今天学到的新的名词：
全基因组关联分析（GWAS）：把基因组的个别元素与人类的一些可测量特征关联起来。
单核苷酸多态性(SNP)：基因组中最常被分析的个别元素，被称为单核苷酸多态性（SNP）。
多基因指数：每个SNP的拷贝数乘以它与可测量特征的关系强度，然后将基因中所有被测量的SNP的结果加起来。这个综合指数就是多基因指数。
决定系数（R2）：它衡量的事人们在一个特征上的差异能被我们测量的东西反映的程度。
精神分裂症、自闭症。抑郁症、肥胖症和受教育程度都与任何单一无关。它们甚至与十几个不同的SNP都没有关系。它们是由多基因决定的，也就是说与分散在一个人的基因组的成千上万个SNP有关。当一个性状涉及成千上万个遗传变异时，每个变异的微小关联加总起来，就会形成人与人之间有意义的差异。
今天看到的一个令人震惊的现象：
让多个科学家团队使用尽可能多的变量和统计方法（只要他们想得到），来预测孩子们15岁时的结果。最终超过160个科学家团队参与了这项挑战，每个团队都获得了关于一个孩子及其家庭的1.2万多个变量。
看到最后一句话，我感到很吃惊和震撼。作为一名教育者，我一直想当然的认为，影响一个孩子的结果无非就是遗传因素和环境因素，而环境因素包括家庭、学校和社会。当我这样分类的时候，已经感觉自己划分的很细了。但事实证明，当把这些因素细细追究时，竟有一万多个变量。也就是说在这一万多个变量中，每个人的指标都不尽相同。那么，我们怎么能用一张试卷就概括出全部的影响因素所发挥的作用呢？我们不能这么武断，但事实上我们就是这么武断。我们仅仅用一个赤裸裸的分数就把一个孩子定性了。当分数出来后，我们把结果无论好坏都归结于一个孩子努力还是不努力。实际上，孩子的努力只是一个重要的因素，还有很多很多同等重要的因素影响着一个孩子（一个人）的结果。
当小的影响一次又一次地重复，在一个又一个人身上重复时，这些小的影响就会累积起来。我们习惯于考虑收入的微小但系统性的影响时如何累积的：在教育轨迹的每一点上，富裕的家庭都可以“作弊”，使他们的孩子更有可能获得某种结果，比如考试获得某个分数，或被分到“快班”，或被精英学校录取。这个过程乘以数以百万级的家庭，就形成了不可忽视的教育不平等的社会模式。因此，DNA也可能是儿童生活中的一种系统性力量，在教育轨迹的每一点上都会有它的影响。而拥有某种遗传变异组合所赋予的优势，会在数百万人中累积，同样会导致不可忽视的教育不平等的模式。从长远来看，那些看起来很小的影响可能是有意义的。
网友评论