中国柯尔克孜羊与吉尔吉斯本地羊群的群体基因组分化及样本不平衡的敏感性分析

《BMC Genomics》：Machine learning-assisted genomic characterization of population differentiation between Chinese Kirghiz and Kyrgyzstan local sheep

　　

摘要

背景

中国柯尔克孜羊（KIR）分布于靠近中国—吉尔吉斯斯坦边境的东帕米尔地区，但其与吉尔吉斯斯坦地理上邻近的羊群的基因组关系仍未完全阐明。本研究旨在表征KIR羊与吉尔吉斯斯坦本地羊群的群体基因组分化情况，同时明确评估样本量不平衡和群体结构对基因组学及机器学习结果的影响。

结果

经过质量控制和亲缘关系过滤后，保留了来自代表14个群体的722只羊的48,902个SNP。核心数据集仍存在不平衡（KIR，n = 187；ALA，n = 10；GIS，n = 15；LOC，n = 43），因此采用平衡重抽样进行敏感性分析。KIR羊的观测杂合度（Ho = 0.249）低于期望杂合度（He = 0.355），F_IS升高（0.296），而核苷酸多样性仍相对较高（π = 0.356）。平衡重抽样再现了这一对比，而KIR羊的ROH总体负担较为温和（平均F_ROH = 0.009）。主成分分析支持KIR羊与吉尔吉斯斯坦三个本地群体之间存在遗传分化，而互补的祖源分析和基因流分析则提示存在区域性的遗传连通性。KIR与ALA、GIS和LOC之间的平衡成对F_ST估计值分别为0.099、0.092和0.098。将KIR低核苷酸多样性与升高的成对FST取交集，鉴定出395个候选基因，包括CAMK2A、CACNA1C、EPHB1、ROBO1、GRID1、GRID2和RXFP2；然而，多重检验校正后无任何GO或KEGG术语保持显著。机器学习分类器在全数据集中表现出近乎完美的区分能力，但在平衡重抽样条件下性能和特征稳定性下降，且经主成分校正的关联检验后（FDR < 0.01），无任何优先SNP保持显著。

结论

尽管存在区域遗传连通性的证据，中国柯尔克孜羊在基因组水平上仍与邻近的吉尔吉斯斯坦本地羊群存在遗传分化。敏感性分析表明，样本不平衡和群体结构可能强烈影响机器学习表现的表观结果和标记优先级排序。因此，所鉴定的位点应视为有待进一步验证的群体信息性候选位点，而非已确认的适应性变异。