With the desire to model population genetic processes under increasingly realistic scenarios, forward genetic simulations have become a critical part of the toolbox of modern evolutionary biology. The SLiM forward genetic simulation framework is one of the most powerful and widely used tools in this area. However, its foundation in the Wright–Fisher model has been found to pose an obstacle to implementing many types of models; it is difficult to adapt the Wright–Fisher model, with its many assumptions, to modeling ecologically realistic scenarios such as explicit space, overlapping generations, individual variation in reproduction, density-dependent population regulation, individual variation in dispersal or migration, local extinction and recolonization, mating between subpopulations, age structure, fitness-based survival and hard selection, emergent sex ratios, and so forth. In response to this need, we here introduce SLiM 3, which contains two key advancements aimed at abolishing these limitations. First, the new non-Wright–Fisher or “nonWF” model type provides a much more flexible foundation that allows the easy implementation of all of the above scenarios and many more. Second, SLiM 3 adds support for continuous space, including spatial interactions and spatial maps of environmental variables. We provide a conceptual overview of these new features, and present several example models to illustrate their use.

Adaptation from standing genetic variation or recurrent de novo mutation in large populations should commonly generate soft rather than hard selective sweeps. In contrast to a hard selective sweep, in which a single adaptive haplotype rises to high population frequency, in a soft selective sweep multiple adaptive haplotypes sweep through the population simultaneously, producing distinct patterns of genetic variation in the vicinity of the adaptive site. Current statistical methods were expressly designed to detect hard sweeps and most lack power to detect soft sweeps. This is particularly unfortunate for the study of adaptation in species such as Drosophila melanogaster, where all three confirmed cases of recent adaptation resulted in soft selective sweeps and where there is evidence that the effective population size relevant for recent and strong adaptation is large enough to generate soft sweeps even when adaptation requires mutation at a specific single site at a locus. Here, we develop a statistical test based on a measure of haplotype homozygosity (H12) that is capable of detecting both hard and soft sweeps with similar power. We use H12 to identify multiple genomic regions that have undergone recent and strong adaptation in a large population sample of fully sequenced Drosophila melanogaster strains from the Drosophila Genetic Reference Panel (DGRP). Visual inspection of the top 50 candidates reveals that in all cases multiple haplotypes are present at high frequencies, consistent with signatures of soft sweeps. We further develop a second haplotype homozygosity statistic (H2/H1) that, in combination with H12, is capable of differentiating hard from soft sweeps. Surprisingly, we find that the H12 and H2/H1 values for all top 50 peaks are much more easily generated by soft rather than hard sweeps. We discuss the implications of these results for the study of adaptation in Drosophila and in species with large census population sizes.

When related taxa hybridize extensively, their genomes may become increasingly homogenized over time. This mixing via hybridization creates conservation challenges when it reduces genetic or phenotypic diversity and when it endangers previously distinct species via genetic swamping [1Seehausen O. Conservation: losing biodiversity by reverse speciation.Curr. Biol. 2006; 16: R334-R337Abstract Full Text Full Text PDF PubMed Scopus (200) Google Scholar]. However, hybridization also facilitates admixture mapping of traits that distinguish each species and the associated genes that maintain distinctiveness despite ongoing gene flow [2Poelstra J.W. Vijay N. Bossu C.M. Lantz H. Ryll B. Müller I. Baglione V. Unneberg P. Wikelski M. Grabherr M.G. Wolf J.B. The genomic landscape underlying phenotypic integrity in the face of gene flow in crows.Science. 2014; 344: 1410-1414Crossref PubMed Scopus (340) Google Scholar]. We address these dual aspects of hybridization in the golden-winged/blue-winged warbler complex, two phenotypically divergent warblers that are indistinguishable using traditional molecular markers and that draw substantial conservation attention [3Vallender R. Robertson R.J. Friesen V.L. Lovette I.J. Complex hybridization dynamics between golden-winged and blue-winged warblers (Vermivora chrysoptera and Vermivora pinus) revealed by AFLP, microsatellite, intron and mtDNA markers.Mol. Ecol. 2007; 16: 2017-2029Crossref PubMed Scopus (82) Google Scholar, 4Buehler D.A. Roth A.M. Vallender R. Will T.C. Confer J.L. Canterbury R.A. Swarthout S.B. Rosenberg K.V. Bulluck L.P. Status and conservation priorities of golden-winged warbler (Vermivora chrysoptera) in North America.Auk. 2007; 124: 1439-1445Crossref Scopus (53) Google Scholar, 5Gill F.B. Blue-winged warblers (Vermivora pinus) versus golden-winged warblers (V. chrysoptera).Auk. 2004; 121: 1014-1018Crossref Google Scholar]. Whole-genome comparisons show that differentiation is extremely low: only six small genomic regions exhibit strong differences. Four of these divergence peaks occur in proximity to genes known to be involved in feather development or pigmentation: agouti signaling protein (ASIP), follistatin (FST), ecodysplasin (EDA), wingless-related integration site (Wnt), and beta-carotene oxygenase 2 (BCO2). Throat coloration—the most striking plumage difference between these warblers—is perfectly associated with the promoter region of agouti, and genotypes at this locus obey simple Mendelian recessive inheritance of the black-throated phenotype characteristic of golden-winged warblers. The more general pattern of genomic similarity between these warblers likely results from a protracted period of hybridization, contradicting the broadly accepted hypothesis that admixture results from solely anthropogenic habitat change in the past two centuries [4Buehler D.A. Roth A.M. Vallender R. Will T.C. Confer J.L. Canterbury R.A. Swarthout S.B. Rosenberg K.V. Bulluck L.P. Status and conservation priorities of golden-winged warbler (Vermivora chrysoptera) in North America.Auk. 2007; 124: 1439-1445Crossref Scopus (53) Google Scholar]. Considered in concert, these results are relevant to both the genetic architecture of avian feather pigmentation and the evolutionary history and conservation challenges associated with these declining songbirds.

A functioning gene drive system could fundamentally change our strategies for the control of vector-borne diseases by facilitating rapid dissemination of transgenes that prevent pathogen transmission or reduce vector capacity. CRISPR/Cas9 gene drive promises such a mechanism, which works by converting cells that are heterozygous for the drive construct into homozygotes, thereby enabling super-Mendelian inheritance. Although CRISPR gene drive activity has already been demonstrated, a key obstacle for current systems is their propensity to generate resistance alleles, which cannot be converted to drive alleles. In this study, we developed two CRISPR gene drive constructs based on the nanos and vasa promoters that allowed us to illuminate the different mechanisms by which resistance alleles are formed in the model organism Drosophila melanogaster. We observed resistance allele formation at high rates both prior to fertilization in the germline and post-fertilization in the embryo due to maternally deposited Cas9. Assessment of drive activity in genetically diverse backgrounds further revealed substantial differences in conversion efficiency and resistance rates. Our results demonstrate that the evolution of resistance will likely impose a severe limitation to the effectiveness of current CRISPR gene drive approaches, especially when applied to diverse natural populations.

CRISPR/Cas9 gene drive (CGD) promises to be a highly adaptable approach for spreading genetically engineered alleles throughout a species, even if those alleles impair reproductive success. CGD has been shown to be effective in laboratory crosses of insects, yet it remains unclear to what extent potential resistance mechanisms will affect the dynamics of this process in large natural populations. Here we develop a comprehensive population genetic framework for modeling CGD dynamics, which incorporates potential resistance mechanisms as well as random genetic drift. Using this framework, we calculate the probability that resistance against CGD evolves from standing genetic variation, de novo mutation of wild-type alleles, or cleavage repair by nonhomologous end joining (NHEJ)-a likely by-product of CGD itself. We show that resistance to standard CGD approaches should evolve almost inevitably in most natural populations, unless repair of CGD-induced cleavage via NHEJ can be effectively suppressed, or resistance costs are on par with those of the driver. The key factor determining the probability that resistance evolves is the overall rate at which resistance alleles arise at the population level by mutation or NHEJ. By contrast, the conversion efficiency of the driver, its fitness cost, and its introduction frequency have only minor impact. Our results shed light on strategies that could facilitate the engineering of drivers with lower resistance potential, and motivate the possibility to embrace resistance as a possible mechanism for controlling a CGD approach. This study highlights the need for careful modeling of the population dynamics of CGD prior to the actual release of a driver construct into the wild.

Adaptation in eukaryotes is generally assumed to be mutation-limited because of small effective population sizes. This view is difficult to reconcile, however, with the observation that adaptation to anthropogenic changes, such as the introduction of pesticides, can occur very rapidly. Here we investigate adaptation at a key insecticide resistance locus (Ace) in Drosophila melanogaster and show that multiple simple and complex resistance alleles evolved quickly and repeatedly within individual populations. Our results imply that the current effective population size of modern D. melanogaster populations is likely to be substantially larger (≥100-fold) than commonly believed. This discrepancy arises because estimates of the effective population size are generally derived from levels of standing variation and thus reveal long-term population dynamics dominated by sharp—even if infrequent—bottlenecks. The short-term effective population sizes relevant for strong adaptation, on the other hand, might be much closer to census population sizes. Adaptation in Drosophila may therefore not be limited by waiting for mutations at single sites, and complex adaptive alleles can be generated quickly without fixation of intermediate states. Adaptive events should also commonly involve the simultaneous rise in frequency of independently generated adaptive mutations. These so-called soft sweeps have very distinct effects on the linked neutral polymorphisms compared to the standard hard sweeps in mutation-limited scenarios. Methods for the mapping of adaptive mutations or association mapping of evolutionarily relevant mutations may thus need to be reconsidered.

Significance A functioning gene drive mechanism could fundamentally change our strategies for the control of vector-borne diseases, such as malaria, dengue, and Zika. CRISPR homing gene drive promises such a mechanism, which could be used to rapidly spread genetic modifications among the mosquitoes that transmit these diseases. However, recent studies have shown that current drives would likely be unable to spread in insect populations due to the high rate at which resistance will evolve. In this study, we provide an experimental demonstration that guide RNA multiplexing can successfully reduce resistance rates but also find that such an approach would still need to be combined with additional strategies to create drives that are efficient enough for use in wild populations.

Population genomic studies have shown that genetic draft and background selection can profoundly affect the genome-wide patterns of molecular variation. We performed forward simulations under realistic gene-structure and selection scenarios to investigate whether such linkage effects impinge on the ability of the McDonald-Kreitman (MK) test to infer the rate of positive selection (α) from polymorphism and divergence data. We find that in the presence of slightly deleterious mutations, MK estimates of α severely underestimate the true rate of adaptation even if all polymorphisms with population frequencies under 50% are excluded. Furthermore, already under intermediate rates of adaptation, genetic draft substantially distorts the site frequency spectra at neutral and functional sites from the expectations under mutation-selection-drift balance. MK-type approaches that first infer demography from synonymous sites and then use the inferred demography to correct the estimation of α obtain almost the correct α in our simulations. However, these approaches typically infer a severe past population expansion although there was no such expansion in the simulations, casting doubt on the accuracy of methods that infer demography from synonymous polymorphism data. We propose a simple asymptotic extension of the MK test that yields accurate estimates of α in our simulations and should provide a fruitful direction for future studies.

Modern population genomic datasets hold immense promise for revealing the evolutionary processes operating in natural populations, but a crucial prerequisite for this goal is the ability to model realistic evolutionary scenarios and predict their expected patterns in genomic data. To that end, we present SLiM 2: an evolutionary simulation framework that combines a powerful, fast engine for forward population genetic simulations with the capability of modeling a wide variety of complex evolutionary scenarios. SLiM achieves this flexibility through scriptability, which provides control over most aspects of the simulated evolutionary scenarios with a simple R-like scripting language called Eidos. An example SLiM simulation is presented to illustrate the power of this approach. SLiM 2 also includes a graphical user interface for simulation construction, interactive runtime control, and dynamic visualization of simulation output, facilitating easy and fast model development with quick prototyping and visual debugging. We conclude with a performance comparison between SLiM and two other popular forward genetic simulation packages.

Synonymous sites are generally assumed to be subject to weak selective constraint. For this reason, they are often neglected as a possible source of important functional variation. We use site frequency spectra from deep population sequencing data to show that, contrary to this expectation, 22% of four-fold synonymous (4D) sites in D. melanogaster evolve under very strong selective constraint while few, if any, appear to be under weak constraint. Linking polymorphism with divergence data, we further find that the fraction of synonymous sites exposed to strong purifying selection is higher for those positions that show slower evolution on the Drosophila phylogeny. The function underlying the inferred strong constraint appears to be separate from splicing enhancers, nucleosome positioning, and the translational optimization generating canonical codon bias. The fraction of synonymous sites under strong constraint within a gene correlates well with gene expression, particularly in the mid-late embryo, pupae, and adult developmental stages. Genes enriched in strongly constrained synonymous sites tend to be particularly functionally important and are often involved in key developmental pathways. Given that the observed widespread constraint acting on synonymous sites is likely not limited to Drosophila, the role of synonymous sites in genetic disease and adaptation should be reevaluated.