96 个位点，14 个人群：一套 IISNP 的全球适用性检验
红线下划线可悬停看注释，共 8 条。本页只译公开摘要——该文订阅制、未开放获取；摘要以外的正文（逐位点清单、各人群频率表、图）需要机构订阅才能读到，本页不转载、也不替它补数字。
摘要（全译）
寻找个体识别 SNP（individual identification single-nucleotide polymorphisms，IISNP，也写作 IDSNP）的工作取得了很大进展。由 SNPforID 的科学家和 Pakstis 等人提出的这类 SNP 很有前景，不过它们是从较旧或较小的数据库中选出来的，而不是从最新的数据库中选出来的。本文描述一种基于 HapMap 开发 IDSNP 的新计算策略。
我们在 HapMap r27 中检索了在其全部 11 个人群中次等位基因频率（minor allele frequency，MAF）均 ≥0.30的 SNP，找到 1881 个以上的合格位点。我们用 Illumina 芯片，在来自三个中国人群的 183 份 DNA 样本中检测了其中 96 个。
这 96 个 SNP 在这三个中国人群中的平均等位基因频率为 0.495/0.505；在 14 个人群（三个中国人群加 11 个 HapMap 人群）中，任意两个个体共享的相同 SNP 基因型平均为 37.9 个；两个无亲缘关系的汉族个体在全部 96 个基因型上随机匹配的概率为 9.793 × 10⁻³⁹。因此，这 96 个 SNP 中的大多数具有普适性（universally applicable）。
说明：以上为摘要逐句全译，没有增补摘要之外的数字、样本量和统计量。摘要中的 "HapMap r27"、"11 populations"、"≥0.30"、"1881"、"183"、"96"、"0.495/0.505"、"37.9"、"9.793 × 10(-39)" 均按原文照录；原文的 10(-39) 在翻译中还原为 10⁻³⁹。
这篇在轨迹里的位置
要读懂这一页，得先记住上一页的落点。2010 年那篇（本专区 01 页）做的是"能不能自己筛出一套位点"的可行性工作：在 HapMap r21a 中，以 4 个人群 MAF ≥0.45 为条件筛出 1439 个候选，取其中 6 个，用焦磷酸测序（pyrosequencing）在汉族人群里确认。它的关键词是"筛"和"确认"，范围是一个人群（汉族）和一个旧数据库版本。
2012 年这篇接着问的是下一个问题：筛出来之后，换一群人还灵不灵？做法上，作者同时改了三件事。第一，数据库从 HapMap r21a 换到 r27——版本一升，参与人群、样本量、位点数全都变了，所以引用时必须带版本号，否则整条筛选逻辑无法复现。第二，人群条件从 4 个人群扩到"全部 11 个人群"（all its 11 populations）。第三，MAF 阈值从 0.45 放松到 0.30。
阈值这一步值得停一下。0.45 是"在汉族人里高频"的阈值，0.30 是"在 11 个人群里都还够多态"的阈值。为什么要松？因为条件是全称的——要求每一个人群都满足。人群数从 4 涨到 11，只要坚持 0.45，就会有大量位点在非洲或东亚人群里掉出合格线，剩下的位点会迅速变少。把下限放到 0.30，等于用"单位点区分能力下降"换"跨人群都能用"。这是一个明确的 trade-off，不是随意的数字调整。
验证设计也跟着换了。位点数从 6 涨到 96，分型平台从焦磷酸测序换成 Illumina 芯片——位点数一多，再靠逐个位点的焦磷酸测序就不现实。样本是 183 份 DNA、来自三个中国人群。论文给的三组数字分别回答三个层次的问题：位点本身够不够多态（0.495/0.505）、两个人之间能分开多少（平均 37.9 个基因型相同）、整套面板联合起来有多强的排除力（9.793 × 10⁻³⁹）。这三层正好是法医 panel 评估的标准结构。
然后是轨迹里的转向，也是本专区 03 页的主题。注意发表年：01 是 2010，03 是 2011，02 是 2012。按年份排，03 夹在中间；但按研究主题排，01 和 02 是同一课题组的"位点线"，03 是另一条线的开端。在这两篇法医论文里，杨卫红是中间作者（第 5/7、第 9/11）；到了 2011 年的辛伐他汀肌病病例报告，她是第一作者，研究对象从"人群"变成了"一个人"：一位肾移植后的女性患者，在辛伐他汀与环孢素同用时发生急性肌病，作者做了 CYP3AP1、CYP3A5、CYP3A4、SLCO1B1 四个基因的基因型，试图解释"她的环孢素浓度为什么升高"和"肌病为什么发生"。
这个转向的意义在于问题的类型变了。01、02 问的是"一群人里，哪套位点能把人区分开"，属于群体遗传学加工程选型；03 问的是"这个人的基因型，能不能解释这次药物不良反应"，属于药物基因组学加临床个体化用药。前者横向扩人群，后者纵向进机制。再往后，04 页（CYP3A4*1G，2015）、05 页（HNF1α-AS1，2019）、06 页（CRISPR、HepG2 细胞验证，2023）把这条纵向线做成机制研究：从描述一个病例的基因型，到研究调控型 SNP 如何影响 CYP3A4 的表达，再到用基因编辑在细胞里做因果验证；07 页（美沙酮中毒，2025）则回到临床表型。所以本专区把 03 排在 02 之后，不是因为它发表得更晚，而是因为读者需要先看到"位点线"收尾，才能看清"药物基因组线"起步。
方法与证据：它是怎么做的
第一步，选库与定版。用 HapMap r27。HapMap 是国际 HapMap 计划（International HapMap Project）的公开数据，按人群给出基因型频率；r27 是该数据的一个发布版本。和 01 页的 r21a 相比，这不是"同一份数据的更新"，而是"换了一份底稿"——参与人群、样本量、位点密度都变了。摘要只给了版本号，没给下载日期、位点过滤条件（是否含性染色体、是否剔除单态位点），这些都在正文里。
第二步，定筛选规则。条件写成"MAF ≥0.30 in all its 11 populations"。两个词是关键：all 是全称，≥0.30 是下限。全称条件比"平均 MAF ≥0.30"严格得多，因为最差的那个人群也必须达标。这条规则决定了候选池的大小，也决定了后面抽检的意义。
第三步，抽检。从 1881 个以上合格位点里取 96 个（约 5%），在 183 份 DNA、三个中国人群里用 Illumina 芯片分型。摘要用 "more than 1881"，说明 1881 是当时统计到的下限而非精确值。摘要没有交代的：三个中国人群具体是哪三个、每群各多少人、芯片型号、质控与剔除标准、96 个位点是怎么抽的（随机还是按染色体均匀取）。这些空白决定了对结论能信到什么程度。
第四步，用三组统计量回答"能不能全球用"。摘要给了三个数，它们不是同一类证据，读的时候要分开：
| 摘要中的数字 | 它是什么 | 回答什么问题 |
|---|---|---|
| 0.495/0.505 | 96 个位点在三个中国人群中的平均等位基因频率，成对给出 | 位点本身够不够多态（接近 0.5 最理想） |
| 37.9 | 14 个人群中任意两个个体平均共享的相同 SNP 基因型个数（分母是 96） | 两个人之间能被区分开多少 |
| 9.793 × 10⁻³⁹ | 两个无亲缘关系汉族个体在全部 96 个位点上随机匹配的概率 | 整套面板联合起来的排除力 |
逻辑链是一条三段论：单位点多态（频率接近 0.5）→ 个体间基因型组合彼此不同（37.9/96 ≈ 39% 的位点仍相同）→ 位点独立相乘后联合匹配概率极小（10⁻³⁹ 量级）。这个链条的每一步都依赖前一步的假设，后面"结论的边界"会逐条拆开。
证据强度与缺口。本页能依据的只有摘要：有汇总数字，没有逐位点频率表，没有各人群的单项 RMP，没有置信区间，也没有与 SNPforID 面板在同一批样本上的头对头比较。摘要说别人的位点 "promising"，这是文献判断，不是本文的实验结论——本文自己做的实验，是那 96 个位点和 183 份样本。
结论的边界
一、"大多数"不是"全部"。原句是 "most of these 96 SNPs are universally applicable"——most 是限定词。摘要没有说哪几个位点不适用，也没有说"不适用"的判据是什么（是某人群频率偏低、分型失败，还是与其他位点连锁）。引用时把 most 省略掉，就变成了原文没有的结论。
二、"全球"是相对 14 个人群的全球。14 个人群 = 3 个中国人群 + 11 个 HapMap 人群。HapMap 的 11 个人群是有限抽样（每个族群几十到一百多人），本身不含大量人群（例如非洲的众多族群、美洲原住民、部分南亚与大洋洲人群）。所以"worldwide individual identification"是论文标题的措辞，"在这些受益人群里适用"才是这句话的实际内容。
三、9.793 × 10⁻³⁹ 依赖模型假设。这类随机匹配概率（random match probability，RMP）的算法默认：位点之间连锁平衡（linkage equilibrium）、人群内符合 Hardy-Weinberg 平衡、且所用频率与目标人群相符。把 14 个人群合并算出一个数，等于把人群差异抹平；严格说，每个目标人群应当各有一个 RMP。摘要没有交代算法细节和假设检验。
四、0.495/0.505 是三个中国人群的平均，不是 14 个人群的。摘要的句子限定得很清楚：among the three populations。把它读成"全球频率"是常见误读。反过来，37.9 那句才是 14 个人群的口径。两个数字的人群范围不同，不能混着引用。
五、37.9 是均值，没有离散度。摘要没给标准差或分布。同一个均值可能来自"大多数对 40 个、少数对 20 个"，也可能来自集中在 38 附近。做 panel 设计时，尾部（共享基因型最多的那对人）比均值更值得关心，而摘要给不了。
六、抽检与人群代表性的限制。96/1881 的抽检比例约 5%，抽到的位点是否代表全体，取决于抽样方式，摘要没说。三个中国人群能否代表中国全部人群（尤其少数民族与南北方汉族差异），摘要也没说。
七、最容易引错的地方：01 与 02 的参数不能互换。01：HapMap r21a、4 个人群、MAF ≥0.45、1439 个候选、6 个位点、焦磷酸测序、汉族。02：HapMap r27、11 个人群、MAF ≥0.30、1881 个以上候选、96 个位点、Illumina 芯片、三个中国人群加 11 个 HapMap 人群。写综述时把两组数字串在一起，是这一领域最常见的引用错误。
你可以拿去用的
1. 阈值是设计变量，不是客观常数。先决定"这套位点要在几个人群里用"，再决定 MAF 下限。单人群 panel 可以把阈值抬高（0.45）换灵敏度；跨人群 panel 必须压低（0.30 甚至更低）换普适性。看到论文给阈值，先找它对应的人群范围。
2. 写方法时要交代"全称还是平均"。"MAF ≥0.30 in all 11 populations" 与 "average MAF ≥0.30 across 11 populations" 是两条完全不同的筛选规则，筛出的位点集合差别很大。自己写方法、或审别人的方法，这一句必须说清。
3. 任何 panel 论文都该给三样东西。单位点频率（够不够多态）、个体间共享基因型数（能不能分开人）、联合 RMP（整套有多强）。缺哪一样，评估就不完整。
4. 平台随位点数换。6 个位点用焦磷酸测序、96 个位点用芯片、几百到几千个位点才轮到二代测序（massively parallel sequencing，MPS）。位点数与平台不匹配，是实验设计阶段最常见的返工原因。
5. 把摘要里的每个数字归到它的证据类型。0.495/0.505 是实测频率；37.9 是计算（基于 14 个人群的频率与基因型组合推算）；9.793 × 10⁻³⁹ 是概率模型的输出。三者可信度不同，不能当同一等级的"实验结果"并列。
6. 一句可以直接用的话。法医个体识别 SNP 面板的"普适性"，是相对一组有限人群的经验结论，不是数学定理；换人群、换位点数、换频率数据版本，结论都要重新验证——这正是 01 到 02 这两页在做的事。
▲ 本部分翻译难点（对照学习用）
附录 · 英文原文
Abstract
Great advances have been made recently in searching for individual identification single-nucleotide polymorphisms (IISNPs or IDSNPs). Such SNPs as suggested by SNPforID scientists and by Pakstis et al., are promising, although they were selected from older or smaller databases rather than the most recent database. Here, we describe a new computational strategy for developing IDSNPs based on HapMap. We searched through HapMap r27 for SNPs having minor allele frequencies ≥0.30 in all its 11 populations and found more than 1881 qualified SNPs. We examined 96 of them with 183 DNA samples from three Chinese populations using Illumina arrays. The average allele frequency for these 96 SNPs among the three populations was 0.495/0.505, the average number of identical SNP genotypes shared by two individuals among the 14 populations (three Chinese and 11 HapMap) was 37.9, and the random matching probability for two unrelated Hans to match in all 96 genotypes was 9.793 × 10(-39). Thus, most of these 96 SNPs are universally applicable.