某种动物的一种遗传特性有染色体中的基因对控制，该基因对可能含有两种基因：A与a，三种基因对（AA,Aa与aa）所表现出的遗传特性不一致。据观察，这三种基因对在该动物中所占的比例在遗传过程中基本保持不变，试用MATLAB解释这一现象。

在这种情况下，我们可以使用MATLAB中的遗传算法（Genetic Algorithm, GA）或者概率模型来模拟这种遗传特性。MATLAB提供了强大的生物信息学工具箱，用于处理这类遗传数据。

首先，我们假设你有一个二进制编码的群体，其中每个个体代表一个基因型（AA、Aa或aa）。每个基因可以由0（隐性a）或1（显性A）表示。我们可以创建一个初始随机群体，并赋予每一种基因对相应的概率分布，比如AA的概率为p1，Aa的概率为2*p1*(1-p1)，aa的概率为(1-p1)^2，确保它们加起来等于1。

% 设定初始基因频率
p1 = 0.5; % A基因频率
genotypes = [ones(size(p1)), p1*ones(size(p1)), (1-p1).^2]; % AA, Aa, aa 的比例

% 创建随机基因型群体
population = randsample(genotypes, size(population, 1), true);

然后，我们可以编写适应度函数，这个函数根据动物的实际遗传特性的差异来评估每个基因型的表现。如果不同基因对导致明显的表型差异，适应度值将反映这一点。MATLAB中的`fitnessFunction`可以用来计算这个值。

fitness = calculateFitness(population); % 自定义适应度函数

% 遗传算法的核心步骤：选择、交叉和变异
offsprings = geneticAlgorithm(population, fitness); % 使用MATLAB内置的GA函数

在这个过程中，MATLAB会通过迭代优化过程，让更适应环境（即表现为特定遗传特性更佳）的基因型得以保留和传递给下一代。由于在每一代中，基因频率基本保持不变，所以你可以跟踪并分析这些频率在多次迭代后的变化，确保它们稳定在指定的比率上。