SHADES：多尺度单倍型特征区分不同进化过程

SHADES 深度学习框架利用多尺度序列差异及频率，区分中性演化、选择性扫荡、平衡选择与适应性基因渗入。它在分类准确率和检验效能上优于多种同期方法，对多项混杂因素保持稳健。应用于欧洲人群单倍型变异时，SHADES 重新检出三类选择信号，并识别出与免疫防御、炎症调节和上皮屏障生物学广泛相关的新基因。