI: 10.1186/s13059-016-1093-y.
• [14] Kati Kristiansson;Jussi Naukkarinen;Leena Peltonen. Isolated populations and complex disease gene identification.. Genome biology(IF=9.4). 2008. PMID:18771588. DOI: 10.1186/gb-2008-9-8-109.
• [15] Priya Moorjani;Garrett Hellenthal. Methods for Assessing Population Relationships and History Using Genomic Data.. Annual review of genomics and human genetics(IF=7.9). 2023. PMID:37220313. DOI: 10.1146/annurev-genom-111422-025117.
• [16] Gordon Luikart;Phillip R England;David Tallmon;Steve Jordan;Pierre Taberlet. The power and promise of population genomics: from genotyping to genome typing.. Nature reviews. Genetics(IF=52.0). 2003. PMID:14631358. DOI: 10.1038/nrg1226.
• [17] Nicolas Alcala;Daniela Streit;Jérôme Goudet;Séverine Vuilleumier. Peak and persistent excess of genetic diversity following an abrupt migration increase.. Genetics(IF=5.1). 2013. PMID:23307901. DOI: 10.1534/genetics.112.147785.
• [18] Jennifer A Leonard. Ancient DNA applications for wildlife conservation.. Molecular ecology(IF=3.9). 2008. PMID:18684136. DOI: 10.1111/j.1365-294X.2008.03891.x.
• [19] Johanna L A Paijmans;M Thomas P Gilbert;Michael Hofreiter. Mitogenomic analyses from ancient DNA.. Molecular phylogenetics and evolution(IF=3.6). 2013. PMID:22705825. DOI: .
• [20] Nuno Miguel Silva;Jeremy Rio;Susanne Kreutzer;Christina Papageorgopoulou;Mathias Currat. Bayesian estimation of partial population continuity using ancient DNA and spatially explicit simulations.. Evolutionary applications(IF=3.2). 2018. PMID:30344633. DOI: 10.1111/eva.12655.
• [21] Marty Kardos. Conservation genetics.. Current biology : CB(IF=7.5). 2021. PMID:34637729. DOI: 10.1016/j.cub.2021.08.047.
• [22] Barry J McMahon;Emma C Teeling;Jacob Höglund. How and why should we implement genomics into conservation?. Evolutionary applications(IF=3.2). 2014. PMID:25553063. DOI: 10.1111/eva.12193.
• [23] Marty Kardos;Ellie E Armstrong;Sarah W Fitzpatrick;Samantha Hauser;Philip W Hedrick;Joshua M Miller;David A Tallmon;W Chris Funk. The crucial role of genome-wide genetic variation in conservation.. Proceedings of the National Academy of Sciences of the United States of America(IF=9.1). 2021. PMID:34772759. DOI: 10.1073/pnas.2104642118.
• [24] Matthew T Webster;Alexis Beaurepaire;Peter Neumann;Eckart Stolle. Population Genomics for Insect Conservation.. Annual review of animal biosciences(IF=8.7). 2023. PMID:36375448. DOI: 10.1146/annurev-animal-122221-075025.
• [25] Ari Löytynoja;Pasi Rastas;Mia Valtonen;Juhana Kammonen;Liisa Holm;Morten Tange Olsen;Lars Paulin;Jukka Jernvall;Petri Auvinen. Fragmented habitat compensates for the adverse effects of genetic bottleneck.. Current biology : CB(IF=7.5). 2023. PMID:36822202. DOI: 10.1016/j.cub.2023.01.040.
• [26] Qianqian Zhang;Qin Zhang;Just Jensen. Association Studies and Genomic Prediction for Genetic Improvements in Agriculture.. Frontiers in plant science(IF=4.8). 2022. PMID:35720549. DOI: 10.3389/fpls.2022.904230.
• [27] Adrian Ming Jern Lee;Melissa Yuin Mern Foong;Beng Kah Song;Fook Tim Chew. Genomic selection for crop improvement in fruits and vegetables: a systematic scoping review.. Molecular breeding : new strategies in plant improvement(IF=3.0). 2024. PMID:39267903. DOI: 10.1007/s11032-024-01497-2.
• [28] Guangning Yu;Furong Li;Xin Wang;Yuxiang Zhang;Kai Zhou;Wenyan Yang;Xiusheng Guan;Xuecai Zhang;Chenwu Xu;Yang Xu. Enhancing Across-Population Genomic Prediction for Maize Hybrids.. Plants (Basel, Switzerland)(IF=4.1). 2024. PMID:39520023. DOI: 10.3390/plants13213105.
• [29] Wendy J Lyzenga;Curtis J Pozniak;Sateesh Kagale. Advanced domestication: harnessing the precision of gene editing in crop breeding.. Plant biotechnology journal(IF=10.5). 2021. PMID:33657682. DOI: 10.1111/pbi.13576.
• [30] Rodomiro Ortiz. Challenges for crop improvement.. Emerging topics in life sciences(IF=3.3). 2023. PMID:37905719. DOI: 10.1042/ETLS20230106.
• [31] William G Hill. Applications of population genetics to animal breeding, from wright, fisher and lush to genomic prediction.. Genetics(IF=5.1). 2014. PMID:24395822. DOI: 10.1534/genetics.112.147850.
• [32] M Soller;J S Beckmann. Genetic polymorphism in varietal identification and genetic improvement.. TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik(IF=4.2). 1983. PMID:24258477. DOI: 10.1007/BF00303917.
• [33] John M Hickey;Tinashe Chiurugwi;Ian Mackay;Wayne Powell; . Genomic prediction unifies animal and plant breeding programs to form platforms for biological discovery.. Nature genetics(IF=29.0). 2017. PMID:28854179. DOI: 10.1038/ng.3920.

麦伴智能科研服务

轻松定制专业报告

在麦伴科研 (maltsci.com) 搜索更多文献

群体遗传学 · 疾病易感性 · 物种保护 · 农业育种 · 古DNA技术

---

© 2025 MaltSci 麦伴科研