北京基因组所开发出比较群体基因组学新算法

随着基因组测序技术的发展，物种和群体水平基因组数据呈指数增长。这些数据为在基因组水平鉴定和解析自然选择机制提供了机遇。然而，目前的分析方法面临着技术瓶颈和挑战。其中，关键问题是如何高效准确地检测作用于非编码区的自然选择效应。同时，能够高效、高性能地分析多物种大样本数据，成为方法学方面的迫切要求。

中国科学院北京基因组研究所（国家生物信息中心）陈华团队，在多物种联合等位基因频谱理论以及HKA（Hudson-Kreitman- Aguadé）检验的框架上，构建了CEGA（Comparative Evolutionary Genomic Analysis）方法。CEGA整合微进化过程与宏观进化过程模型，刻画了自然选择和群体历史在非编码区形成的遗传多态性“印记”，可高效、准确地检测作用于非编码区上的正向选择及平衡选择信号。CEGA同时分析物种间的分歧位点和物种内的多态位点信息。当两物种分化时间比较短时，多态位点蕴含的信息有助于准确推断分化时间、有效群体大小等信息，利于区分自然选择效应与群体历史干扰。因此，该方法在不同物种分化时间尺度上具有更广泛的适用性。仿真分析表明，对于不同的选择强度和物种分化时间，CEGA检测正选择与平衡选择的效果均优于现有方法，尤其对于选择强度较弱或者物种分化时间比较短的情景，CEGA的优势更为明显。除用于检测自然选择外，科研人员希望提出对自然选择发生过程的深入认知。 鉴于此，CEGA基于群体遗传学模型提出了关于自然选择强度等关键参数的推断。

该团队将CEGA应用于已发表的9个现代人类（Homo sapiens）和9个黑猩猩（Pan troglodytes ellioti）的群体基因组数据，进行编码区、非编码区两个层面上的比较分析，鉴定了在人类基因组中受自然选择作用而快速进化基因，并发现了这些基因的功能显著富集在与大脑容量、大脑皮层的总面积以及大脑皮层的厚度等相关表型和分子通路。此外，研究显示，在与免疫反应和病原体抵抗相关的区域（如主要组织相容性复合体MHC）存在显著的平衡选择信号。以上仿真分析以及人与黑猩猩基因组真实数据分析的结果表明，CEGA是有效的算法工具，可用于大规模群体基因组测序数据的高效分析。

相关研究成果以CEGA: a method for inferring natural selection by comparative population genomic analysis across species为题，发表在《基因组生物学》（Genome Biology）上。研究工作得到国家自然科学基金、国家重点研发计划和中国博士后科学基金等的支持。

论文链接

CEGA模型的参数及观测数据