使用贝叶斯因子模型进行基因组扫描以检测局部适应的印记
种群与进化
2014-07-30 v4 应用统计
摘要
群体基因组学的核心部分在于寻找与局部适应相关的基因组区域。群体基因组学分析基于对大量分子标记进行基因分型，并从遗传分化模式中寻找异常位点。选择扫描最常用的方法之一是基于衡量群体分化的统计量，如 。然而，与 相关的方法存在重要缺陷，因为它们需要将个体分组为群体，并且还假设了特定的群体结构模型。在此，我们实现了一种基于贝叶斯因子模型的更灵活的基于个体的方法。因子模型利用称为因子的潜变量来捕捉群体结构，这些因子可以描述个体聚类成群体的模式或距离隔离模式。利用分层贝叶斯建模，我们同时推断群体结构并识别作为局部适应候选的异常位点。作为异常位点，分层因子模型寻找与由潜因子衡量的群体结构存在非典型关联的位点。在群体分化模型中，我们表明，与软件 BayeScan 或 方法相比，因子模型可以将错误发现率降低 2 倍或更多。我们分析了人类基因组多样性面板的数据，以提供一个示例，说明如何使用因子模型在大量 SNP 中检测局部适应。该贝叶斯因子模型在开源软件 PCAdapt 中实现。
引用
@article{arxiv.1402.5321,
title = {Genome scans for detecting footprints of local adaptation using a Bayesian factor model},
author = {N. Duforet-Frebourg and E. Bazin and M. G. B. Blum},
journal= {arXiv preprint arXiv:1402.5321},
year = {2014}
}
备注
This work has been partially supported by the LabEx PERSYVAL-Lab (ANR-11-LABX-0025-01),Molecular Biology and Evolution 2014