2024年01月22日，生物信息学专业期刊Briefings In Bioinformatics在线发表了杏鑫徐书华教授团队和北京交通大学倪旭敏副教授团队题为“Reconstructing complex admixture history using a hierarchical model”的研究成果。该项工作提出了一种新方法HierarchyMix➜，相对于传统方法通常只能推断人群基因交流中两种祖源的情形，HierarchyMix可重构多至四种祖源的复杂遗传混合历史☎，并应用于我国西北及中亚地区人群的复杂历史研究。
我国西北及中亚地区位于欧亚大陆中心，涉及多种文化、民族和宗教，对促进欧亚大陆经济、文化以及遗传交流起着十分重要的作用。该地区的人群长期受到迁移、隔离以及不同祖源人群混合事件的影响，形成了丰富的遗传地貌。先前的研究表明🤸🏿，我国西北及中亚地区的混合人群中主要包含西欧、南亚💶、东亚以及西伯利亚四种祖源，其混合历史呈现出较为复杂的“混合之混合”模式，即西欧人群与南亚人群发生混合形成一个初始混合人群，东亚人群与西伯利亚人群发生混合形成另一个初始混合人群🏌🏼♀️，之后这两个初始混合人群进一步发生基因交流，形成当今的我国西北及中亚混合人群👏🏿。然而，现有的方法和工具均无法对如此复杂的混合模式进行有效的重构和解析。
该项研究首次提出了“层级混合模型（Hierarchical admixture model，HA model）”以描述复杂遗传混合模式，并开发了HierarchyMix方法对人群复杂混合历史进行重构和解析🍶。HierarchyMix方法主要考虑两类混合模型：层级混合模型和次序混合模型（Sequential admixture model，SA model）（图1）。这两类模型的不同之处在于层级混合模型为四个祖先人群先两两混合分别生成两个初始混合人群，之后两个初始混合人群进一步发生基因交流形成近期混合人群😞👌🏽，而次序混合模型则为每一个祖源人群依次发生遗传混合，从而形成最终的混合人群。由于两类模型中每个祖源群体都只贡献了一次主体混合，混合人群基因组中祖源片段长度分布服从单一指数分布🎖，因此无法直接通过祖源片段长度分布模式来区分这两类模型🦹🏿♀️。幸运的是👛，团队研究发现不同的混合模式🧑🔧，混合人群基因组中祖先间跳转数量分布在不同遗传混合历史过程中存在差异（图2）🧑🚒。
https://academic.oup.com/bib/article/25/2/bbad540/7584785?login=false
图 1. 层级混合模型与次序混合模型
图 2. 不同模型下祖源片段长度分布和祖先间跳转数量分布差异及模型选择
图 3. HierarchyMix算法流程示意图