连锁不平衡

连锁不平衡

连锁不平衡（Linkage disequilibrium, LD）是群体遗传学中描述不同基因座（loci）上的等位基因之间非随机关联的核心概念。在随机交配的理想群体中，不同位点上的等位基因应独立组合，此时称这些位点处于连锁平衡（linkage equilibrium）。然而，现实群体中由于多种进化力量的作用，实际观察到的单倍型频率往往偏离随机期望，这种偏离即为连锁不平衡。

具体而言，考虑两个双等位基因位点A和B，其等位基因分别为A/a和B/b。设等位基因频率为p_A、p_a、p_B、p_b，单倍型频率为p_AB、p_Ab、p_aB、p_ab。在连锁平衡下，p_AB = p_A × p_B。LD定义为实际单倍型频率与随机期望的差值：D = p_AB - p_A p_B。D值可为正或负，反映了特定等位基因组合的过表达或低表达。

为了在不同位点间进行比较和统计检验，发展了多种标准化度量指标。最常见的是标准化不平衡系数D'和相关系数r²。

D' 的定义为：D' = D / D_max，其中D_max是D可能达到的最大值（当D>0时，D_max = min(p_A p_b, p_a p_B)；当D<0时，D_max = max(-p_A p_B, -p_a p_b)）。D'的取值范围为0到1，当D'=1时表示完全连锁不平衡（无重组历史），D'=0表示连锁平衡。D'对重组事件敏感，但受等位基因频率影响较小。

r²（也称Δ²）定义为：r² = D² / (p_A p_a p_B p_b)。r²的取值范围为0到1，其平方根为正负相关系数。r²对等位基因频率敏感，但具有更好的统计性质，常用于关联研究的功效计算。r²=1表示完全相关（即两个位点提供相同信息），r²=0表示无关联。

其他度量包括标准化的D_w（Lewontin's D'）、Q等。在实际应用中，选择哪种度量取决于研究目的：D'更适合检测重组历史和LD block边界，r²更适合关联分析的标记选择。

LD的产生和维持受多种进化力量驱动：

1. 重组与物理距离：重组是打破LD的主要力量。两个位点间的重组率θ越高，LD衰减越快。对于人类基因组，通常认为在物理距离小于50kb时LD较强，随着距离增加LD指数级衰减。因此LD图可以用于揭示染色体上的重组热点和冷点。

2. 突变：新突变最初与其所在单倍型上的等位基因完全连锁（D'=1），但随后重组和漂变会逐步稀释这种关联。

3. 自然选择：选择作用于一个或两个位点会改变等位基因频率并间接影响LD。例如，平衡选择（如杂合优势）可维持长期LD；选择性清除（selective sweep）则会导致附近区域LD升高。

4. 遗传漂变：在小群体中，漂变可导致等位基因频率随机波动，产生并维持非随机关联，尤其在有效群体大小较小时。

5. 群体混合与结构：当两个遗传背景不同的群体混合时，在混合初期会产生全局性的LD（称为混合LD），随着世代增加通过重组逐渐衰减。这种LD可用于推断混合时间和群体历史。

6. 基因转换、倒位、拷贝数变异等基因组重排事件也能导致局部LD的增减。

LD作为遗传学的基本参数，在多个研究领域具有重要应用：

1. 关联研究（GWAS）：LD是进行全基因组关联研究的基础原理。由于因果变异与附近标记位点存在LD，研究者可以通过检测与表型显著关联的SNP来定位致病位点。r²决定了捕获因果信号所需的标记密度，并影响统计学功效。例如，人类基因组中常见SNP的LD通常延伸至数十kb，因此商业SNP芯片通过标签SNP（tag SNP）间接覆盖大部分常见变异。

2. 基因精细定位：利用LD衰减模式，结合关联信号，可以缩小因果变异所在区域。例如，使用条件分析和跨种族LD结构比较，可以在数百kb的关联区间内将候选变异缩小到几个功能位点。

3. 群体历史推断：LD衰减曲线反映了有效群体大小和历史事件。例如，非洲人群具有更快的LD衰减（反映更大的长期有效群体大小），而欧洲人群LD延伸更长（反映更近的瓶颈或奠基者效应）。通过分析基因组不同区域的LD模式，可推断群体大小变化、迁移和混合事件。

4. 亲缘关系与连锁分析：在遗传图谱构建、家系连锁分析以及亲缘鉴定中，LD信息用于估计重组率和推断单倍型。

5. 进化遗传学：LD有助于检测选择信号、鉴定适应性等位基因以及推断适应性渐渗。例如，受选择性清除的区域表现为低多样性、高LD和特定等位基因频率偏移。此外，相比于常染色体，性染色体、叶绿体基因组的LD模式反映独特的进化机制。

描述LD随物理距离增加的衰减速度是基因组结构的重要特征。通常，使用LD衰减距离（例如r²衰减到一半时的距离）来表征不同基因组区域或物种的LD特点。人类基因组中LD的平均衰减距离约为10-30kb（不同数据集有差异），但存在巨大变异：在着丝粒和重组热点区域LD衰减更快，而在着丝粒附近和低重组区LD延伸更长。

LD block（也称haplotype block）是指LD较强且内部重组率极低的基因组连续区域，其边界往往由重组热点界定。识别LD block有助于理解染色体结构、连锁图谱构建以及简化关联分析。人类基因组中LD block的平均大小约为10-100kb，但分布不均。

计算LD需要基因型或单倍型数据。常用软件包括PLINK（提供--ld命令）、Haploview（图形化界面）、LDlink（基于1000 Genomes的在线工具）、Beagle等。计算时通常需要指定参考群体、最小等位基因频率阈值和窗口大小。对于大规模的关联研究，LD矩阵的快速计算和可视化是核心步骤，常用方法包括使用稀疏矩阵和分块估算。

在大样本数据中，单倍型频率可通过EM算法或贝叶斯方法进行相位推断，得到的单倍型数据可用于LD计算。另外，r²和D'的显著性可通过卡方检验或置换检验评估。

使用LD时需要注意：不同度量指标的适用场景不同；等位基因频率异质性会影响LD值；群体分层会导致假阳性关联；LD模式在不同人群中差异显著，因此关联研究的标记选择必须基于目标人群；由于LD反映了群体历史，不能简单视为因果关系的证据。此外，罕见变异的LD通常较弱，常规GWAS很难通过标签SNP捕获稀有致病突变。

• Lewontin RC. The interaction of selection and linkage. I. General considerations; heterotic models. Genetics. 1964;49(1):49-67.
• Pritchard JK, Przeworski M. Linkage disequilibrium in humans: models and data. Am J Hum Genet. 2001;69(1):1-14.
• Reich DE, Cargill M, Bolk S, et al. Linkage disequilibrium in the human genome. Nature. 2001;411(6834):199-204.
• Slatkin M. Linkage disequilibrium: understanding the evolutionary past and mapping the medical future. Nat Rev Genet. 2008;9(6):477-485.
• Myers S, Bottolo L, Freeman C, McVean G, Donnelly P. A fine-scale map of recombination rates and hotspots across the human genome. Science. 2005;310(5746):321-324.
• Wall JD, Pritchard JK. Haplotype blocks and linkage disequilibrium in the human genome. Nat Rev Genet. 2003;4(8):587-597.
• Weir BS. Genetic Data Analysis II. Sunderland: Sinauer Associates; 1996.
• Purcell S, Neale B, Todd-Brown K, et al. PLINK: a tool set for whole-genome association and population-based linkage analyses. Am J Hum Genet. 2007;81(3):559-575.