STR 分型与亲缘关系分析
短串联重复序列（STR）是基因组中以几个碱基为单位重复若干次的位点，个体之间重复次数差别大，因此一组 STR 位点的组合基因型具有很强的个体区分能力。亲缘关系分析的基本逻辑是比较两种假设下观察到这组基因型的概率：假设双方存在待检关系与假设双方无关，两者之比就是似然比，各位点独立时把位点似然比相乘得到合并结果。常用数据是毛细管电泳得到的 STR 图谱或测序得到的重复数分型表，加上与受检人群匹配的等位基因频率库。本页讨论的是方法学与数据分析，属于科研分析，不替代有资质机构出具的司法鉴定意见或临床诊断。
什么时候用
- 判断两个个体是否为亲子关系，并给出似然比和后验概率
- 在缺少一方亲本时做单亲亲子鉴定或祖孙、同胞等二级关系推断
- 样本身份核对，例如细胞系或样本间的同一性确认
- 用 Y-STR 或 X-STR 辅助判断父系或母系线上的亲缘关系
- 常染色体 STR 无法区分的关系，改用全基因组 SNP 做 IBD 片段分析
不适合的情况
- 区分半同胞、叔侄、祖孙这类 IBD 期望相同的关系：常染色体 STR 原理上无法分开
- 降解严重或量极低的样本只靠少数成功位点就下结论：等位基因丢失会扭曲似然比
- 多人混合样本的亲缘推断：先要解析贡献者分型，不能直接套用单一来源的算法
需要准备的数据
- STR 分型结果
- 每个个体每个位点的等位基因命名与峰高，注明所用试剂盒的位点组合和内部大小标准
- 原始图谱文件
- 电泳原始数据，用于复核 stutter 峰、拖尾、溢出和异常峰；仅有分型表时无法判断分型质量
- 等位基因频率库
- 与受检对象所属人群匹配的各位点等位基因频率，注明样本来源和人数，罕见等位基因需有最小频率处理规则
- 关系假设与家系结构
- 待检关系和对立假设，以及已知的家系成员和已有分型，缺一方亲本时需明确说明
- SNP 分型数据
- 做 IBD 分析时需要全基因组密集 SNP 基因型，附基因组版本、质控信息和参考人群
分析步骤
- 1
评估图谱并命名
先确认内部大小标准和等位基因梯正常、峰高高于分析阈值、杂合位点两峰均衡，再按等位基因梯把片段长度换算为重复数。落在梯之外的峰按规范记为变体，不要强行归到相邻等位基因，重复单元不完整的微变体迁移位置介于两个整数之间。命名有疑问的位点要标出。
- 2
区分 stutter 与真实等位基因
stutter 峰通常出现在真实等位基因前一个重复单元的位置，高度相对主峰较低且随位点和等位基因长度变化。判断依据是相对高度和位置是否符合该位点的经验范围。单一来源样本中把 stutter 误当等位基因会让纯合位点变成杂合，直接改变似然比。
- 3
核对孟德尔一致性
在已知家系中逐位点检查传递是否符合孟德尔规律，列出所有不一致的位点。单个位点不一致不足以排除关系，因为 STR 存在可观的突变率；要区分一步突变和完全不相容的情形。不一致位点数达到多个且无法用突变解释时，才考虑排除。
- 4
选择并检查频率库
频率库必须与受检对象所属人群对应，用错人群会系统性地高估或低估似然比。检查各位点的等位基因数和总人数，人数偏少时罕见等位基因的频率估计不稳，需要按规则设定最小频率。同时确认频率库使用的是同一套位点命名体系。
- 5
计算位点似然比并合并
按待检关系推导每个位点在两种假设下的基因型概率并求比值，涉及突变的位点要在模型中加入突变项而不是直接剔除。各位点在连锁上相互独立时把位点似然比相乘得到合并值，再结合先验给出后验概率。要同时报告合并似然比和每个位点的贡献。
- 6
必要时转向 IBD 分析
当待检关系属于常染色体 STR 无法区分的类型，或 STR 结果的似然比不足以定论时，改用密集 SNP 数据估计共享的 IBD 比例与片段。按基因组上共享零段、一段、两段的比例可以把全同胞与亲子分开，并把二级与三级关系按共享比例排序。IBD 结果与 STR 结论应相互印证。
关键参数与决策
分析阈值与随机阈值
分析阈值决定多高的峰才算信号，用来区分真实峰和基线噪声；随机阈值更高，低于它时等位基因丢失的风险明显上升，纯合判定不可靠。两个阈值都应在实验室内用空白和稀释系列验证确定，并对所有样本统一使用，不能逐样本调整。
杂合峰高比
同一位点两个等位基因峰高的比值，用于判断单一来源样本中的峰是否配对合理。比值明显偏低时要怀疑等位基因部分丢失或样本为混合。各实验室按自身数据确定可接受下限，低于下限的位点应标注并在似然比计算中考虑丢失的可能。
突变模型与突变率
STR 每位点每代的突变率在千分之一量级（经验量级），足以让真实亲子对在某个位点出现不一致。计算时应纳入突变项，常用做法是按重复数差设定逐步变小的概率，差一个重复单元的概率远高于差多个。忽略突变会把真实亲子误判为排除。
亚群结构校正系数
人群存在亚结构时，个体间共享等位基因的概率高于按整体频率算出的结果，通常引入一个校正系数来保守地调整。系数越大结果越保守、似然比越低。实践中按研究人群的分化程度取一个常规值，并在敏感性分析中给出不同取值的结果。
罕见等位基因的最小频率
频率库中未出现或只出现一两次的等位基因不能直接用零或极小值，否则似然比会被单个位点主导。常用做法是设定一个与库样本量相关的最小频率下限。处理规则要事先确定并在报告中写明，不能因结果不理想而改动。
常见错误
- 单个位点不一致就判定排除：STR 突变率足以在真实亲子对中产生一个位点的差异，正确做法是把突变纳入模型并要求多个位点不相容才考虑排除。
- 把 stutter 峰当成等位基因：会把纯合位点读成杂合，改变该位点的基因型概率，进而改变合并似然比，低模板样本尤其容易出错。
- 用错等位基因频率库：不同人群的等位基因频率差别很大，用不匹配的人群库会系统性地偏移似然比，结论可能相差若干数量级。
- 把 Y-STR 各位点当独立位点相乘：Y 染色体不发生重组，位点构成一个单倍型，相乘会严重高估证据强度，应按单倍型频率估计。
- 对半同胞、叔侄、祖孙这类关系用常染色体 STR 强行区分：这些关系的 IBD 期望相同，似然比无法分辨，需要改用密集 SNP 的片段级 IBD 分析。
结果怎么看
位点似然比明细表
每个位点一行，列出相关个体的基因型、该位点的似然比以及是否使用了突变模型。要看是否存在某一个位点贡献了绝大部分合并似然比的情况：这通常来自罕见等位基因，结论对该位点的频率估计过度敏感，需要在敏感性分析中特别处理。
合并似然比与后验概率
给出各位点相乘后的合并似然比，以及在声明的先验下换算的后验概率。报告时必须同时说明所用频率库、亚群校正系数和突变模型，这些条件改变后数值会变。只给一个概率数字而不附条件的结果无法复核。
孟德尔不一致位点清单
列出所有不符合传递规律的位点及重复数差。差一个重复单元且只有一个位点时，常可用突变解释；多个位点不相容或差值很大时，更可能是关系不成立或样本标识错误。清单要与实验室复核记录对应。
IBD 共享结果
给出两人共享零段、一段、两段 IBD 的基因组比例以及片段长度分布。亲子关系表现为几乎全基因组共享一段，全同胞则有可观比例的共享两段，二级关系共享比例约为全同胞的一半且无明显共享两段区域。若片段零散且总比例低，支持远亲或无关。
和相近方法怎么选
STR 分型与 SNP 分型做亲缘鉴定
STR 位点多态性高，少量位点就有很强的个体区分力，试剂成熟、对降解样本有小片段方案，是亲子鉴定的常规手段。SNP 单位点信息量低，但能同时分型几十万个位点，据此估计片段级 IBD 共享，分辨 STR 做不到的远亲和同类关系。近亲鉴定用 STR，关系远或要区分同类关系用 SNP。
常染色体 STR 与 Y-STR、线粒体
常染色体位点来自双亲，适合一般亲缘推断且可视为独立。Y-STR 只沿父系传递，可判断两名男性是否可能同属一个父系，但整条 Y 构成单倍型、证据强度远低于位点相乘的直觉，且父系内无法区分个体。线粒体沿母系传递，局限相同。两类标记用于缩小范围，不能单独确认关系。
似然比法与排除法
排除法只回答是否出现不相容，简单直接，但遇到突变就会误判，也无法量化不排除时的证据强度。似然比法把突变、等位基因频率和人群结构都写进模型，给出可量化、可敏感性分析的结果，是现在的主流做法。实践中先用一致性核对发现问题位点，再用似然比给出结论强度。
常见问题
一个位点不符合孟德尔规律能不能直接排除亲子关系
不能。STR 每位点每代的突变率在千分之一量级，一组位点中出现一个位点不一致并不罕见，尤其是重复数只差一个单元的情形。正确做法是把突变纳入似然比模型，重新计算该位点的贡献，并检查其余位点是否全部相容。只有多个位点不相容、或差值大到无法用一步突变解释时，才考虑排除，同时还要先排除样本标识错误。
等位基因频率库该用哪一个
用与受检对象所属人群匹配的库，并在报告中写明库的来源和样本量。人群不匹配会系统性偏移似然比，有时相差若干数量级。库中未出现或极少出现的等位基因不能用零或极小值，要按预先确定的最小频率规则处理。存在亚群结构时再加一个保守的校正系数，并在敏感性分析中给出不同取值下的结果。
半同胞和叔侄能用 STR 区分吗
不能。这两种关系以及祖孙关系在常染色体上的 IBD 期望完全相同，似然比在原理上无法把它们分开，增加 STR 位点也没用。可行路径有两条：利用性染色体和线粒体标记，根据关系所处的世系线排除部分可能；或改用密集 SNP 做片段级 IBD 分析，结合共享片段的长度分布和其他家系成员的信息进一步限定。
降解或微量样本的分型结果还能用吗
可以用但要降低结论强度。低模板下的主要风险是等位基因丢失，会把杂合位点误判为纯合，而纯合与杂合的基因型概率差别很大，足以改变似然比的量级。处理方式是只采用峰高在随机阈值以上的位点，对低于阈值的位点标注为不确定并在模型中考虑丢失可能，必要时重复分型以确认一致性。
在 Codar 里怎么做
在 Codar 的生信模式里提供 STR 分型结果或图谱数据、关系假设和等位基因频率库，它会确认分析方案，核对分型质量与孟德尔一致性、列出不一致位点，按待检关系计算各位点似然比与合并似然比并换算后验概率，同时做更换频率库和突变参数的敏感性分析。有密集 SNP 数据时可继续做 IBD 共享比例与片段分析，交付分型表、位点明细表、结果说明和可复现脚本。
我有一对疑似父子的 20 个常染色体 STR 位点分型，其中一个位点差一个重复单元，帮我算似然比并判断能否排除