Fitness inference tested by in silico population genetics

Technische Zusammenfassung: Fitness-Inferenz getestet durch In-silico-Populationsgenetik

Problemstellung
Die Arbeit befasst sich mit der Herausforderung, Fitnessparameter und die relative Fitnessreihenfolge von Genotypen aus Zeitreihen-Genetika-Daten (Ganzgenomsequenzen, die zu mehreren Zeitpunkten beprobt wurden) zu inferieren. Obwohl solche Daten für Mikroben, antike DNA und menschliche Pathogene zunehmend verfügbar sind, bleibt die Trennung von deterministischen Selektionssignalen und stochastischem Rauschen (genetische Drift), Mutation und Rekombination technisch schwierig. Die Autoren untersuchen spezifisch, ob es möglich ist, Fitnesslandschaften aus populationsweiten Daten zu rekonstruieren und die Parameterbereiche zu definieren, in denen eine solche Inferenz machbar ist versus dort, wo sie scheitert.

Methodik
Die Studie verwendet eine kompetitive Evaluierung zweier unterschiedlicher Fitness-Inferenzschemata unter Verwendung von In-silico-Simulationen, die durch das FFPopSim-Toolbox generiert wurden. Die Simulationen modellieren haploide Populationen ($N=1000$) mit einer Genomlänge von $L=25$, die über $T=30$ Generationen unter natürlicher Selektion, Mutation, Rekombination ($r=0.5$) und genetischer Drift evolvieren. Die Fitness wird als quadratische Funktion binärer Genotypen modelliert, einschließlich additiver Effekte ($f_i$) und paarweiser epistatischer Interaktionen ($f_{ij}$).

Die zwei verglichenen Methoden sind:

1. Marginal Path Likelihood (MPL): Basiert auf Kimuras Diffusion-Approximation und dem Wright-Fisher-Modell. Es setzt endliche Populationen voraus, in denen genetische Drift signifikant ist. MPL stützt sich auf die Maximierung der Pfadwahrscheinlichkeit beobachteter Allelfrequenz-Trajektorien. Entscheidend ist, dass die hier betrachtete Standard-MPL-Implementierung eine rein additive Fitnesslandschaft annimmt und Epistase nicht explizit modelliert, wobei nicht-null Epistase-Koeffizienten als Störfaktoren behandelt werden.
2. Transient Quasi-Linkage Equilibrium (tQLE): Basiert auf der Annahme, dass die Populationszustände transient einer Gibbs-Boltzmann-Verteilung folgen. Diese Methode ist für unendliche Populationen konzipiert (Ignorieren der genetischen Drift) und bezieht explizit sowohl additive als auch epistatische Fitnessparameter ein. Sie nutzt Relaxationsgleichungen, um Potts-Modell-Parameter ($h_i, J_{ij}$) zu inferieren, welche dann zurück auf Fitnesskoeffizienten abgebildet werden.

Die Autoren testeten diese Methoden über verschiedene Parameterregime hinweg, indem sie Mutationsraten ($\mu$) sowie die Varianz der additiven ($\sigma(f_i)$) und epistatischen ($\sigma(f_{ij})$) Fitness-Effekte variierten. Die primäre Evaluationsmetrik war nicht nur die numerische Genauigkeit der inferierten Koeffizienten, sondern die Rangordnung der Genotypen nach Fitness, wobei der Fokus besonders auf den fittesten 5 % der Sequenzen lag.

Kernergebnisse

• Additive Landschaften: In rein additiven Szenarien inferierten sowohl MPL als auch tQLE die Fitness-Effekte korrekt. Die Inferenzgenauigkeit verbesserte sich, wenn Selektion und Mutation schwächer waren. Jedoch neigten beide Methoden dazu, die Größenordnung der Selektion für die einflussreichsten Mutationen unter starker Selektion zu unterschätzen, wenngleich sie eine hohe Genauigkeit in der relativen Rangfolge beibehielten.
• Epistatische Landschaften:
  • Geringe Epistase/Hohe additive Varianz: Mit zunehmendem additivem Anteil der Fitness übertraf MPL tQLE in der globalen Rangkorrelation. Dies wird auf die Fähigkeit von MPL zurückgeführt, das Rauschen endlicher Populationen (genetische Drift) zu handhaben, während tQLE eine unendliche Population voraussetzt.
  • Hohe Epistase/Geringe additive Varianz: Wenn epistatische Beiträge dominierten, übertraf tQLE MPL. Da MPL keinen epistatischen Term besitzt, hatte es Schwierigkeiten, die Genotypen korrekt zu ordnen, bei denen Interaktionen der primäre Treiber der Fitness waren.
  • Top-gerankte Sequenzen: Ein entscheidender Befund ist, dass tQLE ein überlegener Prädiktor für die Rangordnung der fittesten 5 % der Sequenzen über einen breiteren Bereich von $\sigma(f_i)$ blieb als MPL. Dies deutet darauf hin, dass epistatische Interaktionen eine entscheidende Rolle bei der Sortierung der fittesten Individuen spielen, selbst wenn additive Effekte vorhanden sind.
• Parameter-Rekonstruktion: Während tQLE in der Lage war, epistatische Parameter zu rekonstruieren, verschlechterte sich seine Genauigkeit bei der Inferenz additiver Parameter mit zunehmender Varianz der additiven Effekte. Umgekehrt verbesserte sich die Leistung von MPL bei der Inferenz additiver Effekte mit stärkeren additiven Signalen.
• Replikate: Die Leistungssteigerung durch die Verwendung mehrerer Simulationsreplikate war substanziell für tQLE (Sättigung bei etwa 5 Replikaten), aber minimal für MPL, welches relativ unempfindlich gegenüber der Anzahl der Replikate war.

Bedeutung und Ansprüche
Die Autoren behaupten, dass die Fitness-Inferenz aus zeit-stratifizierten Ganzgenom-Daten innerhalb spezifischer Parameterbereiche machbar ist. Die Studie zeigt:

1. Komplementarität: Die beiden Methoden sind komplementär. MPL ist robust in endlichen Populationen mit signifikanter genetischer Drift, während tQelle überlegen ist, wenn epistatische Interaktionen stark sind oder wenn der Fokus auf der Identifizierung der absolut fittesten Genotypen liegt.
2. Konvergenz: Trotz unterschiedlicher theoretischer Grundlagen (Annahmen über endliche vs. unendliche Populationen, additive vs. epistatische Modelle) stimmen die beiden Methoden oft über breite, reasonable Parameterbereiche hinweg in den Fitness-Rankings überein.
3. Evaluationskriterien: Die Autoren betonen, dass die Wahl des Evaluationskriteriums kritisch ist. Während die numerische Rekonstruktion von Parametern variieren kann, ist die Rangfolge der leistungsstärksten Sequenzen eine robustere und biologisch relevantere Metrik, bei der die Methoden eine signifikante Übereinstimmung zeigen.
4. Erblichkeit der Fitness: Die Ergebnisse stützen die theoretische Vorhersage, dass additive Fitness erblich ist, während epistatische Fitness in Anwesenheit hoher Rekombinationsraten nicht erblich ist, wie durch die Stabilität der epistatischen Fitness-Verteilungen in den Simulationen belegt wurde.

Die Arbeit liefert einen Rahmen dafür, wann eine Fitness-Inferenz aus realen Daten (wie etwa der Überwachung von Pathogenen oder antiker DNA) möglich ist, und hebt Einstellungen hervor, in denen eine Inferenz wahrscheinlich scheitern wird oder eine spezifische methodische Wahl erfordert. Die Autoren kommen zu dem Schluss, dass die Wahl zwischen MPL und tQLE für reale Anwendungen weitgehend eine Frage der Bequemlichkeit ist, abhängig vom spezifischen biologischen Kontext (z. B. Populationsgröße und Vorhandensein von Epistase).