基因组数据描述群体结构但难以估计定向连通网络

《Molecular Ecology Resources》:Genomic Data Describe Population Structure but Struggle to Estimate Directed Connectivity Networks

【字体: 大 中 小 】 时间:2026年07月29日 来源:Molecular Ecology Resources 5.9

编辑推荐:

  在碎片化群体之间个体的移动(即群体连通性,population connectivity)对群体持久性、遗传结构,并最终定义物种分布范围起着关键作用。分子生物学的进展使基因组数据易于获取,即使对于非模式物种也是如此,并且这些数据越来越多地被用于通过各种方法估计

  
在碎片化群体之间个体的移动(即群体连通性,population connectivity)对群体持久性、遗传结构,并最终定义物种分布范围起着关键作用。分子生物学的进展使基因组数据易于获取,即使对于非模式物种也是如此,并且这些数据越来越多地被用于通过各种方法估计连通性网络,包括基因流推断、个体聚类和亲本分配。然而,尚无系统性研究评估这些不同方法在准确估计连通性网络方面的可靠性。为填补这一空白,研究人员基于一个由三个虚拟群体通过已知强度的单向迁移连接的简单连通性网络,生成了3240个模拟的SNP数据集。然后,研究人员应用一系列分析工具对这些数据集进行连通性推断,并评估它们准确重建底层连通性网络的能力。研究人员比较了不同方法之间连通性网络估计的准确性,并评估了四个关键参数(群体大小、迁移率以及个体和SNP的采样努力)如何影响其性能。令人担忧的是,研究人员发现,在所有方法中,仅在一组狭窄且大多不现实的条件下才能实现可靠估计:完全个体采样(100%)或中等采样(30%)结合低迁移率(**论文解读文章**

**研究背景、存在问题与研究意义**

在生态与进化生物学中,群体连通性,即个体在地理上分离的群体之间的移动,对群体更新、持久性、遗传分化以及局部适应具有深远影响。在碎片化景观中,孤立群体由于缺乏外来遗传多样性以应对环境变化,且在高死亡率事件后无法被其他群体补充,更易衰退。因此,准确估计连通性对于理解群体结构、适应尺度以及实施有效的生物多样性保护或入侵物种管理至关重要。然而,尽管基因组数据(尤其是单核苷酸多态性,SNPs)已广泛用于非模式物种,并通过基因流推断、聚类和亲本分配等方法构建连通性网络,但尚无系统性研究评估这些方法在不同条件下估计连通性网络的可靠性。现有研究通常依赖假设(如平衡状态),且对采样努力、群体大小和迁移率等参数如何影响网络重建的准确性认识不足。为此,研究人员开展了一项模拟研究,旨在填补这一空白,评估常用方法在重建简单定向连通网络时的性能,并探讨关键参数的影响。该论文发表在《Molecular Ecology Resources》。

**研究内容与结论**

研究人员通过模拟生成3240个SNP数据集,基于一个由三个群体通过单向迁移连接的网络(迁移率1.5%–12%,群体大小125–500),并模拟不同个体采样比例(10%、30%、100%)和SNP密度(约790、1510、5908个SNP)。应用八种方法(包括基因流方法如BA3-SNPs、divMigrate、sNMF,聚类方法如sNMF、DAPC、共祖网络,以及亲本分配方法如Sequoia Duo和Sequoia Trio)估计连通性网络,并使用自定义不匹配度量(δ,结合网络结构的图扩散距离GDD和迁移强度的缩放平均绝对误差MAE)比较估计网络与真实网络。结果表明,在低个体采样比例(10%)下,所有方法均无法可靠恢复网络结构;仅当采样比例达到100%或30%且迁移率较低时,才可能获得可靠估计。增加SNP数量不能补偿低个体采样比例。BA3-SNPs总体上最可靠,而聚类方法在低迁移率下表现较好,亲本分配方法仅在完全采样时最优。这些发现强调,个体采样努力是影响连通性估计准确性的关键因素,现有研究可能因采样不足而产生误导性结论。

**关键技术方法**

研究人员使用SLiM v4.0.1和msprime v1.2.0模拟基因组遗传历史,基于真实参考基因组(来自某物种)生成个体基因组,并设置突变率10-7和重组率10-8/核苷酸。从模拟群体中按比例子采样个体(10%、30%、100%)和SNP(0.1%、0.2%、1%),保留双等位SNP且最小等位基因频率>0.02,并基于连锁不平衡(r2 > 0.2)进行修剪。最终生成3240个VCF文件。样本队列来源为模拟群体,无真实样本来源。

**研究结果**

**3.1 数据质量检查**:通过检查FST、FIS和基因多样性(HS)随群体大小和迁移率的变化,验证模拟数据符合预期群体遗传模式。FST随迁移率和群体大小增加而降低,FIS保持稳定,HS增加。实现迁移率略高于设定值(如1.75%±0.89% vs 1.5%)。

**3.2 资源使用**:八种方法在运行时间(从不到1秒到数天)、CPU使用(1-4核)和内存(可忽略到>3GB)方面差异显著。BA3-SNPs运行时间最长(可达5天),其他方法均<15分钟。

**3.3 总体不匹配(δ)分布**:所有方法中δ值范围0-3.48,平均δ在0.47-0.84之间,45%-96%的δ大于0.5,表明方法常无法准确捕捉真实网络。BA3-SNPs、聚类方法和Sequoia Duo的δ较低,而divMigrate、sNMF(基因流模式)和Sequoia Trio的δ较高。但方法间存在重叠,无一种方法始终最优。

**3.4 模拟参数对δ的影响**:ANOVA分析显示,方法、个体采样比例和迁移率是主要影响因素,分别解释12.06%、7.78%和1.3%的方差,其中方法与个体采样比例的交互作用解释5.6%。群体大小和SNP采样比例影响较小。

**3.5 个体采样比例和迁移率对δ的影响**:δ随个体采样比例增加而降低(10%时平均δ 0.50-0.95,100%时0.09-0.91)。δ随迁移率增加而增加,但聚类方法在低迁移率下表现更好。结构组件(GDD)主导δ,迁移强度组件(MAE)通常小于1。正确识别网络结构的比例从10%采样时的19%增加到100%时的49%。在完全采样且高迁移率下,Sequoia Duo最优;其他情况下,BA3-SNPs或共祖网络最准确。

**讨论与结论**

讨论部分指出,本研究模拟了简化的单向迁移系统,旨在评估方法在最简单条件下的表现,结果警示在真实复杂系统中性能可能更差。个体采样比例是影响准确性的最关键因素,与常见假设相反,增加SNP数量不能补偿低个体采样。亲本分配方法在低采样下不可靠,仅在完全采样时高精度;聚类方法对迁移率敏感,适用于低迁移率(高分化)场景;基因流方法(如BA3-SNPs)在多数条件下最稳健,但计算成本高。研究结论总结如下:在估计连通性网络时,应优先考虑个体采样努力,而非SNP密度;推荐BA3-SNPs作为首选工具,但在高分化群体中可选用聚类方法,在极高采样努力下可选用亲本分配方法。所有方法均存在固有噪声,需谨慎解释基因组数据得出的连通性估计。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号