基因组测序策略的权衡：全基因组测序与限制性位点关联DNA测序在适应性进化扫描分析中的表现差异

《Molecular Ecology》：Missing or Mis-Telling the Story? Trade-Offs for Restriction-Site Associated Compared to Whole Genome Sequencing

本文系统比较了全基因组测序（WGS）与限制性位点关联DNA测序（RADseq，特别是DArTseq技术）在检测选择信号（如XtX和FST统计量）方面的表现。研究发现，尽管两种方法的群体等位基因频率显著相关，但在检测适应性基因组区域（outliers）时存在显著差异：WGS能识别RADseq因标记密度低而遗漏的真实选择信号，而RADseq则可能因等位基因缺失（allelic dropout）和样本差异产生假阳性信号。文章强调，针对具有复杂群体结构（如入侵或濒危物种）的适应性进化研究，WGS优于RADseq，并提出了针对RADseq数据的过滤建议（如利用读数深度方差筛选）以减少错误。

　　

1 引言

研究人员在获取群体基因组数据时，需权衡不同测序方法的优劣。核心决策在于选择全基因组测序（WGS）还是简化基因组测序方法，如限制性位点关联DNA测序（RADseq）家族。WGS旨在对整个基因组进行测序，而RADseq方法则通过测序限制性内切酶切割位点附近的区域，对基因组进行子抽样。尽管两者均适用于描述遗传多样性、群体结构和连通性等中性进化过程，但RADseq因其较低的标记密度，在适应性基因组分析（如选择扫描）中的适用性存在疑问。选择扫描旨在识别表现出异常模式（outlier patterns）的基因组区域，这些异常被认为反映了选择信号。本研究通过比较八哥（common myna, Acridotheres tristis）的WGS数据集和RADseq（具体为DArTseq）数据集的选择扫描结果，评估了两种测序方法在识别假定适应性区域方面的表现。

2 材料与方法

WGS数据集包含80只八哥个体（来自11个种群）的全基因组重测序数据，平均测序深度为14×，最终获得9,523,488个高质量单核苷酸多态性（SNP）。使用BayPass v2.1软件计算每个SNP的XtX统计量（一种校正群体结构后的F_ST类似统计量）来识别选择信号，异常值定义为超过模拟“零”分布99.999%分位数的SNP。

DArTseq数据集包含814只八哥个体（来自50个种群）的数据。为进行比较，创建了三个DArTseq子集：1) DArT_WGS_samp（与WGS完全相同的80个个体）；2) DArT_WGS_pop（与WGS相同的11个种群，但包含更多个体，共212个）；3) DArT_All（791个个体，44个种群，成本与WGS相当）。所有DArTseq数据均使用与WGS数据类似的流程进行比对、SNP calling和过滤，并同样使用BayPass进行选择扫描分析。

3 结果

尽管不同数据集间的XtX统计量和群体等位基因频率显著正相关，但没有任何异常SNP或异常区域在所有数据集中被共同检测到。具体而言：

• •
  WGS数据集检测到2个异常区域（分别位于3号和8号染色体上，由多个连锁的异常SNP构成）。
• •
  DArT_All数据集检测到1个异常SNP（a）。
• •
  DArT_WGS_pop数据集检测到5个异常SNP（b-f）。
• •
  DArT_WGS_samp数据集未检测到任何异常SNP。
  造成这种差异的原因主要有三方面：
  1. 1.
     SNP缺失：WGS检测到的两个强选择信号区域在所有DArTseq数据集中均无任何SNP被分型，导致信号完全遗漏。
  2. 2.
     不同个体/种群：DArT_WGS_pop数据集中的三个异常SNP（b, d, e）仅在该数据集中被检测到，原因是更多个体的纳入导致了等位基因频率的细微变化，使其统计量刚好超过异常值阈值，但这些信号的可靠性可能不高。
  3. 3.
     基因型调用错误（等位基因缺失）：DArT_All数据集的异常SNP（a）和DArT_WGS_pop数据集的异常SNP（f）显示出最强的异常信号，但深入分析（与WGS数据对比基因型和底层比对读数）表明，这些信号是由群体特异性的等位基因缺失（allelic dropout）引起的假阳性信号。等位基因缺失是指由于限制性内切酶切割位点丢失，某些个体的某个等位基因未被测序。

4 讨论

本研究实证比较了WGS和RADseq（DArTseq）在选择扫描分析中的权衡。结果表明，RADseq数据不仅可能因标记密度低而遗漏（Missing） 真实的选择信号（如WGS发现的区域），更严重的是可能因等位基因缺失等问题误报（Mis-Telling） 选择信号，导致对生物学故事的错误解读。

• •
  SNP过滤建议：对于RADseq数据，除了常规过滤（如每个种群最少分型个体数），建议考虑利用位点读数深度方差（read depth variance）作为额外筛选指标，有助于识别等位基因缺失高发的位点，但即使最严格的过滤也无法完全消除错误。
• •
  方法推荐：当研究目标是识别适应性位点，尤其是针对群体结构复杂（如入侵种、濒危种）的系统时，WGS（即使是较少个体）优于包含大量个体的RADseq。WGS提供了更高的基因组覆盖度和更准确的基因型调用，避免了等位基因缺失问题。其他替代方案如低深度全基因组测序（lcWGS）或群体池测序（Pool-seq）也值得考虑，但它们各自面临基因型不确定性或个体贡献不均等挑战。
  总之，尽管RADseq在成本有限且侧重于中性过程研究时仍有其价值，但对于适应性进化研究，特别是涉及复杂群体历史的情况，WGS能提供更可靠的结果。若必须使用RADseq进行选择扫描，需对检测到的异常位点进行严格检查，可视化其缺失模式、读数深度分布等，以确认信号真实性。