A Rarefaction Approach to Identify Local Introgression in a Three Population Tree

Die Geschichte der menschlichen Evolution ist nicht nur eine gerade Linie von Vorfahren, die zu uns führt; sie ist ein verwobenes Netz, in dem verschiedene Gruppen von Menschen aufeinandertreffen, sich vermischten und genetisches Material austauschten. Dieser Prozess, bekannt als Introgression, geschieht, wenn zwei unterschiedliche Populationen untereinander sich paaren, was eine Spur aus gemeinsamem Erbgut hinterlässt, das heute in ihren Nachkommen zu finden ist. Jahrzehntelang haben Wissenschaftler ein spezifisches mathematisches Werkzeug verwendet, um diese uralte Vermischung über ganze Genome hinweg nachzuweisen. Dieses Werkzeug funktioniert, indem es ein Ungleichgewicht darin sucht, wie genetische Varianten zwischen drei Gruppen von Menschen und einer vierten, entfernten Gruppe geteilt werden, die als Referenzpunkt dient, um zu bestimmen, welche genetischen Veränderungen neu und welche alt sind. Während diese Methode exzellent darin war, groß angelegte Vermischungsereignisse aufzuspüren, hat sie Schwierigkeiten, wenn Forscher versuchen, die spezifischen, kleinen DNA-Abschnitte zu finden, in denen diese Vermischung stattfand, insbesondere wenn die Daten unordentlich sind oder die verglichenen Gruppen unterschiedliche Anzahlen von Individuen aufweisen.

In einer neuen Studie haben die Forscher T. Quinn Smith und Zachary A. Szpiech einen frischen Ansatz entwickelt, um diese Probleme zu lösen. Sie haben eine neue Methode entwickelt, die darauf ausgelegt ist, genau zu bestimmen, wo uralte DNA in eine moderne Population gelangte, selbst wenn die Daten unvollkommen oder die Stichprobengrößen ungleichmäßig sind. Durch die Anwendung einer statistischen Technik, die die Anzahl der Individuen in jeder Gruppe anpasst, kann ihr neues Werkzeug diese genetischen Fußabdrücke mit größerer Genauigkeit als bisherige Methoden identifizieren. Das Team testete seinen Ansatz umfassend mithilfe von Computersimulationen, die die komplexe Geschichte menschlicher Populationen nachahmen. Sie fanden heraus, dass ihre Methode zuverlässiger darin ist, die richtigen Stellen zu finden, und weniger wahrscheinlich Fehler macht, selbst wenn die genetischen Daten unvollständig sind oder die untersuchten Gruppen mit unterschiedlichen Geschwindigkeiten evolviert sind. Um ihren realen Wert zu beweisen, wandten sie ihr neues Werkzeug auf die DNA moderner Papua-Menschen an und identifizierten erfolgreich spezifische DNA-Segmente, die von Denisovans, einem alten menschlichen Verwandten, geerbt wurden, einschließlich Genen, die eine entscheidende Rolle im Immunsystem spielen.

Die zentrale Herausforderung, die die Forscher adressierten, ist die Schwierigkeit, zwischen genetischen Ähnlichkeiten, die durch uralte Vermischung verursacht wurden, und solchen zu unterscheiden, die durch andere Faktoren verursacht wurden, wie etwa den Zufall oder Unterschiede in der Art und Weise, wie Populationen wuchsen und schrumpften. Die traditionelle Methode, die weit verbreitet im Feld genutzt wird, beruht auf dem Zählen, wie oft spezifische genetische Muster in einem Satz von vier Gruppen auftreten. Sie erfordert eine „Referenzgruppe“, meist eine antike oder entfernte Population, um den Forschern zu sagen, welche genetischen Varianten die ursprünglichen sind und welche neuere Mutationen darstellen. Diese Referenzgruppe ist jedoch nicht immer verfügbar, und selbst wenn sie vorhanden ist, versagt die Methode oft bei der Anwendung auf kleine Abschnitte des Genoms oder wenn die Anzahl der pro Gruppe beprobten Individuen signifikant variiert. Wenn eine Gruppe viel mehr Individuen hat als eine andere, kann das traditionelle Werkzeug dazu verleitet werden, eine Vermischung zu sehen, wo keine ist, oder sie ganz zu übersehen.

Smiths und Szpiechs Lösung beinhaltet ein Konzept namens Rarefizierung, eine Technik, die aus der Ökologie entlehnt ist und verwendet wird, um die Artenvielfalt zu vergleichen, wenn die Stichprobengrößen variieren. In ihrer neuen Methode benötigen sie keine Referenzgruppe, um das Alter einer genetischen Variante zu bestimmen. Stattdessen betrachten sie die einzigartigen genetischen Signaturen, die in Paaren von Populationen erscheinen. Sie berechnen die Wahrscheinlichkeit, eine spezifische genetische Variante in einer kleineren, standardisierten Stichprobe aus jeder Gruppe zu finden. Indem sie dies tun, gleichen sie das Spielfeld an und stellen sicher, dass eine Gruppe mit vielen Proben nicht gegenüber einer Gruppe mit wenigen Proben unfair gewichtet wird. Dies ermöglicht es ihnen, zu zählen, wie viele genetische Varianten ausschließlich zwischen zwei Gruppen geteilt werden, was ein starkes Signal dafür ist, dass diese Gruppen in der Vergangenheit DNA ausgetauscht haben.

Die Forscher unterzogen ihre neue Methode strengen Tests unter Verwendung von Computersimulationen, die die Geschichte menschlicher Populationen rekonstruierten. Sie erstellten Szenarien, in denen Populationen auseinandergingen, zu bestimmten Zeiten vermischten und sich dann weiterentwickelten. Sie testeten ihren Ansatz gegen mehrere bestehende Werkzeuge, einschließlich des traditionellen Ansatzes und anderer moderner Techniken, die auf komplexen Computermodellen beruhen. In diesen Simulationen übertraf ihre Methode die anderen konsequent. Sie war besser darin, die spezifischen DNA-Blöcke korrekt zu identifizieren, die gemischt worden waren, und machte weniger Fehlalarme. Entscheidend war, dass die neue Methode auch dann präzise blieb, wenn die Forscher die Referenzgruppe vollständig entfernten – ein Schritt, der die Leistungsfähigkeit der traditionellen Methode ablaufen ließ. Sie hielt auch stand, wenn die Daten „depolarisiert“ wurden, was bedeutet, dass die Forscher die Informationen darüber vertauschten, welche genetischen Varianten alt und welche neu waren – eine Situation, die in realen Studien häufig vorkommt, in denen die wahre Geschichte unbekannt ist.

Die Studie untersuchte auch, wie die Methode mit der unordentlichen Realität alter DNA umgehen würde. DNA aus alten Knochen ist oft beschädigt, mit fehlenden Stücken oder chemischen Veränderungen, die sie wie eine andere genetische Variante aussehen lassen, als sie tatsächlich ist. Die Forscher simulierten diese Fehler, einschließlich fehlender Daten und chemischer Schäden, und fanden heraus, dass ihre neue Methode robust war. Während das Vorhandensein fehlender Daten die Fähigkeit aller Methoden reduzierte, die Wahrheit zu finden, blieb der neue Ansatz zuverlässiger als seine Konkurrenten. Er war besonders effektiv, wenn die Anzahl der beprobten Individuen aus verschiedenen Gruppen ungleichmäßig war, eine häufige Situation in genetischen Studien, in denen einige Populationen gut beprobt sind und andere nicht.

Um die praktische Anwendung ihrer Arbeit zu demonstrieren, wandte das Team sich an reale Daten von modernen Papua-Menschen und eine Probe von Denisova-DNA. Papua-Menschen sind dafür bekannt, eine signifikante Menge an DNA von Denisovans zu tragen, einer alten menschlichen Gruppe, die in Asien und Ozeanien lebte. Die Forscher nutzten ihr neues Werkzeug, um die Genome von 17 Papua-Individuen und einer Denisova-Probe zu scannen, um nach den spezifischen Regionen zu suchen, in denen diese uralte Vermischung stattfand. Sie identifizierten mehrere DNA-Blöcke, die wahrscheinlich von Denisovans geerbt wurden. Viele dieser Blöcke enthielten Gene, die mit dem Immunsystem zusammenhängen, wie RRM1, HIC2, BANK1, CLEC9A und LRBA. Dieser Befund deckt sich mit der Vorstellung, dass die Vermischung mit alten Menschen den modernen Populationen genetische Vorteile verschaffte, insbesondere bei der Bekämpfung lokaler Krankheiten. Sie fanden auch ein Gen namens ADK, das mit der Anpassung an große Höhen in Verbindung gebracht wurde und ebenfalls an der Immunfunktion beteiligt ist.

Die Forscher testeten auch, wie gut ihre Methode funktionieren würde, wenn sie mit weniger Proben zu arbeiten hätten, was eine häufige Einschränkung in der Genforschung darstellt. Sie wiederholten die Analyse unter Verwendung von nur zwei Papua-Individuen anstelle der gesamten Gruppe von 17. Während die traditionelle Methode und andere Werkzeuge viele der identifizierten Regionen in diesem kleineren Datensatz verloren, behielt die neue Methode einen viel größeren Anteil der Funde bei. Dies deutet darauf hin, dass die Technik besonders wertvoll für Studien ist, in denen die Stichprobengrößen begrenzt oder ungleichmäßig sind, da sie es Forschern ermöglicht, mehr Informationen aus kleineren Datensätzen zu extrahieren, als bisher möglich war.

Die Studie kommt zu dem Schluss, dass die neue Methode zwar ein mächtiges Werkzeug ist, um lokale Regionen uralter Vermischung zu finden, aber am besten als eine Möglichkeit eingesetzt werden sollte, Kandidaten für weitere Studien zu generieren. Sie zeichnet sich dadurch aus, die interessantesten Teile des Genoms hervorzuheben, ersetzt aber nicht die Notwendigkeit eines vollständigen Verständnisses der Geschichte einer Population. Die Autoren merken an, dass die Methode am besten funktioniert, wenn Forscher nach Ausreißern suchen – Regionen, die aus dem Rest des Genoms herausstechen – und nicht, wenn sie versuchen, die Gesamtmenge der Vermischung über das gesamte Genom hinweg zu messen. In Fällen, in denen die Evolutionsgeschichte der Gruppen sehr komplex ist oder schnelle Veränderungen der Populationsgröße beinhaltet, könnten andere Methoden weiterhin notwendig sein. Doch für die spezifische Aufgabe, die präzisen Orte zu finden, an denen uralte DNA in eine moderne Population gelangte, bietet dieser neue Ansatz eine signifikante Verbesserung der Genauigkeit und Zuverlässigkeit und öffnet die Tür zu einem klareren Verständnis unserer gemeinsamen genetischen Vergangenheit.