《FASEB BioAdvances》：Challenging Patterns of Fine-Scale Genetic Structure in Galicia and East-to-West Genetic Divergence Across the Iberian Peninsula—When Technical Batches Rewrite History
编辑推荐：
Bycroft等人于2019年发表的一项具有影响力的研究报告称，在加利西亚（伊比利亚半岛西北部）的一个小区域内存在极其显著的超精细尺度遗传结构。使用fineSTRUCTURE对ChromoPainter共祖图谱进行聚类分析，作者识别出多个内部连贯的聚类，这些聚
Bycroft等人于2019年发表的一项具有影响力的研究报告称，在加利西亚（伊比利亚半岛西北部）的一个小区域内存在极其显著的超精细尺度遗传结构。使用fineSTRUCTURE对ChromoPainter共祖图谱进行聚类分析，作者识别出多个内部连贯的聚类，这些聚类具有高水平的组内单倍型共享以及与邻近群体减少的共享特征。在更广泛的国家尺度上，他们还报告了整个伊比利亚半岛存在显著的东西向遗传分化和南北向同质性，他们主要将这些模式归因于与8至15世纪基督教王国逐渐领土扩张相关的人口移动，即初始伊斯兰征服之后的历史事件。几项后续研究采用了类似的解释，但都依赖于相同的遗传资源，即EPICOLON Phase I队列。在对Bycroft等人的研究进行详细重新审查后，研究人员发现了多个方法学问题，最值得注意的是与EPICOLON中未说明的批次效应相一致的信号，其中一些信号在早期研究中已被作者认识到。相反，研究人员强调了基于独立基因组数据集的最新分析，这些分析一致报告了加利西亚以及伊比利亚中部和南部地区存在高度的遗传同质性，且没有证据支持整个伊比利亚半岛存在显著的东西向遗传分化。此外，最近的研究记录了伊斯兰统治时期之前伊比利亚半岛（尤其是加利西亚）受到的北非人口影响，从而挑战了Bycroft等人提出的历史解释。研究人员还表明，虽然fineSTRUCTURE是用于检测微妙群体分层的强大工具，但它可能对技术混淆因素高度敏感，这可能会放大或扭曲推断出的聚类模式。本研究表明，技术伪影可以强烈影响fineSTRUCTURE推断出的精细尺度群体结构，强调了需要严格的质量控制以及对高度解析的遗传聚类进行谨慎解释。
研究人员针对Bycroft等人于2019年发表的一项关于伊比利亚半岛群体遗传学的研究进行了深入探讨。Bycroft等人的研究曾指出，在西班牙的加利西亚地区（特别是庞特韦德拉省）存在超精细的遗传结构，并报告了整个伊比利亚半岛呈现出东西向的遗传分化而南北向则保持同质性的现象。Bycroft等人将这种遗传模式归因于8至15世纪间基督教王国在收复失地运动期间的领土扩张和人口迁移。该研究发表后引起了广泛的学术关注。然而，后续Pimenta等人和Ferreiro等人的研究虽然在独立报告中支持加利西亚具有独特的遗传性，但它们同样依赖于EPICOLON Phase I队列数据集。研究人员敏锐地注意到这些现象，并怀疑这些所谓的历史和地理遗传模式可能深受到样本技术批次效应的影响。如果原始数据本身存在缺陷，那么所有基于该数据集衍生的历史解释都将受到系统性偏差的严重影响。因此，开展独立验证并重新评估这些超精细遗传结构的真实性具有极其重要的学术意义。这项研究最终发表在《FASEB BioAdvances》上，该研究得出结论：技术伪影可以强烈影响由fineSTRUCTURE推断出的精细群体结构，强调了对于高度解析的遗传聚类结果必须经过严格质量控制和谨慎解释。
研究人员主要利用了两个独立的全基因组数据集来验证群体结构。一个是GALOMICS（GAL）全基因组测序（WGS）数据集，样本为具有深度本地血统的农村队列；另一个是来自西班牙国家DNA库的NDNAB-PS基因分型数据集。在分析方法上，主要依赖ChromoPainter和fineSTRUCTURE软件来构建基于单倍型共享相似度的共祖矩阵和聚类系统树，并辅以主成分分析（PCA，一种降维统计方法）来评估传统方差标准化关系与单倍型共享矩阵的差异。此外，通过将不同技术平台处理的数据集进行合并以模拟批次分化。
2.1 The EPICOLON Phase I Dataset and Technical Issues
通过对EPICOLON Phase I队列的重新审查，研究人员发现该数据集存在关键的元数据模糊问题，特别是样本招募中心的信息缺失。EPICOLON数据是由Fernández-Rozadilla等人在之前的研究中分23个独立批次处理产生的，这种基于医院来源的批次处理极易引入群体分层的系统性偏差。Bycroft等人在使用该数据集推断出145个不同遗传聚类时，并未充分处理这些批次效应，而fineSTRUCTURE工具对这种由技术引入的微妙分层极为敏感。
2.2 Main Anomalies in the Bycroft et al. (2019) Study
2.2.1 Artificial Ultra-Fine-Scale Stratification in Pontevedra, Galicia
在加利西亚的庞特韦德拉省，Bycroft等人报告了密集的遗传聚类。然而研究人员细致检查发现，超过72%的推断聚类和内部分裂仅仅集中在这一极小的区域内，且推断出的聚类数量甚至超过了满足地理限制标准的实际采样个体数量。结合该地区作为重要港口和历史上基督教中心的连通性特征，这种极端的遗传孤立说法与历史和地理现实严重不符。此前Fernández-Rozadilla的博士论文已记录了样本处理过程中的化学和程序性问题。因此，技术批次效应比真实的历史或地理因素能更合理地解释这一异常的超微尺度遗传分层。
2.2.2 Sample Quality Issues and National-Level Genetic Patterns
在全国尺度上，Bycroft等人描述的遗传模式同样存在技术偏差的嫌疑。他们报告的“中部”聚类和“西部”聚类在地理分布上表现出与实际地理位置不符的奇特单倍型共享现象。例如，被分配到“西部”聚类的样本与遥远的加泰罗尼亚样本表现出更近的遗传关系，研究人员推测这可能是因为这些样本在相同的医疗机构（如Hospital de Donostia）进行了处理。此外，作者在地图上将107个缺乏生物地理信息的葡萄牙样本随机散布，并人为赋予其与加利西亚主聚类相同的颜色，这不仅掩盖了庞特韦德拉的极端碎片化描述，还强行制造了一条从北到南同质化的虚假纵向遗传模式。
2.2.3 Sampling Bias and Its Impact on Results
研究还揭示了明显的城乡采样偏差。Bycroft等人的数据在加泰罗尼亚等地区过度集中于巴塞罗那等大城市，而加利西亚和巴斯克地区则偏重于偏远农村。这种由于城乡人口祖源多样性差异带来的不平衡采样策略，没有在研究得到说明和处理，可能人为放大了某些区域的遗传结构表现。由于西班牙的省份名称常与首府城市同名，这种粗糙的地理分辨率分配可能导致了进一步的群体结构误判。
2.2.4 Issues With Basque (And Other) Genetic Assignments
数据集中出现了居住在巴斯克地区之外的个体被错误归类为巴斯克遗传聚类的情况。若要满足此分类，需假设这些个体在巴斯克范围外保持多代无 admixed（混血）的血统，这在历史上极不可能。更合理的解释是，这些样本与真正的巴斯克样本在同一批次进行处理，从而引入了系统性技术偏差而获得了虚假的聚类分配。
2.3 Most Recent Analyses Contradict Bycroft et al. (2019) Findings
最新的独立高分辨率全基因组测序数据和古代DNA分析直接反驳了Bycroft等人的结论。Pardo-Seco等人利用GAL WGS数据集在加利西亚仅识别出10个末端分支聚类（其中5个具有统计学意义），与Bycroft声称的超过105个聚类形成鲜明对比。在国家尺度上，Pardo-Seco的研究发现伊比利亚半岛中南部更多呈现的是从东到西跨度广阔的一个主要聚类，而非东西向的明显分化。此外，古代DNA证据表明，伊比利亚半岛的北非血统早在罗马时期即已存在，早于伊斯兰统治和收复失地运动，彻底挑战了Bycroft等人关于北非祖源是由基督教扩张带入的历史假设。
2.4 fineSTRUCTURE Might Be Highly Sensitive to Genetic Stratification, Whether Real or Artificial
通过计算机模拟实验，研究人员证实fineSTRUCTURE对样本量具备一定鲁棒性，能承受样本缩减而保持树拓扑的连贯性。然而，当合并使用不同技术平台和管线处理的数据集以模拟批次效应时，fineSTRUCTURE表现出极高的技术敏感性。合并后的Galician样本因技术批次不同被强行分离至系统树最深处的内部节点，而非根据真实的生物地理邻近性聚类，且推断出的聚类数量大幅膨胀。这表明该软件在无法被PCA等标准质控方法检测到的隐性技术差异面前，极易生成虚假的群体结构。
在讨论部分，研究人员总结道，Bycroft等人于2019年报告的关于加利西亚及整个伊比利亚半岛的超精细群体结构和东西向遗传分化，很可能是由于未得到妥善处理的技术批次效应和采样偏差造成的伪影。基于单倍型的共祖矩阵在变异检测、样本处理和插补过程中极易受到系统性偏差的干扰，而fineSTRUCTURE由于对细微信号的高敏感度，恰好放大了这些技术伪影。最新的古代DNA和独立全基因组数据不仅未能复现这些极端的遗传分层，反而表明北非等外部祖源对伊比利亚北部的影响远早于伊斯兰统治和基督教扩张时期。该研究明确指出，这并不是要完全否认精细尺度群体结构的存在，而是强调任何关于微观遗传分化的声明都必须建立在经过严格技术控制的基础上，并获得独立数据集的验证。未来的群体遗传学研究在应用高灵敏度算法时，必须强调方法学的透明度并警惕技术噪音对真实历史遗传模式的“重写”。
