基因组人口统计学预测温带山地森林群落动态：有效种群规模(Ne)对种群波动建模的革新性应用

为解决物种种群波动预测中生态数据不足的难题，来自Wind River研究团队通过单次基因组采样获取有效种群大小(Ne)数据，结合平均场模型成功预测了8个优势树种的三期普查种群波动。该研究首次实现无需持续观测即可精准预测群落动态，为生态建模提供了基因组学新范式。

　　

物种种群规模随时间波动的现象（population fluctuations）深刻影响着生态群落组成与生物多样性维持。传统预测模型需要长期观测生命史特征（life-history variation），包括个体存活率、生长率和繁殖率等参数，这往往需要数十年数据积累。

研究团队创新性地建立了基因组变异与种群动态的关联机制：通过分析群体基因组中等位基因的相关性（linkage disequilibrium correlations），可揭示种群近期经历的人口统计事件（如瓶颈效应），进而推断其生命史特征。在美国华盛顿州Wind River森林动态样地中，研究人员对8个优势树种进行单次种群基因组测序，结合三期森林普查数据，构建了基于有效种群大小（effective population size, N_e）的平均场模型（mean field model）。

研究结果显示：通过将单时间点的种群规模观测值与单次基因组检测获得的N_e值相结合，能够准确预测种群波动幅度。该模型无需可调参数即成功捕获了种群规模与波动幅度的非线性缩放关系（scaling behavior），其预测结果与传统普查数据高度吻合。

这项基因组人口统计学（genomic demography）研究证明：植物基因组中蕴含的历史动态记忆可用于预测未来生态过程。单次基因组采样即可提升多年动态预测精度的特点，显著降低了遗传数据采集成本。该方法为整合更多留下基因组印记（genomic signature）的生态过程提供了新思路，图示展示了从种群基因组数据到群落动态预测的完整分析流程。