tgoop.com/zachemmt/1022
Last Update:
Но несмотря на тысячекратное повторение подобных результатов, у этого подхода были критики. Основные аргументы звучали так:
Именно из-за этих претензий последние годы стали популярны новые методы, которые минимизируют влияние среды.
Метод сиб-регрессии сравнивает братьев и сестёр в обычных семьях. Здесь нет сравнения между разными семьями, только внутри одной. В препринте Markel et al. (2025) сиб-регрессию впервые применили к изучению IQ. В анализе участвовали десятки тысяч пар братьев и сестёр.
Братья и сёстры, как известно, в среднем делят 50% общих генов, но из-за случайных колебаний конкретные пары могут иметь чуть больше или чуть меньше общего генетического материала — например, кто-то может быть "на 55% похож", а кто-то "на 45%".
Идея метода проста:
Представим семью с двумя детьми. Один случайно унаследовал ген X, якобы связанный с IQ, второй — нет. Если первый ребёнок действительно демонстрирует более высокий IQ, это небольшое, но прямое свидетельство влияния гена. Если такой анализ повторить на тысячах пар братьев и сестёр, можно получить надёжные статистические выводы.
То есть если гены действительно влияют на IQ, то братья и сёстры, которые случайно унаследовали больше общих генов, должны быть более похожи по этому признаку. Если же признак почти полностью определяется внешней средой — доля общих генов никак не скажется на сходстве.
Кроме того, внутрисемейный подход позволяет проверить, действительно ли полигенные индексы, которые активно используют генетики, отражают прямую связь с ДНК, а не спутаны социальными или культурными факторами. Таким образом, метод даёт более "чистую" оценку вклада генетики.
Потому что такая проверка автоматически исключает эффекты стратификации популяции, ассортативного спаривания и генетического воспитания — факторов, которые часто искажают результаты генетических исследований.
Это очень серьёзный аргумент в пользу того, что высокий вклад генетики в различия в IQ — не артефакт методологии, а устойчивый результат, который подтверждается независимо и более строгими, современными статистическими моделями.
