当我把全世界人群的基因 PCA 跑出来后，看见了一个倒 L 型

最近我把之前学的一些分子人类学知识，终于真正落地了。

不是停留在看论文、看别人画图、看别人解释“人群结构”这些概念，而是自己把数据处理完，自己跑 PCA，自己把全世界不同人群放到一张图上。

然后那一刻，我真的被击中了。

图上出现了一个非常漂亮的倒 L 型。

一端是非洲，另一端逐渐拉向东亚，中间有中东、欧洲、南亚、欧亚大陆上的各种过渡人群。它不是那种随机散点图，而是有方向、有骨架、有历史感的结构。

我第一眼看到的时候，脑子里直接冒出一句话：

这不像是一张普通统计图，这像是人类迁徙史在二维空间里留下的影子。

当然，后来我也提醒自己，PCA 不能被过度浪漫化。它不是地图，也不是时间轴，更不是“谁从哪里走到哪里”的直接证据。PCA 本质上是把高维基因差异压缩到几个主成分上，用最大方差方向把样本摊开。它可以帮助我们观察人群结构、相似性、分化和混合，但不能单独承担全部历史解释。PCA 在群体遗传学里常用于观察 population structure 和 admixture，但解释时必须谨慎。(PMC)

但即便这样，那张图依然让我非常兴奋。

因为这不是我在书上看到的图。

这是我自己跑出来的。

倒 L 型：像极了“走出非洲”的宏观骨架

在全世界人群 PCA 上，非洲人群往往会和非洲外人群拉开很大距离。非洲内部遗传多样性本来就非常深，非洲和欧亚人群之间的差异也会形成非常强的主轴。

所以当我看到图上从非洲一端，经过中东、欧洲、南亚，再到东亚方向展开的时候，很自然会联想到“走出非洲”。

这个联想不是完全没有道理。

因为现代人类的主要扩散确实是从非洲走向欧亚，再沿着不同路线分化、扩张、混合。PCA 把这些深层差异压缩之后，就会出现某种“地理-遗传连续性”的视觉效果。

但关键点是：

PCA 图像看起来像迁徙路线，不等于它就是迁徙路线。

它更像是一张“遗传相似性地图”。

离得近，通常表示基因频率结构更相似；离得远，通常表示差异更大。至于这个差异来自古老分化、地理隔离、遗传漂变、混合，还是样本选择影响，需要继续分析。

这也是我这次最大的收获之一：

图很震撼，但不能只靠震撼解释图。

PC2、PC3 才是真正打开细节的地方

以前我也和很多人一样，看到 PCA 就只看 PC1 vs PC2。

但真正跑起来之后才发现，PC2、PC3、PC4 这些后面的主成分，才是继续拆结构的地方。

PC1 vs PC2 更像世界地图，负责展示最宏观的人群分化。

PC2 vs PC3 可能会把原来挤在一起的区域展开，比如东亚内部、南亚内部、中亚和西亚之间的梯度。

PC3 vs PC4 则更像显微镜，能看到更局部、更细的人群结构。

所以现在我对 PCA 的理解变成了：

PC1/PC2：看宏观骨架
PC2/PC3：看区域结构
PC3/PC4：看局部细节

而且还有一个很重要的点：

PC1、PC2、PC3 没有固定含义。

不是说 PC1 永远代表“非洲 vs 非洲外”，PC2 永远代表“欧洲 vs 东亚”。它取决于你放进来的样本是谁、每个人群样本量多少、有没有做 LD pruning、有没有去亲缘、有没有异常点。

所以正确问题不是：

“PC2 到底是什么意思？”

而是：

“在我这批样本里，PC2 把哪些人群拉开了？”

这个思路一下子让我觉得 PCA 活了起来。

最有意思的意外：马达加斯加人出现在空白处

本来我以为这个倒 L 型已经够震撼了。

结果我又注意到一个特别有意思的点：马达加斯加人群。

他们在 PCA 上出现在一个有点“空白”的位置。第一眼看，很容易让人误以为：这是不是“走出非洲”的另一条路线？是不是非洲到东亚之间还有一条经由马达加斯加的古老支线？

这个想法很诱人。

但继续查资料之后，我发现不是这么回事。

马达加斯加人，也就是 Malagasy 人群，本身就是一个非常特殊的混合人群。他们主要有两股祖源：一股是非洲东部/班图相关祖源，另一股是南岛/东南亚相关祖源。2014 年 PNAS 的研究认为，研究中的 Malagasy 人群来自 Austronesian 和 Bantu 遗传成分的近期混合，其中 Bantu 相关成分至少约 60%，Austronesian 成分约 30%，而南岛相关来源可能与 Java-Kalimantan-Sulawesi 区域有关。(PMC)

这就解释了为什么他们会出现在 PCA 的“空白处”。

因为 PCA 里有一个很重要的现象：

混合人群经常会落在源人群之间。

如果一个人群同时有非洲祖源和东南亚/南岛祖源，它就不会单纯落在非洲团里，也不会单纯落在东亚或东南亚团里，而是会被两个方向一起拉到中间。

于是图上看起来就像多了一条“路线”。

但这条线不是远古迁徙路线。

它更像是一个混合投影：

非洲/班图相关祖源  +  东南亚/南岛祖源
                  ↓
              Malagasy

这也是为什么当我把这些人群加进 PCA 后，原来的倒 L 型会变得像三角形。

因为图上突然出现了第三个强拉力点。

南岛人真的到达了马达加斯加，而且时间并不算远古

更神奇的是，南岛人真的跨过印度洋到达了马达加斯加。

这个事情第一次意识到的时候，我觉得很不可思议：一群和今天婆罗洲、印尼、南岛世界相关的人，居然一路到了非洲旁边的马达加斯加。

这不是几万年前“走出非洲”级别的古老事件，而更像是历史时期或中世纪前后的跨海迁徙和混合。

2018 年 Nature Communications 的研究提到，Malagasy 人群来自 Asian/Austronesian 和 African/Bantu 背景的混合，混合大约发生在 27 代前。(Nature) 2017 年关于马达加斯加人群多样性的研究也指出，马达加斯加全岛个体共享近期 Austronesian 和 Bantu 祖源，并估计 proto-Malagasy 与南部非洲 Bantu 相关人群的分化大约在 1500 年前，与南婆罗洲相关人群的分化约在 3000 到 2000 年前。(PMC)

所以这件事的时间深度大概不是几万年，而是几千年到一千年左右这个尺度。

一开始我还觉得：那好像和尼安德特人混合、丹尼索瓦人混合、走出非洲这些远古事件比起来，不算太“深”。

但后来一想，它的价值不在于远古。

它的价值在于：

这是一个非常远距离、非常戏剧性的历史时期跨海迁徙。

从东南亚到马达加斯加，这条线如果画在地图上，本身就非常震撼。更有意思的是，Malagasy 语言属于南岛语系，这说明南岛人不只是留下了一点基因痕迹，而是在语言和文化层面也留下了非常深的影响。关于 Malagasy 的亚洲来源，2016 年的研究也支持东南婆罗洲相关人群在 Malagasy 亚洲祖源形成中扮演重要角色。(PMC)

也就是说，PCA 上那个点不是普通的离群点。

它背后是一段印度洋上的人类故事。

这次真正让我兴奋的，不只是图，而是理解方式变了

我以前可能会把 PCA 当成一种“工具”。

现在感觉不一样了。

它像一个入口。

你把全世界的人群放进去，它会先给你一个宏观骨架：非洲、欧亚、东亚、南亚、美洲、大洋洲，各自被拉到不同方向。

然后你换 PC2/PC3、PC3/PC4，它会继续打开更细的结构。

你再加入特殊人群，比如马达加斯加人，它又会突然告诉你：这里有混合，这里有跨海迁徙，这里不是简单的线性历史。

所以我现在越来越觉得，PCA 最有意思的地方不是“它告诉了我答案”。

而是它不断逼我问更好的问题：

这个轴到底拉开了谁？
这个中间位置是连续迁徙，还是混合？
这个三角形是三个源人群，还是样本结构造成的？
这个离群点是历史事件，还是数据处理问题？

这才是真正好玩的地方。

最后：PCA 不是历史本身，但它能让历史浮现出来

这次做完之后，我最大的感受是：

人类历史不是只存在于文字、遗址和传说里。它也藏在基因频率的结构里。

当然，PCA 不是万能的。

它不能单独证明迁徙路线，不能单独给出混合时间，也不能替代 ADMIXTURE、f-statistics、qpAdm、TreeMix、IBD、单倍群、古 DNA 等更深入的分析。

但它可以作为第一张地图。

它告诉你哪里有结构，哪里有梯度，哪里有混合，哪里有异常。

而我这次最兴奋的地方就在这里：

我不是看别人画了一张图。

我是真的自己把数据跑出来，然后在图上看见了一个倒 L 型。

那一瞬间，我感觉自己不是在看一堆点。

我是在看人类迁徙、分化、混合和重逢，被压缩成二维之后留下的痕迹。

这就是分子人类学最迷人的地方。

一张图，既是数学，也是历史。

既是数据，也是人类自己。

发现了这本书 嘿嘿 开始阅读