我用自己的微基因数据做了古DNA分析，结果省了899

说实话，我对测自己基因这件事，一直都很感兴趣。

但每次打开购物车，又默默关掉了。

原因有两个。

一是贵。普通版619，想做23魔方祖源分析得899起。二是……说实话，作为一个研究古DNA的研究生，我大概猜得出自己的结果长什么样。毕竟天天和古代人群数据打交道，自己的基因构成，脑子里已经有个大致的轮廓了。

所以就这么一直拖着。

直到618前夕，我刷到微基因基础版398的活动。

犹豫了三秒，点开了产品介绍——然后我注意到一行不起眼的小字：支持原始数据下载。

我往下看：130万个SNP位点。

我愣了一下。

要知道，我们平时测古代人骨的样本，能有10万个有效SNP位点，就已经是质量非常好的样本了。而一份消费级的基因检测，给到的是130万——是古代样本的十几倍。

一个想法开始在我脑子里成型。

那一晚上，我几乎没睡着。脑子一直在转：如果把这份数据，丢进我们实验室的分析流程里——会跑出什么结果？

消费级检测告诉你的，是你和现代各地人群有多少相似度。但那不是我们做的事。我们对比的是几千年前、真实存在过的古代人群。这是两套完全不同的逻辑，结论可以差很多。

我几乎是立刻就下单了。

对比了一下微基因和23魔方——23魔方要祖源版（899元）才开放数据下载，微基因基础版398就可以。选哪个，不用多想。

下单，等快递。

收到快递、完成采样、寄回去，等了大概10天，微基因的报告出来了。

结果是这样的：

看起来……挺正常的。

北方汉族为主，有一定南方汉族成分，符合我对自己祖籍的大致判断。微基因给出的，是一个用现代人群作为参照的结果——告诉你你和今天哪个族群最像，比例是多少。

但这不是我想要的答案。

我想知道的是：在这些现代人群存在之前，我的祖先从哪里来？他们是谁？他们走过了什么路？

现代人群的比例，回答不了这个问题。

接下来我在官网下载的核心数据，拿到数据之后，第一步是把我自己的基因，和实验室数据库里的古人样本合并在一起。

学界做这类研究，通常用的是一个叫 AADR 的公开数据库——里面收录了全球已发表的古人基因数据。但我们实验室会在此基础上持续追踪最新研究，把新出土、新发表的古人样本同步进来，覆盖更全、更新。里面有来自中国各个史前遗址的样本，也有中亚、东南亚、西伯利亚的古人，时间跨度从一万多年前一直延伸到历史时期。

简单说：这是一个装着几千年前真实存在过的"人"的数据库。

PCA——把古人和我画在同一张地图上

PCA，主成分分析。

原理其实很简单：把东亚的古代人、现代人，还有我自己的基因数据，一起投影到同一张图上。每个人变成图上的一个点。基因越相似，点就越靠近。我的那个点，落在谁旁边——我就和谁最像。就这么直接。

结果如图所示。

距离我最近的古人样本，是丁公遗址（lower_YR_Dinggong_Longshan）的古人。丁公遗址位于山东，是距今约4000年的龙山文化晚期遗址——大致相当于传说中尧舜禹的年代，属于黄河下游的史前人群。

整体来看，我的点落在古代黄河流域人群和江苏现代汉族人的附近，这倒在意料之中。

但有一个细节让我多看了两眼——

我的位置，相比黄河流域的古代样本，稍微向左偏移了一点点。在这张图的坐标逻辑里，"向左"意味着更靠近南方人群的方向。这个偏移虽然不大，但它在提示一件事：我的基因里，可能有一部分来自更南方的人群血统悄悄混入进来。

这个信号很微弱——但它真实存在。

至于是哪里来的、占多少比例，PCA还给不出答案。这就需要下一步更精确的分析了。

outgroup f3——看我和哪些古人"真的有血缘关系"

outgroup f3，以非洲人群（Mbuti）作为外群，计算我和某个参考人群之间共享的遗传漂变量。共享的漂变越多，说明我们在分化之后经历的共同演化历史越长，亲缘关系也就越近。值越大，说明和我的遗传亲缘越近。相比PCA的直觉判断，f3给出的是一个更量化、更严格的亲缘信号。

结果如图所示。

排在最前面的，是仰韶文化相关人群，以及黄河下游的龙山文化人群——这和PCA的结论完全吻合。紧随其后的是畲族、山东现代人、韩国人和汉族，都是预期内的东亚近亲。

整体来看，没有太多意外。

但我在图里找到了一个有意思的名字——蒙古色楞格匈奴（Mongolia_Selenge_Xiongnu）。

匈奴出现在这里，倒不是说我身体里流着什么草原王族的血。更可能的解释是：匈奴人群本身就不是一个"纯粹"的草原人群。考古基因组学的研究已经证实，匈奴是一个高度混合的人群——核心是东北亚草原成分，但同时融合了相当比例的东亚农业人群血统。换句话说，匈奴和我之间检测到的共同祖先信号，很可能来自我们共享的那部分东亚农业人群底色，而不是我真的和驰骋草原的匈奴人有什么直接渊源。

当然，也不能完全排除后者。毕竟历史上，北方游牧人群与中原农耕人群之间的交流从未真正停止过。只是这个信号有多少、从哪里来，f3还给不出更精确的答案。

ADMIXTURE——把我的基因"拆开来看"

如果说f3是在验证我和某个人群有没有血缘关系，那ADMIXTURE做的事情更像是——把我的基因拆解开，看它究竟是由哪几种"祖先成分"混合而成的。

原理其实很直觉：假设人类在漫长的历史里，曾经存在过几个相对独立的祖先群体。随着人群的迁徙和融合，这些成分逐渐混合，最终组成了今天每一个人的基因。ADMIXTURE要做的，就是把这个过程倒推回去——给定K个祖先成分，计算你身上每种成分各占多少比例。打个比方：就像把一杯调好的果汁，反推它里面有多少橙汁、多少苹果汁、多少葡萄汁。

根据计算当k=5时模型最佳，也就是假设东亚人群的基因背景，可以被拆解成5种祖先成分来解释。

结果如图所示。

五种颜色，每一种代表一个方向：蓝色是西欧亚成分，以欧洲新石器时代人群为代表；深绿色在黄河流域新石器和山东古代人群中比例较高，代表偏北方的黄河农业人群底色；红色是东亚农业基础成分，在现代汉族中普遍存在；浅绿色在阿美族（Ami.DG）等台湾南岛语族人群中接近100%，是东南亚／南岛相关成分；黄色则在西伯利亚人群中占主导，代表古北亚方向。

看我自己的结果：蓝色几乎为零——西欧亚方向基本排除。黄色约2%，古北亚信号极其微弱。深绿色约30%、红色约33%，两者合计超过60%，都是东亚农业人群的底色，方向高度一致。浅绿色约35%，是南岛／东南亚相关成分，对应的正是前面f4统计里那个南方方向的信号。

把五种颜色拼在一起：我的基因，几乎全部来自东亚农业人群，有明确的南方成分，没有西方混入——和PCA、f3的结论，指向的是同一个方向。

f4统计——验证南方基因是否真实存在

前面PCA里，我注意到自己的位置相比黄河流域古人样本，有一点向南偏移。这个偏移是真实的血缘信号，还是只是视觉上的误差？f4统计可以给出一个更严格的答案。

f4的逻辑是这样的：给定四个人群，检验它们之间的基因关系是否符合某种特定的树形结构。如果不符合，说明其中存在额外的基因流动——也就是某个人群曾经和另一个人群发生过混合。用到我身上，就是验证一件事：我的基因里，是否真的有来自南方人群的成分混入？

我选择黄河流域青铜时代人群（China_YR_LBIA）作为参照——原因很简单，前面PCA和f3的结果都指向这个方向，它是目前最接近我基因底色的古代人群。以它为基准，f4可以帮我检验：相比这个参照，我还额外多了哪些方向的基因信号？

结果如图所示。

落在0右侧的人群，说明相比黄河流域青铜时代人群（China_YR_LBIA），我在那个方向上多了一些额外的遗传成分。果然，偏正的几乎全是南方人群——泰国、林芝、拉祜、老挝、傣族……方向非常一致。

其中最让我注意的，是大溪遗址（Daxi）。大溪文化距今约5000至6000年，主要分布在长江中游地区，也就是今天的湖北、湖南一带。它是长江流域新石器时代的重要文化之一，人群在遗传上带有明显的南方农业人群特征，在东亚古DNA研究里常被用来代表早期长江流域的土著成分。它出现在这里，方向完全说得通。

但我也注意到一个问题——这张图里，所有人群的Z值绝对值都没有超过3。这是统计学上判断结果是否显著的常用门槛。

换句话说：南方信号的方向是对的，但还不够强，统计上尚未达到显著水平。这不代表结论是错的，但说明f4在这里只能给出一个方向性的提示，而无法作为确凿的证据。要真正量化我身上的南方成分，还需要更精确的建模方法——也就是接下来的qpAdm。

qpAdm建模——给我的基因找到最合理的"配方"

qpAdm是这套分析流程里最核心的一步。前面几个方法告诉我的是"方向"——我靠近谁、和谁有血缘信号。但它们都给不出一个精确的比例：我身上到底有多少黄河流域的成分，又有多少南方成分？qpAdm做的，就是用几个古代人群来"调配"我的基因——看哪种组合能最好地还原我的遗传特征，同时给出每种成分的具体比例。

但这一步，远没有我想象的顺利。

我最先尝试的，是最直觉的几个组合：丁公遗址（lower_YR_Dinggong_Longshan）人群、f3结果里亲缘最近的崧泽（Songze）文化人群，还有黄河流域青铜时代人群（China_YR_LBIA）加长江流域大溪遗址（Daxi）——结果一个都没能成功拟合。模型一个个被拒掉，说明这些组合都无法充分解释我基因里的成分结构。

于是我开始查文献。

找到了一篇2025年发表在 BMC Biology 上的论文——Genetic stability in the lower Yangtze River basin from Song to Qing Dynasty。这项研究测序了江苏宋至清代的八个古人基因组，发现尽管历史上经历了多次人口迁移，该地区的人群结构几乎没有发生变化，始终与黄河流域人群保持着高度遗传亲缘性。更关键的是，他们在建模中发现，距今约4500年的福建古代稻作人群——昙石山（Tanshishan）和溪头村（Xitoucun）——与长江下游古代江苏人群遗传亲缘最为接近，因此将其作为南方成分的代理人群纳入模型。

这给了我一个新思路。

我借鉴了这篇论文的建模策略，把昙石山（Tanshishan）作为南方成分的代表，重新跑了qpAdm——这一次，模型成功拟合了。

结果如下：

我 = 93.5% 黄河流域青铜时代人群（China_YR_LBIA）+ 6.5% 昙石山（Tanshishan）
标准误 ±3.3%，p值 = 0.124，模型通过。

93.5%，是黄河流域新石器至青铜时代农业人群的底色——这一点从PCA、f3、f4的结果就已经在一步步暗示了，qpAdm给出了最终的量化确认。

剩下的6.5%，来自昙石山（Tanshishan）。昙石山遗址位于福建闽侯，距今约4500年，是福建沿海地区重要的新石器时代遗址，人群带有明显的南方沿海稻作农业特征。在东亚古DNA研究中，昙石山人群常被用来代表早期华南沿海的土著基因成分。

这6.5%，呼应了f4统计里那个始终存在、却不够显著的南方信号。它不大，但它真实。某一支来自华南沿海的人群，在某个我们已经无法追溯的历史节点，悄悄和我的祖先相遇、融合，然后一路传到了今天——传到了我的基因里。

写在最后

作为一个古DNA研究生，总算把所学的东西给自己用上了一回——顺带着，美美省下了899元的祖源测序费。

但真正让我意外的，不是我自己的结果。

是我在查文献的过程中，翻到了那篇BMC Biology的论文。论文里记录了江苏人从宋代、明代到清代的基因变化——一段跨越几百年、用基因写成的历史。

而我的数据，恰好接在了这段历史的末尾。

把这两个结果拼在一起，我推测出了一个有点不可思议的故事。

如果这篇笔记点赞超过1000，我来给大家讲讲这几百年里，江苏人的基因到底经历了什么。