检测基因组上受选择的区域（即选择信号）是揭示物种适应性进化、人工驯化或复杂性状形成机制的关键手段。XPCLR（Cross-Population Composite Likelihood Ratio，跨群体复合似然比） 是一种常用的选择信号检测方法。
XPCLR的基本概念与核心作用
XPCLR是由Nielsen团队于2009年提出的一种跨群体选择信号检测方法，其核心目标是识别两个群体（一个“目标群体”和一个“参考群体”）之间因选择压力差异导致的基因组分化区域，即受选择影响的“选择扫荡（selective sweep）”区域。
与单一群体内的选择检测方法（如iHS）或基于单一位点分化的方法（如Fst）不同，XPCLR通过整合连续基因组区域的多个SNP（单核苷酸多态性）信息，利用“复合似然比”模型增强对选择信号的检测能力，尤其擅长捕捉因正选择导致的等位基因频率偏离和连锁不平衡（LD）变化。
XPCLR的核心原理
XPCLR的原理可拆解为“跨群体比较”和“复合似然比（CLR）”两个核心部分，结合选择对基因组的影响机制（如等位基因频率偏移、LD增强）实现信号检测。
选择对基因组的影响：为何能被XPCLR检测？
当一个群体（目标群体）经历正选择时，有利等位基因的频率会快速升高（选择扫荡），并导致其周围基因组区域的遗传多样性降低、连锁不平衡（LD）增强；而未经历该选择的参考群体中，该区域的等位基因频率和LD则保持“中性进化”状态。这种差异是XPCLR检测的基础。
复合似然比（CLR）：量化选择信号的统计模型
似然比（LR）的核心是比较“有选择”和“无选择”两种假设下观察数据的概率：
- 零假设（H₀）：目标群体与参考群体的等位基因频率差异仅由遗传漂变（中性进化）导致；
- 备择假设（H₁）：目标群体该区域受正选择，等位基因频率差异由选择驱动。
复合似然比（CLR）则是对连续多个SNP的似然比进行联合计算（而非单个SNP），通过整合相邻位点的LD信息（选择会增强LD），提高对选择信号的敏感性（尤其对不完全选择扫荡，即选择尚未固定有利等位基因的情况）。
跨群体比较：排除中性分化的干扰
XPCLR通过严格对比“目标群体”和“参考群体”的基因组特征，排除因物种分化历史（如种群分裂时间）导致的中性遗传分化，仅聚焦于因选择压力差异产生的“非中性分化”区域。 XPCLR通过跨群体比较和复合似然比模型，整合连续基因组区域的SNP信息，是检测群体间选择信号（尤其是不完全选择扫荡）的高效工具。其核心优势在于平衡了检测灵敏度与对群体历史的稳健性，在动植物进化、育种和人类遗传学研究中具有重要应用价值。实际分析中需注意数据质控、参数优化和参考群体选择，以确保结果的可靠性。
