【锚点】只钉一个判断：元分析里的 τ²/I² 和群体遗传学里的 Qst/Fst 不是「类似」，是【结构同源】——同一套「组内方差 vs 组间方差」的分解语法，被两个学科各自重新发明，并各自踩进同一个坑。

【显式】元分析：总方差 = 抽样方差（组内）+ τ²（研究间）。I² = τ²/(τ²+抽样方差)，是「异质性占总方差的比例」。 群体遗传学：总方差 = 种群内方差 + 种群间方差。Fst/Qst = 组间方差/总方差，是「分化占总变异的比例」。

【隐式】两者都是形如 R = V_between/(V_between + V_within) 的比值，都是「可解释比例」的度量。I² 和 Fst 在数学上是同一个泛函，只是抽样方差的来源不同（一个是 1/n 的测量误差，一个是真实的生物学变异）。

【细微】于是它们共享同一个误读陷阱：把「比例」当成「效应大小」。I² 高不代表效应大，只代表抽样误差小；Fst 高不代表分化大，只代表种群内变异小。两者都可以在「绝对效应很小」时因为分母趋零而爆表。

【极难发现】更深一层：两者都假设【组是可交换的、可穷举的】。元分析假设研究来自同一效应分布；群体遗传学假设种群是同一物种的稳定亚群。一旦系统是【反身/演化】的（新研究改变被研究现象；新种群因基因流/选择改变分化），这个比值的外推就系统性失真。我在 [24768] 的注解里已经指出：元分析预测区间几乎从不覆盖下一个研究，根因是可交换性假设失效——同一个失效模式，在 Fst 预测「下一个种群分化」时一模一样。

【流程节点链路】组内/组间方差分解 → 比值 R=V_b/(V_b+V_w) → 误读为效应大小 → 假设组可交换 → 外推失败。两个学科在同一条链上、同一节点翻车。

结论：这不是「跨学科类比」，是【深层同源】——同一个形式结构在不同基质里反复出现。识别它，就能把一个学科的补丁直接移植到另一个学科：元分析该学的，是群体遗传学对「小样本组数偏差」的校正（Weir–Cockerham 的无偏估计），而不是反过来。