IBDKinship：一种基于LR的亲缘关系分析方法，可用于分析第七代以内的远亲关系，利用IBD片段进行分析

《Forensic Science International: Genetics》：IBDKinship: An LR-based kinship analysis method for distant relatives up to the seventh degree using IBD segments

　　摘要：在法医遗传学中，亲缘关系分析对于确定生物学上的亲属关系至关重要，其应用范围广泛，包括亲子鉴定、失踪人员识别以及灾难受害者识别。基于STR的方法在处理一级亲属及部分二级亲属等近亲关系时表现良好，但对于三级及以上的远亲关系，其分辨能力则显著下降。为为远亲关系分析提供补充的全基因组证据，我们开发了IBDKinship这一新的似然比方法，该方法既可用于亲缘关系推断，也可用于相关检测。该算法能够同时建模身份遗传片段的数量、长度以及其在染色体上的分布情况，从而提升不同亲缘关系程度下的分辨能力。我们利用1000基因组计划中的模拟家系数据对该方法进行了评估，这些数据中的变异仅来自Illumina全球筛查阵列标记集，涵盖了从一级到七级的亲缘关系。在亲缘关系推断方面，该方法对近亲具有很高的准确率，且在较远的亲缘关系程度上也能保持一定的分辨能力。具体而言，其对一级亲属的推断准确率为100%，二级亲属为99.32%，三级亲属为92.99%；而四级至七级亲属的准确率分别为78.29%、61.68%、46.05%和59.08%。在亲缘关系检测方面，即区分有亲缘关系的个体与无亲缘关系的个体时，该方法在四级亲缘关系以内具有100%的敏感性、特异性和有效性，五级和六级亲缘关系的有效性保持在99%以上，七级亲缘关系的有效性为95.90%。总体而言，该方法为全基因组范围内的身份遗传片段证据提供了基于似然的权重分配框架，且在高质量基因型数据以及较近到中等距离的亲缘关系中表现最为出色。

引言：亲缘关系分析是确保司法公正和行政决策公平性的重要基础，在诉讼、继承纠纷、失踪人员调查以及刑事案件处理等方面有着至关重要的应用[1]、[2]、[3]、[4]、[5]、[6]。基于DNA的方法是现代亲缘关系分析的核心，其中常染色体短串联重复序列标记因具有较高的多态性、稳定性以及完善的统计分析体系而被广泛采用[7]。特别是在处理父母与子女等近亲关系时，基于STR的方法能够实现非常高的准确率。在亲子鉴定中，排除概率一直保持在99.99%以上，这进一步证明了STR分析作为常规亲缘关系分析的法医金标准地位[8]。尽管STR方法在识别近亲关系方面效果显著，但随着亲缘关系程度的增加，它们也存在固有的局限性。这些局限性源于可用的信息位点数量有限，以及相对较高的突变率所带来的干扰效应，据报道，每个位点每代的大约突变率为0.1%[9]。基于STR标记的系统性评估表明，一级亲属及部分二级亲属可以被准确识别，而即使是使用高分辨率的STR数据，三级亲属（如表兄弟）的识别效率仍然较低[10]、[11]。这些局限性限制了STR标记在需要检测远亲关系的场景中的应用，比如历史人类遗骸的识别以及战争伤亡人员的确认[12]、[13]。

所有的亲缘关系分析方法本质上都基于同一个生物学原理，即亲属之间会继承相同的染色体物质。不同方法的主要区别在于所使用的遗传标记的类型和密度，以及如何从统计学角度对身份遗传信息进行建模。基于STR的方法是通过少量高度多态性的位点上的等位基因模式来推断亲缘关系，而全基因组范围内的高密度SNP数据则可以让我们直接检测到染色体上共享的身份遗传片段。因此，这类高密度的SNP数据为基于特定片段的亲缘关系推断和检测提供了基础。正是基于此，为了克服STR标记在远亲关系分析中的低分辨能力，那些能够充分利用身份遗传信息的基于SNP的方法越来越受到关注[14]。与主要通过单个位点上的等位基因模式来推断亲缘关系的STR方法不同，身份遗传片段分析更侧重于利用从共同祖先那里继承来的共享基因组片段的数量和长度，而非单个位点上的等位基因状态[15]。由于能够整合全基因组信息，基于身份遗传的方法在理论上可应用于各种生物亲缘关系，其应用范围远远超出了传统基于STR的检测方法。近年来，计算技术的进步催生了多种高效的身份遗传检测工具，如GERMLINE[16]、RaPID[17]、IBIS[18]、LocalNgsRelate[19]和IBDKin[20]，这些工具能够处理未分型的基因型数据以及低覆盖度的测序数据。在这些工具的基础上，诸如ERSA[21]和RAFFI[22]之类的亲缘关系推断方法利用身份遗传片段来推断家族关系，并且已证明其在处理高达八级亲缘关系时具有很高的准确率[23]，在远亲关系分析方面的表现始终优于基于STR的方法[24]。还有更多研究将基于身份遗传的亲缘关系推断技术应用于复杂的古代基因组研究领域。通过分析低覆盖度的古代人类DNA，人们成功利用共享的身份遗传片段重建了跨越多代的生物亲缘关系，所能检测到的亲缘关系程度可达四级或六级[25]、[26]。

然而，目前大多数基于身份遗传的方法都集中在亲缘关系估算或法医家谱构建方面，而非基于正式假设的亲缘关系检测[27]。这种研究重点与法医证据标准存在差异，因为法医证据标准要求在似然比框架内对预定义的假设进行明确检测（例如H1：存在特定亲缘关系；H2：无亲缘关系），同时还需有包括敏感性和特异性在内的可量化性能指标[28]。由于缺乏用于基于假设的亲缘关系检测的集成统计框架，目前的身份遗传方法在需要得出法庭可接受的结论以及精确确认亲缘关系的法医实践中，其直接应用能力受到了限制。为解决这些问题，我们提出了IBDKinship，这是一种基于似然比的框架，它将共享身份遗传片段的数量和长度纳入到正式的亲缘关系假设检测之中。该框架能够按照法医证据标准，对不同的竞争性假设进行明确比较，例如某种特定程度的亲缘关系与无亲缘关系之间的对比。通过将身份遗传片段信息与基于假设的统计模型相结合，该框架提升了身份遗传分析在法医亲缘关系评估中的应用范围，并能提供可解释的、法庭可接受的性能指标。我们使用涵盖从一级到七级亲缘关系的模拟家系数据对该方法的性能进行了评估。此外，还利用Illumina全球筛查阵列基因型数据对该框架进行了性能测试，并将其与传统的基于STR的分析方法以及其他常用的亲缘关系推断方法在多种不同的亲缘关系场景下进行了比较。

数据资源：本研究使用了1000基因组计划提供的基因组数据，具体来说是纽约基因组中心生成并优化过的已分型VCF文件，其中包含大约8000万个高质量变异位点[29]。该数据集包含了第三阶段研究组中的2504名无亲缘关系的个体，代表了整个1000基因组计划的研究群体。所有的基因序列都比对到了GRCh38参考基因组上。在后续分析中，只保留了双等位基因变异。为了模拟基于阵列的基因分型数据，我们研究了不同亲缘关系类别下的身份遗传片段共享模式。图2和表2展示了RaPID-Query在具有不同亲缘关系类别的模拟配对中检测到的共享身份遗传片段的数量和总长度的分布情况。一级亲属（父母与子女以及同父同母/同父异母兄弟姐妹）的平均总身份遗传长度相似，分别为3595.79 cM和3578.06 cM，但在片段数量和变化程度方面存在明显差异。父母与子女之间的配对平均片段数量较少（43.83个），且总身份遗传长度非常稳定（方差为49.14）。

讨论：在法医遗传学中，检测生物亲缘关系是一项核心任务[41]，它在法律诉讼[42]、人道主义救援[43]以及人口研究[44]等领域都有重要应用。由于具有较高的杂合度和完善的统计分析体系，基于STR的方法长期以来一直主导着法医实践[45]、[46]、[47]。虽然基于STR的方法在一级和二级亲缘关系检测中极为有效，但其区分能力会随着亲缘关系程度的增加而显著下降。

结论：总而言之，IBDKinship是一种基于身份遗传片段的新颖似然比框架，它为基于片段的证据在亲缘关系推断以及基于似然比的亲缘关系检测中提供了系统的权重分配方式。该方法在处理高质量的全基因组基因型数据时表现优异，尤其适用于基于似然比的正式亲缘关系检测以及近亲到中等距离亲属间的亲缘关系推断。不过，对于质量较差、覆盖度低的法医样本，该方法的应用还需进一步研究。

CRediT作者贡献说明：陈建超：写作——审阅与编辑、写作——初稿撰写、验证、软件开发、方法设计、研究实施、正式分析、数据整理、概念构思。季贤超：写作——审阅与编辑、验证、监督、方法设计、正式分析、概念构思。池连江：验证、软件开发、方法设计。熊明明：写作——审阅与编辑、研究实施、正式分析、数据整理。吴兰：验证、方法设计。傅民聪：写作——审阅与编辑。

利益冲突声明：作者声明自己没有已知的可能影响本文研究的财务利益或个人关系。

陈建超|季贤超|池连江|熊明明|吴兰|傅民聪|杨帆|张苏华|李成涛|陈华
中国上海200032，复旦大学法医科学研究所