Population Genetics

Ch15 Population Genetics / Introduction

Ch15 Population Genetics / Introduction

引言

群体遗传学（Population genetics）可定义为研究群体内及群体间遗传变异的学科。群体遗传学的方法已被广泛应用于理解植物、昆虫、鱼类、野生动物、家畜及人类的进化。本章所描述的方法可应用于上述任何生物，但本文讨论的数据和示例将主要聚焦于人类群体。

在过去几年中，全基因组测序（whole genome sequencing）为研究者提供了前所未有的视角，能够全面观察人类基因组中的所有变异，并极大地增强了我们研究和理解人类遗传变异的能力（Auton et al. 2015; Mallick et al. 2016）。现在，我们可以重建人类人口史（demographic history）的详细过程，并理解人类在不断变化的环境中所进行的多种适应方式。

Ch15 Population Genetics / Evolutionary Processes and Genetic Variation

Ch15 Population Genetics / Evolutionary Processes and Genetic Variation

Evolutionary Processes and Genetic Variation

为了测量和分析 genetic variation，理解产生这些变异的 evolutionary processes 非常重要。这里将讨论四个基本过程：mutation、natural selection、gene flow 和 genetic drift。

Mutation 是所有 genetic variation 的最终来源，而且在物种内部，它会随着时间几乎以钟表般的规律发生。因此，准确估计某一物种的 mutation rate，可用于推断该物种历史上重大事件发生的时间。在人类中，mutation rate 过去常通过比较人类 DNA sequences 与我们最近的非人类近缘种 chimpanzees 的差异来估计。这个 mutation rate 实际上更准确地说是 substitution rate，它衡量的是新变体在一个 lineage 中得以存活并累积的速率。随后，在假定 human–chimp divergence date 约为 600 万年的前提下，人们估计并广泛使用了约 2.5 × 10−8 per nucleotide per generation 的 mutation（substitution）rate（Nachman and Crowell 2000）。近年来，人类 mutation rate 已可通过比较家庭中父母与子代的 whole genome sequences 直接估计（Roach et al. 2010; Conrad et al. 2011; Moorjani et al. 2016）。令人稍感意外的是，这些估计值平均约为 1.2 × 10−8 per nucleotide per generation，大约只有通过 human–chimp 比较得到的 substitution rate 估计的一半。这一差异可能反映了对 human–chimp divergence time 以及 ancestral human–chimp population 规模的不确定性（Campbell and Eichler 2013）。此外，mutation rate 的直接估计还会受到 parental age 以及采样组织（通常是 blood）中 somatic mutations 影响等因素的影响（Shendure and Akey 2015; Moorjani et al. 2016）。因此，关于用于 evolutionary applications 的最合适速率，仍然存在一定不确定性（Segurel et al. 2014）。

Natural selection 是这样一种过程：有害 genetic variants 的 population frequencies 会降低，而有利 variants 的频率会增加。重要的是，某些 variants 在特定环境中可能是有利的（例如 sickle cell disease 在 malaria 流行环境中），但在其他环境中则可能有害。对于大多数导致人类疾病的 genes 而言，mutation 会引入有害 variants，而 natural selection 则倾向于将其清除——这一过程称为 mutation–selection balance。随着 microarrays 或 whole genome sequencing 所获得的 genome-scale data（例如 single nucleotide variants, SNVs）可用，natural selection 过程现在可以在人群中得到系统分析（Fu and Akey 2013）。如下文所述，关于人群中近期 natural selection 的例子正越来越多。

Gene flow 是指不同 populations 之间交换 genetic variation 的过程。人类是一种高度流动的物种，因此 genetic variation 往往会在地理空间上呈渐进式变化（Rosenberg et al. 2005）。总体而言，gene flow 对 populations 之间的 genetic variation 具有同质化（homogenizing）作用。与 natural selection 一样，现今的大规模 genomic data 也使得对 populations 中 gene flow 模式进行灵敏而细致的分析成为可能（Hellenthal et al. 2014）。

Genetic drift 指由于 population size 有限而随着时间发生的 genetic variation 变化。在小 populations 中，由于只有少量 variants 被传递到下一代，genetic variants 的频率可以迅速改变。（不妨设想一个掷硬币实验：如果只掷 10 枚硬币，“heads”和“tails”的频率就可能与预期的 50% 有显著偏离；如果掷成千上万枚，这些频率就会非常接近预期的 50%。）Genetic drift 可以使某些疾病在 population size 曾经很小（或目前很小）的 populations 中具有很高频率。例如，某些罕见疾病，如 Ellis–van Creveld disease，在 Old Order Amish 中的发病率显著升高（Strauss and Puffenberger 2009）；而 Tay–Sachs disease、Gaucher disease 和 Niemann–Pick disease 在 Ashkenazi Jewish population 中的发生率也较高（Ostrer and Skorecki 2013）。一般而言，gene flow 倾向于使 populations 同质化，而 genetic drift 则倾向于使它们分化。

Ch15 Population Genetics / Allele Frequencies and Population Variation

第15章 群体遗传学 / 等位基因频率与群体变异

等位基因频率与群体变异

前面讨论的四种进化因素会导致群体中等位基因频率（allele frequency，也称基因频率，gene frequency）的变化。等位基因频率定义为携带特定等位基因的染色体拷贝比例。例如，在一个100人的群体中，总共有200条染色体拷贝；若其中有50条携带A等位基因，则A的频率为50/200 = 0.25。等位基因频率可用于估算所有类型的遗传变异，包括单核苷酸变异（SNVs, single nucleotide variants）和拷贝数变异（CNVs, copy number variants）。

等位基因频率通常以直方图形式展示，横轴为频率分箱（0–0.5），纵轴为各分箱中等位基因比例，这种图形称为等位基因频率谱（allele frequency spectrum）或位点频率谱（site frequency spectrum）。频率谱可以用于推断进化因素的作用，例如遗传漂变（genetic drift）和自然选择（natural selection）。例如，在快速扩张的群体中，新出现的等位基因不易因遗传漂变而丢失，从而产生罕见等位基因的过剩（Novembre and Ramachandran 2011）。在现代人类群体中，常观察到高频率的罕见等位基因，这为过去5万年中许多人类群体经历了大规模扩张提供了有力证据（Tennessen et al. 2012）。此外，群体快速扩张可能限制自然选择清除有害等位基因的能力，据估计人类基因组中约85%的有害变异在过去5000–10000年间出现（Fu et al. 2013）。

群体等位基因频率还可用于估算群体间的遗传距离。最简单的遗传距离形式是各位点等位基因频率差的绝对值的平均。当研究n个群体时，可以构建一个n × n的遗传距离矩阵，并可通过各种降维与可视化方法分析（见下文）。同样，也可以在个体间估算遗传距离。

群体遗传分化最常用的指标之一是固化指数（fixation index，FST）。其计算公式为：

\[

F_{ST} = \frac{H_T - H_S}{H_T}

\]

其中，HS为每个群体内的杂合度（heterozygosity，见 Box 15.1）平均值，HT为将所有个体视为单一群体后的总体杂合度。若 FST = 0，则群体内部的平均变异与整个样本的变异相等；若 FST = 1，则群体内部没有变异（HS = 0），所有变异均来源于群体间差异。因此，FST衡量的是群体间的遗传变异程度（Holsinger and Weir 2009）。在人类群体中，FST已被广泛研究（Holsinger and Weir 2009）；在主要大陆间，FST约为0.10–0.15（Witherspoon et al. 2007）。这意味着大部分人类遗传变异存在于同一大陆（如亚洲或非洲）内部，跨大陆差异仅贡献较少额外变异。在同一大陆内，FST通常更小，约为0.01–0.05（Auton et al. 2015; Novembre and Peter 2016）。相比之下，对于在不同环境中经历强自然选择的位点，例如影响皮肤色素的基因，跨大陆的FST可超过0.90（Lamason et al. 2005）。

Box 15.1 基本定义与概念

杂合度是衡量遗传变异的指标。对于一个单核苷酸变异（SNV）具有等位基因A和T，个体可能为纯合子（AA或TT）或杂合子（AT）。在群体中，SNV的杂合度定义为具有杂合子基因型（AT）的个体比例。平均杂合度为所有测量SNV杂合度的平均值。

哈代–温伯格原理（Hardy–Weinberg principle）描述了群体中等位基因频率与基因型频率之间的理论关系。该原理假设个体在该SNV上随机交配，从而可应用概率的乘法与加法规则。以一个SNV为例，若等位基因A频率为0.60，T频率为0.40，则群体中60%的精子携带A，40%携带T；卵子频率相同。在随机交配下，精子携带A与卵子携带A结合的概率为0.60 × 0.60 = 0.36，即AA基因型的理论频率；TT基因型概率为0.40 × 0.40 = 0.16。杂合子AT可由A精子与T卵子或T精子与A卵子的结合产生，每种情况的概率为0.60 × 0.40 = 0.24。杂合子总体频率为0.24 + 0.24 = 0.48（三种基因型频率和为1.00）。该由哈代–温伯格原理预测的杂合度称为预期杂合度（expected heterozygosity），可与观测杂合度（observed heterozygosity，即实际计数杂合子的比例）比较。如果观测值与预期值差异不显著，则该SNV处于哈代–温伯格平衡（HWE）。偏离HWE可能由近亲交配或群体结构（population stratification）导致，这些现象通常降低观测杂合度相对预期值。

类似方法可从群体等位基因频率预测单倍型频率（haplotype frequency，单倍体基因型指个体单条染色体上的等位基因组合）。例如，考虑两个连锁位点，等位基因为A,a和B,b。若A,a频率分别为0.60和0.40，B,b频率分别为0.70和0.30，则预测AB单倍型频率为0.60 × 0.70 = 0.42；Ab, aB, ab单倍型频率预测分别为0.18, 0.28, 0.12。如果观察到的单倍型频率与等位基因频率乘积预测值相符，则两位点处于连锁平衡（linkage equilibrium），说明两位点的等位基因统计独立。然而，对于紧密连锁的位点，由于重组极少，某些单倍型的观察频率可能高于或低于理论值（例如AB频率可能为0.55而非0.42），此时两位点处于连锁不平衡（linkage disequilibrium），通常表明两位点在同一染色体上距离很近。

FST估计会受到所选群体及其地理分布的影响。通常，当群体地理分布更连续时，FST水平会略低（Xing et al. 2010）。此外，高漂变水平的单个群体也会对FST产生偏差，因此已有方法用于消除这种偏差（Patterson et al. 2012）。

Ch15 Population Genetics / Display Methods

Display Methods

当采样到大量群体（或个体）时，n × n 的遗传距离矩阵就会变得难以解释。此时通常借助统计方法，将遗传距离矩阵的复杂性降维为少数几个重要维度。系统发育树有时也被用来呈现人群之间的关系（见第9章），但这种做法有时会受到质疑，因为树状结构可能暗示在分化之后，各群体彼此之间已经相互隔离（Sherry and Batzer 1997）。较新的方法则在树形展示中纳入了迁移的影响（Pickrell and Pritchard 2012）。

用于展示群体或个体间遗传变异的最常用方法，也许是 principal component analysis（PCA，主成分分析）。PCA 在生物信息学的许多领域都被广泛使用，并将在第14章和第18章中更详细地介绍。简而言之，PCA 是一种多变量统计技术：通过在距离矩阵中投射一条轴（principal component [PC]，主成分），力求在单一轴或直线上捕获尽可能多的变异（这种变异体现在各群体在该轴上的得分中）。这一过程本质上是回归分析的多变量形式。在对第一主成分加以解释之后，再投射一条与第一条轴独立的第二条轴，以穿过矩阵中剩余的变异。随后可以将这些 PC 相互作图（如 Figure 15.1 所示），以二维方式展示所捕获的变异。通常，前两个 PC 能很好地反映群体的地理位置，并且已经设计出正式方法来评估遗传距离与地理距离之间的拟合程度（Wang et al. 2012）。还可以考察更多的 PC，以评估群体或个体遗传变异的其他方面。PCA 得到的结果与 multidimensional scaling（多维尺度分析）相似，后者已在流行的 PLINK software package（PLINK 软件包）中实现（Purcell et al. 2007）。

在最早的应用中，PCA 仅限于群体层面的比较，因为通常只能对少数几个 loci（位点）进行基因分型。由于位点数如此之少，抽样方差较高，但这一问题可以通过将个体合并到预先定义好的群体中来尽量降低。然而，事先指定群体归属会引入偏倚，因此，更理想的做法是在个体层面分析变异。如今，这一目标可通过大规模 single nucleotide polymorphism（SNP，单核苷酸多态性）microarrays（微阵列）或 whole genome sequencing（全基因组测序）来实现，

Ch15 Population Genetics / Demographic History Inference

┌─ Reasoning ──────────────────────────────────────────────────────────────────┐

The user wants me to translate a section of the Bioinformatics 4e textbook (Chapter

15: Population Genetics / Demographic History Inference) into Chinese textbook style

. Let me carefully translate this following the requirements:

1. Professional and accurate translation
2. Keep English terms for software names, database names, URLs, citations
3. Translate Figure/Table/Box titles and captions, keeping numbering
4. Keep references in English; translate Further Reading explanatory text
5. Output Markdown body only

Let me work through this section by section.

This is pages 485-509 of the PDF, covering:

• PCA figure and explanation
• Introduction to demographic history inference
• Box 15.2: Inferring Demographic History (MSMC method details)
• The coalescent process and concept
• PSMC and MSMC methods
• Other methods like dadi
• Key insights about human evolutionary history

Let me translate this carefully.

The user wants me to translate a section of the Bioinformatics 4e textbook (Chapter 15: Population Genetics / Demographic History Inference) into Chinese textbook style. Let me carefully translate this following the requirements:

1. Professional and accurate translation
2. Keep English terms for software names, database names, URLs, citations
3. Translate Figure/Table/Box titles and captions, keeping numbering
4. Keep references in English; translate Further Reading explanatory text
5. Output Markdown body only

Let me work through this section by section.

This is pages 485-509 of the PDF, covering:

• PCA figure and explanation
• Introduction to demographic history inference
• Box 15.2: Inferring Demographic History (MSMC method details)
• The coalescent process and concept
• PSMC and MSMC methods
• Other methods like dadi
• Key insights about human evolutionary history

Let me translate this carefully.

群体遗传学 / 群体历史推断

群体历史推断

图 15.1 九个世界人群及三个测试样本的主成分分析（PCA）。具有相似祖先背景的个体呈现紧密的人群聚类。三个测试样本（大三角形）位于图上不同位置，反映各样本的不同祖先来源。样本 A 与非洲参考样本具有遗传亲缘关系，样本 F 与欧洲样本相似，样本 M 则聚类在南美洲样本中。参考人群包括：非洲人群——肯尼亚人（LWK）、尼日利亚人（YRI）；欧洲人群——具有欧洲血统的 CEPH（CEU）、英国人（GBR）；南亚人群——巴基斯坦人（PJL）、斯里兰卡人（STU）；东亚人群——汉族人（CHB）、日本人（JPT）；以及南美洲人群——秘鲁人（PEL）。

图 15.1 说明

在群体历史推断中，主成分分析（PCA）是一种常用的降维可视化方法，可同时评估数千至数百万个 SNV（如图 15.1 所示）。总体而言，个体会按照其人群归属进行聚类，但不同定义人群之间往往存在重叠，尤其是地理位置相邻或存在混血的人群（Rosenberg et al. 2005）。PCA 结果可能受到连锁不平衡（Box 15.1）和芯片数据中遗传选择偏差（Albrechtsen et al. 2010a）等因素的影响，因此在 PCA 研究的设计和解读中必须采取适当的预防措施。

由于 PCA 能够检测个体和人群之间的遗传相似性，该方法也广泛应用于全基因组关联研究（GWAS），作为检测和校正病例对照中人群分层问题的工具。利用全基因组 SNV 数据，流行的 EIGENSTRAT 工具（Price et al. 2006）可对病例和对照个体进行 PCA 分析，使用户能够排除或校正可能导致虚假基因—疾病关联的遗传异常值。

群体历史推断

前面讨论的展示方法为遗传变异提供了有用的图像，但它们对于迁移事件或人群规模变化的信息量有限（甚至可能产生误导）（Novembre and Stephens 2008）。此外，基于芯片的 SNV——常用于群体遗传变异的分析——存在系统性偏差，因为这些位点通常是为全基因组关联研究（通常针对欧洲人群）选择出来的、在目标人群中频率相对较高（> ∼0.10）的位点（Lachance and Tishkoff 2013a）。在芯片数据集中，稀有变异（对于群体历史研究具有高度信息量）严重缺失，在非欧洲人群中发现的大量变异位点同样如此（Rosenberg et al. 2010）。在过去几年中，研究者开展了多项大规模群体调查，以获得全基因组序列变异的无偏描绘：1000 人基因组计划（1000 Genomes Project）（Auton et al. 2015; Sudmant et al. 2015a）、Simons 基因组多样性计划（Simons Genome Diversity Project）（Sudmant et al. 2015b; Mallick et al. 2016）、UK10K 计划（UK10K Consortium et al. 2015），以及外显子组集合计划（ExAc）和基因组变异组数据库（gnomAD）（Lek et al. 2016）。UK10K 计划和 ExAc/gnomAD 数据库主要聚焦于具有疾病表型的个体。有了 DNA 序列数据在手，研究者可以采用能够充分利用全部遗传变异范围的方法，从而获得人类群体历史的更丰富图景（Box 15.2）。

---

Box 15.2 群体历史推断

多重序列马尔可夫合并（Multiple Sequentially Markovian Coalescent, MSMC）方法可用于利用全基因组序列数据推断有效群体大小。

从映射的全基因组二元比对图（BAM）文件开始，首先使用 Samtools、BCFtools 和 bamCaller.py 脚本进行变异检测。输出为样本的 Variant Call Format（VCF）文件和掩码文件（mask file，指示可用区域）。需要提供参考序列和样本的平均测序深度。如果需要进行基因型定相（phasing，推荐做法），则应将数据按染色体分开。

生成 22 号染色体 SNP 调用和样本掩码文件的命令示例如下：

>samtools mpileup -q 20 -Q 20 -C 50 -u -r chr22 -f myReferenceGenome
myBamFile.bam | bcftools call -c -V indels | bamCaller.py depthOfCoverage
myBamFile_chr22_mask.bed.gz | bgzip >chr22.vcf.gz

在本例中，mpileup（Samtools 的一部分）运行参数设置为：比对质量（-q）和最小碱基比对质量（-Q）均设为 20，调整后的比对质量（-C）设为 50。未压缩输出（-u）通过管道传给 BCFtools 进行变异检测。使用一致性检测器（-c），输出变异位点（-v），但排除插入/缺失（-V indels）。输出通过管道传给 bamCaller.py 脚本，该脚本生成 VCF 文件及配套的掩码文件，掩码文件指示被 MSMC 使用的覆盖充分变异位点。

为每个染色体生成基因型调用后，可使用 SHAPEIT2 程序进行定相。单个样本可使用与输入样本人群匹配的参考面板进行定相，也可将该样本与来自同一人群的 10 个或更多样本一起定相。如果测试人群与现有参考人群匹配不佳，推荐使用第二种方案。每个染色体必须单独处理。运行 SHAPEIT2 前，需从 VCF 文件中移除多等位基因 SNP 位点。应使用每条染色体的遗传图谱来校正染色体上重组频率的差异。以下为对 10 个藏族样本（此前已检测并合并为单个 VCF 文件）的 22 号染色体进行定相的示例：

>shapeit --input-vcf Ten_Tibetans_chr22_bamCaller.vcf
-M genetic_map_chr22.txt -O Ten_Tibetans_chr22.phased -T 1 --aligned
>shapeit -convert --input-haps Tibetan_chr22.phased --output-vcf
Tibetan_chr22.phased.vcf

定相后的数据用作 generate_multihetsep.py 脚本的输入，为每条染色体创建 MSMC 输入文件。可使用 BCFtools 从定相后的 VCF 文件中提取用于 MSMC 输入的特定样本。在提取样本前，可能需要更新（重新添加表头）SHAPEIT2 生成的 VCF 文件。

样本提取后，样本 VCF 文件和相应的样本掩码文件作为 generate_multihetsep.py 脚本的输入文件。generate_multihetsep.py 脚本还需要一个染色体映射掩码（mapping mask），用于指定该染色体上唯一可映射的区域。用户可自行创建映射掩码文件（详见 evomics.org/learning/population-and-speciation-genomics/2018-population-and-speciation-genomics/psmc-msmc-activity/）。以下为从两个不同人群的四个单倍型（两个个体）生成 MSMC 输入文件的示例。请注意，每个样本需要定相后的 VCF 数据和样本掩码，但一个映射掩码可用于所有样本。每条染色体需准备一个文件：

>generate_multihetsep.py \
--mask Tibetan1_chr22.bed.txt.gz \
--mask Chinese1_chr22.bed.txt.gz \
--mask Unique_mapping_mask_chr22.bed.txt.gz \
Tibetan1_chr22.vcf.gz Chinese1_chr22.vcf.gz \
>msmc_input_chr22.txt

generate_multihetsep.py 的输出包含分离位点列表、位点之间的碱基数以及四个单倍型的定相等位基因。

MSMC 程序现用于估算缩放后的有效群体大小和交叉合并率（cross-coalescence rate）。当输入文件包含来自两个人群的样本时，交叉合并率可用于估算两个人群在 0–1 标度上的相对分离程度，其中 0 表示完全分离，1 表示无分离。添加 --skipAmbiguous 和 -P 参数可计算相对交叉合并率（例如 -P 0,0,1,1，其中 0 和 1 标识与各人群关联的单倍型）。将每条染色体生成的文件作为 MSMC 程序的输入：

>msmc --fixRecombination --skipAmbiguous -P 0,0,1,1 -t 12 -o my_msmc_output
msmc_input_chr1.txt
msmc_input_chr2.txt
...
msmc_input_chr22.txt

该双样本四单倍型运行的最终 MSMC 输出文件（见图 15.3）包含第一个人群的合并率估算值（lambda_00）、第二个人群的合并率估算值（lambda_11）以及两个人群之间的交叉合并率（lambda_01）。相对跨人群合并率计算公式为：(2×lambda_01)/(lambda_00 + lambda_11)。

输出文件还显示每个估算值的时间区间。时间估算值和合并率按突变率缩放。将缩放后时间除以突变率（例如 μ = 1.25 × 10⁻⁸ 突变/位点/代）得到代数。将代数乘以世代时间（例如 30 年/代）得到最终的年数估算值。合并率的倒数反映有效群体大小（Ne），并按突变率缩放。实际有效群体大小可按公式 Ne = (1/lambda_00)/μ 从缩放合并率计算得出。

本例作为通用指南。MSMC 程序和辅助脚本具有额外的功能和选项，可用于微调性能和优化准确性。MSMC 群体历史建模预计在 MSMC 第 2 版中会有进一步改进。由于 MSMC 输出值为缩放值，突变率和世代时间的选择将影响有效群体大小的最终估算值。在评估结果时，建议同时考虑这些参数的可信区间。

---

图 15.2 说明

例如，研究者已设计出利用这些大规模序列集合来推断主要群体历史事件（如迁移、群体瓶颈和群体扩张）的方法。许多此类方法利用了合并（coalescence）概念（Rosenberg and Nordborg 2002）。为理解合并概念，设想已获得两个个体中某小段染色体的 DNA 序列。如果这些序列在五个核苷酸位置上存在差异，我们可以推断这两个个体的共同祖先传递该序列以来至少发生了五次突变。由于突变在物种内是一个规律的时间钟样过程（clock-like process），我们可以利用突变率来估算产生这两个个体的谱系中发生这五次突变所需的时间。通过这种方法，我们可以为共同祖先指定一个大致日期。该方法可推广至人类群体的分析——通过比较来自样本个体的 DNA 序列，向前回溯至现有变异由此衍生的那个个体。这个祖先个体被称为合并点（coalescent）。图 15.2 阐释了合并概念，显示所有祖先谱系中除一条外最终都会灭绝。因此，当前群体中的所有变异最终都可以追溯到一个共同祖先（合并点）。总体而言，群体规模越大，这一灭绝过程所需时间越长，合并事件发生的时间也越久远。因此，群体规模与合并日期之间存在直接关系。

---

群体历史的推断方法

研究者已开发出多种利用合并过程从基因组序列数据估算群体规模历史的方法。例如，成对序列马尔可夫合并（Pairwise Sequentially Markovian Coalescent, PSMC）模型使用隐马尔可夫模型比较单个二倍体个体中的两条 DNA 序列，沿着 DNA 序列移动，测量单倍型差异以估算合并时间（Li and Durbin 2011）。由于该方法仅限于单个个体，大多数合并日期都早于 20,000 年。此方法随后被扩展至多个个体（多重序列马尔可夫合并方法，即 MSMC）（Schiffels and Durbin 2014），从而能够推断更近期的群体历史。MSMC 需要定相后的序列数据（见 Glossary），并纳入重组的影响。此外，由于可对来自不同人群的个体进行分析和比较，因此可以估算交叉合并率（cross-coalescence），这是迁移率的代理指标。MSMC 估算人类群体历史的实例如图 15.3 所示。（详见 Box 15.2。）

群体历史推断的其他方法利用了前述的位点（等位基因）频率谱（site frequency spectrum）。其中最流行的方法之一是用于群体历史推断的扩散近似方法，即 dadi（diffusion approximations for demographic inference）（Gutenkunst et al. 2009），该方法使用偏微分方程推导等位基因频率谱，估算群体大小、分歧时间、混血事件和迁移率等参数。由于参数估计众多，dadi 计算量大，且仅限于三个人群，每个人群仅含少量个体。研究者已开发其他方法来扩展和改进这一方法（Schraiber and Akey 2015; Novembre and Peter 2016）。

这些方法，尤其是应用于全基因组序列数据时，为人类进化历史提供了许多关键见解（Novembre and Ramachandran 2011; Veeramah and Hammer 2014; Auton et al. 2015; Mallick et al. 2016; Nielsen et al. 2017）。总体而言，这些方法支持以下模型：解剖学意义上的现代人类最早出现于非洲，至少在 20 万年前，并在那里积累了丰富的遗传多样性储备。该人群的一个子集大约在 10 万年前开始从非洲向外扩散，在世界其他地区大部分取代了尼安德特人等古人类。随着人类在世界各地迁移，他们经历了连续的群体规模缩减（连续的奠基者效应，serial founder effect），导致遗传多样性与地理距离之间存在显著的负相关关系……

Ch15 Population Genetics / Admixture and Ancestry Estimation

┌─ Reasoning ──────────────────────────────────────────────────────────────────┐

The user wants me to translate a section from Bioinformatics 4e textbook about Population

Genetics / Admixture and Ancestry Estimation. Let me translate this carefully following

the requirements:

1. Professional and accurate translation
2. Keep English terms, software names, database names, URLs, references as-is
3. Translate Figure/Table/Box titles with preserved numbering
4. Keep references in English; translate Further Reading descriptions
5. Output Markdown body text only
6. Don't explain my process

Let me translate this section by section.

The user wants me to translate a section from Bioinformatics 4e textbook about Population Genetics / Admixture and Ancestry Estimation. Let me translate this carefully following the requirements:

1. Professional and accurate translation
2. Keep English terms, software names, database names, URLs, references as-is
3. Translate Figure/Table/Box titles with preserved numbering
4. Keep references in English; translate Further Reading descriptions
5. Output Markdown body text only
6. Don't explain my process

Let me translate this section by section.

混交与祖先来源估计

Han Chinese

Tibetan

0

3

4

5

6

7

8

10000 20000 30000 40000

Time (years ago)

Effective population size (log 10)

50000 60000 70000

图 15.3 多次序列马尔可夫合并（MSMC）的人口历史估计。 藏族（红色）和汉族（蓝色）过去时间有效种群大小随时间变化的函数，使用四名汉族和四名藏族基因组（遗传祖先一致性>99%）进行估计（Hu et al. 2017）。

以及与非洲起源的距离（Ramachandran et al. 2005）。除了提供全球人类人口历史的概览外，遗传研究还绘制了大陆和个体人群的详细画像，如非洲（Campbell et al. 2014; Beltrame et al. 2016）、亚洲（Abdulla et al. 2009; Liu et al. 2017）、澳大利亚（Malaspinas et al. 2016）、欧洲（Fu et al. 2016; Gunther and Jakobsson 2016）、印度次大陆（Reich et al. 2009）、大洋洲（Duggan and Stoneking 2014）和美洲（Skoglund and Reich 2016）。

尽管解剖学意义上的现代人类在走出非洲迁移时基本取代了其他人属物种这一点相当明确，但古尼安德特人DNA序列的研究表明，迄今为止研究的所有非洲以外人群的基因组中均含有约2%的尼安德特人DNA。这反映出一定程度的古代表型混交（Sankararaman et al. 2014; Nielsen et al. 2017）。非洲以外人群中混交水平的一致性表明，大部分融合发生在人类走出非洲扩散的早期阶段。此外，有证据表明，一些尼安德特人遗传变异——包括涉及免疫反应和皮肤色素沉着的变异——在现代人类适应新环境时提供了选择优势（适应性渐渗；Racimo et al. 2015; Dannemann and Kelso 2017）。然而，许多尼安德特人变异似乎经历了负向选择，并在现代人类基因组中被消除（Sankararaman et al. 2014）。一些现代人类还与丹尼索瓦人——尼安德特人的古代姐妹物种——发生过混交（Reich et al. 2010）。美拉尼西亚人、巴布亚人和澳大利亚人的每个DNA序列中约有3–6%源自丹尼索瓦人，东亚人的每个DNA序列中约有0.2%源自丹尼索瓦人（Racimo et al. 2015）。

混交与祖先来源估计

人类有着悠久的迁移、基因流动和人群融合历史（Hellenthal et al. 2014）。大规模基因组数据使估计这些事件的程度和时间及其对个体祖先组成的影响成为可能。一种早期方法称为STRUCTURE（Pritchard et al. 2000），使用贝叶斯马尔可夫链蒙特卡洛（MCMC）算法来检测符合哈迪-温伯格平衡（HWE）（专栏15.1）的人群亚组。（偏离HWE表明人群样本可能包含多个亚组。）可以估计样本中最佳分组数量，并对每组中的每个个体，估计其来自各组的祖先比例。混交事件的时间不被估计，但STRUCTURE程序提供了有用的祖先组成展示。当样本数量很大时，该方法可能计算量很大。后续改进，如Frappe（Tang et al. 2005）、ADMIXTURE（Alexander et al. 2009）和fastSTRUCTURE（Raj et al. 2014），提高了检测人群结构和估计个体祖先的计算速度和准确性（图15.4；详见下文）（Liu et al. 2013）。Chromopainter和fineSTRUCTURE算法（Lawson et al. 2012）整合了单倍型数据，以提高精细人群结构（FST < 0.01）和祖先估计的准确性，但计算时间有所增加。例如，fineSTRUCTURE程序已被用于检测即使在英国等相对同质人群（Leslie et al. 2015）内的人群结构，其中平均FST值小于0.001。

其他混交检测利用了基因流动产生这样的个体这一事实：其大型染色体片段来自一个以上的人群。由于重组，这些染色体片段或"单倍型区块"会随着时间推移而变短；因此，这些区块的平均长度为确定主要混交事件年代提供了方法。这一原理已被纳入ROLLOFF（Moorjani et al. 2011）和GLOBETROTTER（Hellenthal et al. 2014）程序，用于确定主要迁移事件的年代，如非洲班图人扩张、欧亚大陆蒙古人扩张以及近期北非向欧洲南部的基因流动（Hellenthal et al. 2014）。

以下是一个更详细的示例，说明如何将混交分析和PCA用于三位希望了解更多民族祖先来源的特定个体的祖先分析。这是许多商业DNA检测公司通常执行的典型分析。种族祖先分析的典型起点是包含多民族样本的变体调用格式（VCF）文件，行表示基因型，列表示个体。26个世界人群的全基因组测序（WGS）数据可从千人基因组计划（1000 Genomes Project）轻松获取。利用这一资源，可以为分析选择参考人群。然后可以将新研究样本合并到参考VCF文件中，以检查所有个体之间的遗传关系，并评估病例对照研究的潜在分层问题。

本例所需的工具包括VCFtools或BCFtools、PLINK和PLINK2、EIGENSOFT（版本EIG-6.1.4）、ADMIXTURE，以及您选择的绘图软件包（Excel、R等）。这些程序通常需要安装在一台现代多核LINUX或UNIX系统上。有许多高质量的PCA软件包可用。本例使用这些特定工具，因为它们成熟度高、针对遗传数据优化，并且具有文件操作、病例对照研究和假设检验的额外功能。

Figure 15.4 九个人群和三个测试样本的混交分析。 个体显示在X轴上。祖先比例显示在Y轴上。每个个体用单个条形表示。五种祖先成分各以一种颜色标注。每个条形代表一个个体，显示每个祖先簇的祖先比例。三个测试样本都有主要祖先来源，但都存在一定程度的混交（以不同颜色标示）。将三个测试样本的祖先估计与主成分分析图中各样本的位置进行比较（图15.1）。缩略语定义见（图15.1）图注。

本祖先分析示例使用从世界五个不同地区九个人群的全基因组测序创建的VCF文件。样本人群包括非洲人（尼日利亚人[YRI]和肯尼亚人[LWK]）、欧洲人（犹他州CEPH [CEU]和英国人[GBR]）、东亚人（中国人[CHB]和日本人[JPT]）、南亚人（巴基斯坦人[PJL]和斯里兰卡人[STU]）以及南美人（秘鲁人[PEL]）。每个人群有20个样本。该数据集从千人基因组WGS数据组装，并过滤为包含约677万个常见（maf ≥0.05）SNP。第二个VCF文件包含三个祖先来源未知的测试样本。这两个VCF文件可从www.wiley.com/go/baxevanis/Bioinformatics_4e下载。

首先使用BCFtools对两个VCF文件进行索引和合并，以创建单个压缩VCF文件。完成后，必须将VCF文件转换为PLINK二进制格式。PLINK提供了过滤样本和标记的便捷快速格式。对于大多数步骤，使用PLINK2以获得更好的性能。

>bcftools index world_samples.vcf.gz
>bcftools index test_samples.vcf.gz
>bcftools merge -Oz world_samples.vcf.gz test_samples.vcf.gz -o merged.vcf.gz
>plink2 –vcf merged.vcf.gz --input-missing-phenotype -9 --make-bed --out merged

接下来，必须对数据进行"清洗"，使所有样本和变异体的缺失数据最少，基因型调用可靠。这些设置可能有所不同，但总体而言，当所有样本和所有位点的缺失数据少于10%时，可获得最佳结果。对于大多数应用，应移除严重偏离HWE的变异体。PLINK2可用于在单个命令中执行这三个过滤步骤，如下所示。命令中只需合并的二进制PLINK文件（bfile）。

>plink2 --bfile merged --mind 0.05 --geno 0.05 --hwe 0.001 --make-bed --out merged_cleaned

许多人群模型假设遗传标记独立分离。因此，移除处于强连锁不平衡的紧密连锁标记非常重要。此步骤还减少了冗余遗传信息和数据集大小。使用PLINK2和以下命令，首先在50 kb滑动窗口中识别配对相关性（r²）超过0.1的标记。第二步提取非相关标记。

>plink2 --bfile merged_cleaned --indep-pairwise 50kb 1 0.1
>plink2 --bfile merged_cleaned --extract plink2.prune.in --make-bed -out merged_cleaned_pruned

对于本例使用的数据集，您会注意到SNP数量大幅减少：约677万个起始位点将被过滤为约14万个无关联位点。一般来说，建议全基因组分析和病例对照p值校正至少使用约10万个SNP；然而，如果人群差异相对明显，许多人群结构问题可能只需1–2万个无关联变异体即可解决。数据现在已准备好进行PCA和混交分析。

本例将使用EIGENSOFT包进行PCA。清洗和过滤后的数据可使用PLINK导出为标准连锁文件。使用以下命令，可以创建系谱（连锁）文件（.ped）和映射文件（.map）。之前添加的缺失表型值（-9）可以使用UNIX sed命令原地更改为未受影响表型值（1）。

>plink --bfile merged_cleaned_pruned --recode --out pca_data
>sed -i ' s/-9/1/'
pca_data.ped

系谱文件现在可以转换为EIGENSTRAT格式。从EIGENSOFT包的convertf文件夹复制参数文件到当前目录，并按示例编辑文件，将系谱（.ped）文件转换为EIGENSTRAT文件。使用以下命令将参数文件传递给CONVERTF，可以生成pca_data.ped和pca_data.map文件。

>convertf -p par.PED.EIGENSTRAT

现在使用smart_pca.perl脚本调用SMARTPCA并执行PCA分析。将评估所有成对个体组合在每个位点的共有等位基因数量。这将创建所有可能的样本成对组合的等位基因共享协方差矩阵，可用于创建输出文件。CONVERTF程序的三个输出文件可用作smartpca.perl脚本的输入。smartpca.perl的选项包括：转换后的基因型数据（-i）、转换后的SNP数据（-a）、转换后的样本信息（-b）、输出的PC数量（-k）、PC输出文件（-o）、PC1和PC2的图（-p）、所有个体和PC的特征值（-e）、日志文件（-l），以及设置为0的异常值开关（-m）以防止移除异常值。如果进行病例对照研究，该程序可用于识别在统计上与数据集中其他样本显著不同的样本。

>smartpca.perl -i pca_data.eigenstratgeno -a pca_data.snp -b pca_data.ind
-k 12 -o pca_data.pca -p pca_data.plot -e pca_data.eval -l pca_data.log -m 0

特征向量可以使用pca_data.pca.evec（或pca_data.pca）文件中的数据进行检验和绘图。文件中显示每个样本的数据以及PC 1–12各自解释的方差百分比。请注意，第一个PC捕获最高百分比的方差，每个后续PC捕获的方差较少。下降通常遵循负指数曲线，前几个PC对祖先和人群结构最有信息量。通过绘制PC1和PC2，可以可视化180个世界样本和三个测试样本之间的关系（图15.1）。绘制其他维度也可能为人群关系提供额外洞察。

三个测试样本位于图中的不同区域，表明每个样本具有不同的祖先来源。一个样本位于YRI和LWK群体附近，表明主要为非洲祖先；第二个样本主要为北欧祖先；第三个与南美人聚集，可能表明美洲原住民祖先。

以下步骤演示如何使用ADMIXTURE估计当前数据集中每个个体的祖先比例。返回经过清洗、过滤和过滤的二进 制PLINK文件。该文件将作为ADMIXTURE的输入。由于数据中的个体来自五个不同且明显分离的地理区域，K = 5是该分析的人群簇数量的合理值。建议直接从数据估计K的最大似然值，检查K = 2…10的所有值，并在选择给定数据集的最佳簇数量时考虑所有附加人群信息。使用大量标记（>10万个）可提高祖先估计的准确性，尤其是在人群密切相关时。本数据集中有足够的标记来实现良好的祖先估计。ADMIXTURE程序可以使用最终的二进制系谱文件merged_cleaned_pruned作为输入来运行。

>admixture merged_cleaned_pruned.bed 5

ADMIXTURE生成两个输出文件。merged_cleaned_pruned.5.Q文件包含每个样本的祖先比例点估计。可以通过在命令中添加-B来获取点估计的置信区间。为清晰起见，可以使用以下命令从用于PCA的系谱文件中获取样本名称，将其添加到祖先点估计文件中。

>cut -f2 -d'
' pca_data.ped >names
>paste -d'
' names merged_cleaned_pruned.5.Q > ancestry.5.Q

此文件中的群体样本按群体标识符字母顺序排列（例如CEU代表欧洲，CHB代表东亚，GBR代表欧洲，依此类推）。每行代表一个样本。有五列祖先比例对应于五个簇中每个簇估计的祖先比例。行值总和为1.00。前20个样本在一个列中的祖先估计超过0.99；这些都是CEU样本。GBR样本（第41–60行）在这个相同的列（簇）中也有高估计祖先比例。因此，该列代表与欧洲祖先最密切相关的簇。检查其余列的内容可识别其他簇对应的祖先群体。

Ch15 Population Genetics / Detection of Natural Selection

┌─ Reasoning ──────────────────────────────────────────────────────────────────┐

The user wants me to translate a section of the Bioinformatics 4e textbook about Population

Genetics / Detection of Natural Selection. They want:

• Professional and accurate translation
• Preserve English terms, software names, database names, URLs, references
• Translate Figure/Table/Box titles and descriptions, keeping numbering
• Keep reference citations in English
• Output in Markdown format
• No explanation of the process

Let me translate this carefully, maintaining the academic style of a Chinese textbook

while preserving all technical terms and references.

The user wants me to translate a section of the Bioinformatics 4e textbook about Population Genetics / Detection of Natural Selection. They want:

• Professional and accurate translation
• Preserve English terms, software names, database names, URLs, references
• Translate Figure/Table/Box titles and descriptions, keeping numbering
• Keep reference citations in English
• Output in Markdown format
• No explanation of the process

Let me translate this carefully, maintaining the academic style of a Chinese textbook while preserving all technical terms and references.

第15章 种群遗传学 / 自然选择的检测

自然选择的检测

大多数甚至所有基因组区域被认为功能意义很小或几乎没有，因此处于选择性中性（selectively neutral）状态。影响其变异的主要力量是突变（引入新变异）和遗传漂变（在小种群中因随机变异可能导致这些变异被消除或频率增加）。相比之下，基因组的编码区和调控区域由于在维持重要功能中的作用，可能受到自然选择的影响。自然选择以多种基本形式存在。正向选择（positive selection）被认为是适应性进化的主要力量，它增加了赋予生存或繁殖优势的变异频率。负向选择（negative selection），也称为纯化选择（purifying selection），对有害变异施加选择压力。许多有害变异在达到可观的等位基因频率之前就被自然选择清除了。这种负向选择形式被称为背景选择（background selection），产生了倾向于缺乏变异的基因组区域，并且可能在物种间高度保守（Vitti et al. 2013）。

正向选择可能导致选择性清除（selective sweep），即一个新的适应性变异因选择优势而迅速增加至高频率或固定。这一场景通常被称为硬清除（hard sweep），使用下文讨论的方法在基因组数据中相对容易检测。然而，硬清除在人类种群中似乎相对罕见（Pritchard et al. 2010）。与经典的硬清除场景不同，新变异最初可能处于选择中性，可以因遗传漂变而增加频率。如果该变异（或多个变异）后来变得具有选择优势，这被称为对已有变异（standing variation）的选择。由于其更长的历史和潜在的重组合，存量变异有时可以出现在不同的单倍型背景上。选择这种形式的存量变异被称为软清除（soft sweep）（Pritchard et al. 2010）。由于其相对复杂性，软清除在基因组数据中比硬清除更难检测（Teshima et al. 2006）。

正向选择产生高频等位基因，负向选择产生低频等位基因，而另一种选择形式——平衡选择（balancing selection）——倾向于维持中等频率的等位基因。当杂合子相对于两种纯合子具有选择优势时，就会发生这种情况。杂合子优势（也称为超显性，over-dominance）的一个经典例子是疟疾环境中的镰状细胞病。这种隐性遗传病由β-珠蛋白（hemoglobin beta）基因座的特定氨基酸变化引起，如果不治疗通常会致命（Rees et al. 2010）。因此，纯合子受到强烈的负向选择。然而，杂合子患重症疟原虫（Plasmodium falciparum）疟疾的可能性比正常纯合子低50%–90%，因为他们的红细胞不利于疟原虫寄生（Bunn 2013）。因此，导致镰状细胞的变异会增加频率，但只增加到一定程度，因为在过高的频率下种群中镰状细胞病的负担将超过抗疟疾优势。相应地，在疟疾环境中镰状细胞变异等位基因频率可高达0.15–0.20（Piel et al. 2010）。

偏好等位基因多样性的平衡选择也被认为在很大程度上导致了免疫反应相关基因的高水平遗传变异，如主要组织相容性复合体（MHC）和ABO血型（Hughes and Yeager 1998; Key et al. 2014）。某些免疫反应基因上的平衡选择持续了数百万年，导致了人类与其他类人猿共享的多态性（跨物种多态性，trans-species polymorphisms）（Azevedo et al. 2015）。

人们已经设计了许多方法来检测不同类型的自然选择（Fu and Akey 2013; Vitti et al. 2013; Fan et al. 2016）。人类种群中相对近期的选择可以通过相对直接的等位基因频率差异比较来检测。例如，相对于全基因组位点的平均水平，位点特异性的FST值升高可能是自然选择的指示，正如前面讨论的肤色基因案例。种群分支统计量（Population Branch Statistic, PBS）（Yi et al. 2010）是一个相关的检验方法，逐基因比较种群树的分支长度，以搜索某一种群具有异常长分支长度的基因，表明该基因与其他种群存在实质性分歧。

另一类选择统计量基于这样一个事实：快速正向选择不仅增加了选定变异的频率，也增加了附近连锁变异的频率。因此，该区域的连锁不平衡（linkage disequilibrium）水平增加。实际上，由多个连锁等位基因组成的单倍型因选择而增加了频率。因此，种群中的许多个体将具有相对较长的纯合子（完全或几乎完全纯合）区域，因为他们将拥有两个相同的选定单倍型拷贝。在中性条件下，这样的单倍型会因重组而很快分解，但正向选择使它们的频率快速增加，足以超过重组的影响。扩展单倍型纯合性（Extended Haplotype Homozygosity, EHH）检验（Sabeti et al. 2002）和综合单倍型评分（Integrated Haplotype Score, iHS）（Voight et al. 2006）等方法搜索纯合子区域大于无选择条件下预期值的区域。这些检验的变体，称为跨种群扩展单倍型纯合性（Cross-Population Extended Haplotype Homozygosity, XP-EHH）统计量（Sabeti et al. 2007），比较了种群对之间的单倍型长度。EHH和iHS检验尤其擅长检测不完全选择性清除（即选定等位基因尚未达到1.0的频率），而XP-EHH可以检测在一个种群中已固定但在另一个种群中未固定的单倍型。这些方法通常应用于全基因组数据集（微阵列SNV或全基因组序列），因此面临的挑战是确定假定的选择区域是功能上显著的，还是仅仅代表了单倍型长度统计分布的上尾。另一个挑战是选定区域可能包含多个基因，其中任何一个都可能含有实际受到选择的变异。通常，这些方法更适合检测硬清除而非软清除（Vitti et al. 2013）。

已经设计了几种方法来利用序列数据检测更微妙的选择事件，如软清除和对多基因性状（如身高）的选择。例如，单例密度评分（Singleton Density Score, SDS）（Field et al. 2016）利用了这样一个事实：选定变异附近的染色体区域具有较低频率的连锁单例等位基因（singleton allele，指在种群中仅出现一次的等位基因）。与iHS等方法相比，SDS在检测对存量变异或多基因的非常近期的选择方面具有实质性的统计功效。当应用于大型英国序列数据集（UK10K Project）时，SDS在过去2000–3000年中检测到了浅色头发、蓝色眼睛和身高增加的选择（Field et al. 2016）。共同祖先遗传（Identity-by-descent）方法，即识别从共同祖先遗传的选定DNA片段，也有助于增加检测存量变异选择的功效（Albrechtsen et al. 2010b）。

最后，一些选择检测方法合并了多个现有检验，以增加信号检测的功效和准确性。最流行的方法之一是多信号综合（Composite of Multiple Signals, CMS）检验（Grossman et al. 2010），将iHS、XP-EHH和FST检验与两个额外的检验相结合（一个基于新出现的"衍生"等位基因频率，另一个基于单倍型的绝对长度）。CMS的优势在于它可以比任何单一检验更精确地定位选定变异。当应用于1000人基因组项目（1000 Genomes Project）数据集时，CMS确定了多个可能受到选择的新区域，包括许多先天免疫反应基因（Grossman et al. 2013）。由于这些检验覆盖全基因组，通常将结果绘制为"曼哈顿图"（Manhattan plot），类似于全基因组关联研究（GWAS）中生成的图（图15.5）。

正如对疾病致病变异的研究一样，通过体外实验和动物模型研究来证明假定选定变异的功能意义至关重要（Lachance and Tishkoff 2013b）。

这些方法已用于检测自然选择对多个人类基因的影响，其中许多与疾病抗性相关（示例见表15.1）。由于不同环境承载不同的病原体，许多选定的基因编码免疫反应组分并不令人惊讶（Quintana-Murci 2016）。疟疾每年仍可造成高达100万人死亡（Reiff and Striepen 2009），提供了疾病抗性选择的一个经典例子，并在热带环境中作为选择因子存在了10,000–20,000年（Volkman et al. 2001）。如前所述，恶性疟原虫已导致多个也可引起疾病的基因发生平衡选择（表15.1）。间日疟原虫（Plasmodium vivax），另一种疟疾病因，对Duffy血型基因座施加了强烈选择，该基因座编码红细胞表面的一种趋化因子受体，间日疟原虫利用该受体进入细胞。该基因座的无效等位基因（null allele）以及由此产生的受体缺失，对间日疟原虫具有高度保护作用，在大多数撒哈拉以南非洲人群中的频率接近100%（Hamblin and Di Rienzo 2000）。它在其他人类种群中不存在。其他与疾病相关的选择示例列于表15.1。

饮食变化也可能产生强烈的选择效应。例如，全世界的婴儿都产生乳糖酶（lactase），这种酶使他们能够代谢母乳中的乳糖。在大多数种群中，乳糖酶表达在成年后下调，但欧洲和部分非洲的养牛种群在整个成年期维持乳糖酶的产生（遗传性乳糖酶持续性，hereditary lactase persistence）。乳糖酶基因（LCT）附近调控元件的选择在欧洲和非洲人群中独立发生，为人类的趋同进化（convergent evolution）提供了一个极好的例子（Tishkoff et al. 2007）。据估计，非洲变异大约在5000年前出现，而欧洲变异在9000年前出现（Tishkoff et al. 2007; Fan et al. 2016）。然而，基于230个古DNA样本的最新研究表明，欧洲变异出现得更近，大约在4000年前（Mathieson et al. 2015）。

饮食适应的另一个好例子是农业采用后唾液淀粉酶编码基因AMY1拷贝数的增加（Perry et al. 2007）。淀粉酶促进农业种群更常见的食物类型中淀粉成分的唾液水解，并可能有助于预防肠道疾病。狼和狗基因组的DNA测序表明，随着狗被驯化并依赖于人类产生的农业产品，淀粉酶拷贝数也有类似的增加（Axelsson et al. 2013）。

图15.5 全基因组22条常染色体上复合多信号（CMS）评分（Y轴）的曼哈顿图（Hu et al. 2017）。每个点代表一个单核苷酸变异。该图基于从藏族人收集的全基因组序列数据，显示了EGLN1和EPAS1基因（见正文）以及其他几个基因（包括维生素D受体基因VDR）上的高水平正向选择。

表15.1 人类种群中经历自然选择的基因示例

人类自然选择的许多其他例子已被发现或提出，本表仅列出每种性状选择基因的突出示例。更完整的列表见Sturm and Duffy (2012)、Scheinfeldt and Tishkoff (2013)、Vitti et al. (2013)、Fan et al. (2016)和Haasl and Payseur (2016)。

Ch15 Population Genetics / Other Applications

┌─ Reasoning ──────────────────────────────────────────────────────────────────┐

The user wants me to translate a section of the Bioinformatics 4e textbook (Chapter

15 Population Genetics, section "Other Applications") into Chinese textbook style

. Let me follow the requirements:

1. Professional and accurate, no omissions, no added facts
2. Keep English terms, software names, database names, URLs, references in English

1. Translate Figure/Table/Box titles and descriptions, keep numbering
2. Keep reference citations in English; translate Further Reading explanatory text

1. Output Markdown body; no explanation of my process

Let me translate this carefully, maintaining the academic tone appropriate for a Chinese

textbook.

The user wants me to translate a section of the Bioinformatics 4e textbook (Chapter 15 Population Genetics, section "Other Applications") into Chinese textbook style. Let me follow the requirements:

1. Professional and accurate, no omissions, no added facts
2. Keep English terms, software names, database names, URLs, references in English
3. Translate Figure/Table/Box titles and descriptions, keep numbering
4. Keep reference citations in English; translate Further Reading explanatory text
5. Output Markdown body; no explanation of my process

Let me translate this carefully, maintaining the academic tone appropriate for a Chinese textbook.

其他应用

随着人类在世界各地的迁徙，他们已经针对各种不同的气候、纬度和海拔高度进行了选择性适应（Jeong and Di Rienzo 2014）。皮肤色素沉着与纬度的相关性被认为反映了对阳光暴露差异的适应（Sturm and Duffy 2012）。如表15.1所示，多种与色素沉着相关的遗传变异已成为自然选择的靶标。长期以来，人们一直认为在热带环境中增加黑色素生成可以抵御有害的紫外线辐射，而在较高纬度减少黑色素则可能在低光照环境中促进维生素D的合成（Jablonski and Chaplin 2010）。然而，维生素D假说仍存在争议，其他机制可能有助于解释人类皮肤色素沉着的变异（Sturm and Duffy 2012）。

正如阳光等气候因素随纬度变化一样，氧浓度也随海拔高度变化。由于氧气在生存中的关键作用，高海拔地区氧气availability降低导致某些高海拔人群受到强烈自然选择也就不足为奇了。在研究最为充分的高海拔人群中，藏族人是典型代表，他们已经在4000米至近5000米的海拔高度生活了数千年。此海拔的氧气availability比海平面低40%。非适应个体常表现出低氧反应，如高原肺水肿或脑水肿、肺动脉高压和高原病（Macinnis et al. 2010）。世代居住在这些海拔高度的当地藏族人表现出独特且可遗传的一系列特征，包括对红细胞增多症（比例性增加的红细胞数量）的保护、与非高原个体相比更高的出生体重，以及更高的动脉血氧饱和度（Beall 2007）。在高海拔地区，藏族人的血红蛋白水平与海平面非适应人群相似，使藏族人能够避免红细胞增多症的有害后果。利用iHS、XP-EHH、PBS和CMS等方法进行的全基因组自然选择扫描表明，包括EPAS1和EGLN1在内的多个基因在藏族人群中经历了强烈的正向选择（Beall et al. 2010; Simonson et al. 2010; Yi et al. 2010; Hu et al. 2017）。

EPAS1和EGLN1基因编码缺氧诱导因子（hypoxia-inducible factor, HIF）通路的组成部分，并在多项遗传研究中已成为自然选择的靶标（综述见Simonson et al. 2015）。这两个基因都含有在藏族人中频率很高（>80%）但在邻近人群（如汉族）中几乎不存在的变异。鉴于HIF通路在红细胞生成中的关键作用，这些基因是藏族高海拔表型的合理候选基因。在藏族人中经历正向选择的EPAS1单倍型很可能是通过丹尼索瓦人贡献给藏族祖先的（Huerta-Sanchez et al. 2014），这是适应性渐渗的又一个例证。最近的全基因组序列分析表明，这是唯一在藏族人中经历正向选择的丹尼索瓦人基因（Hu et al. 2017）。EGLN1在藏族和高海拔安第斯人群中都经历了正向选择（Bigham 2016），但与LCT类似，这两个种群中选择了不同的变异。对细胞培养系统中EGLN1表达的功能分析表明，藏族特异性变异在低氧条件下重现了藏族人红细胞生成减少的表型（Lorenzo et al. 2014），这是对统计识别选择靶标进行功能验证的一个良好例证。

其他应用

除了阐明人类进化史的理解外，遗传变异研究在法医学、人类遗传学和医学领域还有其他几个重要应用。例如，种群遗传学研究表明，由于人类种群具有复杂的迁徙和混血历史，关于人类"种族"的传统概念过于简单化且可能产生误导（Jorde and Wooding 2004; Royal et al. 2010）。在个体水平上进行遗传祖先估计（如 图15.4 所示），有助于避免人们误认为人类可以准确划分为离散的、互不重叠的类别。

种群遗传学理论和方法在法医学领域也非常有用，因为必须评估种群中的遗传变异才能得出准确的随机匹配概率（即人群中另一个人可能具有与被调查嫌疑人相同基因型图谱的概率）（Kayser and De Knijff 2011）。可使用种群遗传学方法进行分析的种群分层（population stratification）在准确估计这些概率方面起着重要作用。此外，大规模种群遗传学研究揭示的变异模式有助于评估法医学分析中所用参照群体的适宜性。

最后，种群遗传学对识别和表征致病基因这一目标做出了实质性贡献。致病变异是遗传变异的子集，相同的进化过程可以影响中性变异和致病变异。种群遗传学概念如哈迪-温伯格平衡（Hardy-Weinberg equilibrium, HWE）和连锁不平衡（linkage disequilibrium, LD）在致病基因搜索中被常规使用（Manolio 2013; Visscher et al. 2017）。跨物种的进化保守性被用于评估非编码DNA和编码DNA的功能意义（Encode Project Consortium 2012），并有助于为候选致病变异分配致病性评分（Cooper and Shendure 2011）。种群遗传变异研究有助于阐明稀有等位基因和常见等位基因在疾病发生中的作用（Tennessen et al. 2012; Quintana-Murci 2016）。种群遗传学数据集如千人基因组计划（1000 Genomes Project）（Auton et al. 2015）为致病候选基因的稀有性和分布提供了 invaluable information。它们还有助于估计在一个种群中的遗传发现可以在多大程度上应用于其他种群（Rosenberg et al. 2010; Marigorta and Navarro 2013）。可以肯定地说，如果没有对种群遗传学和变异的良好理解，我们检测和理解致病变异的能力将严重受损。

Ch15 Population Genetics / Summary + Internet Resources + References

Summary

在人类群体遗传学（human population genetics）领域，过去几十年取得了显著发展。大多数理论与方法上的进步，主要由两个因素推动：计算能力的大幅提升，以及大量高分辨率遗传数据的积累，如今尤以全基因组序列（whole genome sequences）为代表。由于这些变化，目前已经能够推断群体历史的许多细节，包括群体瓶颈与扩张、迁移事件，以及对孟德尔性状（Mendelian traits）和多基因性状（polygenic traits）的自然选择。由于人类人口史极其复杂，要解析人类遗传演化中某些更为微妙的方面仍然具有挑战，例如软选择扫荡（soft selective sweeps）以及反复发生的杂交/混合（repeated admixture）事件。尽管如此，这些难题正在被持续推进与解决。随着数据、方法与发现的不断积累，群体遗传学无疑将在我们理解人类演化、健康与疾病方面发挥越来越重要的作用。

Internet Resources

Ancestry and admixture estimation and dating

• 1000 Genomes Project

www.internationalgenome.org

• ADMIXTOOLS

reich.hms.harvard.edu/software

• ADMIXTURE

software.genetics.ucla.edu/admixture

• BCFtools

samtools.github.io/bcftools

• Frappe

med.stanford.edu/tanglab/software/frappe.html

• GLOBETROTTER

paintmychromosomes.com

• HAPMIX

www.stats.ox.ac.uk/~myers/software.html

• TreeMix

web.stanford.edu/group/pritchardlab/software.html

• VCFtools

vcftools.github.io/index.html

Detection of natural selection

• CMS and CMSGW

www.broadinstitute.org/cms/cms-composite-multiple-signals

• MEGA7（Tajima’s D、HKA 等）

www.megasoftware.net

• Singleton density score（SDS，单例密度分数）

web.stanford.edu/group/pritchardlab/software.html

• Selscan（integrated haplotype score [iHS] 和 cross-population extended haplotype homozygosity [XP-EHH]）

hernandezlab.ucsf.edu/software

Population history inference

• Dadi

bitbucket.org/gutenkunstlab/dadi

• Multiple sequentially Markovian coalescent（MSMC，多重序贯马尔可夫共祖模型）

github.com/stschiff/msmc github.com/stschiff/msmc2/releases

• MSMC-tools

github.com/stschiff/msmc-tools

• Pairwise sequentially Markovian coalescent（PSMC，成对序贯马尔可夫共祖模型）

github.com/lh3/psmc

• Samtools

www.htslib.org

• SHAPEIT

mathgen.stats.ox.ac.uk/genetics_software/shapeit/shapeit.html

Population structure analysis

• EIGENSOFT

www.hsph.harvard.edu/alkes-price/software

• EIGENSTRAT

www.hsph.harvard.edu/alkes-price/software

• fineSTRUCTURE

paintmychromosomes.com

• PLINK

zzz.bwh.harvard.edu/plink

• PLINK2

zzz.bwh.harvard.edu/plink/plink2.shtml

• STRUCTURE, fastSTRUCTURE

web.stanford.edu/group/pritchardlab/structure.html

References

Abdulla, M.A., Ahmed, I., Assawamakin, A. et al. (2009). Mapping human genetic diversity in Asia. Science 326: 1541–1545.

Albrechtsen, A., Nielsen, F.C., and Nielsen, R. (2010a). Ascertainment biases in SNP chips affect measures of population divergence. Mol. Biol. Evol 27 (11): 2534–2547.

Albrechtsen, A., Moltke, I., and Nielsen, R. (2010b). Natural selection and the distribution of identity-by-descent in the human genome. Genetics 186: 295–308.

Alexander, D.H., Novembre, J., and Lange, K. (2009). Fast model-based estimation of ancestry in unrelated individuals. Genome Res. 19: 1655–1664.

Allison, A.C. (1954). Protection afforded by sickle-cell trait against subtertian malareal infection. Br. Med. J. 1: 290–294.

Auton, A., Brooks, L.D., Durbin, R.M. et al. (2015). A global reference for human genetic variation. Nature 526: 68–74.

Axelsson, E., Ratnakumar, A., Arendt, M.-L. et al. (2013). The genomic signature of dog domestication reveals adaptation to a starch-rich diet. Nature 495: 360–364.

Azevedo, L., Serrano, C., Amorim, A., and Cooper, D.N. (2015). Trans-species polymorphism in humans and the great apes is generally maintained by balancing selection that modulates the host immune response. Hum. Genomics 9: 21.

Beall, C.M. (2007). Two routes to functional adaptation: Tibetan and Andean high-altitude natives. Proc. Natl. Acad. Sci. U.S.A. 104 (Suppl 1): 8655–8660.

Beall, C.M., Cavalleri, G.L., Deng, L. et al. (2010). Natural selection on EPAS1 (HIF2alpha) associated with low hemoglobin concentration in Tibetan highlanders. Proc. Natl. Acad. Sci. U.S.A. 107: 11459–11464.

Beltrame, M.H., Rubel, M.A., and Tishkoff, S.A. (2016). Inferences of African evolutionary history from genomic data. Curr. Opin. Genet. Dev. 41: 159–166.

Bigham, A.W. (2016). Genetics of human origin and evolution: high-altitude adaptations. Curr. Opin. Genet. Dev. 41: 8–13.

Bunn, H.F. (2013). The triumph of good over evil: protection by the sickle gene against malaria. Blood 121: 20–25.

Campbell, C.D. and Eichler, E.E. (2013). Properties and rates of germline mutations in humans. Trends Genet. 29 (10): 575–584.

Campbell, M.C., Hirbo, J.B., Townsend, J.P., and Tishkoff, S.A. (2014). The peopling of the African continent and the diaspora into the new world. Curr. Opin. Genet. Dev. 29: 120–132.

Conrad, D.F., Keebler, J.E., Depristo, M.A. et al. (2011). Variation in genome-wide mutation rates within and between human families. Nat. Genet. 43: 712–714.

Cooper, G.M. and Shendure, J. (2011). Needles in stacks of needles: finding disease-causal variants in a wealth of genomic data. Nat. Rev. Genet. 12: 628–640.

Dannemann, M. and Kelso, J. (2017). The contribution of Neanderthals to phenotypic variation in modern humans. Am. J. Hum. Genet. 101: 578–589.

Donnelly, M.P., Paschou, P., Grigorenko, E. et al. (2012). A global view of the OCA2-HERC2 region and pigmentation. Hum. Genet. 131: 683–696.

Duggan, A.T. and Stoneking, M. (2014). Recent developments in the genetic history of East Asia and Oceania. Curr. Opin. Genet. Dev. 29: 9–14.

ENCODE Project Consortium (2012). An integrated encyclopedia of DNA elements in the human genome. Nature 489: 57–74.

Fan, S., Hansen, M.E., Lo, Y., and Tishkoff, S.A. (2016). Going global by adapting local: a review of recent human adaptation. Science 354: 54–59.

Field, Y., Boyle, E.A., Telis, N. et al. (2016). Detection of human adaptation during the past 2000 years. Science 354: 760–764.

Flint, J., Hill, A.V., Bowden, D.K. et al. (1986). High frequencies of alpha-thalassaemia are the result of natural selection by malaria. Nature 321: 744–750.

Fu, W. and Akey, J.M. (2013). Selection and adaptation in the human genome. Annu. Rev. Genomics Hum. Genet. 14: 467–489.

Fu, W., O’Connor, T.D., Jun, G. et al. (2013). Analysis of 6,515 exomes reveals the recent origin of most human protein-coding variants. Nature 493: 216–220.

Fu, Q., Posth, C., Hajdinjak, M. et al. (2016). The genetic history of Ice Age Europe. Nature 534: 200–205.

Fumagalli, M., Moltke, I., Grarup, N. et al. (2015). Greenlandic inuit show genetic signatures of diet and climate adaptation. Science 349: 1343–1347.

Genovese, G., Friedman, D.J., Ross, M.D. et al. (2010). Association of trypanolytic ApoL1 variants with kidney disease in African Americans. Science 329: 841–845.

Grossman, S.R., Shylakhter, I., Karlsson, E.K. et al. (2010). A composite of multiple signals distinguishes causal variants in regions of positive selection. Science 327: 883–886.

Grossman, S.R., Andersen, K.G., Shlyakhter, I. et al. (2013). Identifying recent adaptations in large-scale genomic data. Cell 152: 703–713.

Gunther, T. and Jakobsson, M. (2016). Genes mirror migrations and cultures in prehistoric Europe – a population genomic perspective. Curr. Opin. Genet. Dev. 41: 115–123.

Gutenkunst, R.N., Hernandez, R.D., Williamson, S.H., and Bustamante, C.D. (2009). Inferring the joint demographic history of multiple populations from multidimensional SNP frequency data. PLoS Genet. 5: e1000695.

Haasl, R.J. and Payseur, B.A. (2016). Fifteen years of genomewide scans for selection: trends, lessons and unaddressed genetic sources of complication. Mol. Ecol. 25: 5–23.

Hamblin, M.T. and Di Rienzo, A. (2000). Detection of the signature of natural selection in humans: evidence from the Duffy blood group locus. Am. J. Hum. Genet. 66: 1669–1679.

Hamblin, M.T., Thompson, E.E., and Di Rienzo, A. (2002). Complex signatures of natural selection at the Duffy blood group locus. Am. J. Hum. Genet. 70: 369–383.

Hellenthal, G., Busby, G.B., Band, G. et al. (2014). A genetic atlas of human admixture history. Science 343: 747–751.

Holsinger, K.E. and Weir, B.S. (2009). Genetics in geographically structured populations: defining, estimating and interpreting F(ST). Nat. Rev. Genet. 10: 639–650.

Hu, H., Petousi, N., Glusman, G. et al. (2017). Evolutionary history of Tibetans inferred from whole-genome sequencing. PLoS Genet. 13: e1006675.

Huerta-Sanchez, E., Jin, X., Asan Bianba, Z. et al. (2014). Altitude adaptation in Tibetans caused by introgression of Denisovan-like DNA. Nature 512: 194–197.

Hughes, A.L. and Yeager, M. (1998). Natural selection at major histocompatibility complex loci of vertebrates. Annu. Rev. Genet. 32: 415–435.

Jablonski, N.G. and Chaplin, G. (2010). Colloquium paper: human skin pigmentation as an adaptation to UV radiation. Proc. Natl. Acad. Sci. U.S.A. 107 (Suppl 2): 8962–8968.

Jeong, C. and Di Rienzo, A. (2014). Adaptations to local environments in modern human populations. Curr. Opin. Genet. Dev. 29: 1–8.

Jorde, L.B. and Wooding, S.P. (2004). Genetic variation, classification, and "race". Nat. Genet. 36 (11 Suppl): S28–S33.

Kayser, M. and De Knijff, P. (2011). Improving human forensics through advances in genetics, genomics and molecular biology. Nat. Rev. Genet. 12: 179–192.

Key, F.M., Teixeira, J.C., De Filippo, C., and Andres, A.M. (2014). Advantageous diversity maintained by balancing selection in humans. Curr. Opin. Genet. Dev. 29: 45–51.

Kwiatkowski, D.P. (2005). How malaria has affected the human genome and what human genetics can teach us about malaria. Am. J. Hum. Genet. 77: 171–192.

Lachance, J. and Tishkoff, S.A. (2013a). SNP ascertainment bias in population genetic analyses: why it is important, and how to correct it. BioEssays 35: 780–786.

Lachance, J. and Tishkoff, S.A. (2013b). Population genomics of human adaptation. Annu. Rev. Ecol. Evol. Syst. 44: 123–143.

Lamason, R.L., Mohideen, M.A., Mest, J.R. et al. (2005). SLC24A5, a putative cation exchanger, affects pigmentation in zebrafish and humans. Science 310: 1782–1786.

Lawson, D.J., Hellenthal, G., Myers, S., and Falush, D. (2012). Inference of population structure using dense haplotype data. PLoS Genet. 8: e1002453.

Lek, M., Karczewski, K.J., Minikel, E.V. et al. (2016). Analysis of protein-coding genetic variation in 60,706 humans. Nature 536: 285–291.

Leslie, S., Winney, B., Hellenthal, G. et al. (2015). The fine-scale genetic structure of the British population. Nature 519: 309–314.Wellcome Trust Case Control Consortium

Li, H. and Durbin, R. (2011). Inference of human population history from individual whole-genome sequences. Nature 475: 493–496.

Liu, Y., Nyunoya, T., Leng, S. et al. (2013). Softwares and methods for estimating genetic ancestry in human populations. Hum. Genomics 7: 1.

Liu, X., Lu, D., Saw, W.Y. et al. (2017). Characterising private and shared signatures of positive selection in 37 Asian populations. Eur. J. Hum. Genet. 25: 499–508.

Lorenzo, F.R., Huff, C., Myllymaki, M. et al. (2014). A genetic mechanism for Tibetan high-altitude adaptation. Nat. Genet. 46: 951–956.

Macinnis, M.J., Koehle, M.S., and Rupert, J.L. (2010). Evidence for a genetic basis for altitude illness: 2010 update. High Alt. Med. Biol. 11: 349–368.

Malaspinas, A.S., Westaway, M.C., Muller, C. et al. (2016). A genomic history of Aboriginal Australia. Nature 538: 207–214.

Mallick, S., Li, H., Lipson, M. et al. (2016). The Simons Genome Diversity Project: 300 genomes from 142 diverse populations. Nature 538: 201–206.

Manolio, T.A. (2013). Bringing genome-wide association findings into clinical use. Nat. Rev. Genet. 14: 549–558.

Marigorta, U.M. and Navarro, A. (2013). High trans-ethnic replicability of GWAS results implies common causal variants. PLoS Genet. 9: e1003566.

Mathieson, I., Lazaridis, I., Rohland, N. et al. (2015). Genome-wide patterns of selection in 230 ancient Eurasians. Nature 528: 499–503.

Moorjani, P., Patterson, N., Hirschhorn, J.N. et al. (2011). The history of African gene flow into Southern Europeans, Levantines, and Jews. PLoS Genet. 7: e1001373.

Moorjani, P., Gao, Z., and Przeworski, M. (2016). Human germline mutation and the erratic evolutionary clock. PLoS Biol. 14: e2000744.

Nachman, M.W. and Crowell, S.L. (2000). Estimate of the mutation rate per nucleotide in humans. Genetics 156: 297–304.

Nielsen, R., Akey, J.M., Jakobsson, M. et al. (2017). Tracing the peopling of the world through genomics. Nature 541: 302–310.

Norton, H.L., Kittles, R.A., Parra, E. et al. (2007). Genetic evidence for the convergent evolution of light skin in Europeans and East Asians. Mol. Biol. Evol. 24: 710–722.

Novembre, J. and Peter, B.M. (2016). Recent advances in the study of fine-scale population structure in humans. Curr. Opin. Genet. Dev. 41: 98–105.

Novembre, J. and Ramachandran, S. (2011). Perspectives on human population structure at the cusp of the sequencing era. Annu. Rev. Genomics Hum. Genet. 12: 245–274.

Novembre, J. and Stephens, M. (2008). Interpreting principal component analyses of spatial population genetic variation. Nat. Genet. 40: 646–649.

Ostrer, H. and Skorecki, K. (2013). The population genetics of the Jewish people. Hum. Genet. 132: 119–127.

Patterson, N., Moorjani, P., Luo, Y. et al. (2012). Ancient admixture in human history. Genetics 192: 1065–1093.

Perry, G.H., Dominy, N.J., Claw, K.G. et al. (2007). Diet and the evolution of human amylase gene copy number variation. Nat. Genet. 39: 1256–1260.

Pickrell, J.K. and Pritchard, J.K. (2012). Inference of population splits and mixtures from genome-wide allele frequency data. PLoS Genet. 8: e1002967.

Piel, F.B., Patil, A.P., Howes, R.E. et al. (2010). Global distribution of the sickle cell gene and geographical confirmation of the malaria hypothesis. Nat. Commun. 1: 104.

Price, A.L., Patterson, N.J., Plenge, R.M. et al. (2006). Principal components analysis corrects for stratification in genome-wide association studies. Nat. Genet. 38: 904–909.

Pritchard, J.K., Stephens, M., and Donnelly, P. (2000). Inference of population structure using multilocus genotype data. Genetics 155: 945–959.

Pritchard, J.K., Pickrell, J.K., and Coop, G. (2010). The genetics of human adaptation: hard sweeps, soft sweeps, and polygenic adaptation. Curr. Biol. 20: R208–R215.

Purcell, S., Neale, B., Todd-Brown, K. et al. (2007). PLINK: a tool set for whole-genome association and population-based linkage analyses. Am. J. Hum. Genet. 81: 559–575.

Quintana-Murci, L. (2016). Understanding rare and common diseases in the context of human evolution. Genome Biol. 17: 225.

Racimo, F., Sankararaman, S., Nielsen, R., and Huerta-Sanchez, E. (2015). Evidence for archaic adaptive introgression in humans. Nat. Rev. Genet. 16: 359–371.

Raj, A., Stephens, M., and Pritchard, J.K. (2014). fastSTRUCTURE: variational inference of population structure in large SNP data sets. Genetics 197: 573–589.

Ramachandran, S., Deshpande, O., Roseman, C.C. et al. (2005). Support from the relationship of genetic and geographic distance in human populations for a serial founder effect originating in Africa. Proc. Natl. Acad. Sci. U.S.A. 102: 15942–15947.

Rees, D.C., Williams, T.N., and Gladwin, M.T. (2010). Sickle-cell disease. Lancet 376: 2018–2031.

Reich, D., Thangaraj, K., Patterson, N. et al. (2009). Reconstructing Indian population history. Nature 461: 489–494.

Reich, D., Green, R.E., Kircher, M. et al. (2010). Genetic history of an archaic hominin group from Denisova Cave in Siberia. Nature 468: 1053–1060.

Reiff, S.B. and Striepen, B. (2009). Malaria: the gatekeeper revealed. Nature 459: 918–919.

Roach, J.C., Glusman, G., Smit, A.F. et al. (2010). Analysis of genetic inheritance in a family quartet by whole-genome sequencing. Science 328: 636–639.

Rosenberg, N.A. and Nordborg, M. (2002). Genealogical trees, coalescent theory and the analysis of genetic polymorphisms. Nat. Rev. Genet. 3: 380–390.

Rosenberg, N.A., Mahajan, S., Ramachandran, S. et al. (2005). Clines, clusters, and the effect of study design on the inference of human population structure. PLoS Genet. 1: e70.

Rosenberg, N.A., Huang, L., Jewett, E.M. et al. (2010). Genome-wide association studies in diverse populations. Nat. Rev. Genet. 11: 356–366.

Royal, C.D., Novembre, J., Fullerton, S.M. et al. (2010). Inferring genetic ancestry: opportunities, challenges, and implications. Am. J. Hum. Genet. 86: 661–673.

Sabeti, P.C., Reich, D.E., Higgins, J.M. et al. (2002). Detecting recent positive selection in the human genome from haplotype structure. Nature 419: 832–837.

Sabeti, P.C., Varilly, P., Fry, B. et al. (2007). Genome-wide detection and characterization of positive selection in human populations. Nature 449: 913–918.

Sankararaman, S., Mallick, S., Dannemann, M. et al. (2014). The genomic landscape of Neanderthal ancestry in present-day humans. Nature 507 (7492): 354–357.

Savage, S.A., Gerstenblith, M.R., Goldstein, A.M. et al. (2008). Nucleotide diversity and population differentiation of the melanocortin 1 receptor gene, MC1R. BMC Genet. 9: 31.

Scheinfeldt, L.B. and Tishkoff, S.A. (2013). Recent human adaptation: genomic approaches, interpretation and insights. Nat. Rev. Genet. 14: 692–702.

Schiffels, S. and Durbin, R. (2014). Inferring human population size and separation history from multiple genome sequences. Nat. Genet. 46: 919–925.

Schraiber, J.G. and Akey, J.M. (2015). Methods and models for unravelling human evolutionary history. Nat. Rev. Genet. 16: 727–740.

Segurel, L., Wyman, M.J., and Przeworski, M. (2014). Determinants of mutation rate variation in the human germline. Annu. Rev. Genomics Hum. Genet. 15: 47–70.

Shendure, J. and Akey, J.M. (2015). The origins, determinants, and consequences of human mutations. Science 349: 1478–1483.

Sherry, S.T. and Batzer, M.A. (1997). Modeling human evolution – to tree or not to tree? Genome Res. 7: 947–949.

Simonson, T.S., Yang, Y., Huff, C.D. et al. (2010). Genetic evidence for high-altitude adaptation in Tibet. Science 329: 72–75.

Simonson, T.S., Huff, C.D., Witherspoon, D.J. et al. (2015). Adaptive genetic changes related to haemoglobin concentration in native high-altitude Tibetans. Exp. Physiol. 100: 1263–1268.

Skoglund, P. and Reich, D. (2016). A genomic view of the peopling of the Americas. Curr. Opin. Genet. Dev. 41: 27–35.

Strauss, K.A. and Puffenberger, E.G. (2009). Genetics, medicine, and the plain people. Annu. Rev. Genomics Hum. Genet. 10: 513–536.

Sturm, R.A. and Duffy, D.L. (2012). Human pigmentation genes under environmental selection. Genome Biol. 13: 248.

Sudmant, P.H., Rausch, T., Gardner, E.J. et al. (2015a). An integrated map of structural variation in 2,504 human genomes. Nature 526: 75–81.

Sudmant, P.H., Mallick, S., Nelson, B.J. et al. (2015b). Global diversity, population stratification, and selection of human copy number variation. Science https://doi.org/10.1126/science.aab3761.

Tang, H., Peng, J., Wang, P., and Risch, N.J. (2005). Estimation of individual admixture: analytical and study design considerations. Genet. Epidemiol. 28: 289–301.

Tennessen, J.A., Bigham, A.W., O’Connor, T.D. et al. (2012). Evolution and functional impact of rare coding variation from deep sequencing of human exomes. Science 337 (6090): 64–69.

Teshima, K.M., Coop, G., and Przeworski, M. (2006). How reliable are empirical genomic scans for selective sweeps? Genome Res. 16: 702–712.

Tishkoff, S.A., Varkonyi, R., Cahinhinan, N. et al. (2001). Haplotype diversity and linkage disequilibrium at human G6PD: recent origin of alleles that confer malarial resistance. Science 293: 455–462.

Tishkoff, S.A., Reed, F.A., Ranciaro, A. et al. (2007). Convergent adaptation of human lactase persistence in Africa and Europe. Nat. Genet. 39: 31–40.

UK10K Consortium, Walter, K., Min, J.L. et al. (2015). The UK10K Project identifies rare variants in health and disease. Nature 526: 82–90.

Veeramah, K.R. and Hammer, M.F. (2014). The impact of whole-genome sequencing on the reconstruction of human population history. Nat. Rev. Genet. 15: 149–162.

Visscher, P.M., Wray, N.R., Zhang, Q. et al. (2017). 10 years of GWAS discovery: biology, function, and translation. Am. J. Hum. Genet. 101: 5–22.

Vitti, J.J., Grossman, S.R., and Sabeti, P.C. (2013). Detecting natural selection in genomic data. Annu. Rev. Genet. 47: 97–120.

Voight, B.F., Kudaravalli, S., Wen, X., and Pritchard, J.K. (2006). A map of recent positive selection in the human genome. PLoS Biol. 4: e72.

Volkman, S.K., Barry, A.E., Lyons, E.J. et al. (2001). Recent origin of Plasmodium falciparum from a single progenitor. Science 293: 482–484.

Wang, C., Zöllner, S., and Rosenberg, N.A. (2012). A quantitative comparison of the similarity between genes and geography in worldwide human populations. PLoS Genet. 8: e1002886.

Witherspoon, D.J., Wooding, S., Rogers, A.R. et al. (2007). Genetic similarities within and between human populations. Genetics 176: 351–359.

Xing, J., Watkins, W.S., Shlien, A. et al. (2010). Toward a more uniform sampling of human genetic diversity: a survey of worldwide populations by high-density genotyping. Genomics 96: 199–210.

Yi, X., Liang, Y., Huerta-Sanchez, E. et al. (2010). Sequencing of 50 human exomes reveals adaptation to high altitude. Science 329: 75–78.