Deciphering signatures of natural selection via deep learning.
Deciphering signatures of natural selection via deep learning.
复制标题
DOI：
10.1093/bib/bbac354
复制
发表时间：
2022-09-20
影响因子：
9.5
通讯作者：
中科院分区：
文献类型：
--
作者：
识别受自然选择影响的基因组区域为了解局部适应的遗传基础提供了基本的见解。然而，在复杂的空间变化选择下检测基因座仍然具有挑战性。我们提出了一个基于深度学习的框架DeepGenomeScan，它可以检测空间变化选择的签名。我们证明了DeepGenomeScan在识别受复杂空间选择模式影响的数量性状基因座方面优于基于主成分分析和冗余分析的基因组扫描。值得注意的是，DeepGenomeScan在非线性环境选择模式下将统计能力提高了47.25%。我们将DeepGenomeScan应用于欧洲人类遗传数据集，并确定了一些正在选择的已知基因和大量临床重要基因，这些基因在应用于同一数据集时未被SPA，iHS，Fst和Bayenv识别。
Identifying genomic regions influenced by natural selection provides fundamental insights into the genetic basis of local adaptation. However, it remains challenging to detect loci under complex spatially varying selection. We propose a deep learning-based framework, DeepGenomeScan, which can detect signatures of spatially varying selection. We demonstrate that DeepGenomeScan outperformed principal component analysis- and redundancy analysis-based genome scans in identifying loci underlying quantitative traits subject to complex spatial patterns of selection. Noticeably, DeepGenomeScan increases statistical power by up to 47.25% under nonlinear environmental selection patterns. We applied DeepGenomeScan to a European human genetic dataset and identified some well-known genes under selection and a substantial number of clinically important genes that were not identified by SPA, iHS, Fst and Bayenv when applied to the same dataset.
登录
查看更多内容
影响因子：
3.7
作者：
Comuzzie AG;Cole SA;Laston SL;Voruganti VS;Haack K;Gibbs RA;Butte NF
通讯作者：
Butte NF
影响因子：
10.7
作者：
Duforet-Frebourg N;Luu K;Laval G;Bazin E;Blum MG
通讯作者：
Blum MG
影响因子：
7
作者：
Chen, Hua;Patterson, Nick;Reich, David
通讯作者：
Reich, David
影响因子：
3.3
作者：
Brynedal, B.;Wojcik, J.;Abderrahim, H.
通讯作者：
Abderrahim, H.
影响因子：
3.3
作者：
Coop, Graham;Witonsky, David;Pritchard, Jonathan K.
通讯作者：
Pritchard, Jonathan K.