Shifting from the analysis of single nucleotide polymorphisms to the reconstruction of selected haplotypes greatly facilitates the interpretation of evolve and resequence (E&R) experiments. Merging highly correlated hitchhiker SNPs into haplotype blocks reduces thousands of candidates to few selected regions. Current methods of haplotype reconstruction from Pool‐seq data need a variety of data‐specific parameters that are typically defined ad hoc and require haplotype sequences for validation. Here, we introduce haplovalidate, a tool which detects selected haplotypes in Pool‐seq time series data without the need for sequenced haplotypes. Haplovalidate makes data‐driven choices of two key parameters for the clustering procedure, the minimum correlation between SNPs constituting a cluster and the window size. Applying haplovalidate to simulated E&R data reliably detects selected haplotype blocks with low false discovery rates. Importantly, our analyses identified a restriction of the haplotype block‐based approach to describe the genomic architecture of adaptation. We detected a substantial fraction of haplotypes containing multiple selection targets. These blocks were considered as one region of selection and therefore led to underestimation of the number of selection targets. We demonstrate that the separate analysis of earlier time points can significantly increase the separation of selection targets into individual haplotype blocks. We conclude that the analysis of selected haplotype blocks has great potential for the characterization of the adaptive architecture with E&R experiments.

中文翻译：

---

在进化和重测序实验中检测选定的单倍型块。

从单核苷酸多态性分析转向选定单倍型的重建极大地促进了进化和重测序 (E&R) 实验的解释。将高度相关的搭便车 SNP 合并到单倍型块中可将数千个候选区域减少到少数几个选定区域。当前从 Pool-seq 数据重建单倍型的方法需要各种特定于数据的参数，这些参数通常是临时定义的，并且需要单倍型序列进行验证。在这里，我们介绍 haplovalidate，这是一种无需测序单倍型即可检测 Pool-seq 时间序列数据中选定单倍型的工具。Haplovalidate 对聚类过程的两个关键参数进行数据驱动选择，即构成聚类的 SNP 之间的最小相关性和窗口大小。将 haplovalidate 应用于模拟的 E&R 数据，可以可靠地检测出具有低错误发现率的选定单倍型块。重要的是，我们的分析确定了基于单倍型块的方法来描述适应的基因组结构的限制。我们检测到大量包含多个选择目标的单倍型。这些块被认为是一个选择区域，因此导致低估了选择目标的数量。我们证明对较早时间点的单独分析可以显着增加选择目标到单个单倍型块的分离。我们得出的结论是，对选定的单倍型块的分析对于通过 E&R 实验表征自适应架构具有很大的潜力。R 数据以低错误发现率可靠地检测选定的单倍型块。重要的是，我们的分析确定了基于单倍型块的方法来描述适应的基因组结构的限制。我们检测到大量包含多个选择目标的单倍型。这些块被认为是一个选择区域，因此导致低估了选择目标的数量。我们证明对较早时间点的单独分析可以显着增加选择目标到单个单倍型块的分离。我们得出的结论是，对选定的单倍型块的分析对于通过 E&R 实验表征自适应架构具有很大的潜力。R 数据以低错误发现率可靠地检测选定的单倍型块。重要的是，我们的分析确定了基于单倍型块的方法来描述适应的基因组结构的限制。我们检测到大量包含多个选择目标的单倍型。这些块被认为是一个选择区域，因此导致低估了选择目标的数量。我们证明对较早时间点的单独分析可以显着增加选择目标到单个单倍型块的分离。我们得出的结论是，对选定的单倍型块的分析对于通过 E&R 实验表征自适应架构具有很大的潜力。我们的分析确定了基于单元型块的方法来描述适应的基因组结构的限制。我们检测到大量包含多个选择目标的单倍型。这些块被认为是一个选择区域，因此导致低估了选择目标的数量。我们证明对较早时间点的单独分析可以显着增加选择目标到单个单倍型块的分离。我们得出的结论是，对选定的单倍型块的分析对于通过 E&R 实验表征自适应架构具有很大的潜力。我们的分析确定了基于单元型块的方法来描述适应的基因组结构的限制。我们检测到大量包含多个选择目标的单倍型。这些块被认为是一个选择区域，因此导致低估了选择目标的数量。我们证明对较早时间点的单独分析可以显着增加选择目标到单个单倍型块的分离。我们得出的结论是，对选定的单倍型块的分析对于通过 E&R 实验表征自适应架构具有很大的潜力。这些块被认为是一个选择区域，因此导致低估了选择目标的数量。我们证明对较早时间点的单独分析可以显着增加选择目标到单个单倍型块的分离。我们得出的结论是，对选定的单倍型块的分析对于通过 E&R 实验表征自适应架构具有很大的潜力。这些块被认为是一个选择区域，因此导致低估了选择目标的数量。我们证明对较早时间点的单独分析可以显着增加选择目标到单个单倍型块的分离。我们得出的结论是，对选定的单倍型块的分析对于通过 E&R 实验表征自适应架构具有很大的潜力。