Популяционная принадлежность — далеко не единственный фактор, определяющий этническую самоидентификацию человека. Однако выявить корреляцию между этническими группами и структурой генома их представителей все-таки возможно. Такой анализ применяется как в научных и медицинских целях, так и для изучения собственных корней. Вопрос определения идентичности по ДНК часто волнует тех, кто ищет свои еврейские корни. Но не только.
Популяционные группы в генетике
Анализ популяционной принадлежности человека по ДНК, по нашему опыту, вызывает у публики три больших вопроса: можно ли связывать между собой гены и этнические группы, как происходит анализ происхождения с технической точки зрения, и умеют ли генетические тесты «определять евреев». Почему-то именно вопрос определения идентичности по ДНК особенно волнует как тех, кто имеет неоспоримые свидетельства о принадлежности к еврейскому этому народу, так и тех, кто только начал поиски своих корней.
Современные биологи подходят к вопросу генетических различий между популяциями с осторожностью: использование терминов «раса» и «этническая принадлежность» в исследованиях активно обсуждается и нередко осуждается. Были попытки ввести правила, заставляющие обосновывать необходимость использования «скользких» категорий и уточнять, что именно понимается под конкретными терминами. В 2016 году один из самых авторитетных естественно-научных журналов, Science, предложил отказаться от использования термина «race» в генетических исследованиях, заменив его более корректным и нейтральным «ancestry» — «происхождение».(1)
Но даже в условиях неопределенности с терминами делить человечество на популяционные группы по-прежнему приходится: в частности, для корректного проведения клинических испытаний лекарств и оценки риска заболеваний. У одинаковых, в целом, генов нашлись слегка отличающиеся аллельные варианты, связанные с риском заболеваний (2), метаболизмом лекарств (3), ответом организма на условия окружающей среды (4), и эти варианты встречались в различных популяциях с различной частотой. Например, три аллельных варианта гена NOD2 — R702W, G908R и 1007fs — связаны с повышенным риском болезни Крона у американцев европейского происхождения (5,6), однако, ни один из этих вариантов не ассоциирован с болезнью Крона у японцев (7). Известны аллели гена CCR5, влияющие на скорость развития иммунодефицита у ВИЧ-инфицированных больных (8): среди них был найден вариант, замедляющий прогрессирование болезни у американцев европейского происхождения, но ускоряющий ее развитие у афроамериканцев (9). У азиатов обнаружили корреляцию между полиморфизмами гена белка p53, регулирующего стрессовый ответ и подавляющего развитие опухолей, и среднезимними температурами в местах обитания популяций — генетическую адаптацию к морозам (10). И если в прошлом для разбиения выборки на этнические группы использовались исключительно сведения, сообщенные самими участниками, в постгеномную эру их все чаще дополняют и уточняют генетической оценкой происхождения испытуемого.
Генетические вариации между популяциями
В повседневной жизни мы делим людей на группы по внешности или языку общения. Большинство датчан похожи друг на друга больше, чем каждый из них — на итальянца (вот классная визуализация с усредненными портретами разных народностей). Датчане и итальянцы куда ближе между собой, чем каждый из них — к жителям суб-сахарской Африки: человеческие фенотипы кластеризованы по географическому паттерну. Распределение генотипов имеет похожую структуру: члены локальной группы, как правило, имеют более тесные родственные связи, чем жители отдаленных областей, а популяции, населяющие один регион, более близки, чем те, чьи места обитания разделены географическими барьерами (например, горной грядой или водным массивом).
При этом генетическое разнообразие человеческой популяции ниже, чем у многих биологических видов. Объясняют это тем, что человечество — вид молодой: у отдельных групп было относительно немного времени, чтобы аккумулировать отличия. Два случайно выбранных человека отличаются друг от друга каждым из ~1000 нуклеотидов, тогда как два шимпанзе не совпадают раз в ~500 «букв». И, тем не менее, в сумме в человеческом геноме есть около 3 миллионов потенциальных «точек расхождения». Большинство таких несоответствий, называемых однонуклеотидными полиморфизмами (single nucleotide polymorphism, SNP), нейтрально или практически нейтрально, однако часть из них и отвечает за фенотипические отличия между людьми.
Распределение нейтральных полиморфизмов (так как они не несут биологического смысла, то и направленному эволюционному отбору не подвергаются, разносятся ветром миграций) в мировой популяции отражает демографическую историю нашего вида. Генетические и археологические данные указывают на то, что в последние 100 000 лет размер человеческой популяции значительно вырос. Люди расселялись за пределы Африки, колонизируя остальной мир. Процесс расселения влиял на географическое распределение аллелей двумя путями: во-первых, сказывался «эффект основателя» — в популяции переселенцев, как правило, была представлена только часть генетических вариантов из всего пула разнообразия их в предковой популяции; во-вторых, происходило так называемое «ассортативное скрещивание», т.е. пары образовывались преимущественно внутри своей группы, что ограничивало распространение существующих и возникающих de novo полиморфизмов среди особей, населявших различные географические области. Эти процессы вели к постепенному накоплению генетических различий.
В контексте популяционных групп геномные маркеры начали изучать в 70-х — 80-х годах, в 90-е их стали использовать для выявления популяционной принадлежности конкретного человека. Исследователи снова и снова демонстрировали, что генетические полиморфизмы позволяют успешно выделить популяционные группы и определить групповую принадлежность индивидуума. Тогда же показали, что люди, живущие на одном континенте, как правило, ближе друг к другу генетически, чем люди с различных континентов. Поначалу в таких исследованиях информация о месте рождения, расе, этнической группе была известна с самого начала и использовалась совместно с генетическими данными; если же испытуемые распределялись по кластерам «вслепую», исключительно на основе генетических признаков, соответствие между географическим происхождением, этнической принадлежностью и популяционной структурой было менее явным. Как показали дальнейшие исследования, успех зависел от используемых генетических маркеров и их количества (больше — лучше), корректного выбора референсных популяций и других факторов (11).
К 2004 году в США генетическое определение популяционной принадлежности применялось не только в биомедицинских исследованиях, но и в расследованиях преступлений: вот эта статья из Nature содержит захватывающую историю о том, как полицейские, отчаявшись найти преступника, заказали ДНК-тест в коммерческой компании, определились с цветом кожи подозреваемого и раскрыли дело. Предложения по анализу генетического происхождения удачно попали в волну повального интереса людей к собственному прошлому. «Roots mania», так назвали это увлечение в статье в Time, посвященной «America's latest obsession» — генеалогическим исследованиям.
Активно применяют геномные методы специалисты, изучающие происхождение и эволюцию народов. Например, в 2013 году международная команда исследователей использовала генетический анализ для опровержения гипотезы происхождения евреев-ашкеназов от хазар (12). Набор геномных данных, использованный авторами, находится в открытом доступе: в нем представлено более 100 мировых популяций. Предлагаем вместе с нами смоделировать небольшое исследование: определить место клиентов Genotek в этой выборке, а заодно разобраться в технических деталях определения популяционной принадлежности.
В 2013 году международная команда исследователей использовала генетический анализ для опровержения гипотезы происхождения евреев-ашкеназов от хазар. Набор геномных данных, использованный авторами, находится в открытом доступе: в нем представлено более 100 мировых популяций. Предлагаем вместе с нами смоделировать небольшое исследование: определить место клиентов Genotek в этой выборке, а заодно разобраться в технических деталях определения популяционной принадлежности.
Определить место клиентов Genotek среди референсных популяций. Выяснить, есть ли в нашей выборке представители евреев-ашкеназов. Продемонстрировать принципы и методы анализа популяционной принадлежности отдельного человека.
Обработать данные генотипирования 722 испытуемых программой ADMIXTURE, используя в качестве обучающей выборки набор данных из работы Behar et al., 2013.
Всего у нас 2 496 образцов/индивидов, каждый из которых относится к одной из 106 современных популяций. Мы предполагаем, что современные популяции, скорее всего, произошли от относительно небольшого числа предковых популяций. «Предковые популяции» в таком анализе — это некие древние геномные кластеры, объединенные по принципу генетического сходства. ADMIXTURE позволяет как произвольно выдвигать предположения о числе таких кластеров в выборке, так и подбирать оптимальное их количество, наиболее корректно описывающее реальное распределение геномных данных.
Получив сведения о генотипах и предположительное количество «предковых» популяций (К), ADMIXTURE строит модель, оценивающую вклад каждой из «предковых» популяций в каждый образец. При интерпретации данных важен как количественный состав генома (процентное соотношение кластеров), так и качественный — их наличие или отсутствие в конкретных геномах. На основании этих данных можно делать предположения об эволюционных процессах в популяции, в частности, о наличии или отсутствии общих «корней» у популяционных групп. Однако выводы будут легитимны в том случае, если построенная нами модель хороша: подобрано оптимальное значение К.
Как определить, какое количество «предковых» популяций наиболее точно соответствует истинному для данной выборки? Эмпирическим путем!
ADMIXTURE — умная программа: строя модель генетической структуры популяций на основании данных о генотипах индивидов (оценивая вклад каждого из древних геномных кластеров в каждый из геномов выборки) для заданного числа К, она не забывает в конце провести сравнение с реальностью. Проверить, насколько хорошо входные данные описываются построенной моделью. Мерой сравнения служит «ошибка» — величина, описывающая несоответствие между моделью и реальными данными. Чем больше ошибка, тем хуже предположение о количестве предковых популяций соответствует действительности.
Как выбрать оптимальное значение К? Запускаем алгоритм ADMIXTURE на данной выборке, подставляя разные значения К, и получаем для каждого К свою величину ошибки. Строим график зависимости величины ошибки от К. Вот какой график получился у авторов статьи:
Если же минимума на графике не обнаруживается (функция постоянно растет или убывает), придется строить модели, выбирая новые К, до тех пор, пока не удастся найти нужное.
Даже при оптимально подобранном К достоверность результатов анализа зависит от корректности выборки:
1. Индивидуумы не должны быть родственниками друг другу. 2. Однонуклеотидные полиморфизмы (SNP), по которым производится генотипирование, должны быть равномерно распределены по геному с достаточно высокой плотностью. 3. Аллели SNP должны находиться в равновесном сцеплении, то есть вероятность наличия данного аллеля у конкретного индивида должно зависеть только от частоты этого аллеля в популяции, но не от других аллелей в геноме.
Как видно из графика, оптимальное К для данной выборки составило 10 «предковых» популяций.
Результаты
Результаты анализа ADMIXTURE визуализирует вот так (на рисунке видна только часть данных):
Каждому кластеру соответствует свой цвет, а популяции отличаются (или не отличаются) долями кластеров в геноме.
В целом, внутри «популяции» Genotek соотношение кластеров ожидаемо соответствует паттерну, характерному для популяций восточно-европейского происхождения. Интересное начинается на уровне отдельных образцов:
Хотя точно наиболее близкую данному образцу популяцию определяют по численным значениям, немало информации можно получить и путем визуального сравнения паттернов. Предлагаем вам самостоятельно определить наиболее близкие популяции для образцов четырех клиентов Genotek с картинки и свериться с ответом в конце статьи.
Всего среди 722 образцов мы нашли 9 евреев-ашкеназов.
Заключение
Популяционная принадлежность — далеко не единственный фактор, определяющий этническую самоидентификацию человека. Однако выявить корреляцию между этническими группами и структурой генома их представителей все-таки возможно. Такой анализ применяется как в научных и медицинских целях, так и для изучения собственных корней всеми желающими. При этом важно понимать, что модели постоянно совершенствуются, а полученные результаты для большей точности нужно рассматривать совместно с другими данными, например, семейным генеалогическим древом.
Свидетельств хазарского происхождения ашкеназов авторами исходной статьи обнаружено не было. Генетические тесты, безусловно, «умеют» определять евреев — однако не нужно забывать, что и «еврейство» — это, прежде всего, состояние души.
В ближайшее время в Genotek запустится обновленный ДНК-тест «Генеалогия» с расширенными результатами: доведем число популяций до сотни, добавим еврейские популяции. Обновим информацию в личном кабинете для всех, кто когда-либо передавал нам свой генетический материал. Если вы все еще не отгенотипированы, приглашаем присоединиться.
P.S. Ответ на задачку. На картинке образцы 1 и 2 имеют азиатское происхождение: преобладание розового кластера характерно для японцев и и народности хан в нашей выборке, синего — для якутов, третий образец демонстрирует соотношение компонентов, характерное для русских, белорусов, украинцев и поляков, а четвертый — типичный еврей-ашкеназ.
Впервые опубликовано в блоге компании на Geektimes 5.04.2017
Список литературы:
- Yudell M., Roberts D., DeSalle R., Tishkoff S.(2016). Taking race out of human genetics. Science.
- Collins F.S., McKusick V.A. (2001). Implications of the Human Genome Project for medical science. JAMA.
- Nebert D.W., Menon A.G. (2001) Pharmacogenomics, ethnicity, and susceptibility genes. Pharmacogenomics J.
- Olden K., Guthrie J. (2001). Genomics: Implications for toxicology. Mutat. Res.
- Ogura, Y. et al. (2001). A frameshift mutation in NOD2 associated with susceptibility to Crohn's disease. Nature.
- Hugot, J. P. et al. (2001). Association of NOD2 leucine-rich repeat variants with susceptibility to Crohn's disease. Nature.
- Inoue, N. (2002). Lack of common NOD2 variants in Japanese patients with Crohn's disease. Gastroenterology.
- Martin, M. P. et al.(1998). Genetic acceleration of AIDS progression by a promoter variant of CCR5. Science.
- Gonzalez, E. et al.(1999). Race-specific HIV-1 disease-modifying effects associated with CCR5 haplotypes. Proc. Natl Acad. Sci. USA.
- Shi, Hong et al. (2009). Winter Temperature and UV Are Tightly Linked to Genetic Changes in the p53 Tumor Suppressor Pathway in Eastern Asia. American Journal of Human Genetics.
- Bamshad M., Wooding S., Salisbury B. et al. (2004).Deconstructing the relationship between genetics and race. Nat Rev Genet.
- Behar D.M. et al. (2013). No Evidence from Genome-Wide Data of a Khazar Origin for the Ashkenazi Jews. Human Biology.
- Foster M., Sharp R. (2002). Race, Ethnicity, and Genomics: Social Classifications as Proxies of Biological Heterogeneity. Genome Res
