"全美人群基因组计划"队列的遗传祖先与群体结构解析：推动基因组健康公平的关键一步

本研究通过分析美国"All of Us"研究计划297,549名参与者的基因组数据，揭示其显著的群体结构和多样化的遗传祖先组成（欧洲66.4%、非洲19.5%、亚洲7.6%、美洲6.3%）。利用PCA和Rye算法，发现遗传混合程度与年龄呈负相关，并绘制了祖先成分的地理分布图谱。该研究为弥补基因组学研究中的欧洲中心偏差、促进精准医学公平性提供了重要数据支撑。

　　

基因组学研究长期存在欧洲中心偏差，约80%的遗传数据来自欧洲血统人群，导致非欧人群在精准医学应用中存在健康差距。美国国立卫生研究院（NIH）发起的"All of Us"研究计划旨在通过建立包含多元祖先背景的百万级人群队列，破解这一困局。由Shivam Sharma等学者领衔的国际团队在《Nature Communications》发表重要成果，首次系统解析了该计划29.7万参与者的遗传多样性特征。

研究团队采用Illumina Global Diversity Array获取1,824,517个基因组位点数据，通过主成分分析（PCA）和统一流形逼近与投影（UMAP）进行无监督聚类，结合自主开发的Rye（Rapid Ancestry Estimation）算法进行祖先成分定量。参与者数据与1000基因组计划（1KGP）和人类基因组多样性计划（HGDP）的3433个全球参考样本进行整合分析。

无监督分析揭示显著群体结构
通过Hopkins统计量（≈1）和核密度估计证实参与者基因组数据呈现高度聚集性。密度聚类（HDBSCAN）在PCA空间识别出7个主要遗传相似群，UMAP分析进一步细分出13个亚群。这种"疏密相间"的分布模式反映出美国人群复杂的遗传分层现象。

大陆水平祖先成分定量
Rye分析显示参与者携带66.37%欧洲、19.51%非洲、6.33%美洲、2.57%东亚、3.05%南亚、1.95%西亚和0.21%大洋洲祖先成分。值得注意的是，研究者特别区分了"美洲原住民"（Indigenous American）与工作台分类中的"混合美洲人"（Admixed American），后者显示51.01%欧洲和35.84%美洲祖先的典型拉丁美洲混合模式。

次大陆水平精细解析
对高纯度祖先个体（>90%）的深入分析发现：非洲血统以西非（42.3%）和班图（31.4%）成分为主；东亚以汉族（58.1%）、日本（22.3%）和东南亚（19.6%）为主；南亚以南印度（67.8%）为主导；欧洲则主要包含不列颠（39.2%）、意大利（23.1%）和伊比利亚（18.7%）成分。敏感性测试表明，参考人群覆盖度可能影响7.7%的东班图成分估计准确性。

时空动态分布特征
地理可视化显示非洲祖先在东南部富集（如佐治亚州达38.7%），美洲成分集中于西南部（亚利桑那州21.4%），欧洲成分在北部边境州最高（缅因州89.2%）。更重要的发现是遗传混合熵（Admixture entropy）与年龄呈显著负相关（r=-0.34，p<0.001），表明美国年轻一代的遗传多样性正持续增强。

这项研究通过创新性地结合云计算平台（Researcher Workbench）和大规模基因组分析方法，首次绘制了美国人群遗传多样性的全景图谱。其价值不仅在于证实"All of Us"队列成功纳入了传统研究中被忽视的祖先群体，更重要的是建立了可扩展的分析框架（如Rye算法处理生物银行规模数据的能力）。作者特别强调，遗传相似性推断的结果高度依赖参考人群选择，当应用于医疗实践时需谨慎解读。随着队列规模扩大，这些发现将为理解复杂疾病的多祖先遗传架构、开发跨人群适用的多基因风险评分（PRS）奠定基础，最终实现"不让任何人掉队"的精准医学愿景。