用于侦查性法医基因谱系分析的二人混合样本中未知DNA图谱的直接反卷积技术

《Forensic Science International: Genetics》：Direct Deconvolution of Unknown DNA Profiles in a 2-person Mixture for Use in Investigative Forensic Genetic Genealogy

　　

摘要

我们提供了一种自动化流程，利用ForenSeq? Kintelligence?试剂盒中的SNP技术对DNA混合物进行去混叠处理，以此便于在法医遗传家谱分析数据库中开展搜索。该流程可自动完成从数据导入到结果生成的整个过程，尤其适用于Universal Analysis Software for ForenSeq Kintelligence产生的测序结果文件。它能确定DNA混合物中贡献者的数量，对于二人混合样本中的每个未知贡献者，还能估算其贡献比例、生理性别以及多个SNP位点上的基因型。此外，它还会为预测出的DNA谱型赋予概率值，从而提升去混叠结果的可靠性。通过10,000次计算机模拟实验以及55组实际DNA混合样本的测试，包括使用去混叠后的谱型在GEDmatch PRO^TM中搜索亲属关系，证明了该流程的高性能与实用性。值得注意的是，虽然该工具生成的去混叠谱型在GEDmatch PRO中能够与近亲匹配，但也存在不少误报情况。随着进一步的开发与优化，这一工具有望解决法医遗传家谱分析应用中因DNA混合样本而导致的失踪人员及犯罪嫌疑人调查难题。

引言

自2018年执法部门在针对“金州杀手”的著名刑事案件中运用法医遗传家谱分析技术以来，这一领域作为法医学的一个快速发展的分支逐渐兴起[1]、[2]、[3]。该技术将传统家谱学与法医学相结合，能够从法医样本中获取调查线索，包括那些长期未解决的案件中的样本[3]、[4]、[5]、[6]。法医遗传家谱分析通过利用面向消费者的基因家谱数据库来为未破案案件提供线索，这些数据库包含了人们自愿提供的、来自商业DNA微阵列芯片的基因数据。通过基因家谱搜索，可以找到犯罪现场样本与数据库中基因亲属之间的共享DNA片段，从而判断二者之间的亲缘关系程度，为进一步调查和家谱查找提供依据[4]、[5]、[6]。因此，法医遗传家谱分析突破了现有刑事法医数据库的限制，在国际法医界需求旺盛，为未破案案件的调查带来了新的可能。

用于基因家谱分析的基因数据存储在面向消费者的数据库中，这类数据主要是单核苷酸多态性（SNP）的结果，这是最常见且最容易识别的基因变异标记。要想利用微阵列从犯罪现场样本的DNA中生成SNP谱型，需要相对大量的完整DNA。然而据估计，有相当一部分（40-60%）的法医案例样本属于低质量、部分降解或混合类型，这给SNP谱型分析以及后续涉及身份不明遗骸、暴力犯罪和国家安全相关问题的应用带来了诸多挑战[7]、[8]、[9]。DNA测序技术的进步促使人们开发出了多种技术和工具，能够从模板量少、质量低劣的样本以及复杂的DNA混合物中提取数千个SNP的数据[8]、[9]、[10]、[11]、[12]、[13]、[14]、[15]、[16]、[17]、[18]、[19]。不过，在将DNA混合物上传到基因家谱数据库之前，必须先对其进行去混叠处理。将新的混合样本去混叠方法与法医遗传家谱分析技术结合使用，能够为更多样本的调查提供可能。近期基于SNP的混合样本去混叠方法取得了进展，其中包括概率基因分型方法，这些方法已经证明了从混合样本中推断出类似单一来源的谱型的可行性；不过，这类方法通常需要事先知道样本中的贡献者数量[17]。

本文介绍了一种自动化混合样本去混叠流程，该流程可与ForenSeq? Kintelligence?试剂盒以及GEDmatch PRO^TM（执法部门访问GEDmatch数据库的端口）配合使用，从而实现法医遗传家谱分析功能（见图1）[20]、[21]、[22]。ForenSeq Kintelligence试剂盒只需100皮克左右的基因组DNA，就能扩增10,230个SNP位点，进而生成可用于在公共基因家谱数据库中搜索的谱型，具体搜索则采用特定的算法。这款经过验证的试剂盒采用了较短的扩增子，即便DNA输入量很少、样本严重降解（DNA的降解指数为160时仍能检测到9000多个SNP）、样本来自骨骼、牙齿或毛发，或是被PCR抑制剂污染，也能正常工作[19]。该去混叠流程会使用一个文本文件，其中包含通过Universal Analysis Software扩增并测序后的样本的SNP编号、读取数量以及基因型结果。流程包含一系列自动步骤，用于预处理SNP基因型和读取数量，并估算混合物中贡献者的数量。对于预计由两名贡献者组成的混合样本，该流程还会输出每名未知贡献者的预计贡献比例、预测的生理性别以及预测的DNA谱型。那些能形成最多杂合位点的贡献者的去混叠谱型，会以标准的GEDmatch PRO报告格式呈现给用户。此外，该方法还会为预测出的SNP DNA谱型赋予概率值，直接反映这些谱型的可靠性。这一新功能有望显著改善目前因DNA混合样本而无法使用法医遗传家谱分析技术的众多案件状况。

章节节选

DNA样本

这些人类基因组DNA来自8名匿名捐赠者的血液样本（补充表1中的样本编号为IGTXXXX），这些捐赠者分别属于三种不同的生物地理祖先群体：非裔美国人、白人和西班牙裔，这些DNA样本是从Innogenomics Technologies公司（位于路易斯安那州新奥尔良市）购买的[23]。此外，还有110份基因组DNA样本，涵盖了29种不同的生物地理祖先群体，这些样本来自位于新泽西州卡姆登市的Coriell医学研究所旗下的NIGMS人类基因细胞库。还有4份口腔样本

结果与讨论

此处介绍的混合样本去混叠流程是专门为利用ForenSeq Kintelligence试剂盒中的SNP技术对二人混合样本进行去混叠处理而开发的，其目的是为了能够在法医遗传家谱分析数据库中搜索，从而获取调查线索（见图1）。该流程包含各种数学模型和算法，可用于处理在Universal Analysis Software中为未知混合样本生成的“.SnpResult.txt”文件。它能估算混合物中贡献者的数量，并筛选出适合进一步处理的二人混合样本

结论

本研究提出了一种全新的自动化DNA混合样本去混叠流程，该流程专为与ForenSeq Kintelligence试剂盒以及GEDmatch PRO数据库配合使用而设计。我们的方法借助先进的算法和机器学习模型，能够准确估算出混合物中贡献者的数量、各自的DNA贡献比例、生理性别以及基因型谱型，旨在提升在法医遗传家谱分析数据库中的搜索效率。

未来的工作将重点在于进一步完善

CRediT作者贡献说明

Joana Antunes： 文章撰写——审阅与编辑、文章撰写——初稿撰写、数据整理。June Snedecor： 调查研究、正式分析、概念构思。Gothami Padmabandu： 文章撰写——审阅与编辑、项目管理、调查研究、概念构思。Kathryn Stephens： 文章撰写——审阅与编辑、项目管理。Sarah Radecke： 文章撰写——审阅与编辑、文章撰写——初稿撰写、可视化处理、正式分析、数据整理。Philip Fremont-Smith： 可视化处理、调查研究，

利益冲突声明

作者们声明存在以下可能被视为潜在利益冲突的财务利益/个人关系：Sarah Radecke、Joana Antunes、June Snedecor、Gothami Padmabandu和Kathryn Stephens均为QIAGEN公司（位于马里兰州杰曼敦市）的员工。

致谢

作者们还要感谢Darrell O. Ricke在帮助开发这些方法过程中所提供的指导。

Chelsea Lennartz|Sarah Radecke|Philip Fremont-Smith|Adam Michaleas|Martha Petrovick|Joana Antunes|June Snedecor|Gothami Padmabandu|Kathryn Stephens|Natalie Damaso

麻省理工学院林肯实验室，马萨诸塞州列克星敦市