- 3 次围观
将数量性状分化（Q_ST）与中性遗传分化（F_ST）进行比较，是检测局部适应性状分化的一种成熟方法；然而，当Q_ST因外源性性状方差而降低时（即由非遗传来源，如环境效应和测量误差所导致的方差），其经验应用的检测效能可能会下降。我们提出了REDQuanTEA（Replication-Enhanced Detection of Quantitative Traits Evolving Adaptively，复制增强的适应性进化数量性状检测）这一开箱即用的计算工作流程。该流程利用生物学重复数据区分遗传性状方差与外源性性状方差，同时采用近似贝叶斯计算（Approximate Bayesian Computation，ABC）改进Q_ST的估计。REDQuanTEA并非使用基于单一F_ST的统一阈值比较所有性状，而是依据匹配的实验属性以及性状特异性的外源性方差水平，从中性F_ST分布中生成性状特异性的动态Q_ST异常值阈值。除能够从经验数据中鉴定候选适应性状外，该软件包还可通过模拟指导实验设计与统计分析方案的评估。基于黑腹果蝇（Drosophila melanogaster）的一个种群历史基准，REDQuanTEA的表现优于基于方差分析（ANOVA）的估计方法，尤其是在外源性方差处于中等至较高水平时，同时能够控制假阳性率（FPR）。在实验投入固定的情况下，当外源性方差较低时，采用两个重复且包含更多相互独立基因型的实验设计，其表现往往优于采用三个重复的设计；随着外源性方差增加，前者与后者的表现趋于相当。因此，REDQuanTEA为优化实验方案以及以更高检测效能识别适应性分化性状提供了一个框架。
比较数量性状分化（Q_ST）与中性遗传分化（F_ST）是检测局部适应性状分化的一种成熟方法，但在实际应用中，当Q_ST受到外源性性状方差的削弱时，其检验效能可能会降低；外源性性状方差来源于非遗传因素，如环境效应和测量误差。我们提出了REDQuanTEA（Replication-Enhanced Detection of Quantitative Traits Evolving Adaptively，复制增强的适应性进化数量性状检测），这是一套开箱即用的计算分析流程，利用生物学重复数据区分遗传性状方差与外源性性状方差，同时采用近似贝叶斯计算（Approximate Bayesian Computation，ABC）改进Q_ST的估计。REDQuanTEA并非使用单一的、基于F_ST的阈值来比较所有性状，而是根据匹配的实验属性以及性状特异性的外源性方差水平，从中性F_ST分布中生成性状特异性的动态Q_ST异常值阈值。除可从实证数据中识别候选适应性状外，该软件包还支持通过模拟引导评估实验设计和统计分析方案。基于黑腹果蝇（Drosophila melanogaster）的人口统计学基准，REDQuanTEA的表现优于基于方差分析（ANOVA）的估计方法，尤其是在外源性方差处于中等至较高水平时，同时能够控制假阳性率（FPR）。在实验投入固定的情况下，当外源性方差较低时，包含更多独立基因型的两重复实验设计往往优于三重复设计；随着外源性方差增加，二者的表现则趋于相近。因此，REDQuanTEA为优化实验方案以及以更高检验效能检测适应性分化性状提供了一个分析框架。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.31.748449v1?rss=1
🏷️ 数量性状分化 局部适应 QST-FST比较 近似贝叶斯计算 生物学重复 实验设计优化