# 测交分析器（判定未知基因型纯合/杂合）

通过将显性表型个体（未知基因型 AA 或 Aa）与隐性纯合子（aa）测交，根据后代比例判定其基因型。若后代中出现任何隐性个体（aa）→ 亲本为杂合（Aa）；若全部后代表现显性 → 亲本可能为纯合（AA）。统计学置信度：若无隐性后代，在亲本实为 Aa 的假设下，P(0 隐性) = 0.5^n（n = 后代总数），n 越大置信度越高。支持自定义显著性水平。来源：Mendel 1866、Griffiths 遗传分析导论、Hartl & Clark 2007、StatPearls。仅供教学用途。

> 标准页面: https://elysiatools.com/zh/tools/test-cross-analyzer

- **分类:** Education

- **关键词:** 测交, 测交分析, 回交, 纯合, 杂合, 基因型判定, 孟德尔遗传, 显性表型, 遗传学, 生物学

## 概述

测交分析器通过输入显性表型后代数和隐性表型后代数，判断未知显性表型亲本更可能是纯合子（AA）还是杂合子（Aa），并根据后代数量计算统计置信度。工具仅供遗传学教学使用。

## 输入项

- **显性表型后代数** (number): Number of offspring showing the dominant phenotype.
- **隐性表型后代数** (number): Number of offspring showing the recessive phenotype.
- **显著性水平** (select): Significance level for the heterozygosity test.
- **小数位数** (number)

## 适用场景

- 分析显性表型亲本与隐性纯合子（aa）测交后的后代数据。
- 根据是否出现隐性表型后代，判断亲本是否为杂合子。
- 在没有隐性后代时，使用不同显著性水平评估亲本为纯合子的可能性。

## 工作原理

- 输入显性表型后代数和隐性表型后代数，工具计算后代总数及观察比例。
- 若隐性表型后代数大于 0，则判定未知亲本为杂合子（Aa）。
- 若未观察到隐性后代，工具根据 P(0 隐性) = 0.5^n 评估亲本为杂合子的概率，并判断其是否可能为纯合子（AA）。
- 选择显著性水平和小数位数后，工具以 JSON 格式返回判定结果、基因型、比例及相关统计信息。

## 使用案例

- 孟德尔遗传学课程中演示显性表型与隐性纯合子测交的判定逻辑。
- 整理实验或练习题中的显性、隐性后代计数，并快速获得基因型结论。
- 比较不同后代样本量和显著性水平对纯合子判断置信度的影响。

## 常见问题

### 测交分析器需要输入哪些数据？

需要输入显性表型后代数、隐性表型后代数，并选择显著性水平；小数位数可以自定义。

### 出现一个隐性表型后代说明什么？

在标准测交假设下，出现隐性后代即可证明未知显性表型亲本携带隐性等位基因，即为杂合子 Aa。

### 没有隐性后代就一定是 AA 吗？

不一定。工具会根据后代总数计算概率，并将亲本标记为可能纯合子；样本数越多，判断置信度通常越高。

### 显著性水平可以选择哪些值？

可选择 0.05、0.01 或 0.001，用于进行杂合性统计检验。

### 工具的结果以什么形式返回？

结果以 JSON 返回，包含后代总数、输入计数、判定结论、基因型、观察比例和预期比例等信息。

## 相关工具

- [常染色体显性遗传系谱分析器](https://elysiatools.com/zh/tools/autosomal-dominant-pedigree): 计算常染色体显性（AD）遗传的子代风险并评估观察数据与预期比例的拟合度。亲本基因型组合决定预期患病比例：AA × 任意 = 全部患病；Aa × Aa = 3:1（75%）；Aa × aa = 1:1（50%）；aa × aa = 无。观察计数可做卡方检验（df = 1，α = 0.05 临界值 3.841）。系谱特征清单：垂直传递（代代出现）、两性患病率相近、父传子存在（可排除 X 连锁显性）、未患病者一般不传递（除新发突变）。示例疾病：亨廷顿病、软骨发育不全、马凡综合征。来源：Griffiths、Hartl & Clark 2007、StatPearls、OMIM。仅供教学用途。
- [近交系数计算器（Wright's F）](https://elysiatools.com/zh/tools/inbreeding-coefficient): 用 Wright 路径公式计算近交系数 F：个体某位点两个等位基因同源相同的概率。F_X = Σ (1/2)^(n1+n2+1) × (1 + F_A)，n1/n2 为父系/母系到共同祖先的代数，F_A 为祖先自身近交系数，对所有共同祖先的路径求和。参考值：自交 0.5、亲子 0.25、全同胞 0.25（两条 1,1 路径）、半同胞 0.125、舅甥 0.125、一级表亲 0.0625（两条 2,2 路径）。隐性致病风险由 q² 升至 q² + F·q·(1−q)。支持单路径与多路径模式。来源：Wright 1922、Falconer & Mackay、Hartl & Clark 2007、StatPearls。仅供教学用途，不能替代遗传咨询。
- [亲缘系数计算器（r 与共祖率 φ）](https://elysiatools.com/zh/tools/kinship-coefficient): 用 Wright 路径公式计算两个个体之间的亲缘系数 r 与共祖率（kinship/coancestry）φ：r = Σ (1/2)^(n1+n2) × (1 + F_A)，n1/n2 为两个个体到共同祖先的代数，对所有共同祖先路径求和；φ = r/2，且子代近交系数 F = 亲代 φ。参考值：同卵双生 1.0、亲子/全同胞 0.5、半同胞/祖孙/叔侄 0.25、一级表亲 0.125、二级表亲 0.03125。附亲缘等级判定（一级至四级亲属）。来源：Wright 1922、Falconer & Mackay、Hartl & Clark 2007、Jacquard 1970。仅供教学用途，不能替代遗传咨询。
- [连锁分析 LOD 得分计算器](https://elysiatools.com/zh/tools/lod-score-calculator): 用 LOD 得分做两点连锁分析：LOD(θ) = log10\[θ^r(1−θ)^(N−r) / 0.5^N\]，r 为重组减数分裂数，N 为信息减数分裂总数。最大似然估计 θ̂ = r/N，可求最大 LOD（Zmax），也可在固定 θ 处求值，并给出 θ = 0.05–0.45 的 LOD 曲线表。经典判定阈值（Morton 1955）：Z ≥ 3 显著支持连锁（1000:1），Z ≤ −2 显著排除连锁，介于两者为不确定。来源：Morton 1955、Ott 1999、Griffiths、StatPearls。仅供教学用途。
- [系谱图后代患病概率推算（概率树）](https://elysiatools.com/zh/tools/pedigree-probability-tree): 按孟德尔概率树（乘法定律沿分支、加法定律跨分支）逐步推算系谱图中后代的患病概率。常染色体隐性：P(患病) = P(父携带) × P(母携带) / 4，另给出携带概率（两个已知携带者 → 1/4 患病、1/2 携带，如囊性纤维化）；常染色体显性（假定杂合患病，如亨廷顿病）：双亲患病 → 3/4 患病；X 连锁隐性（血友病 A、色盲）：携带者母亲 × 正常父亲 → 50% 儿子患病、50% 女儿携带，并给出子/女分支与总概率。输出每一步分支计算，可直接对照手写解题。来源：Griffiths、Hartl & Clark 2007、StatPearls。仅供教学用途，不能替代遗传咨询。
- [吸光度↔透射率换算器（A = −log₁₀T）](https://elysiatools.com/zh/tools/absorbance-transmittance-converter): 在吸光度与透射率之间双向换算：A = −log₁₀(T)，T = 10⁻ᴬ，%T = 100·T，A = 2 − log₁₀(%T)。可输入吸光度 A、百分透射率 %T 或小数透射率 T，同时给出全部三种表示。参考值：A=0 → %T=100；A=1 → %T=10；A=0.301 → %T=50。负吸光度意味着 %T>100%，标准分光光度法不可能出现，将被拒绝。
- [PCR 退火温度计算器（Ta = Tm − 5°C）](https://elysiatools.com/zh/tools/annealing-temperature-calculator): 计算 PCR 退火温度 Ta，支持两条规则：实验台默认的简单规则 Ta = Tm − 5°C（取引物对中较低的 Tm），与 Rychlik 1990 经验公式 Ta = 0.3×Tm(引物) + 0.7×Tm(产物) − 14.9（产物 Tm 通常 75–90°C，对典型引物对比简单规则高 1–8°C）。输出推荐 Ta、±3°C 梯度范围以及调温方向指引：温度过低出现非特异带与引物二聚体，过高则无扩增；两条引物 Tm 差应控制在 2–3°C 内并按较低者退火。来源：Rychlik 1990、Innis & Gelfand 1990、Lorenz 2012。仅供实验规划。
- [常染色体隐性遗传风险计算器](https://elysiatools.com/zh/tools/autosomal-recessive-risk): 计算常染色体隐性遗传病在每个孩子及 n 个孩子中的患病概率。患病孩子（aa）必须从父母双方各得一个隐性等位基因：P(子代患病) = P(亲本1传 a) × P(亲本2传 a)。支持亲本状态：携带者（Aa）、患者（aa）、非携带者（AA）、未知（由群体携带率 c 推断：P(Aa)=c、P(aa)=c²）。双携带者 → 每胎 25% 患病、50% 携带、未患病子女为携带者的概率 2/3；n 个孩子至少一个患病 = 1 − (1−r)^n。默认携带率 0.04（北欧裔囊性纤维化 1/25）。来源：Griffiths、Hartl & Clark 2007、StatPearls。仅供教学用途，不能替代遗传咨询。

## 示例

- [路径分析器样本](https://elysiatools.com/zh/samples/path-analyzer): 来自Windows、Linux和macOS的文件系统路径综合集合，用于路径分析和测试
- [Web Python 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-python): Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
- [URL查询分析器示例](https://elysiatools.com/zh/samples/url-with-query-samples): 全面的URL查询参数集合，用于测试URL解析、编码验证和参数提取
- [Xamarin跨平台开发示例](https://elysiatools.com/zh/samples/xamarin-samples): Xamarin.Forms和Xamarin.Native实现示例，用于使用C#和.NET进行跨平台移动开发