賈振軍，高春芳，錢尊磊，劉卓，湯強，苑美青

1.中國人民公安大學偵查學院，北京 100038；2.中國人民公安大學警體戰(zhàn)訓學院，北京 100038；3.公安部物證鑒定中心 法醫(yī)學遺傳學公安部重點實驗室，北京 100038

目前，族源推斷研究是人類遺傳學和法醫(yī)學的研究熱點[1-6]。在法醫(yī)學領域，犯罪現(xiàn)場重要生物物證的族源推斷信息可以為警方提供生物樣本來源的群體信息。此外，對于痕量的脫落細胞及腐敗降解的生物樣本，SNP 試劑盒比STR 試劑盒具有更好的識別能力[6-15]。目前，根據(jù)國內(nèi)外學者的研究，全球人口可以被分為5～10 個族群，其中包括亞洲人群[7-10]。公安部物證鑒定中心李彩霞團隊進一步把亞洲人群分為3 個亞群，分別是北亞、東南亞和東亞人群[13]。此外，復旦大學金力、李士林團隊[5，14]對東亞人群及族源推斷方法進行了研究；四川大學侯一平、王正團隊[15-16]在東亞人群研究中不斷加入少數(shù)民族數(shù)據(jù)。東亞具有16億人口，占全球人口的四分之一。為了更好地區(qū)分東亞人群，本課題組收集了國內(nèi)外包含東亞人群的參考文獻，并查詢各大基因庫，獲得SNP 位點及人群數(shù)據(jù)。經(jīng)過分析，發(fā)現(xiàn)耶魯大學KIDD 教授的55 SNPs試劑盒[10，12]和加利福尼亞大學戴維斯分校SELDIN 教授的128 SNPs 試劑盒[17]在亞洲人群中的應用最為廣泛。故本研究主要以這兩個試劑盒中的170 個SNP位點（170 SNP Panel）為基礎收集數(shù)據(jù)，對東亞人群進行初步研究，分析東亞人群細分亞群數(shù)量以及每個SNP 位點在東亞人群中的識別能力。此外，本研究在170 SNP Panel的基礎上，精簡SNP位點數(shù)量，以建立兼具東亞人群族源推斷功能和個體識別能力的SNP Panel，同時檢測拉薩藏族、南方漢族、北方漢族人群的SNP位點數(shù)據(jù)，驗證新的Panel分群的準確性。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)收集

在170 SNP Panel的基礎上收集東亞人群的檢測數(shù)據(jù)[18]。東亞人群數(shù)據(jù)來自三部分：（1）耶魯大學KIDD教授建立的法醫(yī)基因數(shù)據(jù)庫（The redesigned Foren?sic Research/Reference on Genetics-knowledge base，F(xiàn)ROG-kb）[19]；（2）千人基因組計劃項目（1 000 Genomes Project，1KGP）[20]；（3）文獻數(shù)據(jù)[5-19]。數(shù)據(jù)信息見附表1。最終本研究獲得了包含1 922 個個體、30 個人群的170 SNP Panel的分型數(shù)據(jù)。

1.2 SNP位點的篩選方法

經(jīng)過本課題組前期對170 SNP Panel 在東亞人群中的初步分析，發(fā)現(xiàn)一些SNP位點在東亞人群的識別能力較差或群體間遺傳分化指數(shù)（Fst）較小，甚至有些SNP 位點在東亞人群中沒有多態(tài)性。為了獲得一個在東亞人群中既可以進行族群分析，又可以進行個體識別的SNP Panel，本研究按照以下3 個步驟進行篩選：首先，根據(jù)附表1中170 SNP Panel在東亞人群中的遺傳學參數(shù)，篩選出個體識別率（discrimination power，DP）大于0.5的位點。第二，篩選在東亞人群中具有較好的亞群間差異性的SNP位點，為了更好地反映群體間差異，首先對30個人群的170 SNP Panel用斯坦福大學Pritchard 實驗室開發(fā)的STRUCTURE 軟件進行分析，30 個人群被很好地分為5 個亞群，計算5 個亞群間的Fst值（附表2），篩選出Fst值>0.02 的SNP位點。經(jīng)過上述兩步篩選，得到52 個SNP 位點。最后，使用R 3.0.1 軟件對52 個SNP 位點進行聚類分析，刪除提供重復信息的SNP 位點，最終獲得45 個SNP位點（45 SNP Panel）用于后續(xù)研究。

1.3 45 SNP Panel在東亞人群族源分析中的效能驗證

分別根據(jù)45 SNP Panel 與170 SNP Panel 在東亞30 個人群中的數(shù)據(jù)，使用STRUCTURE 2.3.4 軟件分析族源關(guān)系，基于45 SNP Panal 的群體數(shù)據(jù)采用熱圖及主成分分析（principal component analysis，PCA）分析族源關(guān)系。基于不同人群中的基因頻率，采用R 3.0.1軟件pheatmap包進行熱圖分析，采用SPSS 20軟件（美國IBM 公司）[21]進行PCA 分析，抽取第一、二、三主成分，3 個主成分采用Minitab 16 軟件（美國Minitab 公司）進行繪圖。STRUCTURE 軟件分析的參數(shù)設置為10 000 burnins和10 000 MCMC，混合模型，K值設置為3～10。

1.4 45 SNP Panel驗證族源關(guān)系

采用基于熒光標記單堿基延伸的分型技術(shù)——SNaPshot 技術(shù)，檢測50 個拉薩藏族樣本的45 SNP Panel 的分型。選擇5 個北京漢族樣本和5 個拉薩藏族樣本作為測試樣本，檢測45 SNP位點的基因型，并計算10個樣本在5個亞群中的似然率[13]。

2 結(jié)果

2.1 遺傳學參數(shù)

170 SNP Panel 在30 個人群中的遺傳學參數(shù)見附表1。根據(jù)附表1，170 SNP Panel 的DP 值最小為0.001 1，最大為0.661 6，平均值為0.472 1；45 SNP Panel 的DP 值最小為0.503 7，最大為0.661 6，平均值為0.5956。170 SNP Panel的父權(quán)指數(shù)（paternity index，PI）值最小為0.500 0，最大為1.061 3，平均值為0.773 7；45 SNP Panel 的PI 值最小為0.706 3，最大為0.991 6，平均值為0.868 8。

2.2 族源信息

2.2.1 STRUCTURE分析

如圖1 所示，SELDIN 教授的128 SNPs 試劑盒和KIDD 教授的55 SNPs 試劑盒包含的170 SNP Panel把30 個東亞人群分為5 個亞群，分別是：亞群1，哈薩克族（KAZ）、維吾爾族1（UIG）、維吾爾族2（XJU）、青海藏族（QTB）、蒙古查騰族（TSA）、蒙古國人群（OMG）、內(nèi)蒙古人群（IMG）；亞群2，日本人群（JPN）、東京日本人群（JPT）、韓國人群（KOR）、北京漢族（CHB）、舊金山中國人群（HCS）、南方漢族（CHS）、臺灣漢族（CHT）、客家人群（HKA）和新加坡漢族（HNS）；亞群3，寧夏回族（NXH）、成都藏族（CTB）、涼山藏族（LTB）、康巴藏族（KHG）、羌族（QMR）、白馬藏族（BQY）和涼山州彝族（LYI）；亞群4，云南傣族（CDX）、越南人群（KHV）、老撾人群（LAO）、柬埔寨人群（CBD）和新加坡馬來西亞人群（MLS）；亞群5，臺灣雅美族（AMI）和臺灣泰雅族（ATL）。

圖1 170 SNP Panel在30個東亞人群中的STRUCTURE分析圖譜Fig.1 The STRUCTURE plot of 170 SNP Panel of 30 East Asian populations

45 SNP Panel對30個東亞人群的分組信息（圖2）與170 SNP Panel的分組信息基本一致。

圖2 45 SNP Panel在30個東亞人群中的STRUCTURE分析圖譜Fig.2 The STRUCTURE plot of 45 SNP Panel of 30 East Asian populations

2.2.2 PCA結(jié)果

通過對30個東亞人群中45 SNP Panel的頻率進行PCA，分析結(jié)果見圖3。根據(jù)3個主成分，30個人群可以分為5組。第1組：哈薩克族、維吾爾族1、維吾爾族2、青海藏族、蒙古查騰族、蒙古國人群、內(nèi)蒙古人群聚集在一起，其中內(nèi)蒙古、蒙古國人群與其他5 個人群相距較遠；第2組：日本人群、東京日本人群、韓國人群、北京漢族、舊金山中國人群、南方漢族、臺灣漢族、客家人群和新加坡漢族聚在一起；第3 組：寧夏回族、成都藏族、涼山藏族、康巴藏族、羌族、白馬藏族和涼山州彝族聚在一起；第4 組：云南傣族、越南人群、老撾人群、柬埔寨人群和新加坡馬來西亞人群聚集在一起；第5組：臺灣雅美族和臺灣泰雅族聚集在一起。

圖3 45 SNP Panel在30個東亞人群中的PCA圖譜Fig.3 The PCA plot of 45 SNP Panel of 30 East Asian populations

2.2.3 熱圖分析結(jié)果

通過對30個東亞人群的45 SNP Panel進行熱圖分析，結(jié)果見圖4。北京漢族、舊金山中國人群、南方漢族、臺灣漢族、客家人群和新加坡漢族聚在一起后，又與兩個日本人群和韓國人群聚在一起。云南傣族、越南人群、老撾人群聚在一起后又與柬埔寨人群和新加坡馬來西亞人群聚集在一起。寧夏回族、成都藏族、涼山藏族、康巴藏族、羌族、白馬藏族和涼山州彝族聚在一起后，又與內(nèi)蒙古人群、蒙古國人群聚在一起。哈薩克族、維吾爾族1、維吾爾族2、青海藏族4個人群聚在一起后又與蒙古查騰族聚在一起。臺灣雅美族和臺灣泰雅族聚集在一起。

圖4 45 SNP Panel在30個東亞人群中的熱圖分析Fig.4 The heatmap analysis of 45 SNP Panel of 30 East Asian populations

2.3 45 SNP Panel的驗證結(jié)果

2.3.1 50個拉薩藏族樣本族源信息的驗證結(jié)果

經(jīng)過對50 個拉薩藏族樣本（LST）與其他30 個人群的STRUCTURE、熱圖和PCA 分析（圖5～7），拉薩藏族與寧夏回族、成都藏族、涼山藏族、康巴藏族、羌族、白馬藏族和涼山州彝族聚在一起。

圖5 45 SNP Panel在50個拉薩藏族樣本中的STRUCTURE分析圖譜Fig.5 The STRUCTURE plot of 45 SNP Panel of 50 Lhasa Tibetan samples

圖6 45 SNP Panel在50個拉薩藏族樣本中的熱圖分析Fig.6 The heatmap analysis of 45 SNP Panel of 50 Lhasa Tibetan samples

圖7 45 SNP Panel在50個拉薩藏族樣本中的PCA圖譜Fig.7 The PCA plot of 45 SNP Panel of 50 Lhasa Tibetan samples

2.3.2 10個測試樣本的族源推斷結(jié)果

選擇5個北京漢族樣本和5個拉薩藏族樣本作為測試樣本，檢測45 SNP Panel的基因型，并計算10個樣本在5個亞群中的似然率，結(jié)果見表1。5個北京漢族樣本中，3 個樣本的最高似然率人群是亞群2，2 個樣本的第二高似然率人群是亞群2。5 個拉薩藏族樣本中，3 個樣本的最高似然率人群是亞群3，2 個樣本的第二高似然率人群是亞群3。

表1 10個測試樣本在東亞5個亞群中的似然率Tab.1 The likelihood ratio of 10 test samples in 5 subgroups of East Asia

3 討論

3.1 45 SNP Panel的個體識別能力

與170 SNP Panel 相比，45 SNP Panel 中DP 值的平均值為0.595 6，高于170 SNP Panel 的0.472 1；45 SNP Panel 中PI 值的平均值為0.868 8，高于170 SNP Panel 的0.773 7。此外，基因多樣性、多態(tài)信息含量、匹配概率、非父排除率等信息中，45 SNP Panel的SNP位點信息量平均值高于170 SNP Panel中SNP位點的信息量，即45 SNP Panel 在東亞人群中的法醫(yī)學個體識別性能是比較高的。

3.2 45 SNP Panel的族源推斷能力

通過圖1～2 可以看出，170 SNP Panel 把30 個東亞人群分成5 個亞群，45 SNP Panel 也同樣把東亞人群分為5 個亞群，分群結(jié)果與170 SNP Panel 完全一致。通過PCA和熱圖分析，也支持將30個東亞人群分為5個亞群。同時，通過對10個已知樣本的檢測并計算其在各亞群中的似然率，60%樣本的似然率最高值出現(xiàn)在其所屬亞群中，40%樣本的似然率第二高值出現(xiàn)在其所屬亞群中。從以上分析可以看出，45 SNP Panel具有較強的族源分析和推斷能力。

3.3 亞群1中內(nèi)蒙古與蒙古國人群的族源信息分析

亞群1中的哈薩克族、維吾爾族1、維吾爾族2、青海藏族、內(nèi)蒙古人群均生活在中國的西北部及北部，蒙古查騰族和蒙古國人群生活在中國的北部，與內(nèi)蒙古相連。由圖1～2可見，通過STRUCTURE分析，蒙古國人群與內(nèi)蒙古人群圖譜相近，而與其他5 個人群具有較為明顯的區(qū)別，在45 SNP Panel 的PCA 中，亞群1中蒙古國人群與內(nèi)蒙古人群明顯與其他5個人群具有一定距離，與亞群3 具有較近的距離。而在熱圖分析中，蒙古國人群與內(nèi)蒙古人群聚在一起后，又與亞群3匯聚，再與亞群1匯合在一起。

3.4 亞群2 中日本、韓國人群與中國人群的族源信息分析

在圖1中，6個中國人群，無論是南方漢族還是北方漢族，無論是臺灣漢族人群還是來自國外的舊金山、新加坡等地區(qū)的漢族人群，均聚集在一起，這也說明分布于不同地區(qū)的漢族人群都屬于一個分支，在遺傳信息上較為相似。2 個日本人群和韓國人群與漢族人群間具有一定差異。從PCA 結(jié)果可見，中國人群、南方漢族、臺灣漢族、客家人群和新加坡漢族聚在一起。

3.5 亞群4中柬埔寨人群和新加坡馬來西亞人群與其他3個民族之間的族源信息分析

云南傣族與越南人群、老撾人群、柬埔寨人群和新加坡馬來西亞人群聚在一起，說明云南傣族與其他4 個人群具有較近的族源關(guān)系。在圖1～2 中，柬埔寨人群和新加坡馬來西亞人群聚在一起與其他3 個民族具有一定的差異。在PCA 中，柬埔寨人群與新加坡馬來西亞人群與亞群3 中的其他人群具有一定距離。在熱圖分析中，柬埔寨人群首先與新加坡馬來西亞人群聚在一起后再與其他3 個人群聚在一起。中國云南省與老撾和越南接壤，傣族人群與老撾、越南人群之間的遺傳差距較小，而柬埔寨、新加坡及馬來西亞與我國具有一定距離，遺傳距離較遠。

3.6 結(jié)論

在族源推斷信息上，45 SNP Panel 可以替代170 SNP Panel，達到相同的族源分析及推斷能力。而在遺傳學參數(shù)上，在東亞人群中45 SNP Panel 明顯優(yōu)于170 SNP Panel。此外，目前對于東亞人群內(nèi)族源推斷的有效SNP位點數(shù)量還不足，后期研究需要更多分析和人群數(shù)據(jù)驗證，進一步優(yōu)化可用于東亞人群內(nèi)族源推斷的遺傳標記體系。