基于机制进化模型解析基因组对局域气候适应的分子特征

这篇研究通过构建分层贝叶斯模型（hierarchical Bayesian model），创新性地整合了RAD-seq数据不确定性量化与进化过程机制建模，解决了传统环境关联分析（GEA）中观测误差忽略和现象学模型局限两大痛点。研究以柳蝇霸鹟（Willow Flycatcher）105k SNPs数据为案例，鉴定出47个与温度季节性（BIO4）显著关联的位点，发现EDIL3、PCDH1等30个基因在卵矿化、羽毛发育和耐极端温度中的关键作用，为气候变化下物种适应性进化研究提供了新范式。

　　

1 引言

随着全球气温上升，物种面临灭绝风险加剧的严峻挑战。柳蝇霸鹟（Empidonax traillii）作为北美迁徙鸣禽，其西南亚种（E. t. extimus）因栖息地丧失已被列为濒危物种。理解物种通过基因组适应性（genomic adaptation）应对气候变化的机制，对制定进化管理策略至关重要。传统环境关联分析（GEA）存在两大局限：一是忽略有限采样和基因型缺失导致的观测误差；二是依赖现象学模型（phenomenological models）区分适应性与非适应性变异。

本研究提出三层级贝叶斯框架：

1. 1.

   数据模型：通过二项分布连接RAD-seq个体基因型与群体等位基因频率，量化测序深度不足（3%位点缺失）导致的估计不确定性；

2. 2.

   过程模型：基于Wright岛模型（island-metapopulation model），用超几何合流函数描述选择系数（s_l）与环境变量的线性关系（公式8），β分布刻画中性变异；

3. 3.

   参数模型：采用正则化马蹄先验（horseshoe prior）压缩大部分位点的环境敏感性系数（β_lj），契合分子进化理论中"多数变异中性"的预期。

2 数据与方法

研究分析了美国23个采样点175只柳蝇霸鹟的RAD-seq数据（约105k SNPs），选取4个低相关性气候变量：温度季节性（BIO4）、最热月最高温（BIO5）、最冷季均温（BIO11）和最干季降水（BIO17）。通过Stan语言实现哈密尔顿蒙特卡洛（HMC）算法，以-2lnP(β_lj≠0)作为显著性阈值（图4）。

3 模型验证

通过模拟测试三类突变-迁移参数体系：

• •

  低突变-中迁移：正确识别9/15适应性位点，但BIO4与BIO11因负相关（r=-0.72）导致2个位点误判；

• •

  高突变-高迁移：中性过程主导，假阴性率升高；

• •

  对比LFMM方法：假阳性率最高达38%（表S3-S6），凸显机制模型优势。

4 关键发现

在真实数据中鉴定出47个显著位点（46个关联BIO4），其中36个位于30个基因的25kb范围内：

• •

  功能注释：EDIL3调控卵壳钙化（Le Roy et al. 2021）、PCDH1参与羽毛发育（Lin et al. 2013）、GRIK2作为冷感受器（Cai et al. 2024）；

• •

  基因簇现象：物理连锁位点成簇出现（图4b灰线），提示选择性清扫（selective sweep）导致的遗传搭车效应；

• •

  计算效率：105k SNPs分析耗时32小时，运行时间随位点数（L）呈指数增长（图S6）。

5 应用拓展

模型灵活性支持多场景扩展：

• •

  测序技术：可适配低深度全基因组测序（low-coverage WGS）和混池测序（pool-seq）；

• •

  动态过程：未来可整合空间显性模型（spatial dominance model）研究范围迁移；

• •

  多组学整合：加入GWAS层解析多基因性状（polygenic traits）的非克隆模式。

这项研究为理解气候驱动的适应性进化提供了新工具，其分层建模框架将观测误差、进化机制和先验知识系统整合，在保护基因组学（conservation genomics）领域具有广泛适用性。