选择扫描与中性替代解释

更新：2026-10-26；状态：可用；验证范围：官方/原始来源核对；标准库教学算例已实跑；专业流程范围见正文。

选择扫描寻找与某些选择模型一致的遗传模式，不直接观察选择发生。低多样性、高分化和长单倍型也可能来自漂变、群体史、结构、重组或检测偏差。本页目标是能解释常见统计量关注的证据、手算Tajima D的比较对象，并把“离群”与经过校准的选择检验分开。

前置为选择中性模型与群体历史、等位基因频率杂合度与核苷酸多样性及LD衰减与遗传距离分析。输入需说明群体、样本数/倍性、可调用区域、祖先编码、分相与距离；频谱分析不能直接继承GWAS的MAF过滤或LD剪枝集合。

三类证据对应不同问题

频谱统计比较低频与中频变异的相对构成；群体分化统计关注群体间频率差；EHH类统计利用某等位或群体中的单倍型延伸。它们对时间、频率和选择模式的敏感性不同，不能把统一的绝对阈值套在所有统计量上。

局部π低可能是选择扫荡，也可能低重组、背景选择、瓶颈或可调用长度错误；FST高可能来自群体内多样性降低，而绝对分化未必高。多个指标来自同一批位点与同一段LD时，并不是几份完全独立验证。

Tajima D究竟在比较什么

固定n条完整序列，分离位点数S给 $\hat\theta_W=S/a_1$，$a_1=\sum_{i=1}^{n-1}1/i$；平均成对差异给π。标准形式为 $D=(\pi-S/a_1)/\sqrt{e_1S+e_2S(S-1)}$，e1/e2由n决定。本式的π和θ使用同一片段总量；若报告每位点量，分子分母尺度都要一致。

原始检验在相应中性、随机交配和群体史等假设下构造；D并不是标准正态Z值，也不能默认用正态尾部作为P值。真实重组、变动样本量和缺失要求相应程序及校准。Tajima原始研究

一个正D与负D的手算对照

n=8，五个位点ALT计数为5、5、4、3、4。每点成对差异为 $2k(n-k)/[n(n-1)]$，总和π=2.75；a1约2.592857，θW约1.928375，按标准系数得D约1.932105。若同样五点全部是单例k=1，π=1.25、θW不变，D约−1.595241。

两个集合都有S=5，却频谱不同。正D提示中频相对丰富，负D提示稀有变异相对丰富；前者不能直接译成“正选择”，后者也不能译成“负选择”。结构/瓶颈、扩张或不同选择过程可能生成相似偏离。人工数据贯通群体遗传统计已经展示结构合并改变D但未求显著性。

单倍型扫描要核对模式与符号

iHS、XP-EHH等依赖相应单倍型/多位点基因型表示、距离及标准化。某些新版selscan有显式未分相模式，不能把它与默认分相输入混用。原始iHS/nSL正负依赖0/1编码与软件定义，解释方向必须追溯输入；不同统计的频率分箱和跨群体标准化规则也不同。selscan官方模式

扫描前冻结窗口、样本和过滤，检查祖先状态错误、低MAC、缺失、参考偏差及重组图；随后用合理的中性历史、匹配区域或适当模拟建立比较背景。经验分位离群描述“相对本集合很极端”，不自动拥有某个已控制的假阳性率。

从候选到证据

全基因组多个窗口与多个统计带来多重选择，重叠窗口彼此相关。报告全部方案和候选规则，避免不断换窗口/阈值直到出现目标基因。对候选回查reads、可调用长度、重复、功能注释及独立群体/实验；注释支持解释，并不独立确认因果。

本页新增的标准库算例只是D的算术和频谱对照，没有中性模拟分布，也没有真实iHS/XP-EHH扫描。真实历史与备择解释见群体历史共祖与有效群体大小推断；必须先说明什么证据可以区分假说，再给候选贴选择类型。

动手：运行后先对照什么

在下载项目的根目录执行；只需Python 3标准库，不安装专业统计包：

python3 examples/methods_genetics_demo.py --case selection

JSON中中频计数组的D约1.932105，五个单例的D约−1.595241。两者θW相同而π分别2.75与1.25；检查S相同不代表频谱相同。

脚本不计算选择P值、显著性阈值、EHH或真实扫描；D的符号本身不是选择类型的标签。

命令只向终端打印JSON。若要保存所有22个小例，可用python3 examples/methods_genetics_demo.py --output examples/output/methods-genetics-practice1；目录必须新建或为空，已有结果不会被覆盖。源代码见标准库方法算例。

排错：先定位原因再改参数

症状	可能原因	下一步检查
多样性在低覆盖区普遍低	不可调用位置被当不变	检查mask、有效长度及缺失处理
某统计符号与论文反向	编码或软件对数比定义不同	追溯祖先/ALT方向和版本
多个指标都命中同区	同一LD信号或共享偏差	比较替代历史，加入真正独立证据

自测与答案

1. D=−1.6就能用正态分布求P值吗？ 不能默认如此，需匹配统计量的零分布和数据条件。

2. 两种扫描重叠证明候选因果吗？ 不证明，统计量可能共享同一遗传模式和技术偏差。

原有实践与延伸入口

群体遗传软件与输入选择；Tajima 1989；selscan。

学习顺序、前置与练习清单见方法与算法系统学习指南。

公式里的矩阵、下标或对数不熟时，可回查读懂方法公式的最小数学基础。