法医亲缘关系鉴定中部分假设不确定性的广义似然比方法研究及其应用

为解决法医遗传学中复合假设（如多系谱兼容性）导致的传统似然比（LR）无法计算的问题，研究人员提出广义似然比（GLR）方法，通过最大化假设内似然值实现无先验概率约束的统计比较。该研究在亲权争议、灾难遇难者识别（DVI）和家系数据质控三类场景中验证GLR的有效性，证明其能解决复杂案例的结论模糊性问题，为法医实践提供标准化分析框架。

　　

在法医亲缘鉴定领域，当面对"祖母-孙辈"等部分关系假设时，传统方法常因第三方个体关系不确定而陷入困境。例如当需要验证A是否为B的祖母时，若存在与B关系不明的个体C（可能是B的全同胞、半同胞或无关联者），标准似然比（LR）计算会因假设包含多个可能系谱而失效。这种"复合假设"问题在灾难遇难者识别（DVI）中更为突出，多个失踪者的家族关系交织时，常规分步分析往往导致证据强度评估失真。

针对这一技术瓶颈，研究人员创新性地将统计学中的广义似然比（GLR）引入法医遗传学领域。该方法核心在于比较两个假设下的最大似然值：GLR = max(L|H₁)/max(L|H₂)，其中H₁和H₂均可包含多个系谱结构。通过设定固定阈值T=10,000，当GLR≥T时支持H₁，GLR≤1/T时支持H₂，中间值则不作结论。这种设计既避免了贝叶斯方法对先验概率的依赖，又通过模拟验证了其错误率控制能力。

关键技术包括：1）基于23个STR标记的基因型模拟（使用pedprobr包）；2）参数化IBD系数（κ）估计（通过forrel::checkPairwise函数）；3）10,000次重复的Bootstrap模拟计算p值；4）DVI案例中的联合似然矩阵分析（dvir包实现）。所有分析均基于挪威人群等位基因频率数据库。

在"祖母认定"案例中，研究模拟了2000组三种系谱（Ped1:全同胞；Ped2:半同胞；Ped3:无关）的基因型数据。结果显示GLR能准确识别正确关系（Ped1正确率94.2%），且错误阳性率为0。特别值得注意的是，当真实关系为半同胞（Ped2）时，59.3%案例因Ped2与Ped3区分度不足而呈"无结论"，这客观反映了数据本身的鉴别力局限。

在DVI应用场景，研究通过三姐妹匹配案例证明GLR的联合分析优势。传统两两LR分析无法区分对称关系（如M2/M3姐妹），而GLR通过计算所有34种可能分配方案的联合似然，最终以GLR=2.947×10⁶的强度确认受害者组{V2,V3}与失踪姐妹组{M2,M3}的匹配关系，同时以GLR=70,582确认V1与M1的祖孙关系。

最富创新性的应用体现在家系质控领域。研究通过参数化GLR检测出样本B/D标签错误：原报告的"姑侄"关系（κ_P=(0.5,0.5,0)）与实测κ?=(0.22,0.36,0.43)存在显著偏离（GLR=18,221，p<0.0001），而交换B/D标签后所有关系检验p值均>0.05。该方法成功识别出实验室常见的人工错误类型。

这项研究的意义在于建立了法医复合假设检验的标准化框架。通过理论推导证明：当H₂为简单假设时，P(GLR≤10^-4|H₁)≤10^-4，为阈值选择提供理论依据。实际应用中，GLR既保持了传统LR的直观性，又能处理DVI等复杂场景中的多解问题。未来随着基因组数据的普及，该方法可与IBD片段分析形成互补，进一步提升复杂亲缘鉴定的准确性。