Non-random mating among individuals can lead to spatial clustering of genetically similar individuals and population stratification. This deviation from panmixia is commonly observed in natural populations. Consequently, individuals can have parentage in single populations or involving hybridization between differentiated populations. Accounting for this mixture and structure is important when mapping the genetics of traits and learning about the formative evolutionary processes that shape genetic variation among individuals and populations. Stratified genetic relatedness among individuals is commonly quantified using estimates of ancestry that are derived from a statistical model. Development of these models for polyploid and mixed-ploidy individuals and populations has lagged behind those for diploids. Here, we extend and test a hierarchical Bayesian model, called \texttt{entropy}, which can use low-depth sequence data to estimate genotype and ancestry parameters in autopolyploid and mixed-ploidy individuals (including sex chromosomes and autosomes within individuals). Our analysis of simulated data illustrated the trade-off between sequencing depth and genome coverage and found lower error associated with low depth sequencing across a larger fraction of the genome than with high depth sequencing across a smaller fraction of the genome. The model has high accuracy and sensitivity as verified with simulated data and through analysis of admixture among populations of diploid and tetraploid Arabidopsis arenosa.

中文翻译：

---

基于模型的混合倍性潜在杂种的基因型和祖先估计

个体之间的非随机交配会导致遗传相似个体的空间聚类和种群分层。在自然种群中通常会观察到这种与泛滥症的偏离。因此，个体可以在单一群体中育儿，也可以在不同群体之间进行杂交。当绘制性状遗传图谱并了解形成个体和群体间遗传变异的形成性进化过程时，考虑这种混合和结构非常重要。个体之间的分层遗传相关性通常使用从统计模型得出的祖先估计来量化。这些针对多倍体和混合倍性个体和人群的模型的开发已经落后于二倍体模型。这里，我们扩展并测试了称为\ texttt {entropy}的分层贝叶斯模型，该模型可以使用低深度序列数据来估计同倍体和混合倍性个体（包括个体中的性染色体和常染色体）的基因型和祖先参数。我们对模拟数据的分析说明了测序深度和基因组覆盖率之间的平衡，发现与较大深度基因组较小部分的低深度测序相比，较低深度测序相关的误差更低。该模型具有较高的准确性和敏感性，已通过模拟数据验证并通过分析二倍体和四倍体种群之间的混合 它可以使用低深度序列数据来估计同倍体和混合倍体个体（包括个体中的性染色体和常染色体）的基因型和祖先参数。我们对模拟数据的分析说明了测序深度和基因组覆盖率之间的平衡，发现与较大深度基因组较小部分的低深度测序相比，较低深度测序相关的误差更低。该模型具有较高的准确性和敏感性，已通过模拟数据验证并通过分析二倍体和四倍体种群之间的混合 它可以使用低深度序列数据来估计同倍体和混合倍体个体（包括个体中的性染色体和常染色体）的基因型和祖先参数。我们对模拟数据的分析说明了测序深度和基因组覆盖率之间的平衡，发现与较大深度基因组较小部分的低深度测序相比，较低深度测序相关的误差更低。该模型具有较高的准确性和敏感性，已通过模拟数据验证并通过分析二倍体和四倍体种群之间的混合 我们对模拟数据的分析说明了测序深度和基因组覆盖率之间的权衡，发现与较大深度基因组较小部分的低深度测序相比，较低深度测序相关的错误较低。该模型具有较高的准确性和敏感性，已通过模拟数据验证并通过分析二倍体和四倍体种群之间的混合 我们对模拟数据的分析说明了测序深度和基因组覆盖率之间的平衡，发现与较大深度基因组较小部分的低深度测序相比，较低深度测序相关的误差更低。该模型具有较高的准确性和敏感性，已通过模拟数据验证并通过分析二倍体和四倍体种群之间的混合拟南芥。