- 5 次围观
SwiftLD 是 vcftools 0.1.17 中成对连锁不平衡(LD)分析模式 --hap-r2 和 --geno-r2 的即插即用替代工具。群体遗传学分析流程常用这两种模式计算邻近变异之间的 r²、D 和 D′。在 1000 Genomes 第 22 号染色体的三个区域中,针对 503 至 2,504 个样本,SwiftLD 生成的输出与 vcftools 逐字节一致;在配备 AVX-512 的 CPU 上使用两个线程时,其几何平均速度快 826 倍。对于测试的全部五个区域,从 VCF 输入到 LD 输出,SwiftLD 的速度也比最快的替代工具 PLINK 2 快 7.6 倍。PLINK 2 生成的文件格式不同,但其 r² 值与 vcftools 的结果相差不超过 10⁻⁶。对于包含 503 个样本的 1 Mb 区域,vcftools 耗时 29 秒,SwiftLD 耗时 0.049 秒;在普通的 AVX2 笔记本电脑上,使用 12 个线程时,SwiftLD 比 vcftools 快 102 倍。vcftools 之所以缓慢,是因为它会反复从临时文件中重新读取基因型、逐一统计单倍型,并在每输出一行后刷新缓冲区。我使用带有正确性门控的编程代理(Claude Opus 5.5)构建了 SwiftLD:每项更改都必须确保输出与 vcftools 逐字节一致。在三台机器上进行的 167,749 次差异测试中,输出均未出现任何字节差异。在第 22 号染色体上,欧洲人群中与 GWAS 领先变异位点 LD 最强的代理变异,在非洲人群中有 57.4% 的领先位点保持 r² ≥ 0.8,在其他人群中则为 85.6% 至 92.7%(欧洲人群的随机半样本对照为 98.1%)。代码及两条命令即可完成的复现实验见:https://github.com/joe-b-christensen/swiftld。
SwiftLD 是 vcftools 0.1.17 中成对连锁不平衡(LD)模式 --hap-r2 和 --geno-r2 的直接替代工具。群体遗传学分析流程常用这两种模式计算相邻变异位点之间的 r²、D 和 D′。在 1000 Genomes 计划 22 号染色体的三个区域中,样本数为 503 至 2,504 个,SwiftLD 的输出与 vcftools 逐字节一致;在 AVX-512 CPU 上使用两个线程时,其速度提升了 826 倍(几何平均值)。在测试的全部五个区域中,从 VCF 输入到 LD 输出,SwiftLD 的速度也比最快的替代工具 PLINK 2 快 7.6 倍。PLINK 2 输出的文件格式不同,但其 r² 值与 vcftools 的结果相差不超过 10⁻⁶。对于 503 个样本、长度为 1 Mb 的区域,vcftools 耗时 29 秒,SwiftLD 耗时 0.049 秒;在配备普通 AVX2 处理器的笔记本电脑上,SwiftLD 使用 12 个线程时比 vcftools 快 102 倍。vcftools 速度较慢,是因为它反复从临时文件中重新读取基因型、逐个统计单倍型,并在每输出一行后立即刷新数据。我使用通过正确性门控的编码智能体(Claude Opus 5.5)构建了 SwiftLD:每项更改都必须确保输出与 vcftools 逐字节一致。在三台机器上进行的 167,749 次差异测试中,输出均无字节差异。在 22 号染色体上,GWAS 先导位点的最佳欧洲 LD 代理位点在非洲样本组中有 57.4% 的先导位点保持 r² ≥ 0.8,在其他样本组中这一比例为 85.6% 至 92.7%(欧洲样本拆分半数对照组为 98.1%)。代码及两条命令即可完成的复现方法见:https://github.com/joe-b-christensen/swiftld。
作者声明不存在利益冲突。
感谢您有意帮助传播 bioRxiv 的相关信息。
注意:系统要求提供您的电子邮件地址,仅用于确认您是本文信息的发送者。
关键词:连锁不平衡 · 群体遗传学 · 全基因组关联研究 · 跨人群可迁移性 · 代理变异位点 · 高性能计算
原文链接:https://www.biorxiv.org/content/10.64898/2026.11.04.760946v1?rss=1