正选择在确定疾病物种差异的分子原因中的作用

在黑猩猩血统中检测到阳性选择基因的数量增加

我们在黑猩猩谱系中发现了162个PSG，比人类谱系中检测到的54个PSG多出三倍。这一发现与其他关于黑猩猩进化过程中大量正选择基因的报道一致[16,31]. 贝克韦尔等. [16]（使用与本研究完全不同的方法）从13888个基因的初始数据集中鉴定出21个阳性黑猩猩基因和2个阳性人类基因。Arbiza也发现黑猩猩谱系中PSG数量增加等. [31]一种更为相似的方法，在人类基因组和黑猩猩基因组中分别鉴定出1.12%和5.96%的正选择基因，这与这里获得的1.75%（人类）和5.26%（黑猩猩）的结果非常接近。

受积极选择影响的功能过程

使用单侧二项式检验来测试每个谱系的PSG在PANTHER本体数据库的生物过程（BP）类中是否过度表示[32]. 然后将富集程度最高的术语分为BP系列（图​（图2）2)如PANTHER分类系统所定义[33]. 为PSG丰富了属于14个BP家族的32个BP本体术语(第页<0.05，二项检验）。多重校正后，四个BP术语在第页< 0.05. 灵长类谱系中PSG最具代表性的本体论是核酸代谢、神经元活动、免疫和防御。灵长类PSG在发育过程或信号转导等功能类别中也表现出富集，这可能与物种差异有关。鼠系PSG在功能类别免疫、防御和信号转导中表现出过度表达。相当高比例的黑猩猩PSG具有未定义或未知的生物功能（参见附加文件2“黑猩猩PSG的功能分类”）。

在单独的窗口中打开

图2

PSG过度表示生物过程本体.过度表示PSG的生物过程本体术语(第页< 0.05). 本体术语按功能蛋白PANTHER生物过程家族分类。

OMIM富含阳性选择基因

为了确定我们的PSG数据集是否显著增强了疾病基因，我们检查了OMIM，人类在线孟德尔遗传数据库中定义的与人类疾病相关的基因[34]. 在我们分析中使用的3079个基因中，469个基因（15.2%）与OMIM中的疾病术语相关。在所有七个谱系的511个PSG中，99个基因（19.4%）与OMIM中的疾病术语相关（表​（表1）。1). 基于二项分布的测试表明，PSG与疾病之间存在显著联系(第页= 0.0067). 而鼠谱系的PSG在OMIM中明显过多(第页=0.0087），人类、黑猩猩或原始人类谱系的PSG没有表现出任何过度代表性（显著性截止值第页= 0.05).

PSG与人类最近的选择无相关性

我们没有看到任何证据表明基因在人类种群和哺乳动物物种中被积极选择之间存在关系。事实上，似乎有一种趋势表明，如果基因在近代人类历史中处于选择状态，那么沿着原始人分支进行正向选择的可能性较小。将人类PSG的数量与人类群体中正选择压力下的基因进行比较[35]. 这一点很明显，与人类分支的正向选择基因比例（1.8%）相比，近期正向选择和人类分支正向选择的基因比例更低（0.03%）。

黑猩猩谱系中大量PSG的假设

黑猩猩谱系中大量的PSG不能用正确调用直系亲属或排列质量来解释，因为我们在直系亲属调用过程中使用了保守过滤器，并手动检查了所有PSG排列。我们还检查了黑猩猩PSG的潜在基因组质量值，在预测为阳性选择的位点中，只有1个序列的质量值小于Q20（错误率为0.01），因此PSG的高数量不是由于基因组序列质量差。然而，我们承认黑猩猩基因组序列是未完成的，将包含错误和罕见的多态性，例如它偶尔与mRNA和基因预测序列（例如RefSeq提供的序列）不匹配。在这项研究中，我们试图通过优先使用有效的基因序列（如果可用）和高质量的基因组序列（如果没有）来最小化序列错误的影响。然而，我们不能排除序列错误是我们结果中的一个因素。因此，我们还检查了分类单元采样不会影响其他谱系上PSG的数量，因此确保了一个物种的质量问题不会影响其他谱系上积极选择的信号（见附加文件2“Taxon采样不影响阳性选择的检测”和附加文件4). 此外，将11种极为不同的黑猩猩序列与其他灵长类动物（狨猴、猕猴和猩猩）的同源序列进行比较（见附加文件2“黑猩猩PSG具有谱系特异性”）表明，11种黑猩猩序列中观察到的氨基酸差异是黑猩猩特有的，其他灵长类序列与人类序列具有相同的状态。

黑猩猩谱系中PSG数量高的一个可能解释是，所测序的单个黑猩猩中报告的多态性高（杂合率为9.5×10^-4[9]). 这一比率略高于西非黑猩猩（8.0×10^-4[9])其多样性水平与人类相似[39]. 种群规模是另一个可能的解释，因为正选择对人类的影响可能比对黑猩猩的影响小，因为黑猩猩的长期种群规模比人类大，这表明黑猩猩序列中核苷酸多样性减少，多态性增加[40].

与哺乳动物之间生物医学差异疾病相关的PSG

总的来说，我们观察到，在OMIM中发现的基因中，PSG过度表达。然而与克拉克的发现相反等. [14]，在OMIM中未发现人类谱系的PSG表现出任何过度表达。然而，我们的发现与其他最近的研究一致，这些研究没有发现显著的相关性[9]或只是边缘关联[16]人类PSG和人类疾病之间的关系。OMIM数据库是现有疾病相关基因最完整的免费来源，但确实包括与非病理性疾病相关的基因，如头发颜色；因此，在统计测试中，来自这些数据的噪声可能会导致无意义的结果。在更精确的疾病基因集合中富集PSG的测试可能会产生不同的结果。

对人类和人类谱系中的单个PSG进行检测，发现了与疾病相关的基因，这些基因显示了哺乳动物之间的生物医学差异。下面我们将说明在我们的研究中发现的一些人类和人类PSG是如何与描述为比猿类在人类中更普遍或更严重的疾病相关的[1,2].

上皮癌

人类上皮癌被认为是现代人类20%以上死亡的原因，而在非人类灵长类动物中，这一比例低至2-4%[41]. 虽然这可能部分归因于现代人类生活方式中的致癌因素和预期寿命的差异，但有许多有趣的证据表明，另一个压倒性因素是人类中存在易感基因[8,42-47].

在这里检测到的人类谱系PSG中，许多基因与上皮癌的发生有关：

•MC1R（最大持续功率）（黑素皮质素-1受体）调节黑素细胞中合成的黑色素的数量和类型。该基因的突变与黑色素瘤有关[48]. 该基因的一个等位基因与苍白肤色和红色头发相关，最近被定位在尼安德特人序列中[49]这表明该基因在人类进化中也处于最近的选择阶段。人体的功能变化MC1R（最大持续功率）导致皮肤颜色改变的基因可能会导致对紫外线辐射的敏感性增加，从而导致人类黑色素瘤水平升高。

•G蛋白偶联受体EDNRB公司（内皮素B型受体）及其生理配体内皮素3被认为在黑素细胞和其他神经嵴谱系的发育中起着关键作用[50].EDNRB公司促进黑素细胞前体的早期扩张和迁移并延迟其分化。EDNRB公司在正常黑素细胞转化为黑色素瘤细胞的过程中，其显著增强，在黑色素瘤的相关分化丧失中发挥作用[51].

•存在ALPPL2型基因产物是一种碱性磷酸酶同工酶，已被证明能增加有丝分裂前雄性生殖细胞的恶性转化潜能。在肿瘤进展过程中，该基因的启动子活性增加。ALPPL2型现已确认为睾丸生殖细胞肿瘤的标志物[52].

•GIPC2号机组mRNAs在来源于弥漫型胃癌的细胞中表达，并且在一些原发性胃癌中表达增加[53]. 的PDZ域GIPC2号机组蛋白质与参与调节生长因子信号和细胞粘附的几个基因相互作用（例如。FZD3型,IGF-1型和NTRK1）。因此GIPC2号机组可能在致癌和胚胎发生中起关键作用。

在原始人谱系中，一些PSG也与上皮癌的发展有关，这表明原始人与其他哺乳动物之间的癌症发病过程存在差异：

•MSH2型是一个DNA错配基因，被确定为种系突变导致遗传性非息肉病性结肠癌（HNPCC）的常见基因座[54]. 由于任何DNA修复基因的缺陷都可能增加癌症风险，因此这组基因对研究癌症流行率的物种差异很感兴趣。我们发现，参与DNA修复和核苷酸代谢的基因分别在黑猩猩和人类谱系中的PSG中过度表达（图​（图2）。2). 以前也有报道称，PSG在核苷酸代谢类别中富集[38].

•ABCC11公司与正常组织相比，[ABC-结合盒，C亚家族，成员11]基因产物在乳腺癌中高表达。ABCC11型受ERα调节，ERα介导雌激素对乳腺癌的促瘤作用[55].

共济失调和偏头痛

钙通道基因，CACNA1A公司被发现在人类血统中处于正选择状态。在人类中CACNA1A公司与脊髓小脑共济失调6型和发作性共济失调2型等通道病相关[56]以及更常见的疾病，如家族性偏瘫偏头痛、肌张力障碍、癫痫、肌无力甚至间歇性昏迷[57]. 贩运或信号调制CACNA1A公司由于中枢神经系统的适应能力不同，人类和其他哺乳动物之间存在差异，这可能导致人类更容易患上这些神经疾病。增强CNS兴奋性的好处可能超过严重头痛和残疾的风险，即偏头痛的症状[58]. 它也可能是大脑中设计约束的假象，这是由较老和最近进化的大脑结构之间的不完美互连造成的[4].

阿尔茨海默病

阿尔茨海默病相关基因[59,60],APOE公司，在原始人谱系中处于正选择状态。功能更改的选择APOE公司人类谱系中的基因可能与其在神经发育或脂质代谢中的作用有关。在本研究中发现的八种正选择氨基酸中，四种存在于脂结合羧基末端。

人类和其他哺乳动物在阿尔茨海默病方面存在物种差异的说法来自于缺乏病理损伤，包括老年黑猩猩大脑中观察到的与人类阿尔茨海默氏病相关的神经纤维缠结[6,61]或者大象[62]. 此外，呈现β-淀粉样神经病的阿尔茨海默病转基因小鼠模型在人类首次出现淀粉样斑块时没有表现出认知能力下降[63]. 最后，有趣的是，除人类以外的哺乳动物似乎只有一种等位基因形式APOE公司，E4等位基因[60,64]，人类中的相同形式使携带者易患阿尔茨海默病的风险更高[65].

我们假设正选择压力作用于APOE公司在人类进化过程中APOE公司在神经发育方面，可能与认知能力的扩展相一致。然而，其他研究表明，与认知相关的主要进化事件发生得更早[66]. 认知能力增强可能会增加痴呆症（如阿尔茨海默病）的易感性[67]但由于这些疾病的发病时间已过了生育年龄，自然选择会忽视这些疾病。另一种可能性是饮食压力影响了APOE公司在哺乳动物中，物种适应不同脂肪水平的饮食，因此有利于不同形式的APOE[68].

精神分裂症

神经学研究表明，精神分裂症患者大脑中差异失调的区域也受到人类血统中最进化的变化的影响[69]. 人类谱系中的许多PSG与精神分裂症相关：

•基因中的SNPPIK3C2G系列[磷酸肌醇-3-激酶]最近被证明与精神分裂症有关[70]. 该基因与磷脂酰肌醇途径有关，因此可能是精神分裂症和双相情感障碍的候选基因[71].

•慢性精神分裂症的另一候选基因是Q399等位基因XRCC1公司蛋白质，在碱基切除修复中起作用[72]. 精神分裂症的病理生理学与细胞凋亡敏感性增加有关。中的突变XRCC1公司可能会导致DNA损伤，如果检测到，会导致凋亡调节器阻止细胞周期进展。

其他认知障碍

基因也是沿着人类血统进行正向选择的GFRA3型是青蒿素受体和胶质细胞系衍生神经营养因子（GDNF）配体家族成员。该基因作为一种信号因子调节许多交感神经细胞群的发育和维持[73]. 特别是，与其他GDNF家族成员一起，青蒿素在突触可塑性中发挥作用，突触可塑性被认为是记忆的中枢机制[74]. 在GFRA3公司预计会导致认知障碍，使其成为认知障碍的候选基因。

自身免疫疾病

自身免疫疾病在非人类灵长类动物中罕见，而在人类中相对常见[41].欧洲标准化委员会-B是在整个细胞周期中存在于着丝粒异染色质中的三种着丝粒DNA结合蛋白之一。这些蛋白的自身抗体常见于自身免疫性疾病患者，如局限性系统性硬化、系统性红斑狼疮和类风湿性关节炎[75]. 在人类进化过程中作用于该基因的正选择压力与实验结果一致，即欧洲标准化委员会-B是物种特有的[76].

正统呼叫

正交检测管道使用相互tBlastX搜索[83]在人类和模型生物序列数据库之间。如果得分最高的非人类物种序列是基因组序列，表明该物种中该基因的mRNA序列不可用，则通过GeneWise进行处理[84]以人类肽为模板，鉴定预测的基因结构并去除内含子。然后将得到的cDNA序列用作对人类数据库进行双向tBlastX搜索的查询。得分最高的mRNA序列被提交给tBlastX反向搜索，没有修改。

人类基因和模型生物基因之间的相互最佳匹配标记为该人类转录查询的同源对，条件是第页人类mRNA序列与模型生物数据库的最佳匹配值高于第页倒数步骤的最佳命中值。

不完整的基因组测序也会导致直系亲属呼叫错误。在这种情况下，作为调用直系词的一种方法，往复爆破是无效的，因为缺少真正的直系词会导致更具分歧的副直系词成为最热门的。为了解决这个问题，我们添加了一个截止线，它要求第页该物种的假定同源基因值小于该基因的鸡同源基因值。之所以选择鸡，是因为它是与哺乳动物最近的亲缘动物，因为在足够的覆盖范围内可以获得完整的基因组草图序列[85]. 对于262个没有鸡亲缘关系的人类基因，仅对反向BLAST预测的基因进行了分析，但这些基因被标记为潜在问题。

检测受阳性选择影响的基因

使用Muscle翻译并对齐5个同源序列的结果集[86]，然后转换为相应的核苷酸比对。然后，针对模型生物相对于人类的序列中的移码，对所有比对进行校正。使用标准哺乳动物物种树创建每个路线的无根树文件[87]（（人类、黑猩猩）、（老鼠、老鼠）、狗）（图​（图1）。1). 最初，使用PAML包的codeml程序中实现的M0（单比率）模型分析数据集[88]. M0模型假设为常数ω树中所有分支和基因中所有密码子位点的比率[89]. 在每条路线上进行两次M0模型运行，以检查对数似然值，κ两次运行中的分支长度一致。重新运行不一致的运行，直到值聚合。在随后使用分支模型进行的分析中，分支长度和转换/转换速率比κ固定在M0模型下的估计值。随着待估计参数数量的减少，该策略减少了计算时间。

为了推断基因的谱系特异性进化，分支模型[18,19]用于阳性选择测试。我们测试了七个分支中的每一个分支的物种系统发育，并将其作为前景分支依次处理。多假设校正之前的结果不应用于后续分析，因为家庭错误率高得令人无法接受[90]. 在这里，我们报告了多次测试的Bonferroni校正后的结果，该校正被认为是保守的，因此，阳性选择的预测特别稳健。这种严格方法的必然结果是可能产生假阴性。选择性分枝模型有四个密码子位点类别，前两个用于所有谱系的纯化选择和中性选择进化位点，另外两个用于前景分枝的正选择位点。空模型限制前台谱系上的站点进行中性进化。每个分支模型至少运行三次，以确保对数似然值在0.001或0.001以内收敛。未与其他运行收敛的运行表明数据存在问题，并报告为此类问题。

数据处理

当仔细检查来自自动程序的数据时，注意到一些比对区域存在不明确比对或序列不显示为同源的区域。由于基因组序列中的缺口或缺失或变异外显子，导致基因预测不完整可能导致非正形学领域。因此，对数据进行了进一步的手动更正，详情如下：

1.为了纠正低相似度区域，对所有比对进行扫描，以屏蔽序列中超过3个连续密码子与比对中其他序列不同的部分，以及这些密码子两侧有一个或两侧间隙的部分。也包含相对于人类序列的帧移位的序列被纠正。

2.在整个数据集上重新运行PAML后，我们手动检查了所有重要结果的比对(第页< 0.05). 如果属于正选择谱系的基因序列发生移码或排列不明确，则放弃该结果。