一种基于 $F_{\text{ST}}$ 并利用环境变量揭示局部适应的新方法
种群与进化
2015-02-04 v2
摘要
基因组扫描方法用于筛选全基因组 DNA 多态性模式，以检测正向选择的信号。主要有两类方法：(i) 基于 Fst 的“异常值”检测方法，用于识别相较于基因组其余部分具有高分化程度的位点；(ii) 环境关联方法，用于检验等位基因频率与环境变量之间的关联。我们提出了一种新的基于 Fst 的基因组扫描方法 BayeScEnv，该方法以“环境分化”的形式整合了环境信息。它基于 F 模型，但与现有方法不同，它考虑了两种位点特异性效应：一种源于分歧选择，另一种源于局部适应之外的各种其他过程（例如范围扩张、位点间突变率差异或背景选择）。该方法使用 C++ 开发，可在 http://github.com/devillemereuil/bayescenv 获取。模拟研究表明，在广泛的人口统计情景下，我们的方法比现有的基于 Fst 的方法 BayeScan 具有低得多的假阳性率。尽管其效力较低，但它在效力和假阳性率之间取得了更好的平衡。我们将该方法应用于人类和鲑鱼数据集，表明其可成功用于研究局部适应。我们讨论了其适用范围，并将其机制与其他现有方法进行了比较。
引用
@article{arxiv.1411.7320,
title = {A new $F_{\text{ST}}$-based method to uncover local adaptation using environmental variables},
author = {Pierre de Villemereuil and Oscar E. Gaggiotti},
journal= {arXiv preprint arXiv:1411.7320},
year = {2015}
}
备注
19 pages, 5 figures, Supplementary Information at the end of the document