低深度全基因组测序结合基因型填补评估北美西方蜜蜂（Apis mellifera）血统来源的效能研究

《Apidologie》：Evaluating imputation methods for determining North American honey bee (Apis mellifera) ancestry from low-pass whole-genome sequencing data

蜜蜂（Apis mellifera）在北美全境的流动受到严格监管，以防止疾病传播及非预期亚种（如“scutellatized”蜂，即“非洲化”蜂，为A. m. scutellata与人工饲养欧洲蜜蜂的杂交后代）的引入。本研究评估了低覆盖度全基因组测序（3X）结合基因型填补（genotype imputation）在289份来自美国及加勒比地区的蜜蜂样本中进行血统估计与表型预测的有效性。填补结果显示与全深度测序具有高准确性（平均r2 = 85%，中位r2 = 90%）和高一致性（r > 95%），表明该方法可可靠检测北美种群中的常见遗传变异。研究人员将该方法的实用性应用于一个关键的监管场景：检测scutellatized血统。低深度序列数据既可实现全基因组血统估计，也可实现线粒体单倍型重建，后者与广泛使用的PCR检测几乎完全一致。研究人员发现，线粒体单倍型对基因组血统的预测能力较差，而基因组血统对蜂群表型的预测能力更优。这一发现对在复杂杂交体系中仅依赖线粒体DNA检测方法的可靠性提出了质疑。研究结果表明，低覆盖度测序结合填补是推动蜜蜂全基因组分析的有力工具——包括血统归属和变异检测——尽管存在少量准确性损失。该方法有望应用于监管筛查、育种方案设计和种群研究。

论文解读文章

一、研究背景与问题提出

西方蜜蜂（Apis mellifera）基因组于2006年完成测序，是首批完成测序的农业动物物种之一。然而，早期每份基因组超过一万美元的测序成本极大限制了基因组数据在蜜蜂农业实践中的直接应用。近年来，计算与技术创新显著降低了测序成本，其中低深度测序（low-pass sequencing）结合基因型填补（genotype imputation）已被证明是一种经济高效的群体遗传变异表征方法。

北美地区的蜜蜂流动受到严格监管，主要目的是防止疾病传播和“scutellatized”蜂（即A. m. scutellata与欧洲蜜蜂的杂交后代，俗称“非洲化”蜜蜂）的引入。1956年，一项实验性育种计划将非洲亚种A. m. scutellata引入巴西，实验蜂王逃逸后其后代迅速扩散至南美、中美和北美各地。由于该亚种具有高度防御性，养蜂者和政府监管机构迫切需要监测和限制其扩散。

目前，北美地区检测scutellatized蜜蜂主要依赖线粒体DNA单倍型（mitotype）和/或形态测量学方法。线粒体单倍型检测利用线粒体基因组中约700 bp的COI-COII基因间隔区，可区分蜜蜂亚种的母系来源，但由于线粒体仅由卵细胞遗传，该方法无法检测父系贡献导致的杂交。此外，已知控制蜂群防御行为的数量性状位点（QTL）均位于核基因组中，因此全基因组数据有望成为更优的表型预测工具。

蜜蜂的基因组结构对基因型填补提出了独特挑战：其重组率极高（23 cM/Mb），平均GC含量较低（33%）且呈双峰分布。此前已有研究在蜜蜂中进行过填补评估，但依赖雄蜂序列构建的单倍型图谱，且样本来自物种原产地，不能代表北美独特的多样性和混合血统。因此，本研究旨在评估低深度全基因组测序结合填补在北美蜜蜂血统估计和表型预测中的有效性。

二、研究内容与主要结论

研究人员对来自美国亚利桑那州（AZ，n=48）、佛罗里达州（FL，n=44）、印第安纳州（IN，n=83）、宾夕法尼亚州（PA，n=60）、得克萨斯州（TX，n=48）及加勒比地区（CAR，n=6）共289份工蜂（二倍体）样本进行了约5X深度的低深度全基因组测序。研究结果表明：填补具有高准确性（平均r²=85%，中位r²=90%）和高一致性（r>95%）；低深度序列数据可同时实现全基因组血统估计和线粒体单倍型重建；线粒体单倍型对基因组血统的预测能力较差，而基因组血统对蜂群防御表型的预测能力更优。这一发现对仅依赖线粒体DNA检测方法在复杂杂交体系中的可靠性提出了质疑。

三、主要关键技术方法

研究人员主要采用了以下关键技术方法：对289份北美蜜蜂工蜂样本进行约5X深度的低深度全基因组测序，样本来自美国五个州及加勒比地区；使用BWA将序列比对至蜜蜂参考基因组（Amel_HAv3.1）；采用Gencove公司基于Li和Stephens方法的改良版软件进行基因型填补，参考面板包含来自蜜蜂原产地和引入范围的已发表高深度分相基因组；利用ADMIXTURE v1.3.0进行监督和非监督血统分析，采用30,199个经信息量系数（I_a）筛选和连锁不平衡（LD）剪枝的SNP位点；使用aTRAM v2进行线粒体COI-COII基因间隔区的体外组装以确定线粒体单倍型；通过Marey Map方法估算重组率，使用BEDTOOLS计算GC含量；对48个亚利桑那州蜂群进行防御表型评分。

四、研究结果

SNP分布与填补准确性：完整填补数据集产生1,480万个变异位点，过滤后保留350万个。每1 Mb平均检测到12 k个SNP，染色体1、2、6和11上SNP密度最高（>24 k SNPs/Mb），染色体3、15和16上密度最低（<8 k SNPs/Mb）。留一法（LOO）分析显示，填补基因型与高深度基因型的一致性随测序深度增加而提高：0.5X时为94.09%，1X时为94.91%，4X时为96.30%，10X时为96.71%。北美样本中，填补准确率（r²）平均值和中位数分别为85%和90%，大多数基因组区域的一致性率超过90%。按覆盖度分层分析显示，一致性率从低于1X的65%增加到高于10X的96%。

重组率、GC含量与填补一致性：研究发现GC含量与重组率高度正相关（r² > 0.97）。全基因组相关性分析显示，填补一致性与重组率（r²=0.67，p=1.35×10^–47）和GC含量（r²=0.48，p=1.76×10^–21）均呈显著正相关，表明这些基因组特征对填补性能有轻微影响，但不太可能是蜜蜂填补性能的主要决定因素。

基因组混合与主成分分析：使用30 k SNP面板成功将参考个体区分为四个已知血统（A、M、C、O），交叉验证误差为0.48。ADMIXTURE分析显示北美样本平均血统组成为：A=17.03%±1.37%，M=4.62%±0.26%，C=76.39%±1.96%，O=1.96%±0.12%。北部种群（IN、PA）的A血统显著低于南部种群（FL、TX、AZ、CAR）（p<0.001，ANOVA，F(1,287)=240.47）。主成分分析显示北美样本位于参考基因组聚类之间，符合杂交种群的预期模式。

线粒体单倍型：在所有北美样本中鉴定出82个A、14个M、177个C和8个O血统线粒体单倍型。44对来自佛罗里达州同一蜂群的姐妹样本中，PCR检测与组装检测几乎完全一致（仅1个样本组装失败）。基因组混合与线粒体单倍型检测之间存在显著关联（p<0.001，卡方检验），但观察到7.1%的不一致率：7个样本具有低A核血统却携带A线粒体单倍型，13个样本具有高A核血统却不携带A线粒体单倍型。不一致率在佛罗里达州最高（20%），得克萨斯州最低（8%）。

蜂群防御表型：48个蜂群的防御评分介于1.0至2.75之间。A血统基因组混合与防御表型之间存在显著正相关（r²=0.218，p<0.001），而A线粒体单倍型与防御表型之间的相关性仅为边缘显著（r²=0.062，p=0.054）。包含基因组和线粒体数据的线性模型优于仅使用线粒体数据的模型，均方误差（MSE）分别为0.137和0.219（ANOVA，F=25.34，p<0.001）。

填补数据与真实观测数据的比较：使用仅保留真实观测基因型（未填补）的数据集重新分析发现，未填补面板虽能大致将参考个体归入正确血统，但部分个体表现为混合状态；主成分分析聚类模糊，A和C血统参考之间分辨率低，样本采集地之间几乎无分辨率。然而，未填补数据在血统估计中交叉验证误差更低（0.113 vs 0.338），预测线粒体单倍型的模型对数似然更高（?30.03 vs ?60.06），与qPCR确认的一致性率更高（95.7% vs 92.9%），预测防御表型的均方误差更低（0.186 vs 0.193）。

五、讨论与结论总结

本研究表明，填补后的低覆盖度全基因组测序在蜜蜂中具有高准确性和可靠性，与人类和农业物种中的研究结果一致。尽管GC含量和重组率与填补一致性呈正相关，但两者不太可能是蜜蜂填补性能的主要决定因素。研究的关键发现是：线粒体单倍型对基因组血统的预测能力较差，而基因组血统对蜂群防御表型的预测能力更优，这对仅依赖线粒体DNA检测scutellatized蜜蜂的现行监管方法提出了质疑。值得注意的是，未填补数据在某些分析中表现更优，提示填补数据虽可大幅增加标记密度以支持全基因组分析，但在特定应用中需谨慎评估。研究结论表明，低覆盖度测序结合填补是推动蜜蜂全基因组分析的有力工具——包括血统归属和变异检测——尽管存在少量准确性损失，该方法有望在监管筛查、育种方案设计和种群研究中得到广泛应用。