基于聚类方法的基因渗入信号在基因流停止后可快速衰减

《Molecular Ecology Resources》：The Signal of Admixture Can Decay Rapidly When Using Clustering-Based Methods

　　

摘要专业翻译 基因流通过引入新等位基因塑造进化轨迹，可促进或延缓适应，或削弱种群间的分化。研究通常通过基于等位基因频率相似性对个体进行聚类的遗传聚类方法来估计基因渗入（admixture），从而推断基因流。然而，这些方法可靠检测历史基因流的能力仍知之甚少，尤其是在空间限制性扩散以及一系列迁移率条件下。本研究使用三种常用推断方法——ADMIXTURE、sNMF和PopCluster，评估了在一系列种群内和种群间扩散速率下，基因渗入信号在基因流期间及之后如何产生和衰减。研究人员利用二维景观中的正向时间模拟，模拟了两个在隔离中分化、经历一次二次接触（secondary contact）的脉冲式基因流、随后恢复隔离的集合种群（metapopulations）。三种方法均系统性低估了基因渗入，且偏差在基因流停止后进一步增大：在基因流结束时，推断的基因渗入平均为真实值的56%；1000代后降至23%；至2000代时降至5%以下，即使真实基因渗入超过20%。这种低估伴随着对屏障强度（barrier strength）的相应高估，后者使用类似于渐变群宽度（cline width）的指标进行评估。这两种模式均反映了这些方法所依赖的等位基因频率差异的侵蚀，这与二次接触后哈迪-温伯格平衡（Hardy–Weinberg equilibrium）和连锁平衡（linkage equilibrium）的快速重建相吻合。模拟结果表明，至少在部分情景下，所评估的基于聚类的基因渗入方法无法从当代样本中恢复历史基因流的信号。

论文解读文章

一、研究背景与问题

基因流是种群或物种间遗传物质交换的过程，对进化具有多方面影响。有限的基因流可引入有益等位基因，促进适应性渗入（adaptive introgression），甚至触发物种形成；而高水平的基因流则可能破坏局部适应基因复合体或导致遗传淹没（genetic swamping），使分化种群或物种趋于融合。因此，估计基因流在进化生物学和保护生物学中具有广泛意义，涵盖种群结构推断、物种界定、杂交检测和野生动物管理等应用领域。

在众多检测基因流的方法中，基于遗传聚类的方法最为流行。这类方法利用等位基因频率数据估计个体归属于某一种群而非另一种群的后验概率，实质上解释为个体基因组中来自各亲本种群的遗传比例。代表性工具包括STRUCTURE、ADMIXTURE、sNMF和PopCluster等。尽管这些方法被广泛采用，但近期模拟研究揭示了若干重要的偏差来源：由距离隔离（isolation by distance）产生的空间等位基因频率梯度可能被误判为基因渗入；当样本缺乏未渗入的源种群个体时，聚类方法无法正确重建祖先等位基因频率，导致即使在活跃基因流期间也会低估基因渗入；而基因流停止后，渗入后漂变（post-admixture drift）会侵蚀推断所依赖的等位基因频率差异，使基因渗入信号在相对较少的世代内变得不可检测。

然而，基因渗入信号在基因流停止后究竟以多快的速度消退，以及该速率如何随集合种群内和集合种群间的扩散而变化，仍缺乏系统理解。例如，在同域边界（parapatric boundary）未检测到基因渗入，是否必然意味着长期遗传隔离？本研究正是针对这一关键问题展开。

二、研究目的与设计

研究人员旨在系统评估在基因流期间及停止后，ADMIXTURE、sNMF和PopCluster三种聚类方法恢复基因渗入空间梯度的准确性，并考察种群内和种群间迁移率对信号衰减速率的影响。研究采用SLiM 4进行正向时间遗传模拟，构建了一个20×10个demes（亚种群）的二维阶梯式景观（stepping-stone lattice），分为两个各10×10 demes的集合种群，通过中央接触带相互作用。每个个体携带100,000 bp的二倍体基因组，突变率为每代10^?7，重组率为每代10^?5，突变均为选择性中性。每个deme维持500个个体的恒定承载量。

模拟经历四个阶段：第一阶段为共同祖先集合种群，近似随机婚配（panmixia），持续100,000代；第二阶段建立种群分化，将集合种群间迁移率降为零，持续100,000代；第三阶段模拟1000代的二次接触和渗入杂交，种群内迁移率（M_W）固定为4、2或1，种群间迁移率（M_B）与M_W的比例设为1:1、1:4和1:8，共9种参数组合，每种运行10个重复；第四阶段为5000代的完全隔离。

三、主要技术方法

研究采用的核心技术方法包括：其一，SLiM 4正向时间遗传模拟，构建二维空间结构的集合种群模型，模拟冰川周期驱动的分化-接触-隔离人口学序列；其二，三种遗传聚类推断工具——ADMIXTURE（基于似然的优化策略）、sNMF（矩阵分解方法）和PopCluster（期望最大化算法），均设定K=2进行分析；其三，以第二阶段结束时固定的种群特异性等位基因差异作为“真实”祖先来源的基准，计算真实基因渗入比例；其四，采用Nagylaki（1976）阶梯渐变群扩散模型计算屏障强度（斜率比，slope ratio）；其五，使用PLINK v1.9计算哈迪-温伯格不平衡和连锁不平衡。模拟数据以VCF格式导出，经次要等位基因计数过滤去除单拷贝变异后，随机子集为500至10,000个变异位点进行分析。

四、研究结果

基因渗入估计的系统性低估。 三种方法在所有情景下均系统性低估真实基因渗入比例。基因流结束时（t=0），推断的基因渗入平均仅为真实值的56%；1000代后降至23%；2000代后所有情景下估计值均低于0.05，即使真实基因渗入超过0.2。最高迁移情景（M_W=4，M_B=4）产生最大的真实基因渗入（约0.30），也因此产生最大的绝对低估幅度；最低迁移情景（M_W=1，M_B=0.125）真实基因渗入仅约0.06，绝对偏差较小但比例精度下降最显著。

屏障强度的高估。 在基因流期间，三种方法对屏障强度（斜率比）的估计相对稳定，但均系统性高估约两倍（比值范围1.79±0.17至2.27±0.21）。基因流停止后，ADMIXTURE和PopCluster的准确性急剧下降，分别平均高估6.09±1.30倍和27.97±7.34倍；sNMF则保持了相对稳定的精度（2.06±0.36），但误差仍逐渐增大。

变异位点数的影响。 变异位点数量对估计误差影响较小，差异通常仅为0.01–0.04。PopCluster在t=1000前随位点增加略有改善，之后不再降低误差；sNMF和ADMIXTURE则随位点增加误差逐渐增大，可能源于物理连锁引入的估计偏差。

不平衡的衰减与等位基因频率差异的丧失。 哈迪-温伯格不平衡和连锁不平衡在基因流初期最高，随基因流持续而减弱，基因流停止后下降更快。2000代后连锁不平衡在所有情景中均可忽略。固定等位基因差异在M_W=4情景下于第三阶段结束时即消失，仅在低迁移情景下持续存在。这些模式表明，种群内不平衡的下降与种群间等位基因频率差异的丧失同步发生，印证了聚类方法所依赖信号的渐进性侵蚀。

五、讨论与结论

研究结果表明，在模拟的冰川周期人口学情景下，无论基因流是有限还是广泛，聚类方法在基因流停止后的隔离期越长，检测基因渗入的能力越不可靠。基因流停止1000代后，推断的基因渗入降至真实值的四分之一以下；2000代后即使真实渗入仍较高，也几乎不可检测。三种方法的时间模式大致相似但存在细微差异：ADMIXTURE在基因流期间及刚停止后表现最佳，sNMF在采样末期更准确，PopCluster在所有情景下均略逊于其他两者。

研究揭示了一个关键机制：二次接触后，各集合种群通过种群内基因流趋于平衡，两个集合种群在遗传上趋于同质化，但个体仍携带可追溯至亲本集合种群固定差异的等位基因。从生物学角度看，这些个体仍应被视为渗入个体，即使聚类方法无法识别。重组和基因流逐步侵蚀祖先推断所依赖的等位基因频率对比，导致推断的基因渗入估计趋向于零，即使真实渗入程度很高。

这一发现具有重要的实践意义。首先，当代样本中未检测到基因渗入不应被解释为过去不存在基因流的结论性证据。经历过长期隔离的种群可能表面上呈现遗传“纯合”，尽管保留了大量渗入等位基因。其次，在保护遗传学中，未能检测历史基因渗入可能导致对遗传独特性（genetic distinctiveness）的高估，从而误导管理和物种名录决策。研究建议，当预期基因流发生在久远过去或物种扩散能力较强时，应谨慎使用聚类方法，可考虑结合溯祖框架（coalescent-based frameworks）、单倍型方法或f统计量等明确建模历史基因流的方法作为补充。

研究也存在局限性：简化的两种群单次二次接触模型无法完全捕捉自然种群的复杂性；研究假设渗入等位基因中性，未考虑适应度效应；研究中预设K=2，而实际研究通常需要推断最优K值，这本身可能引入额外误差。尽管存在这些限制，认识到聚类方法的时间局限性对于准确重建种群历史仍然至关重要。