综述：群体基因组学中的哈迪-温伯格平衡过滤：实证回顾与改进实践决策框架

《Ecology and Evolution》：Hardy–Weinberg Equilibrium Filtering in Population Genomics: Empirical Review and Decision Framework for Improved Practice

本文系统评述了哈迪-温伯格平衡（HWE）过滤在群体基因组学中的应用现状，指出其虽被广泛使用但实践仍不一致。作者通过实证调查发现，尽管对HWE过滤局限性的认知度提升，结构化群体感知的过滤方案使用比例有所增加，但阈值报告和方案合理性说明仍显不足。文章综合分析了HWE偏离的生物学（如瓦隆效应Wahlund effect、近交）与技术因素（如等位基因丢失allele dropout），并推荐将HWE过滤重构为基于研究目标与群体结构的假设驱动决策，同时提出了兼顾群体结构感知的过滤工作流程，以提升分析的稳健性与可重复性。

　　

在群体基因组学研究中，哈迪-温伯格平衡（HWE）检验作为一个经典工具，用于评估基因型频率是否符合随机交配群体的预期。然而，随着测序技术（如RADseq、GBS、lcWGS等）的普及，HWE过滤常被不加区分地用作标准质控步骤，这可能导致具有生物学意义位点（如反映群体结构或局部适应的位点）被错误剔除。本文基于对引用Pearman等（2022）研究的50篇实证文献的调研，揭示了当前HWE过滤实践中的异质性与报告透明度问题，并提出了结构化、可操作的决策框架。

为什么基因座会偏离HWE？

HWE偏离可能源于真实的生物学过程或技术误差。生物学因素包括非随机交配（如近交、选型交配）、自然选择（如平衡选择导致杂合子过剩）、以及群体结构引起的瓦隆效应——当亚群体被混合分析时，会因等位基因频率差异而出现杂合子缺失。技术误差则包括限制性位点突变导致的等位基因丢失、PCR重复以及覆盖度不均等，这些可能夸大F_ST等参数估计。由于二者难以区分，在群体结构未知时盲目过滤易丢失有意义信号。

野生动物群体结构研究中的HWE过滤趋势与困境

常见的HWE过滤方案包括：“Out Combo”（跨混合样本过滤）、“Out Any”（任一群体偏离即剔除）、“Out Within”（仅在偏离群体中剔除）和“Out All”（仅在所有群体均偏离时剔除）。其中，“Out Combo”作为VCFtools、STACKS等工具的默认设置，虽能去除不可靠位点，却可能剔除蕴含群体结构信息的位点，降低聚类分辨率。近年来，尽管部分研究开始采用群体感知方案（如“Out Any”或“Out All”），但过滤阈值、多重检验校正等关键细节的报告仍不充分，限制了结果的可比性与可重复性。

迷你调研：群体感知实践是否正在成为标准？

对50篇引用Pearman等（2022）的实证研究分析显示，约40%的研究明确省略了HWE过滤或仅进行检验而不过滤。在实施过滤的研究中，采用群体感知方案（“Out All”、“Out Any”或“Out Within”）的比例从Pearman等早先报道的10.1%升至42%，表明方法论意识有所提升。同时，超过80%的研究至少报告了部分过滤细节（如方案、阈值或校正方法），反映出透明度改善的积极趋势。然而，仍有部分研究未明确说明是否及如何应用HWE检验，凸显了标准化报告的必要性。

HWE过滤的方法学替代方案

为减少过滤偏差，多种替代策略被提出：

• •
  群体感知过滤：在通过PCA、ADMIXTURE等方法推断群体结构后，再应用“Out All”等保守方案。
• •
  祖先信息感知检验：如RUTH（Robust Unified Test for HWE）可整合基因型似然与个体祖先成分，提升低覆盖度或混合样本中的检验稳健性。
• •
  不预设HWE的聚类方法：如entropy、LEA等模型，直接从未知结构中推断群体划分。
• •
  模拟评估：利用SLiM、fastsimcoal2等工具模拟不同群体历史场景，评估过滤方案对F_ST、 outlier检测等下游分析的影响。
• •
  机器学习辅助质控：如ForestQC、DeepVariant通过整合多特征分类，减少对单一HWE阈值的依赖。

群体结构感知的HWE过滤实用工作流程

本文提出一个基于研究目标的决策框架（图2）：

• •
  若研究聚焦局部适应或基因型-环境关联（GEA）：HWE过滤通常不必要，因偏离可能反映选择信号。建议依赖测序深度、缺失率、最小等位频率（MAF）等基础质控。
• •
  若目标为推断群体结构或中性过程：可先通过无监督聚类（如PCA）初步划分群体，再应用群体感知过滤（如“Out All”保留结构信息位点）。同时进行敏感性分析，比较不同过滤方案的结果稳定性。
• •
  若群体边界模糊或存在连续混合：推荐使用RUTH等结构感知检验，或直接采用不假设HWE的聚类方法。
• •
  透明化报告：需明确说明是否过滤、所用方案、阈值、多重检验校正及群体定义依据。对于同时涉及结构推断与适应性分析的研究，建议对中性分析使用过滤数据集，而对GEA等分析保留未过滤位点，以避免剔除受选择位点。

结论

HWE过滤不应是默认的质控步骤，而应作为基于生物学假设的决策工具。随着群体基因组学向系统特异性分析框架发展，结合研究目标、群体背景与过滤逻辑的透明化实践，将显著提升结果的生物学合理性与可重复性。