Europas folk och varningssagan om y-kromosomlinjen R-M269

introduktion

sedan de första försöken att använda biologisk variation hos människor för att hjälpa vår förståelse av tidiga mänskliga migrationer har Europas folk varit ett stort forskningsfokus . Efter utvecklingen av jordbruket i den bördiga halvmånen för cirka 10 000 år sedan spred sig denna teknik från Nära öst västerut till Europa och orsakade en stor kulturell övergång från resande jägarsamling till stillasittande jordbruk , vilket ledde till dramatisk befolkningstillväxt under det som har blivit känt som den neolitiska övergången . Inom denna arkeologiska ram rasar debatten om de relativa bidragen till moderna europeiska befolkningar av de första människorna i Europa och de som migrerade in i den med den neolitiska övergången, både när det gäller deras genetiska arv och när det gäller migrations-och successionsprocesserna . Det sanna scenariot är utan tvekan mångfacetterat och komplext. Både tidigt arbete med ’klassiska markörer’ med användning av huvudkomponenter analys och nyare studier med användning av Y-kromosomen har visat att i Europa, genetisk variation fördelas längs en sydost–nordväst lutning. Sådana observationer har föreslagits för att stödja en modell för demic diffusion för den neolitiska övergången i Europa (dvs. att spridningen av jordbruket också innebar en tillhörande rörelse av människor från Nära öst) .

nytt arbete har behandlat den neolitiska övergången i Europa genom att fokusera på den huvudsakliga västeuropeiska Y-kromosomen haplogrupp R1b1b2-M269 (hädanefter kallad R-M269). Denna härstamning hade hittills fått lite ny uppmärksamhet i detta sammanhang, även om tidigare arbete föreslog att den bredare r-M173-kladen (exklusive R1A-M17-underlinjen) och haplogrupp 1 (härledd vid enkel nukleotidpolymorfism, eller SNP, 92R7) sannolikt kommer att ha spridit sig till Europa under Paleolitiken , och därför osannolikt att ha transporterats till Europa med de migrerande bönderna. Balaresque et al. (hädanefter ’Balaresque’) använde 840 Y-kromosomer inom haplogrupp R-M269 för att visa att även om denna haplogrupp kännetecknas av en stark frekvensklin från hög i väst till låg i öst, är den associerade klinen i haplotypdiversitet (mätt som Genomsnittlig kort tandemrepetition, eller str, varians) i motsatt riktning. De posited att denna korrelation kan förklaras av en nyare spridning av denna härstamning från Främre Orienten sammanfaller med den neolitiska övergången i Europa. Linjen uppskattades vara ungefär 6000 år gammal i olika populationer, vilket hävdades vara förenligt med denna modell. Detta resultat, som noteras i deras introduktion, ’indikerar att den stora majoriteten av Europas Y-kromosomer har sitt ursprung i den neolitiska expansionen’ (s. 2 in ).

Myres et al. beskrev flera nya SNP-mutationer nedströms R-M269 som visar stark geografisk strukturering i ett mycket större urval av 2043 r-m269 kromosomer. De lyfter fram en väsentligen Europeisk specifik klad, definierad av närvaron av SNPs M412 (även känd som S167) och L11 (S127), som är klinal från höga frekvenser (större än 70%) i Västeuropa och minskar österut. Denna studie visade att fördelningarna av flera nedströms SNP uppvisar slående frekvensmönster och verkar spridas från olika områden med mycket lokaliserade frekvenser, av vilka några också observerades av Cruciani et al. . Myres et al. uppskattade koalescenstider för R-S116-haplogruppen i olika populationer i Europa och föreslog, i bred överenskommelse med Balaresque, att R-M269-haplogruppen kan ha spridit sig med den neolitiska, och mer specifikt med Linearbandkeramik, en neolitisk jordbruksindustri som spred sig över hela norra Europa, från Ungern till Frankrike, för cirka 7500 år sedan.

den nuvarande osäkerheten kring str-mutationshastigheter visar att trots dessa senaste studier kan det fortfarande inte finnas någon enighet om när och var R-M269-haplogruppen härstammar och sprids i Europa. Även om åberopandet av ursprunget till den europeiska y-kromosomgenpoolen ’måste ses försiktigt, särskilt när ett sådant argument bygger på bara en enda ofullständigt löst haplogrupp’ (s. 100 in ), är det av stort intresse att försöka förstå hur den stora majoriteten av västeuropeiska män (större än 100 miljoner) bär Y-kromosomer som tillhör R-M269 Y-kromosomen haplogrupp.

följaktligen har vi tagit upp dessa problem med vår egen stora r-M269-dataset, både på egen hand och i kombination med kompatibla data från den senaste omfattande undersökningen . Vi visar att det grundläggande förhållandet mellan genomsnittlig str-varians och longitud, som ligger till grund för det senaste påståendet om stöd för den neolitiska hypotesen , inte håller för vårt större och geografiskt bredare urval. Vi förklarar också hur denna tidigare analys kan ha resulterat i denna falska förening. Vi utforskar slutligen den rumsliga fördelningen av genetisk mångfald associerad med R-M269 Europeisk-specifik underlinje, definierad av SNP S127, som visar en väsentligen homogen bakgrund av mikrosatellitvariation vid flera olika underlinjenivåer, baserat på en gemensam uppsättning 10 STRs skrivna över 2000 r-M269 kromosomer.

medan man erkänner osäkerhet rapporterar forskare vanligtvis åldern för y-kromosomlinjer baserat på skillnader mellan individer över flera STRs, ofta med hjälp av average squared distance (ASD) eller relaterad sammanfattande statistik som objektiva uppskattningar av koalescenstid, T. vi undersökte hur ASD förändras i vår dataset baserat på olika uppsättningar STRs. Tvärtemot vad många tror, uppskattningar av ASD, och därför t, varierar kraftigt när olika delmängder av STRs används med samma prov. Medan de senaste bevisen har ökat stödet för den neolitiska spridningen av R-M269, drar vi slutsatsen att det för närvarande inte är möjligt att göra någon trovärdig uppskattning av divergenstid baserat på de uppsättningar av Y-STRs som används i de senaste studierna. Dessutom visar vi att det är egenskaperna hos Y-STRs, inte det antal som används i sig, som verkar kontrollera noggrannheten i divergenstidsberäkningar, attribut som sällan, om någonsin, beaktas i praktiken.

Material och metoder

(a) Etikutlåtande

alla män som samplades gav informerat samtycke efter etiskt godkännande av etikutskotten vid de olika universitet där proverna samlades in.

(b) DNA-prover och genotypning

vi samlade en dataset av 2486 r-M269 Y-kromosomer från hela Europa, Nära öst och västra Asien, från en total befolkning på 6503, som inkluderade både nya och tidigare publicerade Y-kromosomer. För att bedöma frekvensfördelningen av R-M269 och olika sub-haplogrupper i Europa och Asien kombinerade vi våra data med Myres et al. , vilket gav en kombinerad uppsättning av 4529 r-M269 kromosomer från ett totalt prov på 16 298 från 172 olika populationer (elektroniskt tilläggsmaterial, tabell S1 och figur S1). Frekvenserna för följande SNP, vars fylogeni visas i Figur 1, fastställdes: S127/L11 (rs9786076), S21/U106 (rs16981293), S116 (rs34276300), s145/M529 (rs11799226) och S28/U152 (rs1236440). Prover förstärktes i en standard PCR-reaktion och SNaPshot Multiplex System (Life Technologies Corp., Carlsbad, CA, USA) primerförlängningsprotokoll användes för att karakterisera allelen närvarande vid varje SNP-loci. Alla primers är listade i det elektroniska tilläggsmaterialet.

för majoriteten av individerna som skrivs in i denna studie (2289) var följande 10 STRs tillgängliga: DYS19; DYS389I; DYS389b (subtraherar allelerna som görs på DYS389I från DYS389II-lokusen); DYS390; DYS391; DYS392; DYS393; DYS437; DYS438; och DYS439, antingen tidigare publicerad eller har skrivits av oss själva med hjälp av Yfiler kit (Life Technologies Corp.) eller Promega powerplex-analys (promega corp., Madison, WI, USA). För proverna från Weale et al. , endast fem STRs publicerades tidigare, och så de återstående fem skrevs med en internt utformad och verifierad multiplex med primers från studien av Butler et al. för DYS391, DYS437, DYS389I och II och DYS439, och primers från studien av Gusmao & Alves för DYS438. DYS391-samtal användes för att kontrollera överensstämmelse med de ursprungliga Haplotyperna av Weale et al. Tre av Weale et al. populationer skrivs inte vidare för dessa STRs (114 individer). Individer som skrivs med Yfiler kit (1035) användes för att undersöka effekten av str-val på ASD-beräkningar (elektroniskt tilläggsmaterial, tabell S2).

populationer med en total storlek på 30 eller högre användes för att bygga frekvenskartor (elektroniskt tilläggsmaterial, figur S1). Variansen beräknades endast för de populationer där haplotyper var tillgängliga för minst 10 individer inom den relevanta haplogruppen.

(C) Analys

kartor över SNP-frekvenser visades med ArcMap GIS (V.9.2; ESRI). Interpolering utfördes med användning av det omvända avståndsviktningsförfarandet. Breddgrader och longituder för alla populationer baserades på det högsta upplösningsprovtagningscentret associerat med proverna och visas i elektroniskt tilläggsmaterial, tabell S1.

r-statistikpaketet användes för att beräkna median str-variansen (variansen i antalet upprepningar inom ett locus-medelvärde över alla loci) mellan alla individer inom en population efter 1000 bootstrap-replikat med ersättning över individer. Regressionsanalys utfördes i R för att jämföra Genomsnittlig str-varians med latitud och longitud för R-m269, R-M269(xS127) och R-S127 haplogrupper.

vi undersökte hur ASD-uppskattningar förändras inom vårt prov när vi använder olika kombinationer av STRs baserat på två separata kriterier: mutationshastighet, gastronomi; och observerad linjäritet, Mexikos(r) (tabell 1). Vi använde den observerade Kubin som beräknades nyligen för att rangordna 15 STRs på en hastighetsskala och beräknade separat ASD baserat på de sju snabbaste och sju långsammaste priserna (elektroniskt tilläggsmaterial, tabell S4). Vårt andra kriterium baserades på den beräknade varaktigheten av linjäritet, D, för olika grupper av STRs. Linjäritetens varaktighet är en uppskattning av divergenstiden efter vilken ASD upphör att öka linjärt med tiden. För STRs mutera under en strikt stegvis modell, Goldstein et al. visade att ASD initialt ökar linjärt med tiden, men att denna linjäritet begränsas av det maximala antalet upprepningar en STR kan ta, R . D approximeras med användning av Bisexuell(r) (som är en enkel omvandling av R) och bisexuell, och den effektiva populationsstorleken (Ne) (eqns 3 och 4 tum ). Större värden av θ(R)/2μ avkastning ökade uppskattningar av D. Använda STRs med större värden av θ(R)/2μ bör tillåta linjäritet befinna sig längre in i det förflutna, och ASD beräknas från dessa STRs bör vara mindre benägna att underskattas som ett resultat av mättnad. Tabell 1 och elektroniskt tilläggsmaterial, tabell S4 visar de olika grupperna av STRs som används och tillhörande värden för 0, 2, 2, 2 och ASD.

för att kontrollera att eventuella skillnader i tid till den senaste gemensamma förfadern (TMRCA) uppskattning inte är specifika för metoder baserade på ASD, använde vi BATWING på Hgdp Beduinpopulationen för vilken ett större antal Y-STRs (n = 65) var tillgängliga . Vi jämförde fyra olika uppsättningar STRs med varierande grad av varaktighet av linjäritetsuppskattningar (elektroniskt tilläggsmaterial).

resultat

för att undersöka ursprunget till r-M269-linjen i Europa analyserade vi en stor dataset av 4529 r-M269-kromosomer (varav 2486 inte tidigare har publicerats med sådan detaljerad upplösning) från flera populationer över hela Europa, Nära öst och västra Asien (elektroniskt kompletterande material, figur S1 och tabell S1). Inom Europa observerade vi en nordväst–sydostfrekvensklin för R-M269, liknande de som observerats tidigare , från höga frekvenser i Västeuropa till lägre frekvenser i öst. Inom haplogrupp R-M269 genotypade vi en nyligen karakteriserad SNP, S127 (motsvarande L11), för vilken distributionen i Europa och Nära öst, tillsammans med R-M269 och R-M269(xS127), visas i Figur 2. Fördelningarna av R-M269 och R-S127 överlappar i stort sett, men frekvensen av R-S127 sjunker runt Balkan och når extremt låga värden längre österut och utanför Europa. Omvänt visar R-M269 (xS127) högre frekvenser i östra populationer. Frekvenskartor som visar tre geografiskt lokaliserade R-S127-sub-haplogrupper (R-S21, R-S145 och R-S28) visas i Figur 3.

vi beräknade nästa str-mångfald för varje befolkning för hela r-M269-linjen och för R-S127 och R-M269(xS127) sub-haplogrupper och undersökte förhållandet mellan genomsnittlig STR-varians och longitud och latitud på exakt samma sätt som Balaresque. Vi ger uppskattningar av osäkerhet för dessa värden genom bootstrapping över individer och rapporterar medianen för de observerade variansvärdena och dess 95 procent CI (figur 2). Vi normaliserade latitud och longitud och utförde en linjär regression mellan dessa värden och medianmikrosatellitvariansen för de tre r-M269-sub-haplogrupperna. Vi hittade ingen korrelation med latitud (data visas inte) och i motsats till Balaresque hittade vi ingen signifikant korrelation mellan longitud och varians för någon haplogrupp.

Balaresque dataset presenterar genotypdata endast för upplösningen av SNP R-M269. Våra resultat visar att den stora majoriteten av R-M269-proverna i Anatolien, cirka 90 procent, tillhör r-m269(xS127) sub-haplogruppen. Att ta bort dessa Turkiska populationer från Balaresque-data och upprepa regressionen tar bort den signifikanta korrelationen (R2 = 0.23, p = 0.09; detaljer i det elektroniska tilläggsmaterialet och figur S2). Dessa populationer är därför inneboende i den signifikanta korrelationen.

vi observerade att de irländska haplotyperna som användes i Balaresque-analysen hade en mycket låg str-varians (0.208) jämfört med de som ingår i vår analys (0.35; ursprungligen publicerad av Moore et al. ). Balaresque använde ett urval av irländska haplotyper nedladdade från online Ysearch-databasen (http://www.ysearch.org). För att testa om Ysearch-haplotyperna var representativa för den irländska r-M269 av Moore et al. , vi samplade självständigt Moore et al. dataset 10 000 gånger, val av delprover av 75 haplotyper från vilka vi uppskattade variansen med samma nio STRs som användes i Balaresque-papperet (detaljerad metod och motivering finns i det elektroniska tilläggsmaterialet). Medianvariansen för dessa 10 000 repetitioner var 0,354 med en 95 procent KI av (0,285–0,432). När vi upprepade regressionsanalysen med denna olika variansuppskattning var korrelationen inte längre signifikant (R2 = 0.09, p = 0.19).

Mikrosatellitbaserad ASD har visat sig öka linjärt med tiden och har använts som en opartisk estimator av genomsnittlig koalescenstid, med tanke på att den approximerar till 2 kg . Man kan förvänta sig att användningen av olika uppsättningar av STRs inte bör dramatiskt förändra uppskattningen av T: i takt med att t ändras bör ASD på samma sätt förändras, med T som förblir konstant. Tabell 1 visar uppskattningar av linjäritetens varaktighet baserat på observerade mutationshastigheter uppskattade nyligen och intervall uppskattat från YHRD . ASD för R-S127 beräknades genom att jämföra de 15 STR-haplotyperna av dess två stora sub-haplogrupper, R-S21 (141 kromosomer) och R-S116 (717; elektroniskt tilläggsmaterial, tabell S3). Figur 4a är en plot av T (beräknad som ASD/2 kg) för flera olika uppsättningar STRs med olika egenskaper (elektroniskt tilläggsmaterial, tabell S4).

för att ytterligare undersöka korrelationen mellan T-och STR-val beräknade vi T på samma sätt som beskrivits ovan baserat på kromosomer som tillhör de två djupaste grenarna av Y-kromosomfylogeni, AxA1 och B (figur 4b; elektroniskt tilläggsmaterial, tabell S4). Som jämförelse visas ASD beräknad från samma STR-delmängder för R-S127 på samma plot.

diskussion

Här har vi bekräftat med den bredaste analysen hittills att den rumsliga fördelningen av Y-kromosom haplogrupp M269 kan delas av R-S127 i Europeiska och västra eurasiska linjer. I motsats till resultaten av Balaresque ser vi inget samband mellan mångfald och longitud (figur 2) för R-M269. Förekomsten av två uppsättningar av populationer i Balaresque papper verkar vara orsakssamband med den observerade relationen: den underskattade mångfalden hos den irländska befolkningen och införandet av de turkiska kromosomerna, varav majoriteten potentiellt tillhör den icke-europeiska kladen R-M269(xS127). När dessa element beaktas korrekt, gemensamt eller oberoende, finns korrelationen inte längre. Denna korrelation är den centrala grundsatsen till hypotesen att R-M269 spreds med expanderande neolitiska bönder.

Morelli et al. (hädanefter ’Morelli’) hittade STR-motiv som delade R-M269 i östra och västra linjer. Vi observerade det 71 procent av Myres et al. R-M269(xS127) kromosomer för vilka STR-information finns tillgänglig har det östra motivet (DYS393-12/DYS461-10), medan 80 procent av R-S127-kromosomerna i Myres et al. har det västerländska motivet (DYS393-13/DYS461-11). Inga r-S127-kromosomer visade det östra motivet, medan 5 procent av R-M269(xS127) kromosomer visade det västra motivet (som alla var antingen L23 (S141) eller M412 (S127) – härledda). I båda fallen skilde sig emellertid dessa motiv från de som Morelli föreslog genom att ha en upprepning mindre vid DYS461-platsen. Dikotomin observerad av Morelli baserat på ett två STR-motiv bekräftas därför, åtminstone delvis, av närvaron av denna SNP.

datering av Y-kromosomlinjer är notoriskt kontroversiellt , det stora problemet är att valet av str-mutationshastighet kan leda till åldersuppskattningar som skiljer sig åt med en faktor tre (dvs. de evolutionära kontra observerade (genealogiska) mutationshastigheterna ). Intressant, trots att Myres et al. och Balaresque använde olika str-mutationshastigheter och dateringsmetoder, deras tmrca-uppskattningar överlappar varandra: 8590-11 950 år med en mutationshastighet på 6.9 10-4 per generation, och 4577-9063 år med en genomsnittlig mutationshastighet på 2,3 10-3, respektive. Separat beräknade Morelli TMRCA baserat endast på sardiska och anatoliska kromosomer och uppskattade r-M269-linjen att ha sitt ursprung för 25 000-80 för 700 år sedan), baserat på samma evolutionära mutationshastighet som Myres et al.

när vi försöker hitta en lämplig uppsättning STRs för att uppskatta den genomsnittliga koalescenstiden, T, för sub-haplogrupp R-S127, har vi visat att inte alla STRs är lika användbara i detta sammanhang. Vi koncentrerade oss på att uppskatta varaktigheten av linjäritet, D, med olika uppsättningar STRs. Våra analyser tyder på att D av en STR är nyckeln till dess förmåga att avslöja djupa anor. Linjäritetens varaktighet avser den tid i det förflutna över vilken ASD och T fortsätter att vara linjärt relaterade för en specifik STR. Goldstein et al. visade att D påverkas av två egenskaper hos STRs som används för att beräkna ASD: mutationshastigheten och intervallet av möjliga alleler som STR kan ta. När vi manipulerade vårt val av str-markör baserat på https: / / 2 (en surrogat för D; tabell 1) fann vi att olika uppsättningar STRs gav olika värden för T. Det är uppenbart att koalescensberäkningar uttryckligen beror på de STRs som man använder.

vår analys bekräftar att detta fenomen inte är specifikt för R-M269-haplogruppen eller för metoder som använder ASD. Figur 4b visar att STRs med hög D producerar större uppskattningar av T. vad som är klart är att uppskattningar av T implicit beror på STRs som väljs för att göra denna slutsats. Med hjälp av BATWING på en HGDP-population för vilken 65 Y-STRs är tillgängliga har vi visat att medianuppskattningen av TMRCA kan skilja sig över fem gånger när STRs väljs utifrån den förväntade varaktigheten av linjäritet (elektroniskt tilläggsmaterial, figur S4). Medan forskare tar hänsyn till str-mutationshastigheter vid uppskattning av divergenstid med ASD, har vanliga STRs inte de specifika attribut som tillåter linjäritet att antas längre in i det förflutna. Majoriteten av haplogruppdatum baserade på sådana uppsättningar STRs kan därför ha underskattats systematiskt.

slutsats

fördelningarna av de huvudsakliga R-S127-sub-haplogrupperna, R-S21, R-S145 och R-S28, visar markant lokaliserade koncentrationer (figur 3). Om r-M269-linjen har nyare ursprung än den neolitiska expansionen, måste dess nuvarande distribution vara resultatet av stora befolkningsrörelser som inträffar sedan det ursprunget. För att denna haplogrupp ska vara så allestädes närvarande skulle befolkningen som bär R-S127 ha förskjutit de flesta befolkningar som finns i Västeuropa efter den neolitiska jordbruksövergången. Alternativt, om R-S127 härstammar före den neolitiska expansionsvågen, var den antingen redan närvarande i större delen av Europa före expansionen, eller mutationen inträffade i öst och spreds före eller efter expansionen, i vilket fall vi skulle förvänta oss högre mångfald i öst närmare jordbrukets ursprung, vilket inte är vad vi observerar. Kartorna över r-S127 sub-haplogruppfrekvenser för R-S21, R-S145 och R-S28 visar radiella fördelningar från specifika europeiska platser (figur 3). Dessa centra har höga absoluta frekvenser: R-S21 har en frekvens på 44 procent i Friesland, och R-S28 når 25 procent i Alperna; och i de populationer där de har den högsta frekvensen tillhör den stora majoriteten av R-S127 just den underlinjen. Till exempel är hälften av alla R-M269 i Sydeuropa r-S28-härledda, och cirka 60 procent av R-M269 i Centraleuropa är R-S21-härledda. På sub-haplogruppsnivå delas sedan R-M269 upp i geografiskt lokaliserade fickor med individuella R-M269-sub-haplogrupper dominerande, vilket tyder på att frekvensen av R-M269 i hela Europa kan relateras till tillväxten av flera, geografiskt specifika underlinjer som skiljer sig åt i olika delar av Europa.

en ny analys av radiokoldatering Datum för neolitiska platser i Europa visar att spridningen av den neolitiska var ingalunda konstant, och att flera ’centra för förnyad expansion’ är synliga i hela Europa, som representerar områden av kolonisering, varav tre karta spännande nära Centrum för sub-haplogroups foci (elektroniskt kompletterande material, figur S3). Framtida arbete med rumsligt explicita simuleringar, tillsammans med exakta mått på Y-kromosomdiversitet, behövs för att undersöka hur den nuvarande fördelningen av sub-haplogrupper kan ha producerats. I detta sammanhang avvisade det senaste arbetet av SJ Uscudin & Fran Uscucois en paleolitisk dispersion för R1b-M269 med hjälp av rumsliga simuleringar baserade på dataset av Balaresque. Ändå noterar vi att ytterligare arbete fortfarande är nödvändigt eftersom dessa författare inte var medvetna om begränsningen av Balaresque dataset som presenteras här och inte helt undersökte effekterna av de olika molekylära egenskaperna hos de undersökta loci på deras analys.

Åldersuppskattningar baserade på uppsättningar av Y-STRs noggrant utvalda för att ha de attribut som är nödvändiga för att avslöja djupa anor (till exempel från de nästan 200 nyligen karakteriserade här), och från hela y-kromosomsekvensjämförelser, kommer att ge robusta Datum för denna haplogrupp i framtiden. Tills vidare, vi kan erbjuda något datum för en ålder av R-M269 eller R-S127, men tror att våra STR analyser tyder på den senaste tidens ålder uppskattningar av R-m269 och R-S116 kommer sannolikt att vara yngre än de sanna värdena, och homogenitet str varians och fördelning av subtyper över hela kontinenten är oförenliga med hypotesen om den neolitiska diffusion av R-M269 Y-kromosomen härstamning.

fotnoter