法医遗传学的多维演进：从新技术应用到统计解释框架的综合挑战

《Genes》：Advances and Challenges in Forensic Genetics

　　法医遗传学在过去数十年间发生了重大变化。传统的短串联重复序列（STR）分析仍然是个体身份鉴定（HID）的核心手段，但该领域现在已经发展出更广泛的分析技术，包括大规模平行测序（MPS）、全基因组单核苷酸多态性（SNP）分析、DNA甲基化和表观遗传生物标志物、先进的亲缘关系推断以及日益精细的统计学框架。这些进展提高了从生物证据中提取信息的数量和质量，即使对于严重降解的样本也是如此。然而，这些日益复杂的数据的法医价值仍然取决于样本状况、所涉具体问题、参考数据的可获得性以及用于解释数据的统计学模型等因素。与此同时，分析能力的提升也带来了验证、生物信息学分析、人群代表性以及如何将这些成果转化为常规法医实践等方面的新挑战。本专题汇编收录了六篇原创论文和两篇综述，从不同角度但密切相关的视角探讨了这些问题。降解DNA仍然是法医遗传学面临的主要挑战之一。Zupani? Pajni? 回顾了环境因素和死后因素对DNA保存的影响，并讨论了在传统STR分析效果不佳时使用STR、SNP、线粒体DNA和下一代测序（NGS）的可行性[1]。该综述并未提出替代STR分析的单一方案，而是强调需要根据样本质量和法医问题来选择标记物和分析策略。Porcu等人则针对一个更为具体的实验室问题进行了研究，他们评估了一种优化后的DNA提取方案，用于腐败的黄色骨髓样本[2]。在所检测的样本中，改良方案产生了比标准流程更高的DNA浓度和等位基因数量，在某些样本中甚至获得了完整的常染色体STR分型结果，而这些样本在使用标准提取方法时仅能产生极为有限的分型。在骨骼遗骸分析的框架下，Thomas等人验证了95K SNP捕获面板结合Parabon Fx平台在历史美军遗骸中进行扩展亲缘关系分析的应用[3]。该方法从高度降解的骨骼样本中成功获得了有用的亲缘关系信息，最多可延伸至三级甚至某些情况下的四级亲缘关系，并扩展了可能的家族参考样本范围。同时，该研究也展示了远程亲缘关系中出现的解读困难。Zupani? Pajni?和Leskovar提供了关于骨骼身份鉴定的更为全面的视角[4]。他们的综述在一个以保存状况为导向的框架内探讨了遗传学、表观遗传学、同位素、蛋白质组学和组织学方法。不同技术提供不同类型的信息，涵盖性别、亲缘关系、年龄、饮食、迁徙活动和地理来源等方面，其效用取决于哪些生物材料得以保存。由于没有单一方法能够提供身份鉴定所需的所有信息，该综述因此支持协调一致、以保存状况为导向地互补使用多种方法。亲缘关系问题也从另一个角度得到了探讨。Connell等人研究了Y-STR突变及在扩展家系中的男性区分度[5]。他们发现，相隔若干减数分裂的父系亲属可能在不止一个Y-STR位点上存在差异，且大部分变化发生在快速突变标记位点上。这对历史遗骸的身份鉴定具有实际意义。在这种情况下，Y-STR不匹配应考虑减数分裂次数和位点特异性突变率进行解读，而不应被自动视为排除。相反方向的挑战也可能出现，例如当两个个体在遗传上几乎无法区分时。Meyer等人关于同卵双胞胎的研究清晰地展示了遗传区分的极限[6]。对来自一位双胞胎的血迹样本和口腔参考样本进行鸟枪法测序，鉴定了候选单核苷酸变异，但这些变异未能在靶向测序中得到确认。缺乏第二位双胞胎的参考样本以及使用不同组织类型是该研究的重要局限。然而，该研究提供了一种实用且可重复的工作流程，将鸟枪法测序与候选变异的靶向验证相结合。人群数据对于法医DNA证据的统计学解释仍然至关重要。Djeli?va等人报告了保加利亚西南部220名无关个体中16个常染色体STR位点的等位基因频率和法医参数[7]。该研究为身份鉴定和亲缘关系计算提供了区域性参考数据，并确认了多个位点的高信息量，尤其是SE33位点。更广泛地说，该研究说明了为何恰当的人群数据库对于可靠的似然比计算仍然是必要的。最后一篇贡献在另一个层面上探讨了数据解读问题。Laurent等人提出了一种基于快速傅里叶变换计算的动态似然比框架，用于DNA数据库比对[8]。该方法不依赖固定的位点计数或似然比阈值，而是根据共享位点数、数据库规模和可接受的假阳性风险来调整决策阈值。模拟结果表明，当比对数量增加时，静态标准会产生问题。作者将该框架描述为一个数学概念验证，并指出未来需要基于实际运营数据库进行验证。本专题汇集的贡献涵盖了法医遗传学工作流程的不同环节，但从中也浮现出若干实践层面的需求。新的分析工具可以提高灵敏度并扩展可回答的问题范围，但其效用取决于验证工作、适当的参考数据以及统计学模型。因此，未来的发展不仅应关注产生更多的遗传信息，还应着重于改进信息的评估方法、与其他证据的结合方式以及如何将其转化为常规法医实践。**数据可用性声明**本研究未创建或分析任何新数据。本文不适用数据共享。**利益冲突**作者声明不存在利益冲突。**免责声明/出版方声明：** 所有出版物中发表的陈述、观点和数据均为作者和贡献者个人观点，不代表MDPI和/或编辑的立场。MDPI和/或编辑不对内容中提及的任何理念、方法、指示或产品所导致的人身或财产伤害承担责任。? 2026 作者。版权所有，MDPI，瑞士巴塞尔。本文为开放获取文章，依据《知识共享署名（CC BY）许可协议》条款和条件进行分发。