花几百块钱寄出一管唾液，几周后就能在手机上看到一份"祖源报告"——你的DNA里有百分之多少来自北方汉族、多少来自欧洲、甚至还能知道你几万年前的祖先是从非洲哪条路线走出来的。
这听起来像魔法，其实背后是一整套分子生物学、群体遗传学和计算科学交织而成的精密逻辑。不卖关子——今天我们从底层彻底拆解：基因寻根，到底在寻什么？
一、你的DNA里藏着三条"时间线"
大多数商业祖源检测（如23魔方、23andMe、AncestryDNA等）实际上用的是三条独立的遗传线索，每一条都对应不同的时间尺度和祖先类型。
第一条：常染色体—混血拼图（最近几百年）
常染色体是指除性染色体外的22对染色体。它们从父母各继承一半，每一代都会重新洗牌、重组。所以常染色体祖源分析能看到的是最近数百年内你的祖先来自哪些人群。报告上那些"37%北方汉族、12%藏族、5%欧洲……"的百分比，就是在常染色体上算出来的。
第二条：Y染色体—父系家谱（数千年到数万年）
Y染色体只由父亲传给儿子，几乎不参与重组，代代相传中只会积累极缓慢的突变。因此，你的Y染色体本质上就是你父系祖先的"遗传族谱"。女性没有Y染色体，所以女性要想获取父系信息，需要请父亲或兄弟来做检测。
第三条：线粒体DNA—母系家谱（数千年到数万年）
线粒体DNA（mtDNA）只通过母亲传给所有子女，无论男女都有，且同样不参与重组。它记录的是你纯粹母系一脉的遗传历史，可以一直追溯到被称作"线粒体夏娃"的那位女性——大约20万年前生活在非洲的共同母系祖先。
二、核心元件：SNP—遗传信息的"条形码"
要完成上述分析，检测公司不可能把你的30亿个碱基对全测一遍（成本太高）。他们测的是SNP（单核苷酸多态性）——也就是人类基因组中那些个体之间恰好不同的单碱基位点。
人类基因组中大约有上千万个SNP位点，但不同地区的族群在某些位点上会表现出显著频率差异。举个例子：某个位点上，北方汉族人群中80%是A，而欧洲人群中70%是G——这类位点就被称为"祖先信息标记"（AIM）。检测设备扫描几十万到上百万个这类SNP位点，就足以拼出一幅足够精细的遗传画像。
三、比较是关键：参考人群数据库
光有你的SNP数据还不够——算法得知道"跟谁比"。所以每家公司都需要建立一个参考人群数据库。
以23魔方的参考集为例：里面包含了全球多个地区的现代人样本，包括北方汉族、南方汉族、蒙古族、藏族、傣族、通古斯族群，以及日本人、韩国人、柬埔寨人、越南京族，以及南亚、欧洲、非洲、美洲、大洋洲等多元化人群的基因数据。
你的基因组数据会被拆解成一个个片段，然后与参考数据库中每个族群的特征做比对，看你的每个片段最像哪个参考人群。这就是为什么参考人群越多、越精准，祖源报告就越细。
四、核心算法：极大似然估计+ADMIXTURE
比对参考人群之后，怎么算出一个百分比？这里就要提到遗传学祖源分析中使用最广泛的算法框架——极大似然估计（MLE）。
打个比方：假设你从三个颜料桶（红、蓝、黄）里随机取色混合，得到一个绿色。你要反过来猜——这个绿色是"60%蓝+40%黄"还是"50%蓝+30%黄+20%红"？极大似然估计就是找出最有可能生成你当前颜色的那一组混合配方。
应用到基因数据上：你的常染色体SNP数据是"已知现实"，参考人群中各族的等位基因频率是"已知颜料配方"，算法要找到一组百分比（比如北方汉族60%、南方汉族30%、藏族10%），使得按这个配方模拟出的数据最接近你真实的基因数据。
具体实现上，业界广泛使用的是ADMIXTURE软件。它采用块松弛交替更新的方式，分别优化等位基因频率和祖先比例两个参数矩阵，并通过拟牛顿加速方法显著提高了计算速度（比同类的STRUCTURE快很多）。最后通过交叉验证来确定"把人群分成几类最合适"（这个数字叫K值）。
此外，许多公司还引入了支持向量机（SVM）等机器学习分类方法和隐马尔可夫模型（HMM）平滑机制，对局部基因片段进行更精细的归类。
五、名字里的万年史诗：单倍群
Y染色体和线粒体DNA不重组，只在漫长的时间里缓慢累积突变。科学家把这些突变定义为一个个"标记"（遗传标记），按标记出现的先后顺序，把所有人类Y染色体画成了一棵巨大的"家族树"——树上的每个分支就叫一个单倍群，用字母A、B、C、D……来命名。
一条非常简化的"走出非洲"路线（以Y染色体为例）：
所有现代男性的Y染色体都可以追溯到15–20万年前生活在非洲的一位男性，被称作"Y染色体亚当"。
最早的分支——单倍群A和B——至今主要分布在非洲。
大约7–6万年前，携带M168突变（单倍群C和D的共同祖先）的一小群人走出了非洲，开始了征服世界的征程。
沿着海岸线向东扩散的人群发展出了单倍群C，向北进入中亚和欧洲的人群发展出了F、K、P、R等。
单倍群O是今天东亚和东南亚男性的主流，覆盖了中国、日本、韩国等绝大多数男性。
线粒体DNA的演化路径类似，但共同母系祖先更早——"线粒体夏娃"，约20万年前生活在非洲。
做完一次检测，你可能会看到类似"父系单倍群O-M122"或"母系单倍群D4a"的结果，这意味着你的父系或母系祖先，就在谱系树上的那个"枝头"上。
六、你不是一块"纯色"——混血才是常态
许多第一次拿到祖源报告的人都会惊讶："怎么我这么'杂'？"
事实上，人类从来就是不断迁徙、混杂的物种。ADMIXTURE算法接受的假设之一就是"每个人都可以是多群体混合的结果"，它并不要求你必须是"纯种"——实际上几乎不存在所谓的"纯种"。
但从另一面说，百分比不能完全等于"血统"。它只是统计意义上，你的基因组与现代参考人群之间的相似度分布。如果参考人群变了，百分比也会变。而且对于几百年前的某个具体祖先是谁，常染色体祖源分析并说不清——因为DNA重组会让祖先的遗传贡献被稀释和随机丢失。
七、总结
DNA寻根的底层原理，可以浓缩为一句话：
提取高信息密度的SNP位点→与全球参考人群数据库比对→通过极大似然估计算法（ADMIXTURE）算出最可能的祖源成分百分比→用Y和线粒体单倍群追溯万年以上的父系和母系迁徙路线。
这是一门把分子生物学（测SNP）、群体遗传学（建参考库）和计算科学（MLE+机器学习）嵌套在一起的技术。它不完美但不玄幻——你唾液里的那0.1%的差异，已经写好了你祖先几万年来走过的路。
客服