综述：解码渐渗的基因组景观

这篇综述系统梳理了检测渐渗（introgression）基因组特征的前沿方法，涵盖（summary statistics）、概率建模（HMM/ARG）和监督学习（CNN）三大技术路线，重点探讨了适应性渐渗（adaptive introgression）和幽灵渐渗（ghost introgression）的检测挑战，为跨物种进化研究提供了方法学指南。

　　

解码渐渗的基因组景观

渐渗的进化意义
渐渗（introgression）作为跨物种基因流动现象，在适应性进化中扮演关键角色。通过分析基因组中渐渗片段的分布模式（图1A），研究者能解析种群历史、选择压力和基因组结构的相互作用。现代方法已突破传统系统发育分析的局限，从人类扩展到山核桃、孔雀等非模式生物（图1B）。

方法学三大支柱

1. 统计量方法：D统计量通过衍生等位基因共享不对称性检测全基因组渐渗，但其在低多样性区域存在偏差。改进版f_d和d_f通过不同标准化策略减少误差（图2B），而D⁺统计量整合衍生与祖先等位基因提升灵敏度。针对适应性渐渗，U/Q统计量可捕获目标与源种群的特异性共享位点。

2. 概率建模：隐马尔可夫模型（HMM）和祖先重组图（ARG）能精细刻画渐渗片段边界。IBDmix通过身份同源（IBD）检测古人类基因渗入，而hmmix在逆戟鲸等物种中成功识别幽灵渐渗片段（图2C）。VolcanoFinder则专攻适应性渐渗位点的检测。

3. 监督学习：卷积神经网络（CNN）架构如IntroUNET将渐渗检测转化为语义分割任务（图2D），在等位基因水平实现高分辨率预测。尽管依赖模拟训练数据，ERICA等工具已在果蝇和水稻中验证其跨物种适用性。

跨物种应用突破
在西藏犬科动物中，EPAS1基因的渐渗可能与高海拔适应相关；山核桃研究则揭示防御响应基因的幽灵渐渗事件（图1D）。多倍体作物如甘蓝型油菜中，开花时间基因的适应性渐渗通过f_dM统计量与选择扫描联合鉴定。

挑战与展望
当前方法仍受不完全谱系分选（ILS）和种群结构的干扰。未来需开发支持低覆盖度数据和多倍体分析的通用工具，并通过基准测试优化算法性能（图3B）。结合基因组语言模型等新兴技术，有望实现跨物种渐渗图谱的自动化解码。