法医DNA混合样本中贡献者数量估计对似然比计算的差异性影响研究

本研究针对法医遗传学实践中复杂混合样本（含多贡献者）的鉴定难题，通过对比定性（LRmix Studio）与定量（EuroForMixTM、STRmixTM）基因分型工具，系统评估了贡献者数量（NoC）估计偏差对似然比（LR）计算结果的影响。研究发现，低估NoC会导致LR值显著降低，定量工具对NoC变化更敏感，强调了专家准确估计NoC在法医证据量化中的关键作用。

　　

在法医DNA鉴定领域，犯罪现场常出现多人混合的生物样本，这类样本的解读如同解开一团纠缠的遗传密码锁。最大的挑战在于：贡献者数量（Number of Contributors, NoC）通常未知，而现有基因分型软件（如LRmix Studio、EuroForMix^TM）却要求用户预先输入该参数。专家们常通过最大等位基因计数（MAC）等主观方法估算NoC，但低质量DNA样本中的等位基因共享、比例失衡、stutter峰（扩增假象）等问题，使得这种估计如同在迷雾中数脚印——极易出错。此前研究多采用已知NoC的模拟样本，但真实案件的复杂性能被完全复现吗？

为此，葡萄牙健康创新与研究机构（i3S）联合波尔图大学等团队，首次基于152组真实案件样本（含75组双贡献者、77组三贡献者混合DNA）开展研究。这些样本来自葡萄牙司法警察科学实验室，经过不可逆匿名化处理，涵盖21个常染色体短串联重复序列（STR）标记。研究人员通过"假设检验"框架，计算了参考样本作为混合样本贡献者的似然比（Likelihood Ratio, LR），并故意将NoC高估（+1）或低估（-1），比较LR值的变化幅度。

关键技术包括：1）使用定性工具LRmix Studio v2.1.3（基于最大似然估计MLE）和定量工具EuroForMix v3.4.0（伽马峰高模型）、STRmix^TM v2.7（对数正态峰高模型+马尔可夫链蒙特卡洛MCMC算法）；2）标准化参数设置（如采用NIST高加索人群等位基因频率）；3）通过log₁₀尺度比值（R）量化LR差异。

【结果与发现】

1. NoC高估（+1）的影响

• 定性工具LRmix Studio在双贡献者样本中，67%案例的LR差异达1-2个数量级（10<R<100），而三贡献者样本中86%案例差异<10倍。
• 定量工具STRmix^TM表现出最大波动，8_2号样本的LR差值高达10^10.520倍，51_3号样本甚至出现15个数量级差异（R=10^15.510）。
• 统计显著趋势：LRmix Studio和STRmix^TM的LR值随NoC增加而降低（p<0.05），EuroForMix则相反。

1. NoC低估（-1）的严重后果

• 所有工具均出现极端案例：EuroForMix分析5_3号样本时，LR从5.40×10²¹暴跌至6.36（R=10^20.929）；
• STRmix^TM对NoC兼容性最严格，87%案例因无法协调基因型数据而报错；
• 17_3号样本在LRmix Studio中LR<1，直接支持"无关个体"假设。

1. 工具敏感性差异

• 定量工具对NoC变化更敏感，尤其STRmix^TM因MCMC随机性可能出现未收敛结果；
• 峰值高度模型差异（伽马vs对数正态）导致EuroForMix与STRmix^TM结果分化。

【结论与意义】
这项发表于《International Journal of Legal Medicine》的研究首次揭示：在真实法医样本中，NoC估计偏差会显著扭曲证据量化结果，且影响程度远超模拟实验的预期。尤其当低估NoC时，可能将真凶的LR值压缩数万倍，甚至导致"证据反转"。研究强调：（1）定量工具虽强大但更依赖准确NoC；（2）专家需结合峰高失衡、stutter比例等综合判断；（3）开发NoC自动估计算法将是未来关键。正如作者Camila Costa（通讯邮箱[e-mail]）指出："概率基因分型软件是专家的助手而非替代者，任何参数设置都需批判性审视。"该成果为法医实践提供了重要警示——在DNA证据的数学外衣下，依然跳动着需要人类智慧裁决的初心。