一种基于不等长DNA序列的单倍型丰富度估算方法

　　摘要： 传统遗传多样性计算方法要求序列长度一致, 而从公共数据库中获取的序列长度不一, 增加了单倍型识别和遗传多样性评估的难度。现有方法虽能估算不等长DNA序列的单倍型多样性和核苷酸多样性, 但单倍型丰富度的有效计算方法仍属空白。为此, 本研究基于配对序列间的核苷酸差异(K_ij)开发了一种针对不等长DNA序列的单倍型丰富度估算方法。我们通过3项分析验证方法性能: (1)对于同一套等长序列数据集, 将其计算结果与DnaSP的输出结果进行比较; (2)基于鸟类、哺乳动物和两栖动物的等长数据集生成随机长度的模拟序列, 验证算法处理不等长序列的性能, 并利用药用植物数据集评估该方法的泛化能力; (3)应用该方法计算了鸟类、哺乳动物和两栖动物单倍型丰富度的纬度梯度格局。结果表明: (1)对等长序列, 新方法与DnaSP的输出结果无显著差异(鸟类: W = 22,018, P = 0.845; 哺乳动物: W = 23,096, P = 0.990; 两栖动物: W = 3,518.5, P = 0.977), 且在存在碱基缺失时展现出更优的单倍型识别能力(平均较DnaSP多识别1.333 ± 0.188个单倍型); (2)随机长度模拟实验证实该方法对不等长的序列数据具备良好的估算性能(以相对误差衡量的整体计算精确度为0.130 ± 0.106; 稳定性为0.007 ± 0.007); (3)纬度格局分析显示: 鸟类和哺乳动物在南半球从北到南呈现显著递减趋势, 而在北半球变化较为平缓; 两栖动物则呈现自南向北的持续递减模式。本研究有助于开发更精确的量化方法, 或可为遗传多样性研究及保护工作提供新的分析工具。