更新RZooRoH软件包用于从基因组数据中分析近交、血统同源和亲缘关系

《Molecular Ecology Resources》：Updating the RZooRoH Package for the Analysis of Inbreeding, Identity-By-Descent and Relatedness From Genomic Data

　　

RZooRoH R软件包被开发用于描述个体近交（inbreeding）水平。它识别通过不同路径从共同祖先继承两次的DNA片段，这些片段被称为纯合子同源片段（homozygous-by-descent, HBD）。该软件包接受多种数据格式并提供多种输出：HBD片段、近交率（inbreeding rates）以及全基因组和位点特异性的HBD概率。此外，它将HBD水平划分为多个HBD类别（HBD classes）。这些类别之间的长度分布不同，因此对应于可追溯到过去不同世代的祖先群组。这提供了关于交配结构和近期种群历史的信息。该软件包的计算性能得到了显著提升，例如，在处理全基因组测序数据时能够减少计算时间，并能够拟合更多的HBD类别。现在可以为每个过去世代拟合一个类别，这有助于结果解释。由于研究人员此前已证明ZooRoH模型可用于描述单倍体个体或定相单倍型之间的血统同源（identity-by-descent, IBD），因此该选项已包含在新的软件包版本中。通过描述来自两个个体的四个可能单倍型对之间的IBD水平来估计亲缘关系（kinship）是研究人员添加到软件包中的另一个功能。最后，新选项允许细化模型，例如通过将HBD类别定义为区间或相邻类别的恒定近交率。总体而言，新版本的软件包在描述近交、IBD和亲缘关系水平时提供了更高的计算效率和可解释性。

**论文解读：RZooRoH软件包的更新及其在近交、血统同源和亲缘关系分析中的应用**

该论文发表在《Molecular Ecology Resources》上，旨在介绍RZooRoH软件包（版本0.4.0）的重大更新。研究背景方面，近交（inbreeding）分析在保护遗传学、动物育种和进化生物学中具有核心地位。纯合子同源片段（homozygous-by-descent, HBD）是衡量个体近交水平的关键指标，其长度分布可反映祖先世代的信息。血统同源（identity-by-descent, IBD）片段则用于描述单倍型之间的共享关系，进而估计亲缘关系（relatedness）。然而，早期版本的RZooRoH软件包存在计算效率低、仅能分析二倍体个体、缺乏亲缘关系估计功能等问题，且无法有效区分近期与古老IBD片段。因此，研究人员开展了本项研究，旨在通过算法优化和功能扩展，提升软件包的计算性能和应用范围。

为开展研究，研究人员主要采用了以下关键技术方法：首先，借鉴Harris等（2014）的算法，实现了线性复杂度的解码算法（替代原二次复杂度），显著降低运行时间；其次，扩展模型至单倍体个体或定相单倍型，支持IBD分析；第三，新增zookin()函数，基于四个单倍型对的IBD状态估计亲缘关系，并实现IBD分类；第四，引入“Step”和“Interval”建模选项，分别通过恒定近交率分组和区间定义HBD类别，提高结果可解释性；第五，采用“RecTable”选项近似遗传距离以加速计算。样本来源包括阿姆斯特丹岛野牛（TAF）、欧洲野牛（WL）和黑蜜蜂（Ouessant岛）的真实数据集，以及通过SLiM和msprime模拟的瓶颈和恒定种群大小场景。

研究结果部分如下：

**4.1 计算时间**：通过比较新旧版本在处理TAF种群不同密度标记（全基因组测序WGS、高密度HD、中密度MD）时的运行时间，发现新版本平均每迭代时间缩短7.9–83.8倍，尤其当拟合更多HBD类别（如50类）时优势显著，证实了线性复杂度算法的有效性。

**4.2 IBD分析及其在单倍体个体中的分类**：对40个黑蜜蜂单倍体雄蜂（780对）进行IBD分析。单类别模型与参考方法hmmIBD的IBD估计高度相关（r=0.996），验证了模型等价性。14类别模型则揭示了IBD的分类信息：近期IBD（R_c≤32）平均贡献0.094，且5对个体呈现极高IBD水平（>0.45），对应非常近的亲缘关系。这表明多类别模型能有效区分近期与古老IBD，并提供更丰富的世代信息。

**4.3 亲缘关系估计**：对18个TAF个体（经历15–20代前瓶颈）进行九层模型分析。所有个体对的亲缘系数均较高（平均0.336），其中大部分IBD由R_c=16和32的类别捕获，对应中等长度片段（约3 Mb），反映群体内背景IBD。少数个体对具有近期IBD（R_c≤8），如一对个体显示约0.25的近期亲缘系数，暗示亲本-子代或全同胞关系。位点特异性IBD概率沿染色体变化，可识别0、1或2个IBD单倍型对，进一步区分关系类型。模拟数据验证了RZooRoH在区分近期与背景IBD上的能力，且与KING方法相比，其对近期IBD的估计更稳定，不受负值影响。然而，高定相错误率（switch error rate）会导致近期IBD片段分裂，向更高R_c类别偏移，但总体亲缘水平仍可恢复。

**4.4 新建模选项**：对TAF和欧洲野牛种群拟合50层模型（每层对应一个世代），发现HBD集中在少数近期类别（如TAF中R_c 26–34，对应约15代前瓶颈）。使用“Step”选项（每5个连续世代恒定近交率）和“Interval”选项（按世代区间定义HBD类别）得到相似结果，累积近交水平一致，但“Interval”模型通过更复杂的过渡概率计算，能更精确地界定类别边界。“RecTable”选项在不影响结果的前提下将计算时间缩短约10倍。这些选项共同提供了按世代划分的近交率估计，如近交率0.05–0.10对应有效种群大小（Ne）5–10，与历史记录一致。

讨论部分总结：新版本通过降低运行时间、扩展至单倍体分析、亲缘关系估计及新建模选项，显著提升了RZooRoH的实用性。在保护遗传学中，该软件包尤其适用于低有效种群大小和高近交水平的群体，能结合模型框架处理低覆盖度或简化基因组测序数据。亲缘关系估计可区分近期与背景亲缘成分，为育种管理和遗传多样性保护提供依据。然而，该方法的扩展性有限，不适用于大规模样本或全基因组关联研究，且对高定相错误敏感。研究结论部分翻译如下：总体而言，新版本的RZooRoH带来了若干重要改进。该软件包在有效种群大小减小且近交水平中等到较高的群体中特别有用，能提供个体近交水平的详细描述。其基于模型的框架还能分析低质量基因分型数据（如低覆盖度或简化代表性测序）。在此类群体中，RZooRoH还提供了可解释的亲缘关系估计量，将近期与背景成分分离。此外，对于单倍体数据，ZooRoH模型通过IBD分类实现了更精细的亲缘关系描述。部分功能（如亲缘关系估计和使用“Interval”模型估计近交率）仍需进一步评估，正在进行的工作旨在更好地表征其性质。这些新功能及其他微小更改在新版vignette中有详细描述。研究人员预计新版本软件包将对广泛的研究者有用。