Y染色体男性独有区域（MSY ，Male Specific region of the Y chromosome）的遗传标记严格遵守父系遗传规律，在父系内部进行传递。根据该原理，基于一代测序的Y-STR（Short Tandem Repeat）基因座组合而成的单倍型（Y haplotype）可以对男性家系进行区分。但是随着数据库的数据量越来越庞大，尽管增加了新的Y-STR基因座，相互连锁的Y-STR基因座对于家系区分能力的提高作用有限。Y染色体单倍型参考数据库（YHRD，Y Chromosome Haplotype Reference Database）是由国际法医遗传学会（ISFG，International Society of Forensic Genetics）创建的。通过选取我国不同研究团队发表在该数据库的群体数据，作者模拟了Y-STR人群数据库并观察单倍型对之间错〇配基因◥座数目（mismatch）≤4的情况。本模拟数据库共涵盖26个人群，男性个体共7931例（图1）。由于篇幅有限，本文无法列出所有数据来源的参考文献，具体可以参考YHRD数据库㊣　网站，同时本文作者也在此向这些群体数据的作者致以真诚歉意！在群体调查研究中，调查者在采集样本时会确保男性个体往上三代均来自当地，因此我们可以将其视㊣　作原生人群，即本文26个群体之间无遗传关联。

                             图1模拟数据库中26个群体的地理定位

首先，在这个模拟数据库中，本文希望通过展示一个范例以解释mismatch≤4的相似单倍型对情＠况（图2）。以北京汉族-0039号个体为例，该个体的Y-STR单倍型与来自蒙古族、哈萨克族、东乡族和维吾尔族的17个个体均有4个基因座以内的错配，差异步长均不超过5步。这样的情况在该数据集中还有非常多，这也提示我们，基于27个Y-STR基因座（Yfiler Plus），不同群□体间是存在相似单倍型的。下文将从整体角度进行观察和统计分析。

                                                                  图2 北京汉族-0039样本在模拟数据库中错配基因座数目≤4的比对结果

群体间出现相似单倍型的情况往往会对目标家系的确定起到消极作用。通过计算相似单倍型的观察值和预测值的自然对数，本文绘制了如图3所示的热图。NA代表两个群体之间没有出现相似单倍型。红色代表观察值高于预测值，蓝色代表观察值低于预测值。在汉族】内部，大部分群体对的近似匹配情况的观察值」均高于期望值（ln>2），比如江西与湖南汉族、山东与湖南汉族、浙江与福建汉族以及深圳与福建汉族、广东汉族、广西汉族和河南汉族等；而在少数民族内部，也出现了不同少数民族间的观察值高于期望值的情形，比如：新疆哈萨克族与新疆回族、新疆哈萨克族与新疆维吾尔族、贵州彝族与云南彝族、贵州彝族与四川彝族、云南彝族与四川彝族、新疆哈萨克族◤与内蒙古呼伦贝尔蒙古族、新∴疆哈萨克族与内蒙古呼伦贝尔达斡尔族、内蒙古呼伦贝尔达斡尔族与甘肃临夏东乡族、内蒙古呼伦贝尔蒙古族与新疆维吾尔族以及内蒙古呼伦贝尔达斡尔族与内蒙古呼伦贝尔蒙古族。此外，汉族与少数民族之间也存在类似情形，比如新疆哈萨克族与北京汉族、广西壮族与广西汉族和深圳汉族。上述群体对结果表明，不同民族或不同区域群体间日益频繁的文化和基因交流导致Y-STR单倍型之间相互接近的情形。当然，本研究也观察到部分群体对之间的近似匹配情况的观察值低于期望值（ln<-2），如甘肃临夏东乡族与海南汉族、广西壮族与西藏昌都藏族、广西壮族与新疆哈萨克族、广西壮族与甘肃临夏东乡族、内蒙古呼伦贝尔蒙古族与上海汉族和内蒙古呼伦贝尔蒙古族与广西壮№族等。

                                                            图3  相似单倍型的观察值和预测值的自然对数热图

此外本研究观察了大数据集中，群体外近似匹配情况数目与群体样本量之间的线性回归关联。图4绘制的线性关系图表明，在数据集内，群体外近似匹配情况数目是随着群体自身的样本量线性增加。相关系数平方值（R²=0.7150）和显著性检验（p<0.0001）表明这两个变量之间存在显著性关联，且为高度线性相关。基于图中所述的数据模型，对于样本量为1 的群体，其与外部群体之间约可比对出32.6333个近①似单倍型；对于样本量为500万的男性群体，其与外部群体之间约可比对出297万个近似单倍型。

                   图4 群体外近似匹配情况数目与群体样本量线性回归分析图

上述结果表明，由于我国是一个地理区域广袤、民族资源丰富的国家，且随着社会经济发展和交通方式更新，各区域和各民族人群之间的基因交流使各地基因库之间的联系日益紧密。Y-STR遗传标记具有相互连锁和相√对其他遗传标记高突变的特征，导致家系的Y-STR单倍型分辨率不足。那么，来自不同Y遗传进化树各单倍群（Y haplogroup）分支的男性个体在Y-STR单倍型上出现相近的情形时，应如何对其作出判断？在群体遗传学中，Y-STR单倍型主要作为家系的遗传特征，通过快速突变（RM，Rapidly Mutating）Y-STR基因座可以达到区分家系内部分男性亲属的目⌒的。商业ξ　化试剂盒也正在顺应这种趋势，不断增加在东√亚人群中具有多态性的新型RM Y-STR基因座以提高Y-STR单倍型杂合度（HD，Haplotype Diversity）。以最新的Yfiler Platinum panel为例，本处选取了南方医科大学朱波峰教授发表的新疆蒙古族群体（n=182）和遵义医科大学陈鹏宇副教授的陕西关中汉族群体（n=430）。如图5所示，基于38个Y-STR基因座的Yfiler platinum panel从单倍型种类数和三类法医学参数方面均提高了单倍型的分辨率。而群体间相似单倍型数目的分布则如图6所示。值得注意的是，Y-STR基因座增々加后，允◣许错配基因座数目（mismatch）的阈值需从男性家系的亲属对层面进行重新▃评估。出于观察考虑≡，本处阈值均设置为mismatch≤4。图中结果表明：（1）错配基因座数目为1-4的相似单倍型数目均下降；（2）因为Y染色体是单倍体，所以高度连锁性使得基因座增加后对数据库的Ψ 改善效能并没有呈现线性增加。

                  图5  陕西关中汉族和新疆蒙古族在3个panel下的单倍型种类数和法医学参数

                    图6  陕西关中汉族和新疆蒙古族相似单倍型数目随Y-STR基因座增加的变化情况

除此以外，增加Y-SNP（Single Nucleotide Polymorphism）单倍群则可以对不同的男性家系进行根本定义，从群体迁移和历史演化的角度为其提供科学合理的解释。因此，在判断未知个体与目标家系是否存在从属关系时，携带Y-SNP单倍群标签的Y-STR单倍型数据能够提供更加可靠的依据。

本章节暂且从数据库模拟角度，解释了现阶段提高家系分辨率的两种主要策略。

下一章节本文作者将着重介绍︾其对于Y-SNP单倍群的应用思路。