DNA混合图谱分型技术谈（四）—贡献者数量的推断

DNA混合图谱中的贡献者数量该如何确定？

在对DNA混合图谱进行拆分的时候，贡献者数量是个重要的参数，会对混合图谱的拆分产生重要影响。

对于案件样本来说，真正的贡献者数量往往是个“谜”，那么我们该如何对贡献者数量进行估算呢？有没有好的方法可以推断贡献者的数量？目前贡献者数量的计算方法有：

--Maximum Allele Count (MAC)  最大等位基因数法

--Maximum Likelihood Estimation (MLE)  最大似然比估算法

--Bayesian methods (e.g. NOClt)  贝叶斯法

--Machine learning methods (e.g. PACE)  机器学习算法

绝大多数分析人员使用MAC法进行贡献者数量的估算，同时也将峰高信息作为考量因素一起进行估算。关于MAC法，我们可以通过下面这些文章进行了解。

有研究表明，如果单独使用MAC法进行贡献者数量推断时，容易出现如下图的情况，即随着贡献者数量的增加，MAC法推断的结果会比实际贡献者数量少1。例如，4人混合的样本，利用MAC法进行推断的话，有78%的可能性会得出3人混合的结果。并且随着贡献者数量的增加，这种可能性也会增加——6人混合的样本，MAC法推断的结果有99.99%和85.99%的可能性得出为5人混合。

针对上述的情况，我们可以通过考虑更多的位点进行推断，来降低这种情况的出现，或者将峰高考虑进来也会提高这种方法的准确性。

我们一起来总结下，如何推断混合样本中的贡献者数量：

1. 看图谱的质量，如果图谱质量很差，例如有严重的降解和抑制现象、随机扩增明显、背景噪音明显等，建议重新电泳检测；

2. 利用自己的专业知识，排除随机产生的信号和Stutter信息的影响；

3. 数出位点下等位基因的最大数量，然后四舍五入到最近的偶数，再除以2，得出的就是最小的贡献者数量；

4. 试着把每个位点下的等位基因进行配对，如果配对的等位基因峰高存在明显的不均衡，那么贡献者数量就加1；

5. 估算样本的混合比例，是否跟你推断的贡献者数量匹配。

我们举例说明一下：

例1.

图谱质量：峰高没问题，背景噪音干净；

等位基因数量：4个；

贡献者数量：2（4除以2）；

混合比例：可能为3:1。

例2.

图谱质量：背景噪音干净，峰高比较低，有可能有随时扩增现象；

等位基因数量：4个；

贡献者数量：2（4除以2），存在不均衡现象，2+1=3，即可能是2人或者3人混合；

混合比例：2人混合时，3:1;  3人混合时，2:1:微量。

例3.

图谱质量：峰高没问题，背景噪音干净；

等位基因数量：locus 1, 4个； locus 2, 3个；

贡献者数量：locus 1, 2（4除以2）；locus 2, 2（3+1除以2）；

混合比例：locus 1, 2:1；locus 2, 2:1。