同一段DNA里分清四种演化力量：多尺度单倍型图像让分类准确率到90.85%
核心概要
区分中性演化、选择性清除、平衡选择和适应性基因渗入，一直是群体基因组学的难点，因为这些过程留下的单倍型痕迹彼此重叠。SHADES把单倍型频率、频率分布差异和单倍型间序列差异画成三类图像，在11、21、51个SNP三种窗口尺度上分别训练卷积网络，再把三个尺度的特征拼接起来做四分类。在模拟测试集上，深度版本SHADES[M2]的总体分类准确率为90.85%，高于同一测试中SURFDAWave的67.83%、diploS/HIC的68.30%、TrIdent的65.20%、FAST-NN的63.20%和FASTER-NN的79.43%。
深度剖析
同一套基因组扫描现在可以同时给出四类演化过程的判别结果，而不必为每种选择信号单独设计一套检测统计量。 此前的检测方法大多针对单一现象设计，难以把多种演化过程放进同一个判别框架，而中性、清除、平衡选择与适应性渗入的基因组痕迹又高度重叠。 在每类1000个模拟测试重复上，SHADES[M2]的总体分类准确率为90.85%，同一测试中SURFDAWave为67.83%、diploS/HIC为68.30%、TrIdent为65.20%、FAST-NN为63.20%、FASTER-NN为79.43%。
模型把一段基因组转成三张图像，分别记录单倍型频率、窗口之间频率分布的差异，以及按频率排序后相邻单倍型之间的序列差异。 这三类统计量在11、21、51个SNP三种窗口宽度上分别成像，浅层M1与基于Inception-ResNet-v2的深层M2各自在三个尺度上训练，再由堆叠层把三个尺度的倒数第二层特征拼接后送入全连接分类器。 训练与测试数据由SLiM前向模拟生成，采用欧洲CEU人群的人口历史、每条序列2 Mb、采样198条单倍型，每类6000个重复，其中5000个用于训练、1000个用于测试。
在真实人群数据上，模型给出的高置信度候选与已知的选择靶点重合。 此前这些位点分别由不同的统计检验或专项扫描报道，现在由同一个四分类模型在统一扫描中一并给出。 对1000基因组计划欧洲人群22条常染色体以3115个连续SNP、21个SNP步长滑动扫描，得到183558个窗口；LCT区域给出清除信号（LCT置信度0.808、MCM6为0.878），MHC区域给出密集的平衡选择信号，BNC2给出0.63的适应性渗入信号。
启示与展望
演示范围限于以SLiM按欧洲CEU人口历史模拟的2 Mb序列、198条单倍型样本，以及1000基因组计划欧洲人群的常染色体扫描；作者在讨论中把高重组率下的准确率下降列为该方法面临的主要困难。
作者报告高重组率设置下SHADES[M2]准确率降至66.33%，并指出重组升高会迅速侵蚀过往选择的单倍型痕迹；加入未采样种群基因流后，SHADES[M2]准确率比CEU模型下低7.72%。新候选基因所对应的具体病原体与受选择表型仍未确定。