北京基因组所对大样本全基因组数据的群体遗传学剖析要领开发获重要进展
盘算基因组学旨在生长理论和要领学 ，对基因组数据进行数据挖掘、提取信息。其中对遗传多态性 ，如基因频谱、单倍型结构等进行建模 ，利用群体基因组水平的遗传变异数据来推断群体的历史和变迁是群体遗传学的焦点内容。古板的群体遗传学剖析要领通�；谛⊙臼� ，所推断的多为相对古老的历史事件 ，例如 ，被广泛应用的Li and Durbin (2011)的PSMC要领（递次式对偶溯祖要领）适用于2万年到300万年之间的群体巨细变革 ，对一万年以内群体历史的推断精度很有限。该时间区间是这些要领进行参数推断的“盲区”。而人类在已往一万年左右从漫长的狩猎-收罗文明逐渐过渡到农业、畜牧业和工业文明 ，深入了解人类两万年内的群体进化和变迁 ，对解析情况适应性、遗传性疾病的易感性和发病机制等都有重要意义。
日新月异的测序新技术正在爆发海量的基因组序列数据。这些大样本或群体水平的测序数据为基因组时代的群体遗传学研究提供了前所未有的机缘。大数据蕴含的富厚信息使得更精细推断群体历史 ，包括1万年乃至几千年以内的群体变革成为可能。但另一方面 ，也给现有的理论和要领带来了新的挑战。大都现有的剖析要领并不适用剖析大数据：一方面是由于这些古板要领大多是基于随机取样要领 ，盘算量太大；另一方面则源于一些公式在大样本条件下保存数值不稳定性。
球速体育盘算基因组中心陈华课题组针对以上问题提出了一个群体遗传学新算法（TNSFS）。该要领克服了大样本时的数值盘算问题 ，首次实现了对大样本全基因组数据进行盘算高效的群体遗传学剖析 ，可用于检测群体的增长模式 ，有效推断一万年以内的群体巨细变革的相关参数。新算法拥有若干盘算上的优势：该要领给出解析形式的公式 ，不依赖于仿真 ，盘算便捷高效 ，并且在大样本时无数值问题；具有很好的灵活性 ，能涵盖庞大的群体模型；别的 ，现代群体遗传学模型以Kingman溯祖理论为基本构架 ，理论上只适用于样本量远小于群体巨细的前提下。当样本数目很大 ，甚至于接近群体水平时 ，Kingman溯祖理论会有严重偏差。新提出的要领纵然在这种情况下 ，也具有很好的鲁棒性（robustness）。
该事情的研究结果于2015年11月宣布在进化生物学领域权威期刊 Molecular Biology and Evolution。
TNSFS要领能有效模拟庞大的群体模型（如图A所示 ，用于描述欧洲群体变革的Gazave模型）, 并且在差别参数值下的理论预测值与电脑仿真爆发的结果吻合（图B）
论文链接
