從“非洲起源說”研究到“DNA族群地域推斷”偵查應(yīng)用

（公安部物證鑒定中心 現(xiàn)場物證溯源技術(shù)國家工程實(shí)驗(yàn)室 法醫(yī)遺傳學(xué)公安部重點(diǎn)實(shí)驗(yàn)室 北京市現(xiàn)場物證檢驗(yàn)工程技術(shù)研究中心，北京 100038）

基于骨骼形態(tài)等體質(zhì)人類學(xué)方法可以推斷樣本的族群來源，但該技術(shù)很難用于血斑、精斑等斑跡類或者毀損嚴(yán)重的骨骼等物證的檢測?，F(xiàn)代遺傳學(xué)研究已經(jīng)勾畫出一幅人類起源、進(jìn)化、遷移和融合圖，揭示出人群之間的遺傳差異和群體遺傳結(jié)構(gòu)。以往相關(guān)研究[1-4]促進(jìn)了DNA族群地域推斷（biogeographic ancestry inference）技術(shù)的誕生，即檢測不同人群之間具有遺傳分布差異的位點(diǎn)判斷DNA供者所屬的族群地域，這種差異位點(diǎn)被稱為祖先信息位點(diǎn)（ancestry informative marker，AIM）。

1 DNA族群推斷技術(shù)研究進(jìn)展

1.1 現(xiàn)代人群遺傳結(jié)構(gòu)研究

根據(jù)膚色、毛發(fā)顏色和形態(tài)、面貌等體貌特征，人類學(xué)研究通常將人類群體大致劃分為東亞黃種人（蒙古人種）、歐洲白種人（高加索人種）和非洲黑種人（尼格羅人種），棕色人種（澳大利亞人種）通常被包括在黑色人種內(nèi)[5]。與五大洲相對應(yīng)的五分法也是比較普遍的分類法，即蒙古人種、高加索人種、尼格羅人種、澳大利亞人種、印第安人種[6-7]。線粒體DNA和Y染色體DNA等遺傳學(xué)研究證實(shí)現(xiàn)代人類的祖先晚期智人在7～10萬年前走出非洲，經(jīng)南線為主的路線逐漸擴(kuò)散和遷移到各個大陸[6-8]。由于遺傳漂變、適應(yīng)性進(jìn)化、遷移混合、古DNA滲入等因素，形成了不同地域人群的遺傳結(jié)構(gòu)和體貌特征。人類基因組中99.9%的序列相同，微小差異形成了世界各地人群的地理特異性。絕大多數(shù)的遺傳差異發(fā)生在群體內(nèi)部，大洲之間人群的遺傳差異高于大洲內(nèi)部人群之間的遺傳差異[9]?；诙檀?lián)重復(fù)（shorten tandem repeat，STR）和單核苷酸多態(tài)性（single nucleotide polymorphism，SNP）的研究表明，世界人群的遺傳結(jié)構(gòu)與地理分布明顯相關(guān)[10-12]，隨著地理距離的增加，等位基因頻率的差異逐漸加大，即不同族群之間沒有絕對的邊界。但是這種漸變分布存在不連續(xù)性，往往與地理、語言和宗教等的隔絕具有一致性，故而形成了不同地域人群的遺傳亞結(jié)構(gòu)[9]。

1.2 洲際人群推斷體系研究

1973年，NEEL首次提出人群“私有”遺傳變異（“private”genetic variants）的概念[13]，STR、SNP、插入/缺失（insertion/deletion，InDel）和微單倍型（microhaplotype）等具有人群特異性的遺傳標(biāo)記陸續(xù)被報道[14-16]。由于STR突變率較高，不是最理想的祖先信息標(biāo)記，SNP、InDel是目前選擇AIM的主要遺傳標(biāo)記。檢測少量的AIM即可實(shí)現(xiàn)洲際人群的遺傳推斷，洲際人群內(nèi)部的進(jìn)一步區(qū)分則需更多的AIM。但是位點(diǎn)數(shù)目并非越多越好，遺傳距離不同的族群，位點(diǎn)篩選標(biāo)準(zhǔn)和參考數(shù)據(jù)集不同，需采用不同位點(diǎn)組合從洲際到亞人群逐層推斷。目前，國內(nèi)外文獻(xiàn)報道了大量族群推斷體系，區(qū)分度為3～5個洲際人群（如東亞、歐洲、非洲等）[17]，其中，34-SNP[18]、27-SNP[19]、31-SNP[20]等基于聚合酶鏈反應(yīng)-毛細(xì)管電泳（polymerase chain reactioncapillary electrophoresis，PCR-CE）平臺（以下簡稱為“PCR-CE平臺”）建立了適合法醫(yī)學(xué)應(yīng)用的檢測體系，靈敏度達(dá)到皮克級，適于各種現(xiàn)場生物檢材，檢測時間約7 h。InDel是一種二態(tài)的長度多態(tài)性遺傳標(biāo)記（如46-InDel[21]、21-InDel[22]等），約3h可以完成PCRCE平臺檢測。耶魯大學(xué)KIDD教授實(shí)驗(yàn)室基于KOSOY等[23]研究的128-SNP等位點(diǎn)篩選出55-SNP[24]，實(shí)現(xiàn)了撒哈拉以南非洲、北非、西南亞、歐洲、南亞、東亞、大洋洲、美洲印第安人群的區(qū)分。美國Thermo Fisher Scientific、美國 Illumina等公司[25-26]采納 Seldin 128-SNP[23]、Kidd 55-SNP等位點(diǎn)構(gòu)建了下一代測序（next generation sequencing，NGS）檢測體系或者芯片檢測體系。

1.3 東亞人群推斷相關(guān)研究

1.3.1 東亞人群遺傳結(jié)構(gòu)研究

東亞人口占全球人口的22%，是研究人類源流歷史及民族演化的重要地區(qū)之一，“非洲起源說”認(rèn)為現(xiàn)代人到達(dá)東亞的時間為5～6萬年前[27-28]。Y-SNP、mtDNA和常染色體SNP等研究均表明東亞人群存在明顯的南北分化，北方人群由于受到來自中亞和歐洲遺傳成分的影響，呈現(xiàn)東西走向的變化趨勢，南北方人群遺傳的差異以長江為地理分界[29-32]。漢族具有混合特征，呈現(xiàn)明顯的南北分化，漢族人群與當(dāng)?shù)厣贁?shù)民族之間的遺傳差異小于南北方漢族之間的遺傳差異。南北方人群的遺傳成分對當(dāng)前南方漢族人群基因庫的貢獻(xiàn)具有性別偏向性，北方人群的父系遺傳成分和南方人群的母系遺傳成分分別構(gòu)成了現(xiàn)代南方漢族人群基因庫的主體[33]。東亞人群分屬漢藏語系、苗瑤語系、侗臺語系、南亞語系、南島語系及阿爾泰語系等[34]，東亞人群的遺傳結(jié)構(gòu)與族源歷史和語言結(jié)構(gòu)具有對應(yīng)關(guān)系，同一語系人群有聚類傾向[29，35]。

南亞語系、侗臺語系和苗瑤語系人群分別對應(yīng)于中國歷史記載的南方的百濮、百越和南蠻人群[36-37]。漢藏語系中的漢語族人群以黃河中下游的古代華夏族為主體，逐漸融合周圍其他民族形成[36]。藏緬語族起源于甘肅、寧夏和青海等中國西北的氐羌人群，沿藏彝走廊大規(guī)模遷移至西藏、云南等中國西南地區(qū)，經(jīng)歷了與南方人群的基因融合[38]。其中，藏族人群的基因庫中保留了新石器時代中國北方人群的遺傳成分（氐羌人群）和舊石器時代定居青藏高原的人群的遺傳組分（Y-SNP的D-M174和mtDNA的M16、A10等）[39-41]。在藏族人群中，發(fā)現(xiàn)EPAS1、EGLN1等高原適應(yīng)基因[42-43]。EPAS1基因高原適應(yīng)單倍型在藏族人群的頻率為72.32%，在平原地區(qū)人群的頻率小于2.5%[44]。阿爾泰語系屬于北方人群，蒙古語族和滿通古斯語族起源于中國東北古代少數(shù)民族[45]。突厥語族人群主要分布在中國西北地區(qū)，南方起源的單倍群O、C、D、N的頻率占Y染色體所有單倍群頻率的64.36%，表明在中國西北人群中東亞的Y染色體譜系占主導(dǎo)地位[46]。日本、韓國人群的語系歸屬存在爭議，日本人群的二元遺傳結(jié)構(gòu)模式被廣泛接受，即繩文人和彌生人的遺傳混合[47-48]。漢族、日本、朝鮮人群的遺傳結(jié)構(gòu)存在差異，也存在基因流[49]。

1.3.2 東亞人群的DNA族群推斷研究

目前，針對法醫(yī)學(xué)應(yīng)用的東亞人群推斷體系研究報道較少。使用前述報道的洲際人群推斷體系，東亞人群的北亞類型（亞洲北部）、南亞類型（長江以南至東南亞）和東亞類型（蒙古高原至長江以北）往往表現(xiàn)為一種遺傳主成分。LI等[50]針對法醫(yī)學(xué)應(yīng)用篩選了74個位點(diǎn)，并分別構(gòu)建了基于微流控芯片和CE平臺的檢測體系，DNA模板用量為納克級，該體系可實(shí)現(xiàn)北非、西南亞與歐洲人群的區(qū)分以及北亞、東南亞與東亞人群的區(qū)分，其中北方漢族和南方漢族分別表現(xiàn)出北亞和東南亞人群的遺傳混合。WANG等[49，51]篩選出南北方漢族人群以及漢族、朝鮮和日本人群相關(guān)的祖先信息位點(diǎn)。YUASA等[52]研究發(fā)現(xiàn)了67個可能源自繩文人的日本人群特異SNP位點(diǎn)，其中rs3778922（GALNT11）、rs76162918（H19）和rs2285715（PLA2G12A）在日本人群中的特異性最高。

2 DNA族群地域推斷基本方法

常用流程包括AIM的篩選與評估、復(fù)合檢測體系構(gòu)建、參考人群分型庫建立、推斷算法和軟件設(shè)計、體系和算法的驗(yàn)證評估等。

2.1 AIM的篩選

常用統(tǒng)計學(xué)指標(biāo)如下：

δ值是兩個群體之間等位基因頻率的差值，δ值越大代表該位點(diǎn)在兩個群體之間的頻率差異越大，通用公式如下[14]：

δ≥0，k為該位點(diǎn)的等位基因數(shù)，px和qx分別代表等位基因x在群體p和群體q中的頻率。如果遺傳標(biāo)記位點(diǎn)為雙等位基因，δ值計算的簡化公式為：

其中px和py是群體x和y中的一個等位基因p的頻率，qx和qy是群體x和y中的另一個等位基因q的頻率。

Wright’sFst是群體遺傳學(xué)中衡量群體間分化程度的一個重要指標(biāo)[53]，也叫做固定指數(shù)（fixation index）。當(dāng)一個大的群體分化成相互隔離的數(shù)個亞群以后，與未分化之前相比，總體雜合度會降低。Fst值的大小反應(yīng)了每個位點(diǎn)的等位基因頻率在不同群體間的變化程度，F(xiàn)st值越大，該位點(diǎn)在不同人群間的等位基因頻率差別越大。取值范圍為0～1，0表示沒有群體分化，1表示完全隔離，而實(shí)際觀察到的值往往遠(yuǎn)小于1。在Hardy-Weinberg平衡的前提下：

式中，Ht為總?cè)后w的雜合度（total heterozygosity），Hs為亞群體的平均雜合度（average subpopulations heterozygosity）。

In值（informativeness for assignment）[54]也是常用的衡量AIM位點(diǎn)信息量的指標(biāo)，信息量與Fst值類似[20]。計算公式如下：

式中，Q為人群，取值i=1-K；J為等位基因，取值j=1-N。

SNP為雙等位基因j=1-2，公式變形為：

2.2 位點(diǎn)的評估與優(yōu)選

2.2.1 族群聚類分析

基于貝葉斯的model-based聚類方法，通過SNP、STR等遺傳標(biāo)記的分型數(shù)據(jù)來推測群體的聚類群組，并把每個個體分配到這些群組中，如果某個體有混合遺傳成分，則被分配到兩個或更多群組中。通過分析可以獲知每個人群和個體的群組成分構(gòu)成或者祖先成分（ancestry component）。使用Structure軟件可以評估AIM位點(diǎn)達(dá)到的人群區(qū)分度，并確定最穩(wěn)定的群組數(shù)目，即K值[55]。DISTRUCT或CLUMPAK（http://clumpak.tau.ac.il/index.html）可將結(jié)果繪制成圖。

2.2.2 主成分分析

主成分分析（principal component analysis，PCA）是從多個指標(biāo)之間的相互關(guān)系入手，利用降維思想通過少數(shù)幾個主成分來揭示多個變量間的內(nèi)部結(jié)構(gòu)，從原始變量中導(dǎo)出少數(shù)幾個主成分，使他們盡可能多地保留原始變量的信息。每個主成分原始數(shù)據(jù)的線性組合，僅代表一部分變量，第一主成分代表了最多的信息量，其次是第二主成分、第三主成分等。在人群遺傳結(jié)構(gòu)分析中，一般使用多個遺傳標(biāo)記的等位基因頻率進(jìn)行分析，每個遺傳標(biāo)記作為一種指標(biāo)，把所有遺傳位點(diǎn)揭示出的主要人群結(jié)構(gòu)反映出來，通常選擇前三個主成分，以PC1-PC2、PC1-PC3二維的形式展現(xiàn)。

此外，反映人群間遺傳距離的系統(tǒng)進(jìn)化樹分析也可評估AIM位點(diǎn)對人群的區(qū)分度。位點(diǎn)的篩選與評估是一個逐步減少位點(diǎn)和評估的過程。

2.3 復(fù)合檢測體系構(gòu)建

篩選到AIM后需構(gòu)建復(fù)合檢測體系，才可用于法醫(yī)現(xiàn)場生物物證的檢測。檢測體系需滿足微量DNA檢測需求。Sanger測序、NGS等技術(shù)是序列檢測的金標(biāo)準(zhǔn)，但對于法醫(yī)學(xué)應(yīng)用而言，仍需構(gòu)建便捷靈敏的復(fù)合檢測體系，目前常用技術(shù)包括單堿基延伸結(jié)合毛細(xì)管電泳檢測技術(shù)、單堿基延伸結(jié)合質(zhì)譜檢測技術(shù)、等位基因特異PCR、基因芯片等。

2.4 未知個體的族群推斷

決定DNA族群推斷體系的區(qū)分度和準(zhǔn)確性的關(guān)鍵因素之一是參考人群庫的選擇和使用。篩選到AIM位點(diǎn)后，評估確定人群區(qū)分度，然后選擇每個人群成分較高的個體作為參考人群庫樣本。對于未知個體，檢測獲得AIM位點(diǎn)分型之后，通過參考人群庫的分型和頻率數(shù)據(jù)計算樣品的群體匹配概率（matching probability，MP）、群體似然比（likelihood ratio，LR）、多元邏輯回歸（multivariate logistic regression，MLR）、祖先成分（ancestry component），繪制個體的族群歸類圖（classification of unknown individual），即可推斷樣品的族群來源[56-57]。

3 應(yīng)用情況和發(fā)展趨勢

案件偵查前期推斷涉案人員的族群地域，有助于確定偵查方向，縮小嫌疑人排查范圍，協(xié)助案件定性，降低工作量，提高效率，已經(jīng)逐步在案件中應(yīng)用。SUN等[58]利用27-plex SNP族群推斷技術(shù)對1例骨骼樣本進(jìn)行檢測，并推斷出該樣本來自歐洲族群的可能性最大。由于該技術(shù)方法較新，實(shí)驗(yàn)技術(shù)沒有在法醫(yī)學(xué)實(shí)驗(yàn)室普及，實(shí)驗(yàn)結(jié)果仍需要法醫(yī)遺傳學(xué)專業(yè)人士提供解讀，因此應(yīng)用范圍仍然局限于部分地區(qū)及機(jī)構(gòu)。另外，對于美國等移民國家，族群來源推斷技術(shù)有助于了解人員的家族來源，23andme、Ancestry、Parabon等商業(yè)化公司為社會大眾提供相關(guān)的收費(fèi)服務(wù)。國內(nèi)也有類似商業(yè)公司提供消費(fèi)檢測服務(wù)，提供祖源推斷結(jié)果。

但法醫(yī)族群推斷研究技術(shù)體系目前仍存在如下不足：（1）大量的洲際人群區(qū)分AIM組合包含的位點(diǎn)和檢測的人群各有差異，缺乏統(tǒng)一的位點(diǎn)組合和全球普適的參考人群庫，也缺乏國際公認(rèn)的評價標(biāo)準(zhǔn)。（2）東亞人群尤其是我國人群精細(xì)區(qū)分體系急需研究。（3）DNA族群推斷反映的是樣本的遺傳結(jié)構(gòu)特點(diǎn)，與省份、民族等民眾熟知的信息并不完全對應(yīng)，而偵查辦案人員大多不了解群體遺傳學(xué)，結(jié)果解析是目前面臨的問題之一。未來DNA族群地域推斷技術(shù)將向技術(shù)的標(biāo)準(zhǔn)化、區(qū)分的精細(xì)化等方向發(fā)展，伴隨宏基因組、表觀基因組等技術(shù)的發(fā)展，將會篩選出大量地域、飲食等相關(guān)的遺傳標(biāo)記，多遺傳標(biāo)記綜合應(yīng)用將會更全面精細(xì)地刻畫個體的族群和地域來源。

總之，法醫(yī)族群推斷研究技術(shù)體系是法醫(yī)遺傳學(xué)重要的研究方向之一，是從傳統(tǒng)的“比對識別”向新型“主動偵查”模式邁出的重要一步。未來結(jié)合DNA表型特征刻畫和家族搜索等技術(shù)形成新一代法醫(yī)DNA技術(shù)體系，將全面提升法醫(yī)DNA在“刻畫搜索和提供線索”方面的能力，為涉外反恐、跨區(qū)域犯罪、冷案積案等疑難案件的偵破提供科技支撐。