相关实验视频
Updated: Jun 23, 2025

08:35
Application of DNA Fingerprinting using the D1S80 Locus in Lab Classes
Published on: July 17, 2021
20.2K
使用自己开发的56个AIM-InDel loci和机器学习方法进行祖先分析.
Liu Liu1, Shuanglin Li2, Wei Cui1
1Guangzhou Key Laboratory of Forensic Multi-Omics for Precision Identification, School of Forensic Medicine, Southern Medical University, 1838 Guangzhou Avenue North, Guangzhou, Guangdong, PR China.
Forensic science international
|June 18, 2024
概括
56个插入/删除 (InDel) 多态的新面板有助于祖先分析. 这种工具准确地预测了大陆祖先,并揭示了内蒙古曼丘族群.
科学领域:
- 人口遗传学 人口遗传学
- 人类祖先分析分析
- 法医遗传学 法医遗传学
背景情况:
- 插入/删除 (InDel) 多态是有价值的祖先信息标记.
- 了解遗传结构和关系对于人口研究至关重要.
研究的目的:
- 开发和评估一个由56个祖先信息的InDels (AIM-InDels) 组成的新型小组.
- 调查中国内蒙古满族群与其他人口的遗传关系.
- 通过使用AIM-InDels评估机器学习模型对祖先预测的有效性.
主要方法:
- 开发一个56个AIM-InDel小组.
- 对27个种群的遗传结构和关系的分析.
- 应用四种机器学习模型 (包括随机森林) 来进行祖先预测.
主要成果:
- 内蒙古曼丘族群与东亚人群,特别是北京的汉族人群有着密切的遗传联系.
- 该AIM-InDel小组有效地区分了东亚北部和南部的人口.
- 随机森林模型在祖先预测方面取得了很高的准确性 (5大洲的91.87%,3大洲的99.73%).
- 该模型将内蒙古曼丘人归类为与北方群体更为亲密的东亚人群,区分了其中87.18%.
结论:
- 56个AIM-InDel小组对于人口遗传研究和祖先分析是有效的.
- 机器学习模型,特别是随机森林,显示出使用AIM-InDels准确预测祖先的巨大潜力.
- 这个面板和模型可以有助于理解东亚人口的遗传景观.

