王传超, 严实, 李辉
1.    复旦大学现代人类学教育部重点实验室，上海 200433；2.中国科学院上海计算生物学所，上海 200031.
摘要：人们的姓氏大多继承自父亲，而Y染色体是严格的父子相传的基因组片段。所以姓氏与Y染色体的遗传应该是平行的，有共同姓氏的男性可能有相同或相近的Y染色体类型。然而，多起源、改姓、非亲生、从母姓等社会因素弱化了某些姓氏与Y染色体的关联，此时家谱研究可为厘清父系血缘提供线索。Y染色体上稳定的SNP突变可以永远在父系后代中流传，可以构建可靠的父系基因谱系；而其上突变较快的STR位点又可以用以估算时间。因此，Y染色体可用以研究很多姓氏宗族的历史，甚至千百年前的历史疑案。重建姓氏、家谱与Y染色体的关系必将成为历史人类学研究的重要内容。
关键词：姓氏；Y染色体；单核苷酸多态(SNP)；短串联重复(STR)；家谱

现代社会中，几乎每人都有自己的姓氏。一个人的姓氏不仅仅是简单的符号，还有着丰富的文化、历史、宗族背景。以血缘为脉络的姓氏记录着各家族甚至于各民族的源流，常被用于寻根溯源、族群识别、婚姻关系等相关研究。数千年来大部分姓氏都从父传递，而人类基因组中的Y染色体更严格地遵循父系遗传，因此姓氏与Y染色体有很好的平行对应关系。随着Y染色体上众多遗传标记的发现，用Y染色体结合姓氏分析人类学问题的方法，在分子人类学领域发挥出了重要作用。
姓氏在遗传学上的应用
姓氏最早在中国产生，其历史可追溯到5000年前，主要来源于远古时代各种图腾和地名,“氏”为“姓”的分支,“姓”以别婚姻,“氏”以分贵贱。秦汉以后, 姓氏合一, 数量大增[1]。据最新统计，拥有13亿人口的中国目前有4100个姓氏[2]。在日本，姓氏于公元5世纪晚期产生，但直到1875年才被普通平民使用。至1997年，日本仅1亿左右的人口却拥有约30万个姓氏[3]。而在西班牙，子女姓氏沿承父母双方的姓氏，因而会逐代变化。尽管姓氏的起源与发展演变在不同国家和地区有明显差异，但大多数情况下姓氏从父遗传却是相同的。
姓氏的基本作用是明血缘、别婚姻，《左传·僖公二十三年》就有：“男女同姓，其生不蕃”。姓氏制度也在不同角度上反映了宗法制度的某些内容，起到了维系和延续宗法制度的社会作用。姓氏最早用于遗传研究是在1875年，George Darwin通过分析堂(表)婚得出了英国同姓通婚率和不同阶层的堂(表)近亲通婚率[4]。George Darwin的工作不断被后人丰富和发展，Crow等通过同姓率(isonymy)来计算近亲结婚率[5]。由于居民出生、结婚和死亡等大量相关数据的易得性，姓氏分布与同姓率被广泛用于研究群体遗传结构、迁徙率等[6-32]。姓氏在流行病学方面也得到应用,如Abbotts以姓氏为线索从生理、体质特征和社会经济因素等方面分析了移居到苏格兰的爱尔兰人后裔的高死亡率，Polednak发现了美国康涅狄格州的西班牙姓氏的女性有较低乳腺癌发病率等[33-35]。
姓氏与Y染色体的父系遗传
虽然姓氏在宏观上被用于分析群体遗传结构,但是姓氏并不完全遵从父系遗传。就中国的社会情况而言，收养、继养、入赘、甚至直接改姓，都会影响姓氏与父系血统的关联程度。另一方面，中国大多数姓氏起源于春秋时期的各个封国，当封国内的百姓都以国为姓的时候，这些同国百姓的血统可能本来就不一致。这就造成了很多比较大的姓氏内部遗传结构不一致。即便这样，当我们不拘泥于群体中同一姓氏的研究，而是针对有着明确的历史记载的宗族进行研究，姓氏无疑还是一个很好的遗传标记。
与姓氏不同，人类的Y染色体直接代表着父系遗传，永远是父子相传的，不会受到任何社会文化和自然因素的影响。人体内有23对染色体，其中22对常染色体中，每一对染色体都有一条来自父系，一条来自母系，两条染色体在传代过程中对应的部分会发生交换，从而造成混血的效应，就是遗传学上说的重组。另一对性染色体包括X染色体和Y染色体。在女性体内，X染色体也是成对的，分别来自父母双方，所以也不能避免混血的影响。而在男性体内，却只有一条来自母亲的X染色体和一条来自父亲的Y染色体，也就是说男性的Y染色体只能来源于父亲，所以人体性染色体的遗传方式决定了Y染色体遵从严格的父系遗传(图1)。
Y染色体与X染色体之间是否会发生重组呢？要回答这个问题，必须先了解Y染色体

图1 姓氏和Y染色体的共同传递
Fig.1. Parallel Inheritance of Surnames and Y-chromosomes
的结构。人类Y染色体DNA大约包含六千万个碱基对，其中染色体两端的5%为拟常染色体区域(pseudoautosomal region)，在传代过程中与X染色体相应区段会发生重组，而主干部分的95％为非重组区域(NRY, non-recombinating portion of Y chromosome)，不与任何染色体发生重组(图2)[36,37]。所以，Y染色体主干部分的此特性，保证了子代能完整地继承父代的Y染色体主干而不受混血影响，保证了Y染色体主干的严格父系遗传。
所以，当姓氏已经无法作为追寻祖先的可靠标记的时候，以现代的分子生物学技术为基础，研究Y染色体主干的类型分布，是直接追溯群体或者家族的父系起源的最佳方法，是验证祖先与后代的父系关联的唯一手段。例如，在曹操的后人中分析Y染色体特征，我们就可以了解曹操本人的Y染色体特征。实际上，在一段有较可信历史记录的时期内，整个家族的姓氏与父系遗传的关联是可以保证的，所以家族的姓氏往往与固定的Y染色体类型共同传递，紧密关联。

图2 Y染色体模式图
Fig. 2. Idiogram of human Y chromosome
稳定中变化着的Y染色体
在一代一代的父子相承的传递过程中，Y染色体也在慢慢地积累着变化。正是因为遗传突变的积累，使得人类父系遗传体系中，距离越远的个体的Y染色体差异也越大。Y染色体上的突变形成的个体差异主要有两大类，单核苷酸多态(SNP)和短串联重复(STR)(图3)。DNA分子由四种碱基(A、T、C、G)按照一定的顺序连接而成，SNP是仅仅一个位置上的碱基类型变化。Y染色体上的同一个SNP在人群中一般只有两种类型。STR则是在染色体的特定区段，由几个碱基组成一个单位重复出现，不同的Y染色体上的同一个STR位置往往有不同的重复拷贝数。SNP和STR由于突变性质和突变速度不同，在分析中有着不同的用途。
要确立父系遗传体系，最重要的前提是祖先的突变可以稳定的保留在后代的Y染色体上。SNP突变因为突变速率极低，可以做到在后代中永久地保留，后代只能在祖先的突变基础上积累新的突变，而不会丢失祖先的突变特征。通过比较人类与黑猩猩的Y染色体差异[38]，以及大家系中的Y染色体的差异程度[39]，Y染色体上的SNP突变的速率被计算了出来。每出生一个男子，一个染色体位置上发生SNP突变的概率为大约三千万分之一。实际上由于Y常染色质区的保守性，以及人类历史上大量男子都没有男性后代保留至今的事实，实际的群体中突变率应该低几个数量级。而我们通常研究的是Y染色体非重组区大约三千万个碱基对的常染色质区[40,41]，按照每个碱基对三千万分之一的突变率，这个区段内每个男子平均都会有一个新的突变。这个新的突变随机地出现在Y常染区的任意一个点上，如果这个突变了的点上再发生一次突变，那么这个突变就在后代中丢失了，我们就无法通过后代确定祖先的Y染色体突变谱。但是同一个点上先后发生两次突变的概率，按照概率计算方法就是三千万分之一的平方，也就是九百万亿分之一，相对于人类自古以来的人口，这个概率就近似于零。所以我们可以说，绝大多数情况下，祖先的Y染色体上出现的SNP突变特征在后代中能够找到，而后代只能在祖先Y染色体突变谱的基础上增加新的突变(图4)。
由多个SNP突变构成的一种突变谱被称为一种单倍型。例如图4中就有5个SNP突变，陆续构成5种单倍型。其中1型是其他单倍型的祖先型，其他单倍型都是后代型。祖先型与所有后代型合称为一个单倍群。一个家族的所有Y染色体理论上都属于一个单倍群，因为其中所有的男性都应该来自同一个祖先。
当然，单倍群的概念可大可小。大而言之，全世界的Y染色体都属于一种单倍群，都来自二十多万年前的一个东非晚期智人男子[42,43]。进而，全世界又可以分为20种主干单倍群，编号从A到T。最古老的A和B单倍群都没有走出非洲，C和D单倍群最早来到了澳洲和亚洲，E单倍群来到了亚洲又回到非洲，

图3短串联重复(STR)和单核苷酸多态(SNP)的两种突变类型区别
Fig.3. Comparison between short tandem repeat (STR) and single nucleotide polymorphism (SNP)

F单倍群衍生出GHIJ等单倍群在西方形成欧罗巴人种，衍生出K单倍群并形成NOPQ等单倍群在东方形成蒙古人种，其中O单倍群成为了中国人的主流，而Q单倍群成为美洲印第安人的主流。所以Y染色体的谱系构建出了全人类的一部大家谱。
Y染色体上的时钟
利用Y染色体上稳定遗传的SNP，我们可以构建出个体或家族之间明确的遗传渊源。而且，既然SNP有稳定的突变速率，当我们统计出不同人的Y染色体之间的突变差异数，将差异数除以速率，经过换算就可以估算两条Y染色体之间的分化时间。但是，由于SNP的突变速率实在太低，个体之间的突变差异散布在Y染色体的各处，只能使用Y染色体全测序来寻找，而目前全测序的成本太高，尚不能普遍应用。这一缺点被Y染色体上的另一遗传标记STR弥补了。一些STR位点分布在Y染色体上的固定位置，每一个STR位点内部的重复单位在传代过程中改变着拷贝数，这种改变也是有着固定的速率的。而STR突变速率要比SNP大得多，在家系中每出生一个男子每个STR位点突变概率大约是三百分之一(表1)。一般的Y染色体分析中，我们调查15个STR位点，那么总体突变率就大约是二十分之一。而Y染色体上大约有150个4至6个核苷酸重复的STR[52]，如果分析全部的STR位点，那么总突变率大约就是二分之一。这一高突变率就非常有利于估算不同Y染色体之间的分化时间，因此STR位点成为了Y染色体上的“时钟”。
STR的突变是双向性的，拷贝数可以增加或减少。有同一祖先的不同个体的同一STR位点，可能有不同突变方向和重复数。同SNP一样，数个不同位置上的STR也可以构成单倍型[47,53]。在群体中分析STR单倍型的多样性程度可以计算群体的共祖时间。假设一个STR每次突变都只增加或者减少一个重复单位，也就是一步(single-step)突变模型，且群体有着恒定的有效群体大小，就可由公式t=-Ne ln(1-V/Neμ)推算出某特定Y-SNPs发

图4  Y染色体突变谱构成单倍型
Fig.4. Y chromosome haplotypes formed by accumulation of SNP mutations
表1不同文献估算的STR突变率  Tab.1. Y chromosome STR mutation rates estimated in different studies