- 5 次围观
生物样本库规模的数据集如今通常包含数十万到数百万个体，并且随着样本量的增长，近亲个体也变得愈发普遍。群体遗传学中的传统做法是在进行推断之前移除近亲个体，实际上将其视为一种干扰参数。然而，这种做法对群体历史推断，尤其是对近期有效群体大小（Ne）估计的影响，尚未得到严格评估。在本文中，我们在一系列群体历史情景和亲属抽样方案下，对 IBDNe 和 HapNe-IBD 这两种广泛用于基于同祖遗传（IBD）片段推断近期 Ne 的方法进行了基准评测。我们表明，当个体是随机选取时，保留所有亲属会产生偏差最小的 Ne 估计；相反，即便移除二级亲属也会抬高近期 Ne，并诱发一种“涟漪式”的振荡伪影，从而导致对最多可追溯至过去十代的估计产生偏差。我们证明，这种涟漪效应之所以产生，是因为近亲个体贡献的 IBD 片段会被模型分配到超出其真实最近共同祖先时间（TMRCA）的一系列祖先年代中，这意味着移除这些个体会同时在多个世代上造成信号缺失。我们进一步表明，若有意对近亲个体进行过度抽样，则会在近期 Ne 的估计中产生严重的向下偏差。为支持这些分析，我们利用 `msprime` 开发了一个开源的 IBD 模拟流程，该流程能够在任意群体历史和 Wright-Fisher 家系结构下生成真实的 IBD 片段。我们还提供了关于纳入家系结构的 IBD 模拟方案的实用指南，并主张在生物样本库时代，对于基于 IBD 的 Ne 推断而言，保留近亲个体通常是最佳实践。
生物样本库规模的数据集如今通常包含数十万至数百万个体；随着样本量增长，近亲个体也日益普遍。在群体遗传学中，惯例是在推断之前移除近亲个体，实际上将其视为一种干扰参数。然而，这种做法对人口统计推断，尤其是对近期有效群体大小（Ne）估计的影响，尚未得到严格评估。在本文中，我们在一系列人口历史和亲属抽样方案下，对两种广泛使用的基于同祖片段（identity-by-descent, IBD）推断近期 Ne 的方法——IBDNe 和 HapNe-IBD——进行了基准测试。我们表明，当个体是随机选取时，保留所有近亲会产生偏差最小的 Ne 估计；相反，即便仅移除二级亲属，也会抬高近期 Ne，并诱导产生呈“涟漪”式传播的振荡伪影，从而使向前追溯多达十代的估计都产生偏差。我们进一步证明，这种涟漪效应之所以产生，是因为近亲个体贡献的 IBD 片段会被模型分配到超出其真实最近共同祖先时间（TMRCA）范围的一系列祖先年代上，这意味着移除这些个体会同时在多个世代中造成信号缺失。我们还表明，刻意过度抽样近亲个体会导致近期 Ne 出现严重的向下偏差。为支持这些分析，我们基于 msprime 开发了一套开源的 IBD 模拟流程，能够在任意人口历史和 Wright-Fisher 家系结构下生成真实的 IBD 片段。我们提供了结合家系信息的 IBD 模拟方案的实用指南，并指出在生物样本库时代，对于基于 IBD 的 Ne 推断而言，保留近亲个体通常是最佳实践。
感谢您有意帮助传播 bioRxiv 的内容。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.15.729614v1?rss=1
🏷️ 群体遗传学 近亲关系 有效群体大小 IBD片段 人口统计推断 生物样本库