进化机制决定基于时间序列遗传数据推断上位性的准确性

上位性，即突变的非加性效应，塑造了适应度景观和进化轨迹。时间序列遗传数据揭示了进化动力学，并可用于推断上位性相互作用，尤其是通过相互作用突变之间的连锁不平衡（LD）。然而，其他进化力量也可产生LD，从而增加了推断难度。在此，我们系统评估了多种上位性推断方法在一系列选择压力、重组率和种群大小条件下的准确性。总体而言，我们发现推断准确性取决于进化情景：基于边际路径似然（MPL）的方法在强选择和低重组条件下表现最佳，而准连锁平衡（QLE）方法在重组频繁时更为准确。我们进一步表明，遗传漂变的强度会影响那些基于等位基因频率随时间变化进行学习的方法的推断准确性。总之，我们的结果表明，从时间序列遗传数据中检测上位性的能力取决于选择、重组与遗传漂变之间的相互作用，并为不同进化背景下的方法选择提供了指导。

上位性（epistasis）即突变的非加性效应，会塑造适应度景观和进化轨迹。时间序列遗传数据能够揭示进化动力学，并可用于推断上位性相互作用，尤其是通过相互作用突变之间的连锁不平衡（LD）来实现。然而，其他进化力量也可能产生LD，从而给推断带来挑战。本文系统评估了多种上位性推断方法在不同选择压力、重组率和群体大小条件下的准确性。总体而言，我们发现推断准确性取决于进化机制所处的状态：基于边际路径似然（MPL）的方法在强选择和低重组条件下表现最佳，而准连锁平衡（QLE）方法在重组频繁时更为准确。我们进一步表明，对于那些通过学习等位基因频率随时间变化进行推断的方法，遗传漂变的强度会影响其推断准确性。总体来说，我们的结果表明，基于时间序列遗传数据检测上位性的能力取决于选择、重组和遗传漂变三者之间的相互作用，这为在不同进化背景下选择合适的方法提供了指导。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.16.739011v1?rss=1

🏷️ 上位性 时间序列遗传数据 连锁不平衡 自然选择 重组率 遗传漂变