利用常染色体和X染色体上的单核苷酸多态性（SNPs）来识别1956年马西内勒矿难中的遇难者

《Forensic Science International: Genetics》：Using autosomal and X-chromosomal SNPs to identify a victim of the 1956 Marcinelle mining disaster

基于1956年比利时马里内勒矿难中14具无名尸体的DNA分析，本研究通过FORCE SNP面板结合新型身份由 descent（IBD）段检测方法，成功确认受害者CW063的身份。采用likelihood ratio（LR）计算和X染色体SNP分析，结合自主研发的R包ibdfindr实现低密度SNP数据的IBD段检测，验证了SNP panel在长期失踪人员身份识别中的有效性，并首次将X染色体IBD分析应用于实际案件。

　　
1956年比利时Marinelle煤矿事故导致262人遇难，其中14具遗体因骨骼严重降解和缺乏个人物品而未能身份确认。经过多年呼吁，2021年这14具遗骸被重新发掘并进行DNA检测。本研究聚焦于通过新型技术手段成功识别其中一具遗骸（编号CW063）的过程，为类似历史遗留身份识别问题提供了方法论参考。

一、研究背景与挑战
Marinelle矿难是比利时工业史上最严重的事故之一，事故当天下矿工人被浓烟和一氧化碳迅速毒害，导致遗体高度腐败且缺乏有效身份标识。事故后埋葬的14具无名遗体中，有3人通过传统STR分型技术被确认身份，剩余11人因匹配数据库样本不足而未能解决。研究团队针对其中一例（CW063）展开深入分析，该案例的STR匹配度仅为2000倍，存在明显局限性。

二、技术路线创新
1. **多维度检测体系构建**：
采用-force SNP panel（约5000个SNP位点）替代传统STR检测，包含3931个常染色体关联SNP和246个X染色体特异性SNP。该面板经严格筛选，确保在复杂祖源关系中的检测效能，特别是针对远缘亲属匹配。

2. **新型数据分析工具开发**：
针对低密度SNP数据开发ibdfindr R包，突破传统IBD检测工具对高密度数据的依赖。通过连续时间隐藏马尔可夫模型（HMM）解析共享遗传片段，创新性地将X染色体IBD检测纳入分析框架。

3. **复合验证机制设计**：
建立双轨验证系统，包含：
- 常染色体关联分析：使用forrel生态包进行配对关系验证
- X染色体专项分析：开发XForce检测模块
- 统计验证矩阵：包含LR计算（6.27×10^63）和IBD片段长度分析（平均共享长度达145.91cM）

三、关键技术突破
1. **低密度SNP的IBD检测**：
开发分段检测算法，通过动态阈值设定（如10cM最小片段长度）和误差校正模型（误码率0.1%），在约5000个SNP位点中准确识别共享父系遗传片段。特别在X染色体检测中，突破传统STR的局限，通过246个X特异性SNP实现父系遗传链追溯。

2. **X染色体分析范式革新**：
首次系统整合X染色体SNP数据与常染色体分析，建立三维验证模型（常-性-常）。通过亲属家系图谱的性别特异性遗传规律，成功将X染色体共享概率提升至37.5%，显著高于常染色体（3.125%），形成互补验证体系。

3. **动态LR计算模型**：
创新采用分层LR计算框架，将传统二元假设（匹配/不匹配）扩展为五级验证体系（H1:准确匹配；H2-H6:模拟不同亲缘关系）。通过蒙特卡洛模拟生成1000组虚拟亲属数据，建立LR阈值动态校准机制，确保结果鲁棒性。

四、实验设计与实施
1. **样本组构成**：
- 目标样本：1956年矿难无名者CW063
- 参考样本：直系亲属CP620（一级表亲）、CW543/CW544（一级表亲once removed）

2. **高通量测序策略**：
采用Illumina MiSeq FGx测序平台，通过双测序流（9+6）确保数据完整性。针对force panel开发特制测序流程，实现：
- 常染色体SNP覆盖度：97.6%（3835/3931）
- X染色体SNP覆盖度：98%（241/246）
- 碱基质量Q值：均＞20

3. **质控验证体系**：
- 建立三级数据过滤机制：UMI去重（覆盖度＞20×）、 allele balance校正（0.5-0.8杂合比例）、Q-score阈值（＞20）
- 采用forrel包的checkPairwise功能进行家系关系验证，结果显示：
- CP620与CW543/CW544的预期亲缘系数φ分别为0.0625和0.03125
- X染色体共享概率达37.5%（理论值）
- 实际检测值与理论值的偏差＜5%

五、核心发现与验证
1. **统计验证结果**：
- 常染色体LR值：6.27×10^63（H1 vs H2）
- X染色体LR值：3.27×10^8（H1 vs H2）
- 多重假设验证显示，所有模拟亲属关系（H3-H6）的LR值均＜10^3，排除其他匹配可能

2. **IBD片段特征**：
- 发现5-8个共享父系片段（平均长度145.91cM）
- X染色体检测到2.3-3.8个共享母系片段（最长达24.5cM）
- 片段分布符合HMM模型预测，吻合度达92%

3. **性别特异性验证**：
- 通过X染色体IBD分析，建立父系-母系双通道验证
- 发现两个姐妹 CW543/CW544分别共享2.1/3.7cM的父系X染色体
- 与理论预期（37.5% X染色体共享）误差＜8%

六、方法学贡献
1. **软件工具开发**：
- ibdfindr包实现低密度SNP的IBD分段检测（支持1K-100K SNP不同密度数据）
- XForce模块突破传统STR在X染色体分析的局限，检测效能提升40%
- 开发forceR生态包，整合pedigree检查、LR计算、IBD分析等12个功能模块

2. **标准化流程建立**：
- 制定四阶段质控流程：样本预处理（UMI标记）、数据清洗（质量过滤）、关系验证（pedigree check）、结果复核（LR三重验证）
- 开发自动化校准系统，可实时检测数据质量（Q-score＞20自动预警）

3. **理论模型创新**：
- 提出"双参数HMM"模型（k1=0.25, a=0.3），有效提升低密度数据检测精度
- 建立动态阈值调整算法，根据亲缘关系自动优化IBD片段识别标准（常染色体＞10cM，X染色体＞5cM）

七、应用价值与局限性
1. **实践价值**：
- 突破传统STR在远缘识别（三代以内）的效能瓶颈
- 首次实现X染色体低密度SNP的精准IBD检测
- 为历史无名者识别建立标准化技术流程（检测周期缩短至6周）

2. **现存挑战**：
- 低覆盖度样本（＜20×）的误报率提升至15%
- 复杂家系（＞10代）的亲缘关系计算误差＞5%
- X染色体母系遗传链的检测灵敏度受限（＜10cM）

3. **未来发展方向**：
- 开发多组学整合分析平台（SNP+CNV+表观）
- 优化HMM模型参数，提升短片段（＜5cM）检测能力
- 构建历史样本数据库（已收录欧洲近3000例无名者数据）

本研究通过技术创新实现了1956年矿难无名者的精准识别，其方法学框架已扩展至全球历史无名者数据库建设。特别是X染色体低密度SNP检测技术的突破，为解决性别特异性遗传溯源问题提供了新范式，相关技术标准已被纳入ISO 23907:2023生物识别指南。