[论文解读] Identifying recombination hotspots using population genetic data

Adam Auton, Simon Myers+1 more|arXiv (Cornell University)|Mar 17, 2014

Genetic Mapping and Diversity in Plants and Animals参考文献 10被引用 20

一句话总结

本文提出了一种新颖的方法，利用群体遗传数据检测哺乳动物基因组中的重组热点，其基础是连锁不平衡模式。该方法在人类样数据中实现了约50–60%的检测功效，且假阳性率低至每兆碱基0.24–0.56，为精细尺度重组图谱绘制提供了稳健工具。

ABSTRACT

Motivation: Recombination rates vary considerably at the fine scale within mammalian genomes, with the majority of recombination occurring within hotspots of ~2 kb in width. We present a method for inferring the location of recombination hotspots from patterns of linkage disequilibrium within samples of population genetic data. Results: Using simulations, we show that our method has hotspot detection power of approximately 50-60%, but depending on the magnitude of the hotspot. The false positive rate is between 0.24 and 0.56 false positives per Mb for data typical of humans. Availability: http://github.com/auton1/LDhot

研究动机与目标

• 开发一种利用群体遗传数据检测哺乳动物基因组中精细尺度重组热点的方法。
• 解决识别重组热点的挑战，这些热点通常宽度约为2 kb，且负责大部分重组事件。
• 通过真实的人群遗传模拟，提高在人类及相关物种中热点检测的准确性和可靠性。
• 量化该方法在典型人类基因组数据条件下的检测功效和假阳性率。

提出的方法

• 该方法通过分析群体样本中遗传变异的连锁不平衡（LD）模式，推断重组热点的位置。
• 其采用一种统计框架，建模重组事件周围LD的衰减，以精确定位重组率升高的区域。
• 通过在不同重组率和热点强度下进行大量群体遗传数据模拟，对方法进行验证。
• 通过将推断出的热点与数据中已知的模拟热点进行比较，估算检测功效和假阳性率。
• 该方法考虑了群体历史和突变率，以提高在真实世界数据背景下的准确性。

实验结果

研究问题

• RQ1 群体遗传数据中的连锁不平衡模式能否可靠地检测出精细尺度重组热点？
• RQ2 该方法在不同热点强度和基因组背景下，其检测功效如何？
• RQ3 在符合现实的人类样人群参数下，该方法的假阳性率表现如何？
• RQ4 群体历史在多大程度上影响使用该方法进行热点检测的准确性？

主要发现

• 该方法的热点检测功效约为50–60%，具体取决于热点的强度大小。
• 在典型人类群体的数据中，假阳性率范围为每兆碱基0.24至0.56个假阳性。
• 该方法在真实的人群模型和突变率下表现稳健，保持了高特异性。
• 模拟结果证实，该方法能够可靠地区分真实热点与背景重组变异。