基于等位基因拓扑与变点分析的性染色体演化层划分——以Silene和Artemia为例

《Molecular Biology and Evolution》：Using gene topologies to partition sex chromosomes into regions with distinct histories

　　

性染色体常通过连续的重组抑制（recombination suppression）演化，形成演化层（evolutionary strata）。准确描述这些演化层、其边界和历史对于研究性染色体演化至关重要，但在X–Y或Z–W分化较低的年轻性染色体中，或在演化层被分割成片段的高度重排性染色体中，这可能极具挑战性。区分近期演化层的标准方法涉及整合同义分化（d_S）、F_ST和逐基因系统发育（gene-by-gene phylogenies）信号，而这些均可包含噪声。在此，研究人员提出一种新方法，该方法利用至少在姐妹种对之间，从重建的X和Y序列比对到同一参考序列并在外群（outgroup）辅助下推断祖先等位基因后，在性连锁基因上观察到的等位基因拓扑（allele topology）比例，且重建流程具有灵活性。研究人员实施变点分析（change-point analysis）以客观识别这些比例中的转变。该方法既能界定演化层，也能推断其演化历史在物种间是共享还是趋同（convergent）。研究人员在Silene和Artemia物种上展示并检验该方法。该新方法可靠且稳健，总体上证实了其中一些物种的既往发现。该方法也具有敏感性，改进了既往发现并识别出此前未报道的区域。最后，研究人员说明该方法如何为追溯这些物种性染色体历史的场景提供信息。总体而言，该方法提供了一种可广泛使用并补充现有方法的工具，用于研究性染色体。

研究背景与问题。性染色体在生命树中多次由常染色体演化而来，已知包括胎盘哺乳动物XY系统、鸟类和鳞翅目ZW系统、被子植物XY和ZW系统以及某些藻类和苔藓的UV系统。其起源通常涉及常染色体上性别决定位点出现，随后原X与原Y（或Z与W）之间发生重组抑制，非重组染色体退化，并演化出剂量补偿。重组抑制可分多步发生，形成演化层，即X–Y分化程度不同的区域；伪常染色体区（PAR，pseudo-autosomal region）位于性染色体一端或两端，仍发生重组并维持同源性。准确界定演化层是研究性染色体演化的必要步骤，可用于揭示重组抑制发生时间、涉及哪些重排、其大小以及在姐妹种中是趋同还是祖先发生。然而，重建性染色体演化层并不简单。主要困难在于区分完全停止重组的区域与重组极低的区域，以及区分物种分化后独立发生的趋同演化层与祖先演化层，因为二者可呈现相似的X–Y分化模式。传统方法常用d_S、F_ST、d_XY、read depth ratio或逐基因系统发育信号，但对年轻演化层或高度重排性染色体常受噪声和分辨率限制。Kirkpatrick et al.曾用单核苷酸水平的等位基因拓扑检验演化场景，但未将其直接用于演化层注释。因此，研究人员提出将等位基因拓扑比例作为主要信号，结合变点分析，直接界定演化层并推断其历史。

研究人员开展的研究与总体结论。研究人员提出一种新方法：在至少一对姐妹种中，利用重建的X和Y（或Z和W）序列比对到同一参考，并借助外群推断祖先等位基因；随后沿染色体统计等位基因拓扑比例，使用变点分析客观识别比例转变。若X–Y等位基因按染色体分组，提示重组抑制发生在物种形成之前，为祖先演化层；若按物种分组，提示在物种形成后独立趋同发生；单例拓扑和turnover拓扑也提供信息。该方法在Silene和Artemia两个系统上检验，涵盖植物与动物、XY与ZW、近期与祖先演化层。结果表明该方法可靠、稳健，总体上确认既往发现，同时细化边界并识别此前未报道区域，还可用于提出追溯性染色体历史的场景。

关键技术方法概述。研究人员使用RNA-seq和实验室杂交数据，以SEX-DETector程序推断性连锁等位基因并归为X/Y或Z/W。Silene使用既往发表的杂交RNA-seq数据；Artemia使用实验室品系A. sinica（Xiechi Lake，ARC1206）和A. urmiana（Urmia Lake，ARC1230），新测序数据存于NCBI PRJNA1530745。外群为S. viscosa三个个体和A. franciscana一雌一雄。将SNP比对至X或Z参考，保留双等位SNP，按外群推断祖先等位基因，编码14种四数字拓扑；对拓扑比例和d_S分别进行变点分析，d_S用PAML yn00估计，并采用参数bootstrap检测离群基因。

研究结果。Silene部分：Topology results显示，基于拓扑比例的变点分析识别出10至16个边界，定义P、A1、A2、A3、L和PAR等区域；约6%基因为离群值，去除后影响有限。Region-by-region patterns显示，A1、A2、A3以按染色体分组的祖先拓扑为主，并含较多单例，Y连锁单例多于X连锁，表明这些区域的重组抑制发生在整个Melandrium section祖先种中；PAR以按物种分组拓扑为主且单例较少，单例可能为假阳性；L为S. latifolia特异区域，具有较少按物种拓扑、较多单例和部分turnover拓扑；P位于5.7至10 Mbp，所有种对均检测到相同拓扑特征和边界，但缺乏祖先拓扑，研究人员提出其可能近期演化后经历反复基因转换。Hypothesized evolutionary scenario提出，最简单情景是多数变化发生于祖先，A1.1和A1.2较早形成，A1后经次级重排细分，A2和A3随后积累，P可能为祖先区域或由X到Y易位形成，L为S. latifolia近期特异演化层。Comparison with dS data显示，d_S仅推断3至5个变点，其中三个为五种共享，d_S沿X从左至右下降，提示左侧演化层较老、右侧较新，P例外，PAR区d_S近零。Comparison with the literature显示，该方法恢复Moraga et al.报道的多数S. latifolia边界，包括P两侧边界、15.8 Mbp边界和PAR边界，但未找到36.7 Mbp处S1/S2边界；找到约24 Mbp处A1-A2边界，并识别A1内小区块和L左界等新边界；Filatov曾报道的第四个小演化层也被提及但边界未发表。

Artemia部分：The hemizygous region显示，Z参考染色体右端大区域无W reads，可能因分化过高或缺失；左侧边界基因G经BLAST分析实为两个核糖体亚基蛋白基因，一部分呈按物种和单例拓扑，另一部分呈祖先按染色体拓扑；右侧边界仅两个性连锁基因，主要呈按物种和单例拓扑，可能为独立非重组区或小PAR。Region-by-region patterns显示，在基因G左侧识别C1至C6区域；C6仅在A. urmiana检测到性连锁基因，A. sinica无；C4-C5因A. sinica在35 Mbp处性连锁基因检测不连续而区分；C1至C6均很少有按染色体祖先拓扑，因此标为趋同；C1与C3、C2与C4拓扑模式相似，提示可能发生倒位等重排；C1和C3拓扑高度异质，包含多种拓扑。Hypothesized evolutionary scenario提出，祖先中曾发生重组抑制形成祖先演化层，该层在A. sinica与A. urmiana分化前大部分缺失或高度分化；C1-C3与C2-C4相似提示一个物种发生次级倒位，另一物种至少独立演化出一个非重组区；拓扑信息不能判断哪个物种具有两个演化层。Comparison with dS data显示，d_S分析精度较低，A. sinica检测到60和83 Mbp两个边界，A. urmiana检测到79 Mbp一个边界；83 Mbp可能对应C1-C2的80 Mbp，60 Mbp可能对应C3-C4的67 Mbp；d_S在A. sinica检测更多边界，支持A. sinica可能发生倒位。Comparison with the literature显示，该方法恢复Elkrewi et al.描述的多数边界，88和100 Mbp界定S₀区域，35 Mbp对应C4-C5，63 Mbp可能对应C3-C4，并识别C1-C2和C2-C3等新边界。

讨论与结论。讨论指出，该拓扑方法能检测原发性重组抑制和X或Y上的次级重排，在Silene和Artemia中恢复几乎所有既往边界，并识别额外边界和可能重排，表明这些类群历史比此前认识更复杂。相比d_S分析，该方法边界更精确、支持限更窄、敏感性更高、信号更丰富，可直接提出祖先或趋同演化层场景，并识别拓扑相似区域。但方法也存在局限：敏感性可能带来过拟合和过度分割，因此设定每个演化层至少10个基因并检测离群值；外群质量可影响祖先等位基因推断，故对singleton与turnover拓扑加入误差项；部分物种对特异边界需谨慎，可能为过拟合或检测效力不足；无法完全区分生物学重排与组装错误；次级事件会复杂化古老演化层解释；PAR边界仍难以可靠估计，群体数据可改善信号但未完全解决边界问题，且区分近期停止重组与极低重组仍需考虑时间窗口。方法主要识别共享历史的区域，不直接推断重组抑制机制，也不能统计检验不同场景；缺失X或Y序列的区域无法应用。Silene的P区在所有五种中共享且边界可细化，但缺乏祖先拓扑仍令人困惑，Moraga et al.显示其非组装错误，研究人员提出可能与高比例基因转换有关。结论部分翻译如下：该方法主要旨在帮助识别性染色体上的演化层，超越迄今所用技术。研究人员表明，在已有案例研究中，它提供了新的且稳健的发现。它可应用于广泛的生物学案例，正如这里使用的不同示例所示。然而，它需要与现有其他方法结合。特别是，Artemia案例表明，关于d_S或F_ST的额外信息有助于更好地理解情况，强调信息和方法组合对于研究性染色体仍然至关重要。