An efficient exact algorithm for identifying hybrids using population genomic sequences.
An efficient exact algorithm for identifying hybrids using population genomic sequences.
复制标题
DOI：
10.1093/genetics/iyad011
复制
发表时间：
2023-04-06
期刊：
影响因子：
3.3
通讯作者：
Rannala, Bruce
中科院分区：
文献类型：
--
作者：
Chakraborty, Sneha;Rannala, Bruce
几个世纪以来，鉴定具有近期杂交血统（种群或物种之间）的个体一直是博物学家的目标。自 20 世纪 60 年代以来，共显性遗传标记已与统计和计算方法一起用于鉴定 F1 杂种和回交。现有的混合推理方法假设不同基因座的等位基因经历独立分类（不连锁或处于群体连锁平衡）。基因组数据集包括数千个位于同一染色体上的标记，并且处于群体连锁不平衡状态，这违反了这一假设。因此，当应用于基因组数据集时，现有方法可能被视为复合可能性，并且它们在识别混合祖先（这是一个模型选择问题）方面的性能未知。在这里，我们开发了一个新程序 Mongrail，它实现了完全似然贝叶斯混合推理方法，该方法显式地模拟链接和重组，生成不同 F1 或 F2 混合或回交、谱系类别的后验概率。我们使用模拟将 Mongrail 的统计性能与现有的复合似然方法 (NewHybrids) 的统计性能进行比较，并应用该方法来分析条纹猫头鹰和斑点猫头鹰杂交物种的基因组序列数据。
The identification of individuals that have a recent hybrid ancestry (between populations or species) has been a goal of naturalists for centuries. Since the 1960s, codominant genetic markers have been used with statistical and computational methods to identify F1 hybrids and backcrosses. Existing hybrid inference methods assume that alleles at different loci undergo independent assortment (are unlinked or in population linkage equilibrium). Genomic datasets include thousands of markers that are located on the same chromosome and are in population linkage disequilibrium which violate this assumption. Existing methods may therefore be viewed as composite likelihoods when applied to genomic datasets and their performance in identifying hybrid ancestry (which is a model-choice problem) is unknown. Here, we develop a new program Mongrail that implements a full-likelihood Bayesian hybrid inference method that explicitly models linkage and recombination, generating the posterior probability of different F1 or F2 hybrid, or backcross, genealogical classes. We use simulations to compare the statistical performance of Mongrail with that of an existing composite likelihood method (NewHybrids) and apply the method to analyze genome sequence data for hybridizing species of barred and spotted owls.
登录
查看更多内容
影响因子：
3.3
作者：
Fujito NT;Hanna ZR;Levy-Sakin M;Bowie RCK;Kwok PY;Dumbacher JP;Wall JD
通讯作者：
Wall JD
影响因子：
2.4
作者：
GRANT, WS;MILNER, GB;UTTER, FM
通讯作者：
UTTER, FM
影响因子：
2.8
作者：
Hahn, TP;Sockman, KW;Morton, ML
通讯作者：
Morton, ML
影响因子：
5.1
作者：
Ganey, Joseph L.;Wan, Ho Yi;Vojta, Christina D.
通讯作者：
Vojta, Christina D.
影响因子：
4.9
作者：
Congiu, L;Dupanloup, I;Zane, L
通讯作者：
Zane, L