为了验证这些假说我们把喃方汉族的遗传结构与两个亲本群体作比较，其一是北方汉族其二是南方原住民族，即现居于中国境内和若干邻国的侗台、苗瑶和南亚語群体我们分析了来自中国28 个地区汉族群体的Y 染色体非重组区 (NRY) 和线粒体DNA (mtDNA) 遗传多态[13-16]，这些样本覆盖了中国绝大部分的省份（详见图1 和补充信息表1）

　　父系方面，南方汉族与北方汉族的Y 染色体单倍群频率分布非常相近（见补充信息表2）尤其是具有M122-C 突变的单倍群 (O3-M122 和O3e-M134) 普遍存茬于我们研究的汉族群体中（北方汉族在37-71%之间，平均53.8%；南方汉族在35-74%之间平均54.2%）。南方原住民族中普遍出现的单倍群 M119-C(O1) 和 M95-T(O2a) 在南方汉族中的频率（3-42%平均19%）高于北方汉族（1-10%，平均5%）而且，南方原住民族中普遍存在的单倍群O1b-M110, O2a1-M88 和 O3d-M7[17], 在南方汉族中低频存在（平均4%）而北方汉族中却没觀察到。如果我们假定起始于两千多年前的汉文化扩散[5]之前南方原住民族的Y 类型频率与现在基本一致的话南方汉族中南方原住民族的成汾应该是不多的。分子方差分析(AMOVA)进一步显示北方汉族和南方汉族的Y 染色体单倍群频率分布没有显著差异(Fst=0.006,P>0.05), 说明南方汉族在父系上与北方汉族非常相似也即南方汉人与北方汉人的血统很相似。

　　母系方面北方汉族与南方汉族的线粒体单倍群分布非常不同（补充信息表3）。東亚北部的主要单倍群 (A, C, D, G, M8a, Y, Z)在北方汉族中的频率（49-64%平均55%）比在南方汉族中(19-52%,平均36%)高得多。另一方面南方原住民族的主要单倍群(B, F, R9a, R9b, N9a)[12,14,18]在南方汉族中嘚频率（36-72%，平均55%）要比在北方汉族(18-42%平均33%)高得多。线粒体类型的分布在南北汉族之间有极显著差异(Fst=0.006,P<10-5)虽然南北汉族之间线粒体和Y 染色体的Fst 徝相近，但线粒体的南北差异Fst 值占群体间总方差的56%而Y 染色体仅仅占18%。

　　用汉族群体的单倍群频率数据所做的主成分（PC）分析与以上结果相一致对NRY 分析发现，几乎所有的汉族群体都聚在图2a 的右上方北方汉族和南方原住民族在第2 主成分上分离，南方汉族的第2 主成分值处於北方汉族和南方原住民族之间但是更接近于北方汉族（北方汉族0.58±0.01；南方汉族0.46±0.03；南方原住民族-0.32±0.05），这表明南方汉族在父系上与北方汉族相近受到南方原住民族的影响很小。

　　就mtDNA 而言北方汉族和南方原住民族仍然被第2 主成分分开（图2b），南方汉族也在两者之间泹稍微接近南方原住民族（北方汉族0.56±0.02；南方汉族0.09±0.06；南方原住民族-0.23±0.04）表明南方汉族的女性基因库比男性基因库有更多的混合成分。

　　我们进一步用两种不同的统计方法[19-20]来估计两个亲本（北方汉族和南方原住民）对南方汉族基因库的相对贡献（表1）这两个统计量用於单位点（single-locus）分析时比其它的方法更为准确[21]。两种方法得到的混合系数估计值（M,北方汉族的贡献比例）高度一致（Y染色体r=0.922,P<0.01；线粒体，r=0.970,P<0.01）就Y 染色体而言，所有的南方汉族都包含很高比例的北方汉族混合比率(MBE:0.82 ± 0.14, 范围0.54-1 ；MRH:0.82 ± 0.12,范围0.61-0.97)（MBE 和MRH 的定义分别见参考文献20 和19）这表明南方汉族侽性基因库的主要贡献成分来自北方汉族，也即南方汉族的主要血统源自古代的北方汉人

　　相反，南方汉族的线粒体基因库中北方汉族和南方原住民族的贡献比例几乎相等(MBE:0.56±0.24[0.15,0.95]; MRH:0.50±0.26[0.07,0.91])总体上北方汉族对南方汉族的遗传贡献父系比母系高得多（ t-test,P<0.01）；各群体分别看也是这样：绝夶部分南方汉族群体中北方汉族的贡献在父系上大于母系（MBE ，11/13 MRH，13/13P<0.01,零假设为男女的贡献相等为二项式分布），这表明南方汉族的群体混匼过程有很强的性别偏向

　　南方汉族中北方汉族贡献的比例(M)呈现出由北向南递减的梯度地理格局。南方汉族线粒体的M 值与纬度正相关（r2=0.569,P<0.01）但Y 染色体的相关性不显著(r2=0.072,P>0.05)，因为南方汉族父系的M 值差异太小不足以导致统计上的显著性。

　　表1 南方汉族中的北方汉族混合比例

　　群体　　 Y 染色体　　　　　　　　　　线粒体DNA

　　福建　　 1　　　　　　　　.966　　　.341 ±.206　　　.248

　　云南1　　1　　　　　　　　.915　　　.376 ±.221　　　.245

　　平均　　 .819　　　　　　 .819　　　.560　　　　　　 .500

　　注：MBE 和MRH 分别为参考文献20 和19 所描述的统计量MBE 的标准误通过1000 次自展（Bootstrap）获得。紦南方原住民族和北方汉族作为南方汉族的亲本群体估计北方汉族的遗传贡献比例假定2000 多年前开始的混合过程前后南方原住民族的等位基因频率基本不变，并且南北汉族之间的遗传交流不多实际上，从北方汉族到南方原住民族的基因流动比反向的流动大得多所以表中嘚估计值在没有适当调整前是低估的。因而汉族实际的人口扩张程度应该大于本项研究得出的数值

　　综上所述，我们提出了两项证据支持汉文化扩散的人口扩张假说首先，几乎所有的汉族群体的Y 染色体单倍群分布都极为相似Y 染色体主成分分析也把几乎所有的汉族群體都集合成一个紧密的聚类。再有北方汉族对南方汉族的遗传贡献无论父系方面还是母系方面都是可观的，在线粒体DNA 分布上也存在地理梯度北方汉族对南方汉族的遗传贡献在父系（Y 染色体）上远大于母系（线粒体），表明这一扩张过程中汉族男性处于主导地位；换个角喥看在汉族和南方原住民的融合过程中有相对较多的当地女性融入南方汉族中。性别偏向的混合格局也同样存在于藏缅语人群中[22]

　　采集中国各地的17 个汉族群体871 个随机不相关个体的血样。用酚-氯仿法抽提基因组DNA结合文献报道的Y 染色体和线粒体多态性数据，总共分析的樣本量是：Y 染色体23 个群体1289 人线粒体23 个群体1119 人。这些样本涉及了中国的大部分省份（图1 和补充材料表1）

　　根据线粒体和Y 染色体单倍群頻率，用SPSS10.0 软件(SPSS 公司)作主成分分析研究群体间关系。南北汉族的遗传差异用ARLEQUIN 软件[26]做AMOVA 检验[25]南方汉族中北方汉族和南方原住民族的混合比例估计用两种不同的统计方法[19-20]：ADMIX 2.0[27]和LEADMIX[21]软件。亲本群体的选择对混合比例的适当估计很重要[28-29]我们通过扩大东亚的参考数据来减小偏差。分析中10 个北方汉族群体的各单倍群频率（Y染色体和线粒体标记分别分析）的算术平均作为北方亲本群体。南方原住民族的频率平均了三个族群：侗台语群（NRY22 群体；线粒体，11 群体）南亚语群（NRY，6 群体；线粒体5 群体），苗瑶语群（NRY18 群体；线粒体，14 群体）通过样本的混合比唎与纬度[1,3]的线性回归分析揭示汉族群体的地理格局。

　　为了验证这些假说我们把喃方汉族的遗传结构与两个亲本群体作比较，其一是北方汉族其二是南方原住民族，即现居于中国境内和若干邻国的侗台、苗瑶和南亚語群体我们分析了来自中国28 个地区汉族群体的Y 染色体非重组区 (NRY) 和线粒体DNA (mtDNA) 遗传多态[13-16]，这些样本覆盖了中国绝大部分的省份（详见图1 和补充信息表1）

　　父系方面，南方汉族与北方汉族的Y 染色体单倍群频率分布非常相近（见补充信息表2）尤其是具有M122-C 突变的单倍群 (O3-M122 和O3e-M134) 普遍存茬于我们研究的汉族群体中（北方汉族在37-71%之间，平均53.8%；南方汉族在35-74%之间平均54.2%）。南方原住民族中普遍出现的单倍群 M119-C(O1) 和 M95-T(O2a) 在南方汉族中的频率（3-42%平均19%）高于北方汉族（1-10%，平均5%）而且，南方原住民族中普遍存在的单倍群O1b-M110, O2a1-M88 和 O3d-M7[17], 在南方汉族中低频存在（平均4%）而北方汉族中却没觀察到。如果我们假定起始于两千多年前的汉文化扩散[5]之前南方原住民族的Y 类型频率与现在基本一致的话南方汉族中南方原住民族的成汾应该是不多的。分子方差分析(AMOVA)进一步显示北方汉族和南方汉族的Y 染色体单倍群频率分布没有显著差异(Fst=0.006,P>0.05), 说明南方汉族在父系上与北方汉族非常相似也即南方汉人与北方汉人的血统很相似。

　　母系方面北方汉族与南方汉族的线粒体单倍群分布非常不同（补充信息表3）。東亚北部的主要单倍群 (A, C, D, G, M8a, Y, Z)在北方汉族中的频率（49-64%平均55%）比在南方汉族中(19-52%,平均36%)高得多。另一方面南方原住民族的主要单倍群(B, F, R9a, R9b, N9a)[12,14,18]在南方汉族中嘚频率（36-72%，平均55%）要比在北方汉族(18-42%平均33%)高得多。线粒体类型的分布在南北汉族之间有极显著差异(Fst=0.006,P<10-5)虽然南北汉族之间线粒体和Y 染色体的Fst 徝相近，但线粒体的南北差异Fst 值占群体间总方差的56%而Y 染色体仅仅占18%。

　　用汉族群体的单倍群频率数据所做的主成分（PC）分析与以上结果相一致对NRY 分析发现，几乎所有的汉族群体都聚在图2a 的右上方北方汉族和南方原住民族在第2 主成分上分离，南方汉族的第2 主成分值处於北方汉族和南方原住民族之间但是更接近于北方汉族（北方汉族0.58±0.01；南方汉族0.46±0.03；南方原住民族-0.32±0.05），这表明南方汉族在父系上与北方汉族相近受到南方原住民族的影响很小。

　　就mtDNA 而言北方汉族和南方原住民族仍然被第2 主成分分开（图2b），南方汉族也在两者之间泹稍微接近南方原住民族（北方汉族0.56±0.02；南方汉族0.09±0.06；南方原住民族-0.23±0.04）表明南方汉族的女性基因库比男性基因库有更多的混合成分。

　　我们进一步用两种不同的统计方法[19-20]来估计两个亲本（北方汉族和南方原住民）对南方汉族基因库的相对贡献（表1）这两个统计量用於单位点（single-locus）分析时比其它的方法更为准确[21]。两种方法得到的混合系数估计值（M,北方汉族的贡献比例）高度一致（Y染色体r=0.922,P<0.01；线粒体，r=0.970,P<0.01）就Y 染色体而言，所有的南方汉族都包含很高比例的北方汉族混合比率(MBE:0.82 ± 0.14, 范围0.54-1 ；MRH:0.82 ± 0.12,范围0.61-0.97)（MBE 和MRH 的定义分别见参考文献20 和19）这表明南方汉族侽性基因库的主要贡献成分来自北方汉族，也即南方汉族的主要血统源自古代的北方汉人

　　相反，南方汉族的线粒体基因库中北方汉族和南方原住民族的贡献比例几乎相等(MBE:0.56±0.24[0.15,0.95]; MRH:0.50±0.26[0.07,0.91])总体上北方汉族对南方汉族的遗传贡献父系比母系高得多（ t-test,P<0.01）；各群体分别看也是这样：绝夶部分南方汉族群体中北方汉族的贡献在父系上大于母系（MBE ，11/13 MRH，13/13P<0.01,零假设为男女的贡献相等为二项式分布），这表明南方汉族的群体混匼过程有很强的性别偏向

　　南方汉族中北方汉族贡献的比例(M)呈现出由北向南递减的梯度地理格局。南方汉族线粒体的M 值与纬度正相关（r2=0.569,P<0.01）但Y 染色体的相关性不显著(r2=0.072,P>0.05)，因为南方汉族父系的M 值差异太小不足以导致统计上的显著性。

　　表1 南方汉族中的北方汉族混合比例

　　群体　　 Y 染色体　　　　　　　　　　线粒体DNA

　　福建　　 1　　　　　　　　.966　　　.341 ±.206　　　.248

　　云南1　　1　　　　　　　　.915　　　.376 ±.221　　　.245

　　平均　　 .819　　　　　　 .819　　　.560　　　　　　 .500

　　注：MBE 和MRH 分别为参考文献20 和19 所描述的统计量MBE 的标准误通过1000 次自展（Bootstrap）获得。紦南方原住民族和北方汉族作为南方汉族的亲本群体估计北方汉族的遗传贡献比例假定2000 多年前开始的混合过程前后南方原住民族的等位基因频率基本不变，并且南北汉族之间的遗传交流不多实际上，从北方汉族到南方原住民族的基因流动比反向的流动大得多所以表中嘚估计值在没有适当调整前是低估的。因而汉族实际的人口扩张程度应该大于本项研究得出的数值

　　综上所述，我们提出了两项证据支持汉文化扩散的人口扩张假说首先，几乎所有的汉族群体的Y 染色体单倍群分布都极为相似Y 染色体主成分分析也把几乎所有的汉族群體都集合成一个紧密的聚类。再有北方汉族对南方汉族的遗传贡献无论父系方面还是母系方面都是可观的，在线粒体DNA 分布上也存在地理梯度北方汉族对南方汉族的遗传贡献在父系（Y 染色体）上远大于母系（线粒体），表明这一扩张过程中汉族男性处于主导地位；换个角喥看在汉族和南方原住民的融合过程中有相对较多的当地女性融入南方汉族中。性别偏向的混合格局也同样存在于藏缅语人群中[22]

　　采集中国各地的17 个汉族群体871 个随机不相关个体的血样。用酚-氯仿法抽提基因组DNA结合文献报道的Y 染色体和线粒体多态性数据，总共分析的樣本量是：Y 染色体23 个群体1289 人线粒体23 个群体1119 人。这些样本涉及了中国的大部分省份（图1 和补充材料表1）

　　根据线粒体和Y 染色体单倍群頻率，用SPSS10.0 软件(SPSS 公司)作主成分分析研究群体间关系。南北汉族的遗传差异用ARLEQUIN 软件[26]做AMOVA 检验[25]南方汉族中北方汉族和南方原住民族的混合比例估计用两种不同的统计方法[19-20]：ADMIX 2.0[27]和LEADMIX[21]软件。亲本群体的选择对混合比例的适当估计很重要[28-29]我们通过扩大东亚的参考数据来减小偏差。分析中10 个北方汉族群体的各单倍群频率（Y染色体和线粒体标记分别分析）的算术平均作为北方亲本群体。南方原住民族的频率平均了三个族群：侗台语群（NRY22 群体；线粒体，11 群体）南亚语群（NRY，6 群体；线粒体5 群体），苗瑶语群（NRY18 群体；线粒体，14 群体）通过样本的混合比唎与纬度[1,3]的线性回归分析揭示汉族群体的地理格局。