IF50.5｜Twigstats时间分层解析中世纪早期欧洲基因组史

新方法Twigstats让f统计量效能提升一个数量级，揭示铁器时代欧洲两次大规模北欧血统扩张。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

古DNA研究已能重建史前人群扩张与混合，但历史时期（如铁器时代至维京时代）的遗传史仍难以解析。原因在于中北欧人群间遗传分化极低（FST仅0.1–0.7%），远低于石器/青铜时代主要祖先成分间的5–9%。此前研究多依赖现代人群作为参照，但现代人群与古个体间的亲缘关系可能受后期基因流混淆，导致偏差。最严谨的做法是使用早于或同时期的古基因组作为来源和参照，但古基因组样本量小、质量低，统计功效不足。基于单倍型或稀有变异的方法虽能提高功效，但无法直接整合进无偏的f统计量框架，且稀有变异方法在有效群体大小变化时会产生偏差。因此，亟需一种既能利用近期共祖信息、又能保持无偏性的新方法。

科学问题

卡在哪里： 现有基于SNP的f统计量方法对亲缘关系极近的群体区分能力不足，而基于单倍型或稀有变异的方法要么无法与f统计量框架兼容，要么在群体历史复杂时产生偏差。此外，古基因组数据量少质低，进一步限制了统计功效。

本文要回答： 开发一种时间分层、无偏且高功效的祖先分析新方法，并应用于中世纪早期欧洲，重建铁器时代至维京时代的精细遗传史。

技术路线

作者主要用了：Twigstats、Relate谱系推断、f统计量、qpAdm、MDS、稳定同位素。

作者首先开发了Twigstats方法：利用Relate推断的全基因组谱系，仅保留近期共祖分支（“twigs”）来计算f统计量，从而在不引入偏差的前提下大幅提升统计功效。通过模拟验证了该方法在混合比例估计中的无偏性和功效提升，并证明其对测序和相位错误稳健。随后，作者将该方法应用于1556个古基因组，先通过层次聚类和qpWave定义铁器时代来源群体，再使用旋转qpAdm和MDS对中世纪早期个体进行祖先建模，并结合稳定同位素数据解析个体移动性。

图 1　Fig. 1。图1展示了Twigstats的核心原理和模拟验证。a部分示意如何从遗传变异数据构建谱系，并仅使用近期分支（twigs）计算f2统计量。b-d部分通过模拟混合模型，比较了不同方法（SNP、稀有变异、染色体绘画、Twigstats）在估计混合比例时的偏差和标准误。关键结果是：Twigstats在保持无偏的同时，标准误显著降低，且对测序和相位错误稳健。

核心亮点

亮点 1｜方法学突破：Twigstats

Twigstats通过限制在近期共祖分支上计算f统计量，将标准误降低最多10倍，且不引入偏差。模拟显示，在混合比例估计中，Twigstats与真实值一致，而基于稀有变异或染色体绘画的方法在源群体经历近期瓶颈时会产生偏差。在Neanderthal混合问题上，Twigstats能区分近期混合与长期深层结构，而SNP方法无法区分。应用于新石器时代欧洲，Twigstats揭示了爱尔兰巨石墓个体间的精细结构，这是SNP数据无法检测的。

图 2　Fig. 2。图2展示了用于中世纪早期欧洲qpAdm建模的来源群体及其遗传结构。a部分是基于Twigstats计算的outgroup f3统计量的MDS图，显示了铁器时代来源群体的分离，如斯堪的纳维亚半岛南北差异。b部分将中世纪早期个体投影到同一MDS上，显示他们与不同来源群体的亲缘关系。c部分展示了特定个体的qpAdm混合比例，如波兰Wielbark个体几乎100%的EIA斯堪的纳维亚血统。

补充图

图 3　Fig. 3。图3展示了欧洲六个地区从青铜时代至今的祖先成分变化时间序列。每个地区的地图显示样本位置，MDS图显示各时期个体的祖先成分。关键观察是：在波兰、斯洛伐克、匈牙利、德国等地，中世纪早期出现明显的斯堪的纳维亚相关血统扩张；而在斯堪的纳维亚，约800年后出现中欧血统涌入。这些变化在时间上清晰可见，且与历史事件吻合。

图 4　Fig. 4。图4展示了维京时代斯堪的纳维亚个体的祖先成分和移动性。a部分地图显示每个个体最佳qpAdm模型推断的非本地血统来源，可见丹麦和瑞典南部中欧血统比例高，而挪威和瑞典北部较低。b部分展示Öland岛锶同位素数据，显示携带中欧血统的个体多为本地成长。c-e部分进一步展示丹麦、瑞典和挪威的祖先成分变化及MDS分布，f部分展示维京时代向外扩张个体的祖先成分。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： Twigstats、Relate谱系推断、f统计量、qpAdm、MDS、稳定同位素
• 公开数据： 原文未给出公开组学登录号
• 代码： 公开仓库 https://github.com/leospeidel/twigstats、https://github.com/leospeidel/twigstats_paper；本地已克隆：twigstats_paper、twigstats
• 谁该点开原文： 做古DNA、群体遗传学或历史人类学的研究者，尤其是需要解析亲缘关系极近群体间混合事件的人。

带走一句

做群体遗传分析时，别只盯着SNP频率，试试把谱系推断和f统计量结合，用Twigstats把时间维度加进去，能大幅提升对近期混合事件的检测能力。