《Forensic Science International: Genetics》：Age prediction of contributors to two-person DNA mixtures via deconvolution of autosomal DNA methylation profiles
编辑推荐：
本研究针对法医遗传学中混合DNA样本无法直接应用现有年龄预测模型的难题，开发了一种名为UnMixMe的创新方法。该方法通过已知受害者DNA甲基化(DNAm)谱和STR分析估计的混合比例，成功从双人混合样本中解卷积出未知嫌疑人的DNAm谱，并利用四种表观遗传时钟(BLUP、EN、Horvath、skinHorvath)进行年龄预测。实验表明，在嫌疑人比例较高的混合条件下(如10:1至1:2)，年龄预测准确度与单一样本相当(MAE最低0.3年)，为混合样本的法医学年龄推断提供了突破性解决方案。
在犯罪现场调查中，生物痕迹往往成为破案的关键线索。特别是当案件缺乏明确嫌疑人时，通过DNA痕迹推断遗留者的年龄信息，能够有效缩小侦查范围。近年来，基于DNA甲基化(DNAm)的年龄预测技术已成为法医遗传学领域的前沿方向，通过检测特定CpG位点的甲基化水平变化，能够以平均2.8-3.4年的误差精度估算样本供体的实际年龄。然而，这项技术的推广应用面临着一个致命瓶颈——现有模型仅适用于单一来源的DNA样本，而对犯罪现场常见的多人混合样本束手无策。
这种局限性严重制约了DNAm年龄预测技术的实战价值。想象一下，在暴力犯罪现场提取的血液样本中，往往同时包含受害者和嫌疑人的生物信息。传统的Y染色体CpG模型虽然能对男性成分进行年龄推断，但其准确度较差(平均误差5.73-7.61年)，且无法应用于同性别混合样本。因此，开发能够处理混合样本的年龄预测方法，成为法医DNA分析领域亟待突破的技术难关。
为解决这一挑战，哥本哈根大学研究团队在《Forensic Science International: Genetics》发表了创新性研究成果。他们开发出名为UnMixMe的DNA甲基化谱解卷积方法，首次实现了从双人混合样本中提取未知个体年龄信息的技术突破。该方法建立在一个巧妙的数学模型基础上：混合样本的DNAm测量值(β值)实际上是两名贡献者甲基化水平的加权平均值，权重即为其DNA混合比例。
研究团队通过精心设计的实验验证了该方法的可行性。他们选取两对男女志愿者(年龄差分别为8岁和27岁)，制备了七种不同比例(10:1至1:10)的血液DNA混合样本。首先通过STR分析和STRmix?软件精确估计混合比例，然后使用Illumina EPIC v2.0微阵列测量DNAm水平，最后应用UnMixMe公式解卷积出嫌疑人的甲基化谱。值得注意的是，研究人员采用了四种不同的表观遗传时钟进行年龄预测比较，包括涵盖319,607个CpG位点的BLUP时钟、514个CpG的EN时钟，以及经典的Horvath时钟(353个CpG)和skinHorvath时钟(391个CpG)。
关键技术方法包括：1)基于STR标记的DNA混合比例估计，使用GlobalFiler? IQC试剂盒进行PCR扩增，通过3500xL遗传分析仪分离检测；2)全基因组DNA甲基化分析，采用Infinium MethylationEPIC v2.0芯片测量β值，通过SeSAMe软件包进行数据预处理；3)DNAm谱解卷积算法开发，建立数学模型从混合信号中分离个体特征；4)表观遗传年龄预测，利用methylclock软件包实现四种时钟模型的年龄计算。
研究结果充分证明了UnMixMe方法的有效性。在嫌疑人为主导的混合条件下(比例10:1至1:2)，年龄预测展现出令人瞩目的准确度。特别是BLUP时钟表现最优，平均绝对误差(MAE)维持在0.3-3.68年之间，与单一样本的预测精度相当。这种准确性随着混合比例的变化呈现规律性变化——当嫌疑人DNA比例降低时，预测误差逐渐增大。在1:4和1:10的混合条件下，所有时钟的MAE均出现明显上升(2.68-17.42年)，这揭示了解卷积方法的技术边界。
通过深入的模拟分析，研究人员识别出影响预测精度的三个关键因素。首先是DNAm测量技术的精密度，在受害者比例较高的样本中，微小的技术噪声会被放大，导致解卷积结果失真。其次是混合比例估计的准确性，STR分析中5%的比例偏差就可能在1:10混合样本中引发显著误差。最后是表观遗传时钟本身的预测误差，研究发现单一样本中预测不准的个体，在混合样本中同样会出现较大偏差。
值得注意的是，贡献者之间的年龄差异并未显示出与预测误差的相关性，这表明UnMixMe方法的性能主要受技术因素制约，而非生物学变量影响。这一发现增强了方法在不同年龄组合场景下的适用性。
研究结论确立了UnMixMe作为首个人类混合样本DNAm年龄预测方法的科学价值。该方法的最大优势在于能够直接利用现有的高精度常染色体CpG预测模型，无需重新开发专门针对混合样本的算法。这不仅将年龄预测技术的应用范围扩展到了更复杂的法医场景，还为其他DNAm表型推断(如吸烟状态、环境暴露等)在混合样本中的应用提供了技术框架。尽管在极端混合比例下存在精度下降的挑战，但这项研究为法医遗传学开辟了新的技术路径，标志着混合样本分析从单纯的STR分型向多维表型推断的重要转变。
讨论部分强调了该技术的转化潜力。在标准法医检验流程中，STR分析和DNAm检测可以形成互补的分析链条——前者确定混合比例和贡献者数量，后者实现年龄等表型信息的提取。这种整合分析策略有望在未来成为复杂犯罪现场样本的标准处理流程。同时，研究者也指出了需要进一步优化的方向，包括低模板DNA样本的适应性、混合组织来源样本的处理，以及更精确的比例估计方法等。随着DNAm测量技术的不断进步和预测模型的持续优化，UnMixMe方法有望在实战中发挥更大的价值，为破解疑难案件提供新的科学武器。
