将BASIL放入BLT中：一种用于估计新生适应性突变适应度效应的贝叶斯滤波方法

《PLOS Computational Biology》：Putting BASIL in a BLT: A Bayesian filtering method for estimating the fitness effects of nascent adaptive mutations

　　

新有益突变的分布适应度效应（DFE）是决定适应动态的关键量。条形码谱系追踪（BLT）方法是测量DFE的重要进展。BLT实验使研究人员能够追踪大型微生物群体中约10⁵个条形码化谱系的频率，并在单个实验中检测多达数千个新生有益突变。然而，可靠地识别适应谱系并估计驱动突变的适应度效应仍然是一个挑战，因为谱系动态受到人口统计噪声、测量噪声以及与其他谱系竞争的影响。研究人员表明，常用于分析BLT数据的Levy-Blundell方法及其改进版本FitMut2可能会产生有偏的适应度估计，尤其是在选择较强的情况下。为了解决这一问题，研究人员开发了一种称为BASIL（BAyesian Selection Inference for Lineage tracking data，用于谱系追踪数据的贝叶斯选择推断）的新方法，该方法基于条形码读数动态更新每个谱系适应度和大小的信念分布。研究人员利用新的实验数据校准了BASIL的噪声模型，并发现噪声方差与谱系丰度呈非线性缩放关系。研究人员测试了BASIL和FitMut2在模拟数据以及Levy等人原始BLT数据的降采样数据上的表现，发现BASIL比FitMut2更稳健、更准确。研究人员的工作为从各种场景下的BLT实验中系统推断新有益突变的适应度效应分布（DFE）铺平了道路。

论文解读文章

研究背景、问题与意义

新有益突变的分布适应度效应（DFE）是决定快速适应动态的关键因素。然而，测量新适应突变的效应十分困难，因为有益突变在随机突变中占比很小，且自然选择偏好捕捉最强效应的突变，导致对突变多样性的认识不完整。条形码谱系追踪（BLT）方法通过引入大量随机中性DNA条形码（约10⁵个）并利用深度测序追踪条形码频率，能够同时检测多达数千个新生有益突变，显著缓解了选择偏差。然而，分析BLT数据存在挑战：需要区分获得单一有益突变的适应谱系与中性谱系，但谱系动态受人口统计噪声、测量噪声以及谱系间竞争影响。此外，缺乏明确的中性参考谱系是最大难题。现有方法（Levy-Blundell方法及其改进版FitMut2）可能存在偏见，尤其是在选择较强时。为克服这些问题，研究人员开发了BASIL（BAyesian Selection Inference for Lineage tracking data）方法，旨在更准确、稳健地推断适应谱系的选择系数。该研究发表在《PLOS Computational Biology》上，为系统推断BLT实验中新有益突变的DFE奠定了基础。

主要关键技术方法

研究人员采用了以下关键技术方法：（1）模拟BLT实验：设置弱选择（平均适应度3%）和强选择（平均适应度8%）两种场景，模拟10⁵个条形码谱系，其中3000个谱系携带预存有益突变，通过泊松抽样模拟稀释和测序过程。（2）噪声校准实验：构建由26个克隆（来自酿酒酵母菌株GSY6699）组成的条形码群体，包含6种不同频率（10^-5至0.40），进行9次重复测序，分析测量噪声方差与平均读数的关系。（3）贝叶斯滤波框架：将谱系大小和选择系数作为隐变量，通过演化模型和测量模型更新信念分布，采用马尔可夫链蒙特卡洛（MCMC）采样估计后验分布。（4）降采样分析：对Levy等人2015年数据降低测序深度（约10倍）和采样频率（从12个时间点减少至8个），比较BASIL与FitMut2的性能。

研究结果

**Existing BLT analysis methods can produce biased fitness estimates（现有BLT分析方法可能产生有偏的适应度估计）**
通过模拟弱选择和强选择条件下的BLT实验，研究人员发现，基于中性谱系下降的Levy-Blundell简化方法（中性下降法）和FitMut2在弱选择下表现良好，但在强选择下严重低估群体平均适应度和个体突变的选择系数。当中性参考谱系选择低丰度谱系时，中性下降法在弱选择下也低估适应度；选择高丰度谱系则在强选择下产生偏差。

**Statistical causes for biases of the LB method（LB方法偏差的统计原因）**
研究人员发现，中性下降法依赖的核心方程（1）假设相邻时间点谱系读数的平均值与初始读数呈线性关系且截距为零，但实际数据中该关系存在非零截距（由于回归均值效应）和非线性（参考谱系并非真正中性）。弱选择下截距非零导致低丰度参考谱系低估平均适应度；强选择下高丰度谱系出现非线性，同样导致偏差。在三个真实BLT数据集（Levy 2015、Li 2019、Venkataram 2023）中也观察到类似偏差。

**BASIL: Bayesian selection inference for lineage tracking data（BASIL：用于谱系追踪数据的贝叶斯选择推断）**
BASIL是一种贝叶斯滤波方法，为每个谱系维护大小和选择系数的联合信念分布，利用演化模型和测量模型更新分布。测量模型基于噪声校准实验，发现方差与平均读数的关系为二次型（见方程2），并采用负二项分布（NB）描述读数分布。通过随机抽样谱系估计群体平均适应度和噪声参数，再应用贝叶斯定理更新信念。使用置信因子β=3.3（基于模拟数据优化F1分数）识别适应谱系。

**Comparison of methods on simulated data（方法在模拟数据上的比较）**
在模拟数据上，BASIL准确捕捉了弱选择和强选择下的平均适应度动态，识别适应谱系的精度（弱选择98.8%，强选择99.7%）和召回率（85.7%和82.7%）均较高，优于中性下降法和FitMut2。未能识别的谱系多为弱适应突变，其轨迹与中性谱系难以区分。

**Comparison of methods on published BLT data（方法在已发表BLT数据上的比较）**
在Venkataram 2023数据中，BASIL拟合的适应度与竞争实验测量值的皮尔逊相关系数（0.751和0.636）高于FitMut2（0.257和0.47），平均偏差更小（2.56%和3.52% vs 6.02%和10.34%）。在Levy 2015数据的降采样分析中，BASIL在降低测序深度或采样频率后，识别适应谱系数量仅减少19%和21%，且估计选择系数高度一致；而FitMut2在降低测序深度后识别谱系数量减少92.6%，在降低采样频率后出现大量假阳性（额外增加39,862个谱系），选择系数估计不一致。

**Application of BASIL to data from BLT experiments（BASIL在BLT实验数据上的应用）**
将BASIL应用于五个已发表BLT实验（不同酵母菌株和环境）后，发现群体平均适应度在多数数据集中与基于适应谱系的后验估计一致；但在Venkataram 2023数据中，后期平均适应度出现下降，推测是由于次级适应突变（已在适应谱系中出现的新突变）导致贝叶斯更新失灵。不同重复实验间识别适应谱系数量差异可达三倍，且测量适应度效应分布（mDFE）在统计上可区分，可能源于真实生物学变异和检测功率差异。

讨论与结论

研究人员指出，现有BLT分析方法（Levy-Blundell和FitMut2）存在显著缺陷，尤其是在强选择下，可能产生有偏的适应度估计。BASIL通过贝叶斯滤波克服了这些问题，动态更新谱系信念分布，并利用新的噪声模型（方差与平均值呈二次缩放）提高了推断的稳健性和准确性。BASIL的主要局限包括：计算成本高（需MCMC采样）、假设每个谱系具有恒定选择系数（忽略谱系内多态性）、以及无法处理次级突变导致的后期偏差。但典型BLT实验中主要关注早期适应阶段，因此这些局限不构成主要问题。研究结论翻译如下：研究人员的工作表明，基于中性谱系下降的BLT分析方法在强选择下可能产生严重偏差，而BASIL方法通过贝叶斯动态更新和更准确的噪声模型，在模拟和真实数据上均优于现有方法，为系统估计新有益突变DFE铺平了道路。