基因组学(genomics)可定义为研究生物的基因组(genome)结构、功能与多样性的科学，最早起始于特定生物基因组DNA序列的大规模测定。因为早期的测序过程花费高昂，所以相关研究主要集中于模式生物如大肠杆菌、酵母、果蝇及拟南芥等。在过去的十几年间，基因组学相关技术得到了快速有效的发展。随着DNA测序费用的大幅下降和大数据分析能力的提高，基因组学研究方法得以在更多的生物种类中得到应用。
种群基因学(population genomics)综合了种群遗传学的理论概念和基因组学的相关方法，通过对大量DNA片段进行筛选和分析来探讨相关的生态或进化问题[1] 。在生物体对环境的长期适应进化过程中，一些选择因素可能作用于整个基因组，通过对大部分的基因组进行检验，可以鉴定和研究适应性性状相关基因，进而对自然选择的机制提出解释[2] 。目前，相关种群基因组学研究在模式生物中非常普遍，并且已被扩展到了表型可塑性[3] 、基因与环境互作[4] 等研究领域。
最近几年，随着基因组学研究的逐步深入，研究对象开始扩展到非模式生物。在众多的生物门类中，海洋鱼类具有突出的经济价值和重要的研究意义。由于进化历史漫长、分布范围广阔及生存环境多样，所以海洋鱼类是研究环境与基因组之间关系的理想对象[5] 。相对于其它动物门类，鱼类的基因组信息也较为丰富，许多水产养殖重要品种已完成或正在进行基因组测序和基因图谱绘制工作[6] ，其研究成果可广泛应用于分子遗传育种、种质资源鉴定及系统进化研究等众多领域。除此之外，种群基因组学也可应用于海洋生态学及环境相关问题的研究，如生物多样性评估、入侵物种监视及海洋保护区的设立等。因此，对于海洋鱼类种群基因组学的研究，也将为水产养殖品种的优化及渔业政策的制定提供重要的理论依据。
1 相关技术 1.1 基因组序列的测定随着第二代测序(next-generation sequencing，NGS)技术的发展，基因组学研究日趋深入。同一代测序技术相比，二代技术在成本、速度及精确性上都具有明显优势，因此得到了日益广泛的应用。GenBank中的数据显示，目前，已有十余种海洋鱼类完成了全基因组测序，其中包括红鳍东方鲀(Takifugu rubripes)[7] 、青鳉(Oryzias latipes)[8] 、大西洋鳕鱼(Gadus morhua)[9] 、欧洲鳗鲡(Anguilla anguilla)[10] 、日本鳗鲡(Anguilla japonica)[11] 、三刺鱼(Gasterosteus aculeatus)[12] 、矛尾鱼(Latimeria chalumnae)[13] 、太平洋蓝鳍金枪鱼(Thunnus orientalis)[14]、半滑舌鳎(Cynoglossus semilaevis)[15]、大黄鱼(Larimichthys crocea)[16]等，其中大西洋鳕鱼由于其经济上的重要性还进行了第二次全基因组测序，并根据基因组特征划分出了90多万个变种[17] 。即使对于未完成全基因组测序的物种而言，简化基因组测序技术及多种方法的综合运用也使得其基因组水平上的研究成为可能。例如，利用限制性内切酶对基因组进行酶切，以降低基因组复杂程度的RAD测序(restriction-site associated DNA sequencing)[18]，仅对其编码区进行测序的RNA测序(RNA sequencing)[19]以及仅对部分基因组进行测序的简化基因组测序(reduced-representa-tion genome sequencing)[20]等。对许多物种而言，仅对其基因组的特定区域进行的测序，同样有助于全基因组的特征及进化模式的了解[21]。
1.2 单核苷酸多态性(single nucleotide polymorp-hism，SNP)的识别SNP是多样性水平最高的遗传标记之一，在编码区，它们被用来计算同义替换和非同义替换的比率，进而对生物的进化历程进行分析[22] 。同微卫星类似，SNPs的开发也需要对DNA的序列信息有所了解，随着公共数据库里基因组信息的飞速增加，SNP也成为了非模式物种遗传分析的重要工具。例如，通过参考姊妹物种的基因组信息，Campbell等[23] 成功获取了太平洋鲑的SNP集合。2009年，通过表达序列标签(expressed sequencing tag，EST)数据库的筛选，Moen等[24] 成功获得了318个鳕鱼的SNP，2010年，这一数据很快更新为1 600以上[25] 。在大西洋鲱(Clupea harengus)的相关研究中，2012年Helyar等[26] 开发了578个SNP位点，同年间，此数据就被Lamichhaney等[27]更新为440 817。相对于其它分子标记如微卫星而言，SNPs在基因组中出现的频率更高，分布范围更广，进化特征更为明晰，通过对基因组特定序列的测定即可获得成千上万个SNP标记，因此更适合于大样本量的分析研究[28]。
1.3 种群转录组学(population transcriptomics)的研究目前与种群有关的遗传研究主要集中于DNA分析，但是因为生命的演化可能更依赖于基因表达调控机制而非序列本身的改变[29] ，因此对于RNA或表达序列的分析同样具有重要意义。海洋鱼类种群转录组学的研究起始于底鳉(Fundulus heteroclitus)。这一物种在北美东海岸广泛分布且分布区内温度差异较大，因此种群之间也出现了较大的表型分化。关于乳糖脱氢酶(lactate dehydrogenase，Ldh-B)[30]及热休克蛋白[31] 相关基因的研究都表明，在环境水温较低的北方种群和水温较高的南方种群中，基因表达出现了显著的差异。在污染物存在的条件下，底鳉的相关基因组也出现了明显的差异性表达[32] 。目前，微阵列(microarray)或基因芯片(gene chip)是转录组学研究的重要工具。基因芯片与定量PCR(quantitative PCR)同时使用，得到的数据与生物表型密切相关，有助于鉴别和研究表型性状的分子遗传机制，从而为更进一步的蛋白组学研究奠定基础。
2 适应性性状及相关基因的研究在20世纪后期，种群遗传学的研究工具多为中性的分子标记，如微卫星、线粒体DNA(mitochondrial DNA，mtDNA)、扩增片段长度多态性(amplified fragment length polymorphism，AFLP)及SNP等，对于自然群体适应性差异的研究较为缺乏[33]，因为生物的性状往往受到多个基因的共同作用，在有效群体较小的自然种群中，也很难对自然选择和遗传漂变造成的效应进行有效地区分。然而个体的适应性差异，是自然选择的基础，在进化过程中发挥着重要作用，对于理论研究及生产实际均具有重大意义。随着新技术的发展，生物全基因组水平上的研究成为可能，而海洋鱼类由于分布广泛，有效群体通常较大，因此遗传漂变的影响要显著低于自然选择[34]。通过对群体内大量位点进行序列分析，结合传统数量遗传学方法，可以有效地分辨出具有重要生理生化作用的基因，更好地了解生物进化中歧化选择的发生机制及具体过程[35]。
2.1 适应性状相关基因的研究在海洋鱼类的相关研究中，主要的目的基因包括三刺鱼的EDA(ectodysplasin)基因、大西洋鳕鱼的Pan I(pantophysin)和Hb I(haemoglobin)基因、底鳉的Ldh-B和主要组织相容性复合体(major histocompatibility complex，MHC) 基因、欧洲川鲽(Platichthys flesus)的热休克蛋白(Hsc70)基因等[36]。其中热休克蛋白基因由于在真核生物应激反应中的重要作用而受到广泛关注，在鱼类中，盐度变化、温度变化、污染等因素都会激活热休克蛋白的表达[37]。对于北海(咸水)和波罗的海(半咸水)中共同存在的欧洲川鲽[38]、大西洋鳕鱼[39]和大西洋鲱[40]的研究发现，不同鱼类物种体内热休克蛋白的进化均表现为较高的进化速率和相似的分化模式，可能是相似环境条件下趋同进化导致的结果。
在生物基因组中有些位点的分布可能表现出特殊的结构特征或多样性水平，可能是不同环境条件下选择作用影响的结果[41]。例如，已有研究表明大西洋鳕鱼的Pan I基因可以在生长速率[42]、生长状态[43]、行为[44]等方面对生物个体的适合度产生影响，而对于其姊妹种黄线狭鳕(Theragra chalcogramma)的研究则发现，相对于等位酶及微卫星等选择中性位点的分布，Pan I基因位点在基因组中的分布频率变化较大且与环境表层水温呈正相关，从而暗示了歧化选择存在的可能[45]。
2.2 基因表达调控机制的影响生物基因组中单个基因的表达往往受到顺式作用元件与反式作用因子的共同调控，通过对同一物种不同个体的同一基因区域进行测序，可以解释种群内个体间表型差异的产生机制[46] 。例如，鱼类体内催乳素在渗透压调节中具有一定作用，Streelman[47]对于尼罗罗非鱼(Tilapia niloica)催乳素基因启动子区域的微卫星多态性进行了研究，发现不同个体的微卫星基因型会对催乳素的表达产生影响。在金头鲷(Sparus aurata)中的研究也发现，生长激素(growth hormone，GH)基因启动子区的核苷酸多态性与基因表达存在一定联系[48]。目前，关于非编码区的基因变异会导致表型的改变这一点已毋容置疑，但非编码区的变异是否是表型改变的主要来源这一点还存在争议[49]。随着基因组数据的大量产生，许多参与基因表达调控的非编码区得以鉴定，对于其调控机制的了解也将更加深入。
3 进化机制的研究第二代测序技术的发展使得我们可以从基因组水平上审视许多生态及进化问题。例如，在全球变暖的情况下，海洋鱼类的种群遗传结构会发生怎样的变化，这一问题的回答依赖于历史数据的积累，而高通量测序技术的发展仅仅是近十几年间的事情。幸运的是，由于经济价值的重要性，近百年来大量海洋鱼类标本得以保存[50] 。随着新技术的发展，对样品中DNA质量的要求也逐步降低，目前已可对几千年前的生物标本如尼安德特人进行基因组测序工作[51] 。运用生物信息学工具对标本中获得的海量基因组数据进行分析，可以揭示出特定物种种群内部等位基因频率的变化，即微观进化的发生过程。
3.1 遗传分化的基因位点研究对于进化生物学研究而言，遗传分化相关基因的识别历来是非常重要但难度极高的工作，只有通过种群内不同个体基因组大量位点的比较，才可得出较为明确的结论[52]。例如，对于三刺鱼海生种群与淡水种群个体基因组SNP的比较发现，多个基因在三刺鱼从海水到淡水的进化过程中起到重要作用[53, 54]。通过分析三刺鱼全基因组的测序数据，也发现了许多遗传分化相关的位点及基因组区域[12]。
在海洋中，由于分布范围广，许多物种表现出遗传渐变群的结构特征[55]。通过对基因组的测序分析，有些SNP位点可能会表现出环境因素与基因频率之间明显的正相关性[56]。Pujolar等[57] 通过对欧洲鳗鲡 50 354个SNP位点的分析，识别出754个选择相关位点，涉及到的生理反应包括钙信号、神经活性的配体受体相互作用、昼夜节律及光周期反应等，表明了环境影响下歧化选择作用的存在，反映了欧洲鳗鲡在其广泛的分布范围内对于高度可变的生活环境做出的灵活应对。
在过去的几十年间，由于受到全球变暖的影响，海洋环境在物理、化学等诸多方面均发生了变化，从而造成了鱼类种群内部遗传结构的改变[58] 。通过对标本材料的基因组序列分析，Therkildsen等[59] 研究了大西洋鳕鱼SNP位点的时空特征。通过对78年间847个个体超过900个SNP位点的分析，发现不同种群在基因组的特定区域出现分化，随着时间的推移，特定位点的基因频率也出现显著改变，反映了海洋环境及气候变化对于种群遗传结构的造成的影响。
3.2 杂交带的个体分析在陆地及海洋生态系统中，已经发生分化的种群之间仍然存在有二次接触的机会，从而导致了杂交带或生态过渡带的产生。基因组学研究可以清楚地揭示出杂交带的遗传结构及形成过程[60] ，如马尾藻海是欧洲鳗鲡和美洲鳗鲡(Anguilla rostrata)共同的产卵场，鱼类体外受精的繁殖方式导致了杂交后代的产生。对于不同区域两种鳗鲡的RAD测序及SNP分析[61] 表明，在冰岛群体中10.7%的个体为杂合子，其中多数为F1子代；在欧洲大陆群体中0.5%的个体为杂合子，均为回交子代。在其它海洋鱼类如欧洲川鲽和欧洲鲽(Pleuronectes platessa)的自然群体中，也发现了杂交带的存在[62] 。在物种形成过程中，相对于其它区域而言，生物基因组的特定区域可能更早表现出分化的特征[63, 64]。通过对杂交带中的个体进行基因组测序分析，有助于物种形成相关区域的识别[65] ，对于物种形成机制的研究具有重要意义。
3.3 物种形成的具体机制在生物的进化历程中，物种形成是重要的标志性事件之一。从基因组学角度来说，分化的产生可能来自于选择及遗传搭车效应[66] 。分化搭车(divergence hitchhiking，DH)理论指出，对单一位点的选择作用也可降低其周边基因的流动频率，形成染色体上高度连锁的“基因簇”[67] ，而基因组搭车(genome hitchhiking，GH)理论则强调了由于选择和搭车效应造成的基因组范围内特定区域的大规模分化[68] 。从遗传分化的产生到生殖隔离的形成，基因组的不同区域经历了不同的进化历程[69] 。对于多数海洋鱼类而言，生活史的早期往往面临较高的死亡率及选择压力，其广阔的分布范围内理化因子的多样性也为遗传分化及生态种的形成提供了可能。例如，对于大西洋鲱的基因组测序发现，其基因组的部分区域出现了高度分化的位点聚集成簇的现象[27] 。在大西洋鳕鱼中，基因组中也发现了不同区域分化速率不等的“马赛克”现象[59] 。在基因组内，这些连锁基因群可“冻结”基因组的相互作用，使不同基因组之间无法进行有效的交流，最终促使物种的形成。虽然目前对于生殖隔离的产生过程还知之甚少，但是随着种群基因组研究的深入，相关基因组区域将得以识别，其分子生物学机制也将进一步揭示。
4 展望 4.1 比较基因组学(comparative genomics)与环境基因组学(environmental genomics)的研究虽然目前测序技术已经发展到了第三代，测序费用较数年前已有了大幅的下降，但是全基因组测序工作仍然是一个耗费巨大的工程，绝大多数物种不可能在短期内完成此项工作。对于一些海洋鱼类而言，姊妹种的基因组数据可以在基因鉴定、功能分析及多样性研究等方面提供极大的参考价值[70] 。例如，虽然亲缘关系较远，但是三刺鱼的基因组数据仍可用于大西洋鲱的遗传分析[27] 。因此，比较基因组学研究可以充分利用已有数据，揭示出相似环境条件下适应性性状的进化过程。
对于任何物种而言，种群基因组结构都不是一成不变的，即使在较短的时间范围内，生境的变化也可导致进化改变的发生[71] 。基因组学技术为生态演化动力学(eco-evolutionary dynamics)的研究创造了条件，而环境基因组学则是在基因组水平上，对环境应答基因的时空特征进行的研究。对于海洋鱼类而言，新技术的应用使得个体的地理定位成为可能，如其迁徙路线的选择[72] 及物理环境的偏好等[73] 。通过对鱼类标本进行基因组测序，可以对种群遗传结构的进化过程及影响因素进行分析，如选择的作用[74] 、基因渐渗[75] 及遗传多样性的丧失[76] 等。结合环境因子分析与基因组相关数据，可以加深对于表型可塑性及基因-环境交互作用等机制的了解，并可据此对种群未来的微观进化方向进行展望。
4.2 水产养殖及渔业领域的应用目前，已完成基因组测序的海洋鱼类多为水产养殖和渔业领域具有重要经济价值的物种。在水产养殖领域，越来越多的海水养殖品种进行了基因组测序，极大地丰富了数据库的资料。此外，对养殖鱼类适应性性状的研究也较为充分，在养殖条件下可实现环境的人工控制与调节，有利于适应性状基因表达研究的进行[35]。对于生物的适应性状而言，连锁图谱的构建是一种传统的分析手段，但是精细地定位适应性位点曾经非常困难。现今，生物基因组测序的完成使得基因的精确定位成为可能。得益于大量的cDNA测序及RNA分析工作，对于养殖鱼类重要性状遗传机制的研究日渐深入[77]。结合基因组学、转录组学与蛋白质组学的研究方法，有助于我们进一步了解适应性相关基因的进化机制，加深对于姊妹物种或种群之间适应性分化过程的理解[78]。
已有研究表明，渔业捕捞压力也是导致海洋鱼类自然种群微观进化的驱动力之一[79] ，但是之前的研究工具多为中性的分子标记，不能检测出选择作用下种群基因结构的变化。例如，Hemmer-Hansen等[80] 分别利用33个生长繁殖相关基因的SNP位点以及70个选择中性的SNP位点对大西洋鳕鱼群体的遗传结构进行了分析，结果发现，使用适应性相关的分子标记，可对种群结构进行更加细致的划分。在对大西洋鲱[81] 及欧洲无须鳕(Merluccius merluccius)[82] 的研究中也发现类似的情况。除此之外，在进行渔业领域重要的种群有效大小评估时，运用覆盖全基因组的遗传标记进行计算，所得结果也更为精确[83] 。因此，通过种群基因组学研究，可以更好地了解环境变化导致的基因组的遗传改变，加深对于生物多样性现状的了解，对于渔业的可持续发展及相关政策的制定具有重要参考价值。
| [1] | Feder ME, Mitchell-Olds T. Evolutionary and ecological functional genomics. Nature Reviews Genetics , 2003, 4 : 649–655. |
| [2] | Ellegren H, Sheldon BC. Genetic basis of fitness differences in natural populations. Nature , 2008, 452 : 169–175. DOI:10.1038/nature06737 |
| [3] | Wray GA. Genomics and the evolution of phenotypic traits. Annu Rev Ecol, Evol Syst , 2013, 44 : 55–72. |
| [4] | Barrett RD, Hoekstra HE. Molecular spandrels: tests of adaptation at the genetic level. Nat Rev Genet , 2011, 12 : 767–780. |
| [5] | Cossins AR, Crawford DL. Opinion-Fish as models for environmental genomics. Nature Reviews Genetics , 2005, 6 : 324–333. DOI:10.1038/nrg1590 |
| [6] | Canario AVM, Bargelloni L, Volckaert F, et al. Genomics toolbox for farmed fish. Reviews in Fisheries Science , 2008, 16 : 3–15. DOI:10.1080/10641260802319479 |
| [7] | Aparicio S, Chapman J, Stupka E, et al. Wholegenome shotgun assembly and analysis of the genome of Fugu rubripes. Science , 2002, 297 : 1301–1310. DOI:10.1126/science.1072104 |
| [8] | Kasahara M, Naruse K, Sasaki S, et al. The medaka draft genome and insights into vertebrate genome evolution. Nature , 2007, 447 : 714–719. DOI:10.1038/nature05846 |
| [9] | Star B, Nederbragt AJ, Jentoft S, et al. The genome sequence of Atlantic cod reveals a unique immune system. Nature , 2011, 477 : 7–10. DOI:10.1038/477007a |
| [10] | Henkel CV, Burgerhout E, de Wijze DL, et al. Primitive duplicate hox clusters in the European eel’s genome. PLoS One , 2012, 7 : e32231. DOI:10.1371/journal.pone.0032231 |
| [11] | Henkel CV, Dirks RP, de Wijze DL, et al. 2012b. First draft genome sequence of the Japanese eel, Anguilla japonica. Gene , 2012, 511 : 195–201. DOI:10.1016/j.gene.2012.09.064 |
| [12] | Jones FC, Grabherr MG, Chan YF, et al. The genomic basis of adaptive evolution in threespine sticklebacks. Nature , 2012, 484 : 55–61. DOI:10.1038/nature10944 |
| [13] | Amemiya CT, Alfoldl J, Lee AP, et al. The African coelacanth genome provides insights into tetrapod evolution. Nature , 2013, 496 : 311–316. DOI:10.1038/nature12027 |
| [14] | Nakamura Y, Mori K, Saitoh K, et al. Evolutionary changes of multiple visual pigment genes in the complete genome of Pacific bluefin tuna. Proceedings of the National Academy of Sciences , 2013, 110 : 11061–11066. DOI:10.1073/pnas.1302051110 |
| [15] | Chen S, Zhang G, Shao C, et al. Whole-genome sequence of a flatfish provides insights into ZW sex chromosome evolution and adaptation to benthic lifestyle. Nature Genetics , 2014, 46 : 253–260. DOI:10.1038/ng.2890 |
| [16] | Ao J, Mu Y, Xiang L, et al. Genome sequencing of the perciform fish Larimichthys crocea provides insights into molecular and genetic mechanisms of stress adaptation. PLoS genetics , 2015, 11 (4) : e1005118. DOI:10.1371/journal.pgen.1005118 |
| [17] | Karlsen BO, Klingan K, Emblem Å, et al. Genomic divergence between the migratory and stationary ecotypes of Atlantic cod. Molecular Ecology , 2013, 22 : 5098–5111. DOI:10.1111/mec.12454 |
| [18] | Toonen RJ, Puritz JB, Forsman ZH, et al. ezRAD: a simplified method for genomic genotyping in non-model organisms. PeerJ , 2013, 1 : e203. DOI:10.7717/peerj.203 |
| [19] | Wang Z, Gerstein M, Snyder M. RNA-Seq: a revolutionary tool for transcriptomics. Nature Reviews Genetics , 2009, 10 : 57–63. DOI:10.1038/nrg2484 |
| [20] | Good JM. Reduced representation methods for subgenomic enrichment and next-generation sequencing. Methods in Molecular Biology , 2011, 772 : 85–103. |
| [21] | Davey JW, Hohenlohe PA, Etter PD, et al. Genome-wide genetic marker discovery and genotyping using next-generation sequencing. Nature Reviews Genetics , 2011, 12 : 499–510. DOI:10.1038/nrg3012 |
| [22] | Vasemagi A, Primmer CR. Challenges for identifying functionally important genetic variation: the promise of combining complementary research strategies. Molecular Ecology , 2005, 14 : 3623–3642. DOI:10.1111/mec.2005.14.issue-12 |
| [23] | Campbell NR, Narum SR. Identification of novel SNPs in Chinook salmon and variation among life history types. Transactions of the American Fisheries Society , 2008, 137 : 96–106. DOI:10.1577/T07-011.1 |
| [24] | Moen T, Hayes B, Nilsen F, et al. Identification and characterization of novel SNP markers in Atlantic cod: evidence for directional selection. BMC Genetics , 2008, 9 : 18. |
| [25] | Hubert S, Higgins B, Borza T, et al. Development of a SNP resource and a genetic linkage map for Atlantic cod(Gadus morhua). BMC Genomics , 2010, 11 : 191. DOI:10.1186/1471-2164-11-191 |
| [26] | Helyar SJ, Limborg MT, Bekkevold D, et al. SNP discovery using next generation transcriptomic sequencing in Atlantic herring(Clupea harengus). PLoS One , 2012, 7 : e42089. DOI:10.1371/journal.pone.0042089 |
| [27] | Lamichhaney S, Martinez Barrio A, Rafati N, et al. Population-scale sequencing reveals genetic differentiation due to local adaptation in Atlantic herring. Proceedings of the National Academy of Sciences , 2012, 109 : 1–6. DOI:10.1073/iti0112109 |
| [28] | Pujolar JM, Jacobsen MW, Frydenberg J, et al. A resource of genome-wide single nucleotide polymorphisms generated by RAD tag sequencing in the critically endangered European eel. Molecular Ecology Resources , 2013, 13 : 706–714. DOI:10.1111/men.2013.13.issue-4 |
| [29] | Khaitovich P, Enard W, Lachmann M, et al. Evolution of primate gene expression. Nat Rev Genet , 2006, 7 : 693–702. DOI:10.1038/nrg1940 |
| [30] | Schulte PM. Environmental adaptations as windows on molecular evolution. Comparative Biochemistry and Physiology B Biochemistry & Molecular Biology , 2001, 128 : 597–611. |
| [31] | Fangue NA, Hofmeister M, Schulte PM. Intraspecific variation in thermal tolerance and heat shock protein gene expression in common killifish, Fundulus heteroclitus. Journal of Experimental Biology , 2006, 209 : 2859–2872. DOI:10.1242/jeb.02260 |
| [32] | Fisher MA, Oleksiak MF. Convergence and divergence in gene expression among natural populations exposed to pollution. BMC Genomics , 2007, 8 : 108. DOI:10.1186/1471-2164-8-108 |
| [33] | Beaumont MA. Adaptation and speciation: what can FST tell us?. Trends in Ecology & Evolution , 2005, 20 : 435–440. |
| [34] | Poulsen NA, Nielsen EE, Schieruo MH, et al. Long-term stability and effective population size in North Sea and Baltic Sea cod(Ga-dus morhua). Molecular Ecology , 2006, 15 : 321–331. |
| [35] | Stinchcombe JR, Hoekstra HE. Combining population genomics and quantitative genetics: finding the genes underlying ecologically important traits. Heredity , 2008, 100 : 158–170. DOI:10.1038/sj.hdy.6800937 |
| [36] | Nielsen EE, Hemmer-Hansen J, Larsen PF, et al. Population genomics of marine fishes: identifying adaptive variation in space and time. Molecular Ecology , 2009, 18 : 3128–3150. DOI:10.1111/mec.2009.18.issue-15 |
| [37] | Basu N, Todgham AE, Ackerman PA, et al. Heat shock protein genes and their functional significance in fish. Gene , 2002, 295 : 173–183. DOI:10.1016/S0378-1119(02)00687-X |
| [38] | Hemmer-Hansen J, Nielsen EE, Frydenberg J, et al. Adaptive divergence in a high gene flow environment: Hsc70 variation in the European flounder(Platichthys flesus). Heredity , 2007, 99 : 592–600. DOI:10.1038/sj.hdy.6801055 |
| [39] | Nielsen EE, Hemmer-Hansen J, Poulsen NA, et al. Genetic signatures of local directional selection in a high gene flow marine organism, the Atlantic cod(Gadus morhua). BMC Evoluionary Biology , 2009, 9 : 276. DOI:10.1186/1471-2148-9-276 |
| [40] | Limborg MT, Helyar SJ, De Bruyn M, et al. Environmental selection on transcriptome-derived SNPs in a high gene flow marine fish, the Atlantic herring(Clupea harengus). Molecular Ecology , 2012, 21 : 3686–3703. DOI:10.1111/j.1365-294X.2012.05639.x |
| [41] | Storz JF. Using genome scans of DNA polymorphism to infer adaptive population divergence. Molecular Ecology , 2005, 14 : 671–688. DOI:10.1111/j.1365-294X.2005.02437.x |
| [42] | Case RAJ, Hutchinson WF, Hauser L, et al. Association between growth and Pan I* genotype within Atlantic cod full-sibling families. Transactions of the American Fisheries Society , 2006, 135 : 241–250. DOI:10.1577/T05-130.1 |
| [43] | Jonsdottir IG, Marteinsdottir G, Pampoulie C. Relation of growth and condition with the Pan I locus in Atlantic cod(Gadus morhua L.)around Iceland. Marine Biology , 2008, 154 : 867–874. DOI:10.1007/s00227-008-0979-y |
| [44] | Pampoulie C, Jakobsdottir KB, Marteinsdottir G, et al. Are vertical behaviour patterns related to the pantophysin locus in the Atlantic cod(Gadus morhua L.). Behav Genet , 2008, 38 : 76–81. DOI:10.1007/s10519-007-9175-y |
| [45] | Canino MF, O’Reilly PT, Hauser L, et al. Genetic differentiation in walleye pollock(Theragra chalcogramma)in response to selection at the pantophysin(Pan I)locus. Canadian Journal of Fisheries and Aquatic Sciences , 2005, 62 : 2519–2529. DOI:10.1139/f05-155 |
| [46] | Yang Z, Bielawski J. Statistical methods for detecting molecular adaptation. Trends Ecol Evol , 2000, 15 : 496–503. DOI:10.1016/S0169-5347(00)01994-7 |
| [47] | Streelman JT, Kocher TD. Microsatellite variation associated with prolactin expression and growth of salt-challenged tilapia. Physiological Genomics , 2002, 9 : 1–4. DOI:10.1152/physiolgenomics.00105.2001 |
| [48] | Almuly R, Skopal T, Funkenstein B. Regulatory regions in the promoter and first intron of Sparus aurata growth hormone gene: Repression of gene activity by a polymorphic minisatellite. Comp Biochem Physiol Part D Geqenomics Proteomics , 2008, 3 (1) : 43–50. DOI:10.1016/j.cbd.2006.12.006 |
| [49] | Wray GA. The evolutionary significance of cis-regulatory mutation. Nature Reviews Genetics , 2007, 8 : 206–216. |
| [50] | Nielsen EE, Hansen MM. Waking the dead: the value of popula-tion genetic analyses of historical samples. Fish and Fisher-ies , 2008, 9 : 450–461. DOI:10.1111/faf.2008.9.issue-4 |
| [51] | Prufer KF, Racimo N, Patterson F, et al. The complete genome sequence of a Neanderthal from the Altai Mountains. Nature , 2014, 505 : 43–49. |
| [52] | Flaxman SM, Feder JL, Nosil P. Genetic hitchhiking and the dynamic buildup of genomic divergence during speciation with gene flow. Evolution , 2013, 67 : 2577–2591. DOI:10.1111/evo.2013.67.issue-9 |
| [53] | Hohenlohe PA, Basshan S, Etter PD, et al. Population genomics of parallel adaptation in threespine stickleback using sequenced RAD tags. PLoS Genetics , 2010, 6 : e1000862. DOI:10.1371/journal.pgen.1000862 |
| [54] | Jones FC, Grabherr MG, Chan YF, et al. The genomic basis of adaptive evolution in threespine sticklebacks. Nature , 2012, 484 : 55–61. DOI:10.1038/nature10944 |
| [55] | Johannesson K, André C. Life on the margin: genetic isolation and diversity loss in a peripheral marine ecosystem, the Baltic Sea. Molecular Ecology , 2006, 15 (8) : 2013–2029. DOI:10.1111/j.1365-294X.2006.02919.x |
| [56] | Hancock AM, Witonsky DB, Alkorta-Aranburu G, et al. Adaptations to climate-mediated selective pressures in humans. PLoS Genetics , 2011, 7 : e1001375. DOI:10.1371/journal.pgen.1001375 |
| [57] | Pujolar JM, Jacobsen MW, Als TD, et al. Genome-wide single-generation signatures of local selection in the panmictic European eel. Molecular Ecology , 2014, 23 : 2514–2528. DOI:10.1111/mec.12753 |
| [58] | Gienapp P, Teplitsky C, Alho JS, et al. Climate change and evolution: disentangling environmental and genetic responses. Molecular Ecology , 2008, 17 : 167–178. DOI:10.1111/mec.2008.17.issue-1 |
| [59] | Therkildsen NO, Hemmer-Hansen J, Hedeholm RB, et al. Spatiotemporal SNP analysis reveals pronounced biocomplexity at the northern range margin of Atlantic cod Gadus morhua. Evolutionary Applications , 2013, 6 : 690–705. DOI:10.1111/eva.12055 |
| [60] | Hemmer-Hansen J, Therkildsen NO, Pujolar JM. Population genomics of marine fishes: next-generation prospects and challenges. Biological Bulletin , 2014, 227 : 117–132. DOI:10.1086/BBLv227n2p117 |
| [61] | Pujolar JM, Jacobsen MW, Als TD, et al. Assessing patterns of hybridizarion between North Atlantic eels using diagnostic single nucleotide polymorphisms. Heredity , 2014, 112 : 627–637. DOI:10.1038/hdy.2013.145 |
| [62] | Kijewska A, Burzynski A, Wenne R. Molecular identification of European flounder(Platichthys flesus)and its hybrids with European plaice(Pleuronectes platessa). Ices Journal of Marine Science , 2009, 66 : 902–906. DOI:10.1093/icesjms/fsp110 |
| [63] | Feder JL, Egan SP, Nosil P. The genomics of speciation-with-gene-flow. Trends in Genetics , 2012, 28 : 342–350. DOI:10.1016/j.tig.2012.03.009 |
| [64] | Cruickshank TE, Hahn MW. Reanalysis suggests that genomic islands of speciation are due to reduced diversity, not reduced gene flow. Molecular Ecology , 2014, 23 : 3133–3157. DOI:10.1111/mec.12796 |
| [65] | Gompert Z, Buerkle CA. Bayesian estimation of genomic clines. Molecular Ecology , 2011, 20 : 2111–2127. DOI:10.1111/mec.2011.20.issue-10 |
| [66] | Lang GI, Rice DP, Hickman MJ, et al. Pervasive genetic hitchhiking and clonal interference in forty evolving yeast populations. Nature , 2013, 500 (7464) : 571–574. |
| [67] | Feder JL, Patrik N. The efficacy of divergence hitchhiking in generating genomic islands during ecological speciation. Evolution , 2010, 64 (6) : 1729–1747. DOI:10.1111/j.1558-5646.2009.00943.x |
| [68] | Flaxman SM, Feder JL, Nosil P. Genetic hitchhiking and the dynamic buildup of genomic divergence during speciation with gene flow. Evolution , 2013, 67 : 2577–2591. DOI:10.1111/evo.2013.67.issue-9 |
| [69] | Yeaman S, Whitlock JC. The genetic architecture of adaptation under migration-selection balance. Evolution , 2011, 65 : 1897–1911. DOI:10.1111/evo.2011.65.issue-7 |
| [70] | Cutter AD, Payseur BA. Genomic signatures of selection at linked sites: unifying disparity among species. Nature Reviews Genetics , 2013, 14 : 262–274. DOI:10.1038/nrg3425 |
| [71] | Schoener TW. The newest synthesis: understanding the interplay of evolutionary and ecological dynamics. Science , 2011, 331 : 426. DOI:10.1126/science.1193954 |
| [72] | Groger JP, Rountree RA, Thygesen UH, et al. Geolocation of Atlantic cod(Gadus morhua)movements in the Gulf of Maine using tidal information. Fisheries Oceanography , 2007, 16 : 317–335. DOI:10.1111/fog.2007.16.issue-4 |
| [73] | Pampoulie C, Jakobsdottir KB, Marteinsdottir G, et al. Are vertical behaviour patterns related to the pantophysin locus in the Atlantic cod(Gadus morhua L.)?. Behav Genet , 2008, 38 : 76–81. DOI:10.1007/s10519-007-9175-y |
| [74] | Therkildsen NO, Hemmer-Hansen J, Als TD. Microevolution in time and space: SNP analysis of historical DNA reveals dynamic signatures of selection in Atlantic cod. Molecular Ecology , 2013, 22 : 2424–2440. DOI:10.1111/mec.12260 |
| [75] | Bourret V, O’Reilly PT, Carr JW, et al. Temporal change in genetic integrity suggests loss of local adaptation in a wild Atlantic salmon(Salmo salar)population following introgression by farmed escapees. Heredity , 2011, 106 : 500–510. DOI:10.1038/hdy.2010.165 |
| [76] | Nielsen EE, Bekkevold D. The memory remains: application of historical DNA for scaling biodiversity loss. Molecular Ecology , 2012, 21 : 1539–1541. DOI:10.1111/mec.2012.21.issue-7 |
| [77] | Ferraresso S, Bonaldo A, Parma L, et al. Exploring the larval transcriptome of the common sole(Solea solea). BMC Genomics , 2013, 14 : 315. DOI:10.1186/1471-2164-14-315 |
| [78] | Dalziel AC, Schulte PM. Ecological proteomics: finding molecular markers that matter. Mol Ecol , 2012, 21 : 3382–3384. DOI:10.1111/j.1365-294X.2012.05632.x |
| [79] | Crozier LG, Hutchings JA. Plastic and evolutionary responses to climate change in fish. Evolutionary Applications , 2014, 7 : 68–87. DOI:10.1111/eva.12135 |
| [80] | Hemmer-Hansen J, Therkildsen NO, Meldrup D, et al. Conservation marine biodiversity: insights from life-history trait candidate genes in Atlantic cod(Gadus morhua). Conservation Genetics , 2014, 15 : 213–228. DOI:10.1007/s10592-013-0532-5 |
| [81] | Limborg MT, Helyar SJ, De Bruyn M, et al. Environmental selection on transcriptome-derived SNPs in a high gene flow marine fish, the Atlantic herring(Clupea harengus). Molecular Ecology , 2012, 21 : 3686–3703. DOI:10.1111/j.1365-294X.2012.05639.x |
| [82] | Milano I, Babbucci M, Cariani A, et al. Outlier SNP markers reveal fine-scale genetic structuring across European hake populations(Merluccius merluccius). Mol Ecol , 2014, 23 : 118–135. DOI:10.1111/mec.12568 |
| [83] | McCoy RC, Garud NR, Kelley J, et al. Genomic inference accura-tely predicts the timing and severity of a recent bottleneck in a non-model insect population. Mol Ecol , 2014, 23 : 136–150. DOI:10.1111/mec.12591 |