一种适用于模式与非模式物种的可复用神经重组定位方法

家系分析和杂交实验可以直接测量交换事件，并为重组图谱构建提供金标准，但其高昂成本将精细尺度的重组图谱构建限制在少数物种中。连锁不平衡（LD）模式为推断基因组沿线重组变异提供了一种替代性的统计方法。然而，LD会受到许多进化因素的混杂影响，例如种群历史变化、生活史性状以及基因组结构变异。我们提出了 fastrho，这是一种基于状态空间的神经网络估计器，在一系列基于模拟的先验条件下进行训练。在模拟的种群瓶颈和扩张情景中，我们的模型优于 pyrho 和 ReLERNN，尽管这些方法可以获取生成模拟数据的历史信息。我们进一步评估了其在多个物种间的泛化能力，并且，为了应对初始训练数据中未体现的其他混杂因素，我们针对自交植物、具有结构化种群的 Arabis 以及大规模疟疾媒介种群设计了专门的推断模型。 蚊虫模型的一项重要生物学应用，是构建了一个覆盖 13 个 Ag3 种群、包含五条染色体臂的重组图谱集，从而详细展示了整个数据集中重组率变异的情况。根据 Ag3 家系数据推断得到的重组图谱为该图谱集提供了独立的、粗尺度的支持。最后，对抗性位点和红额金翅雀超基因的分析表明，选择作用和结构变异会如何影响 LD。在整个研究过程中，我们使用实验图谱进行独立验证。综上，我们的结果确立了 fastrho 作为一个灵活框架，能够在多样的生物系统中实现稳健的重组图谱构建。

家系分析和杂交实验能够直接测量交叉互换，并为重组图谱构建提供黄金标准，但其高成本将精细尺度重组图谱绘制限制在少数物种中。连锁不平衡（LD）模式则为推断基因组沿线重组变异提供了一种替代性的统计方法。然而，LD 会受到许多进化因素的混杂影响，例如种群历史变化、生活史性状以及基因组结构变异。我们提出了 fastrho，这是一种状态空间神经网络估计器，在一系列基于模拟的先验条件下进行了训练。在模拟的瓶颈和扩张情景中，我们的模型优于 pyrho 和 ReLERNN，尽管这些方法能够获得生成模拟数据的历史信息。我们进一步评估了其在多个物种间的泛化能力，并且为了应对初始训练数据中未体现的其他混杂因素，我们为自交植物、具有结构化特征的阿拉伯芥属群体以及大型疟疾媒介种群设计了专门模型。蚊虫模型的一项重要生物学应用是构建覆盖 13 个 Ag3 种群的五染色体臂重组图谱集，从而对整个数据集中的重组率变异提供了详细刻画。基于 Ag3 家系推断的重组图谱为该图谱集提供了独立的粗尺度支持。最后，对抗性位点和红额朱顶雀超基因的分析表明，选择作用和结构变异如何影响 LD。在整个研究过程中，我们使用实验图谱进行独立验证。综上，我们的结果确立了 fastrho 作为一个灵活框架，可用于在多样化生物系统中开展稳健的重组图谱构建。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.20.746066v1?rss=1

🏷️ 重组定位 连锁不平衡 神经网络 状态空间模型 群体遗传学 基因组图谱