[论文解读] LinkedNN: a neural model of linkage disequilibrium decay for recent effective population size inference

Smith, Chris C R|arXiv (Cornell University)|Feb 13, 2026

Bioinformatics and Genomic Networks被引用 0

一句话总结

LinkedNN 引入了一个神经 LD-衰减层，能够自动学习跨基因组距离的 LD 相关特征以推断近世有效群体规模，在模拟数据上优于 CNN 和基于传统统计量的方法，并且适用于稀疏、未相位化的数据。

ABSTRACT

Summary: A bioinformatics tool is presented for estimating recent effective population size by using a neural network to automatically compute linkage disequilibrium-related features as a function of genomic distance between polymorphisms. The new method outperforms existing deep learning and summary statistic-based approaches using relatively few sequenced individuals and variant sites, making it particularly valuable for molecular ecology applications with sparse, unphased data. Availability and implementation: The program is available as an easily installable Python package with documentation here: https://pypi.org/project/linkedNN/. The open source code is available from: https://github.com/the-smith-lab/LinkedNN.

研究动机与目标

• 开发一个直接学习 LD 衰减特征作为基因组距离函数的神经网络结构。
• 从稀疏、未相位化的 SNP 数据中提高近世有效群体规模估计的准确性。
• 将 LD 层的性能与基于 CNN 的方法及基于统计量的回归方法进行比较。
• 提供一个可实现的工具（LinkedNN），用于跨物种的人群遗传学推断。

提出的方法

• 引入一个 LD 层，通过对数均匀采样的基因组距离来捕捉 LD 衰减。
• 将未相位化基因型编码为次要等位基因计数，使用共享的、位点相关权重。
• 对距离应用径向基函数，形成一个对距离敏感的特征向量。
• 通过学习的逐对距离系数，使基因型特征按距离倍增缩放，计算距离条件的基因型特征。
• 在 SNP 对之间对变换后的特征求平均，并通过回归头估计 N_e。
• 在模拟的两世历史人口史上，与基于 CNN 的模型和基于统计量的回归方法进行对比评估。

Figure 1 : (Left) Neural network diagram. The inputs are genotypes for all SNP pairs $x_{1},\dots,x_{P}$ and corresponding genomic distances $d_{1},\dots,d_{P}$ . The number of filters is $f=64$ and rectified linear unit (ReLU) activation is used on all trainable layers except the final layer. Radia

实验结果

研究问题

• RQ1 一个距离感知的 LD 层是否能在稀疏、未相位化的 SNP 数据下，优于 CNN 与传统 LD 基于回归的方法来估计近世 N_e？
• RQ2 自动学习的 LD 衰减信息与手动调优的 LD-分箱统计量在准确性和鲁棒性上有何差异？
• RQ3 LinkedNN 在小样本量（例如 n=10）和中等 SNP 集合（例如 M~5,000）的不同群体情景下是否有效？
• RQ4 LD 层是否提供可解释的距离线索，与仿真和经验数据中的 LD 衰减模式相一致？

主要发现

• LD 层在 hold-out 仿真中实现了最佳近世 N_e 估计，平均相对绝对误差（MRAE）为 0.380，优于 CNN 和基于统计量的方法。
• 在竞争者中，成对 CNN 的 MRAE 为 0.422，基于统计量的回归为 0.429/0.456（神经网络/随机森林）。
• LD 层使 N_e 估计的 MRAE 相对于基本 CNN 基线降低了 25.6%。
• 学习的距离系数显示出结构并识别出对 LD 特征重要的距离区间（例如 5e5–5e6 bp），表明模型捕捉到了有意义的 LD 衰减信号。
• 对港湾海豚的实证应用得到近世 N_e 估计为 1,411（区间 1,119–1,659），其种群变动时间约在 ~42 代前，证明在稀疏数据下的实际可用性。
• LD 层的估计与某些基于 SMC 的方法不同，凸显了在非常近时段人口历史推断中的优势。

Figure S1 : Blue lines are $f=64$ different coefficients output by the distance-mapping network at initialization—without training—for a range of distance inputs.