新深度学习框架SHADES可区分多种进化过程

据bioRxiv预印本，Khan、DeGiorgio等作者提出深度学习框架SHADES，利用不同空间分辨率下的序列差异及其频率信息，捕捉不同基因组尺度上的进化特征。作者称，SHADES能够区分中性、选择性清除、平衡选择与适应性渐渗，并在分类准确率和检验功效上优于所评估的若干现有方法；该框架对多种混杂因素保持稳健，分类性能仅有小幅变化。作者将该框架应用于欧洲人群的经验单倍型变异数据，复现了此前报道的选择性清除、平衡选择与适应性渐渗信号，同时识别出与免疫防御、炎症调控和上皮屏障生物学相关的新基因。该研究为预印本，尚未经过同行评审。