软件：RAiSD 快速检索硬清扫区间

本文摘自文章 RAiSD detects positive selection based on multiple signatures of a selective sweep and SNP vectors，communications biology，27 June 2018，被引用量 23

RAiSD：Raised Accuracy in Sweep Detection

RAiSD 特点

1. 通过滑窗依次读取所有 SNP 信息，窗口大小为 SNP 数量，而非区间 bp 长度。
2. 计算每个窗口内 核酸多样性 ${\theta }_w$ 、等位基因频谱（Allele Frequency Spectrum，也称 Site Frequency Spectrum，SFS）、连锁不平衡（LD），3 个群体遗传统计参数作为输入特征，检索选择清扫区间。
3. 通过简便算法，大幅减少检索选择清扫区间所需的时间。

RAiSD 算法

$${\mu }_t={\mu }_t^{VAR}\times {\mu }_t^{SFS}\times {\mu }_t^{LD}$$

${\mu }_t^{VAR}=(l_{t+W_{sz}-1}-l_t)/W_{sz}$，表示以第 $t$ 个 SNP 为起点的窗口内 SNP 的密度，用 SNP 密度代表核酸多样性 ${\theta }_w$ 。

1. $W_{sz}$ 表示窗口大小，即窗口内 SNP 数量。
2. $l_{t+W_{sz}-1}$ 表示第 $t+W_{sz}-1$ 个 SNP 在染色体上的位置信息，同理 $l_t$ 表示第 $t$ 个 SNP 在染色体上的位置信息。$l_{t+W_{sz}-1}-l_t$ 表示第 $t$ 个窗口在染色体上的长度（bp）。

${\mu }_t^{SFS}=\frac{\sum [M(s_i)=1]+\sum [M(s_i)=S-1]}{W_{sz}}$，表示第 $t$ 个窗口内次等位基因型数量为 $1$ 的 SNP 的密度。用极低频 SNP 代表等位基因频谱 SFS，大幅降低的计算资源消耗。

1. $S$ 表示群体数量，$s_i$ 表示第 $i$ 个 SNP。
2. $M(s_i)$ 表示第 $i$ 个 SNP 中编号为 1 的等位基因型的数量。PS：RAiSD 将 SNP 的等位基因型分别编号为 $0$、$1$，编码不以等位基因型频率作为指导，是固定指定（如 SNP 的碱基对为 AT，A 为 0，T 为 1）。
3. $[M(s_i)=1]$ 表示条件判断，符合 $M(s_i)=1$ 则返回 $1$，否则返回 $0$。即当第 $i$ 个 SNP 在群体中编号为 $1$ 的等位基因型数量为 $1$ 时，返回 $1$，否则返回 $0$ 。同理，$[M(s_i)=S-1]$ 表示第 $i$ 个 SNP 在群体中编号为 $1$ 的等位基因型数量为 $S-1$ 时，返回 $1$，否则返回 $0$ 。
4. $\sum [M(s_i)=1]+\sum [M(s_i)=S-1]$ 表示统计窗口内次等位基因型数量为 $1$ 的 SNP 数量。

${\mu }_t^{LD}=\frac{{\sum }_{s_i\in W_L}[s_i\notin P_R]\ast {\sum }_{p_j\in P_L}[p_j\notin P_R]+{\sum }_{s_i\in W_R}[s_i\notin P_L]\ast {\sum }_{p_j\in P_R}[p_j\notin P_L]}{P_{L_{SZ}}\ast P_{R_{SZ}}}$ ，表示窗口的连锁不平衡程度。通过计算窗口左右两半的 SNP 图谱差异情况来代表区间的 LD，相比计算每对 SNP 之间的 LD，计算时间大幅降低。

1. 作者将窗口分为左右（L、R）两个子窗口，$P$ 为 pattern 表示 SNP 在群体中的图谱，$P_R$ 表示窗口中的右子窗口包含的所有图谱类型，$P_{R_{SZ}}$ 表示右窗口中存在的图谱类型数量，如下图中 $P_{R_{SZ}}=2$。
2. $p_j\in P_R$ 表示右子窗口中存在的图谱类型。
3. $s_i\in W_R$ 表示右子窗口中存在的 SNP。
4. ${\sum }_{s_i\in W_L}[s_i\notin P_R]$ 表示符合 左子窗口中的 SNP 所拥有的 pattern 类型不存在于 $P_R$ 中的 SNP 数量，下图中 ${\sum }_{s_i\in W_L}[s_i\notin P_R]=3$ 。
5. ${\sum }_{p_j\in P_L}[p_j\notin P_R]$ 表示属于 $P_L$ 但不属于 $P_R$ 的 pattern 数量，下图中 ${\sum }_{p_j\in P_L}[p_j\notin P_R]=2$ 。

图 b 展示了 RAiSD 先将输入的 SNP 由 $S$ 维转化为 3 维（r、s、d），图 a 展示了 RAiSD 根据 3 维数据计算 ${\mu }_t^{VAR}$ 、 ${\mu }_t^{SFS}$ 、 ${\mu }_t^{LD}$ 和 ${\mu }_t$ 。

RAiSD 缺点

RAiSD 减少了计算量，但同时也丢失了大量的信息，使其在分析复杂图谱（软清扫）时 ${\mu }_t^{SFS}$ 、 ${\mu }_t^{LD}$ 基本没有作用，导致预测准确性大幅降低。 RAiSD 仅适用于快速检索硬清扫区间。