Base de datos de referencia de haplotipos del cromosoma Y

El concepto de agrupar datos para crear "bases de datos nacionales" tiene una explicación muy sencilla: las fuerzas del orden y los servicios forenses se basan en su población nacional para crear bases de datos de referencia . En la mayoría de los casos, los delincuentes y las víctimas provienen de la población nacional, y sus perfiles genéticos deben estar representados en la base de datos. En países como Estados Unidos, Brasil, Reino Unido o China, caracterizados por una fuerte subestructura poblacional, las bases de datos de referencia nacionales suelen construirse sobre la base de un concepto histórico de afiliación étnica; por ejemplo, la población estadounidense se subestructura en poblaciones caucásicas, africanas, hispanas, asiáticas y nativas americanas, o el Reino Unido diferencia entre ingleses, afrocaribeños, indopakistaníes y chinos. Debido a su importancia en la legislación nacional, las bases de datos nacionales se pueden consultar en la YHRD. Cada metapoblación nacional en la YHRD comprende a todos los individuos muestreados en un país determinado, independientemente de su ascendencia.

Las metapoblaciones continentales en el YHRD comprenden a todos los individuos muestreados en un continente en particular, independientemente de su ascendencia. El YHRD define siete metapoblaciones continentales siguiendo la clasificación de regiones geográficas de las Naciones Unidas: África, Ártico, Asia, Europa, América Latina, América del Norte y Oceanía/Australia.

La estructura de metapoblación basada en la "etnicidad/afiliación lingüística" considera en mayor medida la ascendencia de los individuos muestreados. "Ascendencia" es un término que engloba categorías históricas, culturales, geográficas y lingüísticas. Por supuesto, un concepto de metapoblación basado en la "etnicidad" no es ideal, ni completamente racional ni totalmente traducible, sino que simplemente reconoce que, a nivel global, otras categorías distintas a "nación" o "geografía" describen mucho mejor la agrupación genética y la heterogeneidad observadas en los patrones del cromosoma Y.

Para una base de datos de referencia global, el criterio del "grupo lingüístico principal" parece el más apropiado para agrupar datos teniendo en cuenta la ascendencia y producir subbases de datos con respecto a la similitud genética. El razonamiento para hacerlo es doble: primero, el lenguaje es un rasgo cultural heredado y, por lo tanto, los filos lingüísticos a menudo se correlacionan con rasgos genéticos, especialmente con los polimorfismos del cromosoma Y. Segundo, dado que los lenguajes están bien estudiados por la ciencia y son mayoritariamente comprendidos por el público debido a la larga tradición de la investigación lingüística, la terminología lingüística es, en principio, más comprensible y traducible a la práctica que su equivalente genético. Además de la categorización puramente lingüística (por ejemplo, la familia de lenguas altaicas que comprende a los hablantes de lenguas turcas y mongolas ), también tomamos criterios geográficos unificadores ( África subsahariana que comprende hablantes de diferentes grupos lingüísticos africanos que viven al sur del Sahara ).

Es importante señalar que la estructura actual de la metapoblación es una categorización a priori que requiere una evaluación y verificación continuas mediante métodos estadísticos para cuantificar la similitud/disimilitud genética entre las muestras. Si bien la categorización actual de ocho grandes metapoblaciones recibe cierto respaldo del análisis de distancia genética realizado sobre la base de ~41 000 haplotipos ^{[ 9 ],} se implementó una subdivisión adicional de la "metapoblación euroasiática-europea" únicamente sobre la base de haplotipos Y-STR . El análisis de ~12 000 haplotipos europeos mediante AMOVA demuestra que existen tres grupos más grandes de haplotipos europeos: las metapoblaciones occidental, oriental y sudoriental ^{[ 10 ] .}

Actualmente, el YHRD cuenta con siete metapoblaciones amplias y no superpuestas: africana, afroasiática, nativa americana, aborigen australiana, asiática oriental, esquimal-aleutiana y euroasiática. Algunas de estas metapoblaciones se subdividen aún más; por ejemplo, la euroasiática se divide en seis subcategorías, a partir de las cuales el subgrupo europeo se divide a su vez en tres grupos: europeos occidentales, orientales y sudorientales.

El perfil de ADN de los cromosomas Y enviados a la YHRD se está ampliando continuamente para incluir polimorfismos binarios Y-SNP. La filogenia del cromosoma Y definida por polimorfismos binarios está bien establecida y es estable. ^{[ 11 ] [ 12 ] [ 13 ] [ 14 ]} Todos los cromosomas Y que comparten una mutación están relacionados por descendencia, hasta que una mutación adicional divide la rama. Los haplotipos dentro de un haplogrupo podrían ser muy similares o incluso "idénticos por descendencia" (IBD). Por lo tanto, el haplogrupo podría usarse como criterio para subestructurar la base de datos según la descendencia filogenética de las muestras. Aunque la cronología de las mutaciones SNP es mucho menos segura que la estructura del árbol, muchos haplogrupos podrían equipararse con eventos en la prehistoria humana. La distribución mundial de los patrones de diversidad del cromosoma Y humano ha revelado haplogrupos claramente asociados geográficamente. ^{[ 11 ]}

El análisis de varianza molecular (AMOVA) es un método para analizar la variación poblacional utilizando datos moleculares, por ejemplo, haplotipos Y-STR . ^{[ 15 ]} Con AMOVA es posible evaluar y cuantificar el grado de diferenciación entre dos o más muestras poblacionales. AMOVA está implementado como una herramienta en línea en YHRD y proporciona una forma de estimar los valores Φ _ST y F _ST . La herramienta en línea acepta archivos de Excel y crea archivos de entrada a partir de ellos. Se pueden agregar hasta 9 poblaciones de referencia seleccionadas de YHRD, así como conjuntos de poblaciones, al análisis AMOVA. El cálculo en línea devuelve como resultado una tabla *.csv con valores de F _ST o Φ _ST ( R _ST ) por pares más valores p como prueba de significancia (10 000 permutaciones). Además, se genera un gráfico MDS para ilustrar gráficamente la distancia genética entre las poblaciones analizadas. El programa muestra las referencias de los estudios poblacionales seleccionados, lo que facilita la correcta citación.

Esta herramienta puede aplicarse en casos forenses cuando se analiza una muestra mixta (dos o más contribuyentes masculinos). El resultado será una razón de probabilidad de que el presunto contribuyente a la muestra sea donante o no.

Esta herramienta puede aplicarse a casos de parentesco cuando se analiza la relación entre parientes ascendentes y descendentes (por ejemplo, padre-hijo o abuelo-nieto). El resultado será un índice de probabilidad (o índice de parentesco) que indica si existe o no parentesco patrilineal entre las personas analizadas.

La búsqueda en la base de datos YHRD arrojará una coincidencia o no coincidencia entre un haplotipo buscado y las muestras de referencia almacenadas. El número relativo de coincidencias se describe como la frecuencia del perfil. En casos forenses, la probabilidad de una coincidencia, basada en la frecuencia del perfil, se evalúa mediante diferentes métodos. Algunos de estos métodos están recomendados por directrices nacionales, como el método de conteo aumentado con intervalos de confianza y/o corrección de subpoblación theta (Directrices de interpretación de SWGDAM para la tipificación de STR del cromosoma Y por laboratorios forenses en EE. UU., 2014) o el método de Laplace discreto (Andersen et al., 2013), recomendado en Alemania (Willuweit et al., 2018). Tanto el conteo aumentado como los valores de DL son proporcionados por la base de datos YHRD para diferentes metapoblaciones.