关于祖源成分基因检测，你可能有这些误解
我是各色 DNA 的基因产品总监雷雷。最近几个月忙于祖源升级，收集了许多用户反馈，发现大家对于祖源，误解真的很深。
因此，不涉及产品，本文我将为大家介绍以下内容：
1 祖源基因检测的原理是什么？
2 如何理解祖源检测结果？
3 祖源基因检测的意义是什么？
一、什么是祖源成分分析？
分子人类学（Molecular Anthropology）是人类学的一个新兴分支，主要利用分子水平的遗传信息，比如基因数据，来分析人类起源和演化等问题。
祖源成分（ancestry composition)分析，是其中一个重要的研究方向。研究者利用人体22对常染色体测序获得的DNA数据，可以从遗传角度区分不同地区和民族。
1、你的祖源结果是参考哪些数据得来的？
祖源参考数据并不是你的祖先，而是连续几代生活在这个地方的现代人。
拿北方汉族来说，当我们找到足够多长期生活在北方汉族地区的人，我们就构建了一个北方汉族地区的参考数据库。
2016 年，当我刚开始做中国人祖源解读的时候，我发现，几乎没有中国不同地域的基因参考数据库。
即使在全球用户量最大的 23andMe（目前可以探测全球 150 个国家和地区的祖源），中国人也只是被粗略划分为南方人和北方人。
以各色为例，我们过去一年中积累的参考数据库包括有：
- 各色用户贡献的 DNA 数据
- 国际千人基因组计划中的公开数据（ http://www. internationalgenome.org /category/population/ ）
- 斯坦福大学人类基因组多样性研究计划中的公开数据（ http://www. hagsc.org/hgdp/ ）
你会发现，各个国家和地区的基因数据库并不是一个神秘的黑盒子，而是全人类科研事业的共同财富。
2、在中国，应该用区域还是民族来做祖源成分？
不同于美国这样的移民国家，他们的祖先可能来自世界各地。
大部分中国人是北方汉族或南方汉族主体，如果用民族来做祖源划分，一个汉族人的祖源结果会比较「无聊」。
但其实除了民族之外，基因中还蕴藏着非常丰富的地域差异信息，这些信息正随着数据库积累变得越来越清晰——
今年新发表的一项大规模中国人祖源研究，根据 19 个省和直辖市 共 11670 名汉族人的分析发现：
汉族人南方和北方之间的差异是最大的。
北方省市中，甘肃、陕西和山西，与其他省市（东北三省、山东和河南等）有差异。
相比北方汉族呈现出来的东西差异，南方汉族则呈现南北差异，即长江流域（江苏、安徽、湖北、浙江等）和东南沿海（湖南、福建和广东）存在差异。
各色选择 3620 个代表用户，得到了跟上面这个研究类似的结果：
这张结构图可能看上去有点费解，你记住这几点就好了：
- 中国汉族可以分为南北两部分，南方汉族和北方汉族。
- 北方汉族中，甘肃与吉林省和其他省市存在差异，这可能是因为甘肃与新疆和内蒙相连，长期的民族融合交流会影响汉族的特异性；而吉林省满族人聚居，且东临朝鲜半岛。
- 天津市明显区别北方汉族的表现，让我们有些费解。希望有更多天津土著参与我们的检测，期待未来我们可以一起破解这一谜题。
- 南方的划分中，贵州省、重庆市和云南省与其他地区存在差异。其他地区可以分为长江以南和东南沿海两大部分。
根据层次聚类和 PCA 分析结果，各色选择了区域而非民族（南方汉族和北方汉族）来进行祖源成分划分。
中国历史上多次人口迁徙和民族融合，比如四川省与湖北、江西和浙江等省市比较类似，我们都将其定义为「长江以南」地区。这也呼应了清朝初期「两广填四川」的人口迁移史。
二、如何理解自己的祖源结果：
1、祖源百分比是什么意思？
把你 DNA 数据中的大量基因位点，和祖源参考数据进行比对，就得到了你的综合预测结果。即你来源于这个族群的概率。
比如，我出生在山东，我有 34.44% 的北方东部成分，即我来源于北方东部人的可能性是 34.44%。
2、为什么不同机构测出来的祖源结果可能不同？
如果你在不同机构获得的祖源结果不同，或者同一家机构的结果中，祖源比例发生变化，并不意味着哪一个结果是错误的。全球人类祖先都自非洲，使用不同的参考数据，你能得到自己来源于不同族群的可能性。
例如，跟美洲土著相比，你很可能与日本人的基因相似性会更高一些。
将各色祖源参考数据集所有族群放在一个平面上观察时发现，中国人群内部差异比较小，而非洲各个族群与其他所有族群差异最大，距离最远（下图左上角为非洲族群）。
并且生活的地区越相近，基因型分布的差异也越小。对每个基因位点来说，在一个地区为 100%，另一个地区为 0% 的情况比较少。而更可能是 30%，40%，60%，80% 这样的差异分布。
再多说一句，这就是为什么基因武器没有可行性——因为世界各地基因位点多为相对差异，不可能达到只对某一族群有害，而对其他族群无害的效果。
3、如何解释中国人身上的 「5% 美洲土著基因」？
我看到很多人会乐于在社交网络上分享自己的「5% 美洲土著基因」，这听上去很酷，我的科学解释希望不会让你失望：祖源成分并不代表你一定有这里的祖先，而是你的祖先有 5% 的可能是这里人。
人有 23 对染色体，22 对常染色体，1 对性染色体（女性是 XX，男性是 XY ）。做祖源成分分析使用的是 22 对常染色体数据。
人类基因组中，大约 99.9% 的 DNA 序列都相同。所以要通过祖源成分分析获得你属于某一个或几个地区或族群的“可能性”，第一步是收集在不同地区和族群分布有差异的基因位点。
比如，影响人是否有腋臭的基因位点是 rs17822931，这个点基因型为 C 的人，体味更重一些。
rs17822931 在世界不同地区的分布差异很大，在非洲有 99% 的人携带 C ，在美洲和欧洲携带 C 的比例是 86%。
而在东亚携带 C 的比例只有 22%，大部分人东亚人在这个位点是 T型，表现为干燥的耳垢和更轻的体味。
如果一个人 rs17822931 检测结果为 TT，从概率上来讲，他更可能是一个东亚人。
所以，当我们找到足够多像 rs17822931 这样的基因位点，即在不同地区，不同人群中基因位点类型频率分布有差异的位点， 我们就可以去推测你的祖源成分。
计算祖源成分的算法上，我们使用的是美国加利福尼亚大学洛杉矶分校相关人员研发的，也是目前使用比较广泛的专门计算祖源成分的方法—— ADMIXTURE( http:// software.genetics.ucla.edu /admixture/ )。
其核心算法是极大似然估计法（Maximum Likelihood Estimate，MLE），简单说就是你的基因数据作为“已知现实”，计算出你最可能由哪几种参考数据集中的族群组成，以及相对应的百分比。
所以，当改变了参考数据库祖源地区的划分类别，例如增加或者减少了族群的种类，你的结果就会发生变化，而这个「5% 美洲土著基因」也可能随着变化消失。
三、没有炫酷的祖源可以分享，做祖源有什么意义？
在各色所有检测项目中，祖源是大家最乐于分享和谈论的部分。之前我也会想，为什么大家会关注自己的祖源成分，对现在的自己究竟有何意义？
听了很多用户的故事，我开始越来越理解，这些信息是一种联结，和过去所有人类进化历史的联结，和家庭父母的联结，而联结意味着对过去的关心、了解和想象。
尽管时常感到孤独，但是我们并非凭空而来。如果我们做的所有数据积累与运算，能够引发人们对人类和家族历史的好奇，进而重新开启他们和自己父辈乃至祖父辈的亲密对话，那就是我们付出努力的最大价值。
以下涉及 各色DNA 祖源产品，如果你感兴趣……
去年 9 月份，我们发布第一版祖源解读的时候，我们对中国人祖源的探索才刚刚开始。
我们积累的第一版中国人族群数据库，将生活在中国的人分成了 6 个地区，将国外人口分成了 8 个地区。据此给出了每个人的比例解读，并且邀请大家继续参与家庭出生地的调查。
人类对庞大基因组数据的探索一直在继续。测序技术的发展、数据的积累和算法的革新，都会刷新人们对自身的认识。
今年，我们有了更大更丰富的族群数据库。我深知，解读结果变化可能会挑战已有用户的认知，但我们必须做出调整：我们是在共同「养成」一个更好的产品。
最近各色的产品完成了一次升级，我们的祖源由原来 14 个地区，升级为 59 类，主要是源自于祖源参考数据集的优化。
接下来，我们还会继续提供更多新解读给大家，如使用神经网络算法预测的身高，某些慢性病风险的预测以及更丰富的心理特征解读等等，敬请期待。
点击此处登录各色官网 ，查看祖源解读示例页面。
微信/微博关注 @各色人类研究中心，了解更多与基因和心理学相关的前沿科学研究，和我们一起通过科学的方式认识自己和他人，找到更好的生活方式。