研究：利用 溯祖模拟 挖掘与玉米农艺性状相关的 稀有突变（Science 2005）

Wright SI, Bi IV, Schroeder SG, et al. The effects of artificial selection on the maize genome. Science. 2005 Oct 7; 308(5726):1310-1314. doi:10.1126/science.1107891

Yamasaki M, Tenaillon MI, Bi IV, et al. A large-scale screen for artificial selection in maize identifies candidate agronomic loci for domestication and crop improvement. Plant Cell. 2005;17(11):2859-2872. doi:10.1105/tpc.105.037242

上述两篇文章由两个相同的团队合作完成，于 2005 年分别发表于 Science 和 Plant cell 两个期刊上，其中 Plant cell 文章可以视为以 Science 文章为基础的补充研究。主要内容为利用 群体遗传学 方法挖掘与玉米农艺性状相关的 稀有突变 。常用的挖掘方法包括关联分析和连锁分析，其中连锁分析需要花费大量的时间和资源来构建群体，并且定位较粗；关联分析需要大量群体并难以挖掘稀有突变。但与驯化或改良相关的基因，多因 固定 而在区域内呈现稀有突变。

为挖掘出与驯化或改良相关的 稀有突变，作者提出群体遗传学方法，可以视为对关联分析方法的 有效补充。

1. 计算 不同亚群 基因的 遗传多样性 并排序
2. 通过 溯祖模拟 推算 中性 基因和 受驯化选择 的基因的群体瓶颈大小及 比例
3. 根据 比例 选择遗传多样性 Top N% 的基因作为 驯化基因。
4. 通过 GO 分析等生理功能分析，进一步研判驯化基因的 可信度。

概念

作者将玉米基因组的基因划分为 3 类：中性基因（neutral gene）、驯化基因（domestication gene）、改良基因（improvement gene）。驯化基因是指在大刍草驯化成为玉米的过程中被固定的基因。改良基因是指对玉米性状不断改良过程中被固定的基因。中性基因是指在驯化和改良过程中均未被固定的基因（Fig 1）。驯化基因 的挖掘需要比较 大刍草 和 玉米 基因组间的差异，而 改良基因 的挖掘则需要比较玉米 优良品系 与 地方品系 基因组间的差异。中性基因的多样性改变仅受群体瓶颈效应影响，驯化或改良基因则受到瓶颈和改良双重影响。

作者认为相比与中性基因，玉米不同亚群间（大刍草、地方品种、优良品种），受人工选择影响的驯化或改良基因的遗传信息多样性下降的更多。利用不同亚群基因组区间内遗传多样性的差异，可以推断区间的选择强度：差异越大的区间，选择强度可能越大。借此，提取出被关联分析忽略的稀有突变区间。

Science 文章材料及方法

材料：14 个玉米自交系（7 个温带、7 个热带） + 16 个大刍草自交系，总计 30 个自交系 样本。下表摘自 Plant cell 文章 Table 1，简要介绍了自交系的名称、地点等。

	Inbred		Landrace		Teosinte
1	B73	美国中西部	PI213793	美国北部	Benz 967	墨西哥中部
2	Mo17	美国中西部	CHH 160	墨西哥北部	INIFAP JSG y MAS 264	墨西哥中部
3	Il14H	美国中西部	SIN 2	墨西哥西部	INIFAP JSG y MAS 401	墨西哥中部
4	Hp301	美国中北部	MEX 48	墨西哥中部	CIMMYT 8783	墨西哥南部
5	Oh43	美国中北部	PUE 32	墨西哥中部	CIMMYT 11355	墨西哥南部
6	Ky21	美国中部	YUC 7	墨西哥南部	INIFAP JSG 197	墨西哥南部
7	M37W	南非	OAX 68	墨西哥南部	INIFAP JSG 374	墨西哥南部
8	NC350	美国东南部	OAX 70	墨西哥南部	INIFAP JSG 378	墨西哥南部
9	CML69	墨西哥	GUA 131	危地马拉	INIFAP JSG y LOS 109	墨西哥南部
10	CML247	墨西哥	GUA 14	危地马拉	INIFAP JSG y LOS 119	墨西哥南部
11	CML322	墨西哥	VEN 453	委内瑞拉	INIFAP JSP y LOS 130	墨西哥南部
12	CML333	墨西哥	MAG 450	哥伦比亚	INIFAP JSG y LOS 161	墨西哥南部
13	Ki3	泰国	SAN 329	哥伦比亚	Wilkes Site 6	墨西哥中部
14	Ki11	泰国	APC 13	秘鲁	Kato Site 4	墨西哥南部
15			URG 11	乌拉圭	Beadle and Kato Site 4	墨西哥南部
16			CHI 349	智利	USDA PI566686	墨西哥南部

PS：inbred 中 1-7 样本是温带品系，8-14 是热带品系。

由于当时测序费用昂贵，所以仅将目光集中在 部分基因 区间内。重测序样本内 774 个基因的序列信息，其中玉米中鉴定了 3463 个 SNP（65 个基因不包含 SNP），大刍草中鉴定了 6136 个 SNP。作者 计算 了区间内大刍草与玉米品系 遗传多样性的差异 并排序，筛选 与驯化或改良相关的区间。

筛选受选择区间需要设定阈值，超过阈值的区间将被认为受到了人工选择。为了保证阈值的合理性：

1. 通过溯祖模拟（coalescent simulation）来推断驯化或改良过程中群体瓶颈的严重程度（bottleneck severity，$k$ = 2.45）。具体做法为，计算 每个基因 的瓶颈，获得一个包含 774 个 $k$ 值的分布，根据此分布推断出最可能的基因组 $k$ 值。
2. 利用 $k$ 值生成模拟数据，与真实数据间进行比较，验证推断的瓶颈严重程度是否准确。PS：作者没有直接比较绝对值，而是比较比值，如真实数据突变率比值 ${\theta }_{mze}/{\theta }_{teo}=0.57$ 、重组率比值 ${\rho }_{mze}/{\rho }_{teo}=0.17$，模拟数据 ${\theta }_{mze}/{\theta }_{teo}=0.57$、 ${\rho }_{mze}/{\rho }_{teo}=0.12$。
3. 确定群体瓶颈严重程度估计基本准确后，进一步优化 $k$ 值。作者将基因组分为两部分：一部分是中性基因，仅受瓶颈影响，$k$ 值较小（$k_1=2.45$）；一部分是受选择基因（驯化 + 改良），受瓶颈和选择共同影响，$k$ 值较大（$k_2$），这两部分共同组成了基因组整体的 $k$ 值。利用似然比（likelihood ratio，LR）检验的方法计算出当 $k$ 值最吻合观察数据时，$k_1$、$k_2$ 的值及比例 $f$。最终的计算结果为 $k_2=0.001$、$f=0.036$，即有 3.6% 的基因可能经历了选择。作者将阈值设定为 4% 。
4. 作者将排序后的区间遗传多样性差异列表中 Top 4% 的区间筛选出来，作为与驯化或改良相关的区间，总共得到 30 个基因 。为了证明筛选出来基因的准确性（无实验验证），作者分析了 30 个基因可能的 生理功能 ，并将基因与玉米和大刍草之间表型差异的 QTL 区间位置 进行了比较。

Plant cell 文章材料及方法

Science 文章主要讨论了玉米与大刍草之间的遗传多样性差异，本文作者进行了更细致的分析，讨论玉米 优良品系 与 地方品系 之间的多样性差异，进而筛选出与 改良 相关的基因。Plant cell 文章算是对 Science 文章内容的一种补充，材料参见上节表格，分析步骤如下。

1. 测定 14 个玉米自交系（与 Science 相同）1095 个随机基因的序列，并计算了每个基因内存在的 SNP 数。总共鉴定了 6169 个 SNP。其中 2848 个 SNP 在温热群体中共有，1742 个 SNP 为温带独有，1579 个 SNP 为热带独有。
2. 按照 Science 文章的结论，1095 个随机基因中约有 2-4% 的基因受到选择。作者选择 35 个 SNP 数为零 的基因作为受到改良选择的候选基因。多样性缺失既与驯化或改良选择有关，也与随机因素（遗传漂变）、瓶颈效应、大刍草中已固定等因素相关。为了确定多样性缺失与人工选择相关，作者在 16 个地方品种和 16 个大刍草内测定了这 35 个基因的序列。这 35 个基因的遗传多样性为 优良品系 < 地方品系 < 大刍草。
3. 为了证明筛选出来基因的准确性（无实验验证），作者使用 HKA test 和 CS test 两种 统计检验方法 鉴定驯化和改良基因。通过两种方法的交集，筛选出了 4 个驯化基因和 4 个改良基因 。后续作者也对这 8 个基因进行了同源比对与功能分析等。