研究背景

适应性进化是生物适应环境变化赖以生存的基础。生物能否快速适应环境变化，对于维护生物多样性、人类健康、粮食安全、自然资源的可持续性等均有重要意义 (Carroll et al., 2014)。特别是近年来全球气候和环境正在发生剧烈变化，理解生物适应环境的遗传机制，已成为进化生物学研究的一个核心问题 (Bernatchez, 2016)。鱼类包含约32,000个物种，占据全球现生脊椎动物物种数的一半以上，目前也正面临着水环境的急剧变化，如海面温度的升高、海洋酸化、水体污染等，鱼类多样性正受到严重威胁 (Joseph et al., 2016)。因此，理解鱼类对环境变化的遗传响应，在气候和环境问题凸显的当下，具有重要的科学和现实意义。
       近年来，随着高通量测序技术的发展，群体基因组学数据和研究方法逐步应用于鱼类的本地适应 (local adaptation) 研究中 (López et al., 2015; Bernatchez, 2016)。本地适应是指某群体相比于其他群体更适应其所在生境的进化过程 (Savolainen et al., 2013)。基于重测序数据，可以获得来自不同环境鱼类群体的遗传变异，进而检测与环境适应相关的选择信号，从而揭示鱼类的适应性遗传机制。F_ST离群值分析 (outlier analysis, OA) 是目前检测受选择位点的主流方法之一 (Liberles et al., 2020)。F_ST离群值分析可识别群体间相对于中性进化模型所预期的、有着显著更高的遗传分化的变异位点，由此推断受到选择压力而发生分化的基因组区域 (Ahrens et al., 2018)。在诸多可进行F_ST离群值分析的软件中，BayeScan软件使用较为广泛 (图1，摘自Ahrens et al., 2018)。BayeScan的基本原理是，利用贝叶斯模型估算F_ST，以度量群体间等位基因频率的差异，而后将F_ST分解为群体特异的 (population-specific, beta) 和位点特异的 (locus-specific, alpha) 两个组分，并从alpha组分中识别偏离中性模型的、受自然选择的位点 (Foll and Gaggiotti, 2008)。本文将以BayeScan软件为例，介绍使用BayeScan进行F_ST离群值分析的完整流程。该流程主要参考Guo et al. (2015, 2016a) 两篇已发表的工作，该方法也可应用于鱼类以外的其他生物类群 (例如，Guo et al., 2016b和Yadav et al., 2021)。


图1. 2010-2016年使用F_ST离群值分析各类方法的文献数目 图中横坐标为文献出版年份，纵坐标为该年份使用对应方法的文献数目，不同颜色代表不同的F_ST离群值分析方法。仅统计使用超过1次的方法。(摘自Ahrens et al., 2018)

仪器设备

1. 服务器 (型号：Inspur NF5280M5；操作系统：CentOS Linux release 7.5.1804 (Core)；CPU：Intel(R) Xeon(R) Gold 6230 CPU @ 2.10 GHz；80核，512 G内存)
   注：本文使用的软件对运行设备内存有较高要求。例如在利用BWA-MEM软件建立参考基因组索引时，要求可用内存有5.37N以上 (N为参考基因组大小，参见BWA使用手册http://bio-bwa.sourceforge.net/bwa.shtml)；PGDSpider是基于JAVA的软件，若VCF格式变异文件较大 (几百Mb)，在运行中调用内存可达几十Gb。考虑到对内存和运行速度的要求，一般需用同等配置的服务器完成本套分析流程。
2. 普通个人电脑 (需要已安装好R)

软件版本信息及下载地址

1. BWA-MEM v0.7.17-r1188: https://github.com/lh3/bwa
2. SAMtools v1.8: https://github.com/samtools/samtools/releases/tag/1.8
3. BCFtools v1.8: https://github.com/samtools/bcftools/releases/tag/1.8
4. VCFtools v0.1.13: https://github.com/vcftools/vcftools/releases/tag/v0.1.13
5. Java v1.8.0_151: https://java.com/zh-CN/
6. PGDSpider 2.1.1.5: http://cmpg.unibe.ch/software/PGDSpider/
7. BayeScan 2.1: https://github.com/mfoll/BayeScan
8. R v3.6.3: https://www.r-project.org/
9. CODA (R package, v0.19-4): https://cran.r-project.org/web/packages/coda/index.html
10. ggplot2 (R package, v3.3.3): https://cran.r-project.org/web/packages/ggplot2/index.html
    

实验步骤