《Forensic Science International: Genetics》：PhyloImpute - Phylogeny-aware genotype imputation methods for Y-chromosomal DNA
编辑推荐：
基因型填补（genotype imputation）对于增加来自DNA数量和质量较低的法医或古代样本以及靶向测序方法所得遗传变异位点具有相关性，其使得荟萃分析能够达到所需统计效能或建立等位基因频率。当前基因型填补工具基于重组DNA共享单倍型片段上SNP的共遗传
基因型填补（genotype imputation）对于增加来自DNA数量和质量较低的法医或古代样本以及靶向测序方法所得遗传变异位点具有相关性，其使得荟萃分析能够达到所需统计效能或建立等位基因频率。当前基因型填补工具基于重组DNA共享单倍型片段上SNP的共遗传，因此不适用于非重组DNA。针对非重组DNA（如人类Y染色体）的填补，将允许从较低成本的靶向方法扩展信息量，达到与大规模并行测序（massively parallel sequencing）衍生数据相当的数量。研究人员引入PhyloImpute，一款易用软件，利用（自定义）系统发育树中提供的Y染色体SNP的系统发育性质来填补缺失遗传变异。PhyloImpute通过比最先进预测工具更准确地预测单倍群（haplogroup）来表征样本，识别偏离预期系统发育的变异，并在地图上建立并展示单倍型频率。PhyloImpute基于GPL-3.0许可发布。命令行工具、详尽说明及测试数据发布于https://github.com/ZehraKoksal/PhyloImpute，Windows和Linux的图形用户界面工具及教程和测试数据发布于https://zenodo.org/records/17950955。
研究背景方面，尽管大规模并行测序成本下降，但大样本量测序成本仍是负担，且古代与法医样本常因DNA量不足产生不完整谱图。常规基因型填补依赖重组DNA单倍型分段与片段内共遗传（连锁不平衡），无法用于整体作为单一单倍型的非重组DNA（如哺乳动物Y染色体与线粒体DNA）。非重组DNA缺乏重组，突变固定顺序可由系统发育树表示，从而可通过系统发育关系推断缺失SNP等位基因，这正是本研究的出发点。论文发表于《Forensic Science International: Genetics》。
关键技术方法上，研究人员构建PhyloImpute v1.3软件，以CSV或预过滤VCF格式的样本SNP祖源/衍生等位状态表，及可选Y染色体系统发育树（Y minimal tree、ISOGG 2019 v15.73、NAM-Q-Y或自定义树）为主输入；算法沿系统发育树注释SNP，选取具最多下游衍生等位的最大分辨率分支（maximum resolution branch, MRB）定单倍群，给出置信值（confidence value）与惩罚值1/2（penalty value 1/2）支撑；对MRB内SNP补衍生态、平行分支补祖态，冲突SNP单独输出不覆盖；并提供基于样点经纬度的等位频率地图插值。基准测试采用Hallast等2023年43条人类Y染色体组装（短读长/长读长、多单倍群）及猿类组装，按HID Y Ampliseq（884 SNP）、中国Y面板（165）、Infinium GSA v4.0（3887）、NAM-Q-Y（1566）、SNaPshot多重（125）五套面板子抽样，模拟10%–90%缺失，以完整VCF校验，并与Y-LineageTracker v1.3.0比较单倍群预测。
研究结果部分，3.1节显示PhyloImpute单倍群预测可靠度优于Y-LineageTracker：五面板215数据集中后者38例错判、前者仅4例错判且均被惩罚值预警；MRB法平均解析度10.47分支显著高于后者0.64（Wilcoxon p=0.00326）；至90%缺失错判率≤2%。3.2节表明填补使SNP数大幅提升，Ampliseq由881升至72781（误填率0.43%）、中国面板164升至66036（0.46%）、GSA 3573升至74088（0.43%）、SNaPshot 125升至65747（0.47%）、NAM-Q-Y因仅含Q定义SNP且多数样本非Q，仅1554升至10055（误填1.1%）；输入SNP密度与误填率负相关（Spearman ρ=-0.322）。3.3节分析系统发育偏离：完整VCF中MRB内祖源等位中位129/样本，去除A单倍群两样本后剩340个，38%仅单样本出现，多数位于Y染色体歧义区或为回归突变；平行分支衍生等位中位108/样本，去假预测后603个，56%仅单样本，非歧义区且>2样本者剩58个，可能源于复发突变或混合DNA。3.4节展示PhyloImpute可基于样点坐标对选定SNP衍生等位频率做地理插值绘图，以瑞典150模拟样本两SNP为例呈现南北频率梯度，平滑参数epsilon默认2.3可调。
讨论部分指出，PhyloImpute填补了非重组基因组无适用填补工具的空白，首次将系统发育感知填补用于Y染色体，SNP数量最高提升约500倍，使靶向测序数据量比肩大规模并行测序；其单倍群预测精度与解析度超越Y-LineageTracker，且所有误判均被统计支撑值标记；偏离系统发育输出助力发现测序误差、回归突变、复发突变及混合样本；频率地图功能辅助群体遗传与迁移分析。结论翻译如下：PhyloImpute v1.3是一款面向非重组DNA（如人类Y染色体）的开源系统发育感知基因型填补软件，提供命令行与图形界面；目前仅用于Y染色体，未来可拓展至线粒体DNA（尽管异质性及高复发突变会带来更多系统发育偏离）。该工具弥补了非重组基因组基因型填补工具缺失的主要空白，大幅扩展SNP数据集以开展荟萃分析与等位频率估计；所有单倍群误预测均通过惩罚值1与置信值被标记为潜在错误；结合易安装性与详实文档，可服务于群体、法医与进化遗传学研究者。
