隨著基因組測序技術的發展，物種和群體水平基因組數據呈指數增長。這些數據為從基因組水平鑒定和解析自然選擇機制提供了前所未有的機遇。但是，目前的分析方法面臨著一些技術瓶頸和挑戰，其中一個關鍵問題是如何高效準確地檢測作用于非編碼區的自然選擇效應。另一方面，能夠高效、高性能地分析多物種大樣本數據也成為方法學方面的迫切要求。

　　中國科學院北京基因組研究所（國家生物信息中心）陳華團隊在多物種聯合等位基因頻譜理論以及HKA（Hudson-Kreitman- Aguadé）檢驗的框架上構建了CEGA（Comparative Evolutionary Genomic Analysis）方法。CEGA整合微進化過程與宏觀進化過程模型，有效刻畫自然選擇和群體歷史在非編碼區形成的遺傳多態性“印記”，可高效、準確地檢測作用于非編碼區上的正向選擇及平衡選擇信號。CEGA同時分析物種間的分歧位點和物種內的多態位點信息，當兩物種分化時間比較短時，多態位點蘊含的信息有助于準確地推斷分化時間、有效群體大小等信息，從而有利于區分自然選擇效應與群體歷史干擾，因此該方法在不同物種分化時間尺度上具有更廣泛的適用性。仿真分析表明，對于不同的選擇強度以及物種分化時間，CEGA檢測正選擇及平衡選擇的效果均優于現有方法。尤其對于選擇強度較弱或者物種分化時間比較短的情景，CEGA的優勢更為明顯。除了用于檢測自然選擇外，研究者往往希望提供對自然選擇發生過程的深入認識。 鑒于此，CEGA還基于群體遺傳學模型提供了對自然選擇強度等關鍵參數的推斷。

　　研究團隊將CEGA應用于已發表9個現代人類（Homo sapiens）及9個黑猩猩（Pan troglodytes ellioti）的群體基因組數據，進行了編碼區、非編碼區兩個層面上的比較分析，鑒定了在人類基因組中受自然選擇作用而快速進化基因，并發現這些基因的功能顯著富集在與大腦容量、大腦皮層的總面積以及大腦皮層的厚度等相關表型和分子通路。此外，在與免疫反應和病原體抵抗相關的區域（如主要組織相容性復合體MHC）存在顯著的平衡選擇信號。以上仿真分析以及人與黑猩猩基因組真實數據分析的結果表明，CEGA是一種有效的算法工具，可用于大規模群體基因組測序數據的高效分析。

　　該成果以“CEGA: a method for inferring natural selection by comparative population genomic analysis across species”為題，于10月3日發表在Genome Biology 期刊。中國科學院北京基因組研究所（國家生物信息中心）陳華研究員為本文的通訊作者，中國科學院北京基因組研究所（國家生物信息中心）特別研究助理（博士后）趙石磊和助理研究員池連江為本文的共同第一作者。該研究得到了國家自然科學基金、國家重點研發計劃、中國博士后科學基金等項目的資助。

 　　CEGA模型的參數及觀測數據 

　　論文鏈接