怎样比较两份 DNA 样本？

细胞是构成活组织的小单位。我们许多细胞都有细胞核，也就是被一层膜围住的内部区域。细胞核里有染色体。染色体由很长的 DNA 分子和包装 DNA 的蛋白质构成。这些蛋白质负责把长链收拢起来；这一课比较的是 DNA 上的碱基顺序，不是这些蛋白质。分子是一群连接在一起的原子。DNA 是一种很大的分子，由一个个核苷酸连接而成。核苷酸上的碱基有四种，用 A、T、C、G 表示；序列就是沿着一条链排列的碱基顺序。往下读时，先记住三个词：DNA、碱基、序列。

人与人之间的 DNA 序列大部分相同。所以，我们并不是寻找每个人独有的、完全不同的分子形状，而是选择几个可能出现可测差异的位置。这些测量结果合在一起，叫作 DNA 图谱。“DNA 指纹”是这种比较的名称，不是拍下一个长得像手指指纹的分子。

下面第一站先展示采样场景。选择一站后，用“下一步”查看说明。实验台保持稳定视角，不会在你阅读时自行旋转或跳动。接下来几节，我们再回到试管里面发生的事情。

考虑短序列 GATA。在某个选定位置，它可以一个接一个出现：GATA GATA GATA。这里重复了三次。另一份对应染色体在相同位置可能有更多或更少次重复。这样把短序列首尾相接重复的区域叫作短串联重复，简称 STR。我们比较的这个位置叫作位点。

对于本例使用的普通成对染色体，一个人从两位生物学亲本各继承一份。所以每个位点读出两个重复次数，例如 8 和 11。某个位点的一种版本称为等位基因。这里“等位基因 8”指重复八次的版本，不是第八条染色体，也不是整个 DNA 分子有八份。

先把三件事分开：位点是位置；重复次数描述这里的一种版本；两个数合起来描述这个人在该位置的情况。重复区域不一定在制造蛋白质的基因里面。我们的 A、B、C 是虚构位点名，不是在统计 DNA 字母 A 和 C 的数量。

DNA 通常有两条互补的链：A 配 T，C 配 G。一组配对叫一个碱基对，缩写为 bp。因此，沿双链有 132 个配对位置，就说长 132 bp；虽然两条链合起来有 264 个单独碱基，但长度不是把两条链的碱基数相加。

我们会复制重复区域，以及它两侧的固定部分。在虚构位点 A，两侧固定部分合计 100 bp。每个 GATA 重复再贡献 4 bp。八次重复的部分长 $4 \times 8 = 32\,\text{bp}$，所以完整复制片段长 $100 + 32 = 132\,\text{bp}$；十一次则为 $100 + 4 \times 11 = 144\,\text{bp}$。

用 $n$ 表示重复次数，$L$ 表示测得的长度，刚才的计数就给出 $L=100+4n$。要求重复次数，需要知道重复部分有多长。减去固定的 100 bp，得到 $L-100=4n$。每次重复占四个 bp，所以用剩下的长度除以四，就得到 $n=(L-100)/4$。例如测得 152 bp，其中重复部分长 $152-100=52$ bp，包含 $52/4=13$ 次重复。因此，在本模型中，这个片段有十三次重复。

A 与 B 即使都是八次重复，片段也不一定一样长：本例 B 的固定部分有 160 bp，所以八次重复长 $160 + 32 = 192\,\text{bp}$。必须保留位点标签。真实等位基因还可能有不完整重复或其他序列差异；这里的整次数算式特意不包含这些情况。

复制区域之前，要先从采集物中释放 DNA。配好的溶液打开细胞膜和核膜。蛋白质等物质可能妨碍后面的复制反应，所以提取过程还要除去杂质，并把 DNA 收集在适合后续反应的液体中。具体步骤随样本和方法而变；打开细胞只是第一部分。

在实验台选择“释放 DNA”。离心机里大的转子就是带着管子旋转的部分。这里让它静止，方便你看清管子的位置。旋转有助于分离物质，却不会读取 DNA 序列。管子的标签让提取物始终能对应原样本；独立工具与对照样本还能帮助发现污染。

提取空白对照不加入采集来的样本，却同样经过流程。如果后面在这份对照中检出 DNA 信号，就可能提示污染。因此，阴性对照即使没有显眼条带，也很重要。本课画的是理想清洁样本；真实实验室必须检查 DNA 的量与质量，之后才能解释结果。

提取物有许多位置的 DNA，但我们只想看选定的 STR 区域，而且这些区域的量可能不足以清楚测量。因此，我们使用聚合酶链式反应，也就是 PCR，给选定区域制造许多副本。选择区域必须成为复制过程的一部分；把无关片段都复制一遍，并不能直接回答当前问题。

蛋白质是另一类大的生物分子，其中一些能帮助化学反应发生，叫作酶。DNA 聚合酶就是这样一种酶。这里，它参照模板，把新的核苷酸连接成链。模板碱基决定要加入哪一种互补碱基：A 对应 T，T 对应 A，C 对应 G，G 对应 C。但酶需要一段已有的短链，才能从末端接着延伸。我们提供的这段起始短链叫作引物。

DNA 链两端的化学结构不同，分别叫 $5'$ 端和 $3'$ 端。DNA 聚合酶只能向 $3'$ 端继续添加，所以新链沿 $5'$ 到 $3'$ 的方向增长。要读懂下图，我们暂时不必学习糖分子的原子编号，但必须区分这两种末端。引物是一小段现成的短链，贴着模板放好，酶就从它的末端接着补下去。两条模板的方向相反，所以下面的引物也必须朝相反方向。

这对引物结合在所选区域两侧、两条模板上的对应序列处。之后，前一轮的副本又成为模板，新的副本逐渐具有由两种引物共同确定的边界。为什么偏偏是第三轮？看下面三步：第一步只确定一端，第二步补齐另一端，第三步才得到两条链都等长的产物。在从一份较长双链开始的理想模型中，边界都精确的双链产物在完成第三轮时首次出现。不是加热把一段 DNA 从染色体上切下来，而是反复复制产生了这些边界确定的片段。

回到实验台的“复制指定区域”。加热使双链分开，降温让引物结合，再到适合酶延伸的温度。仪器反复执行这些阶段。图中示意为约 95 °C、58 °C 和 72 °C，但具体设置取决于实际引物、酶和方案，不能把一个温度当作所有 PCR 的通用操作要求。

理想翻倍说明了为什么反复复制能把少量起点变成较强信号，但不代表真实反应会永远完美翻倍。原料会成为限制，酶可能失去活性，复制效率也会改变，反应最后会接近平台。并且，以长染色体为起点的早期循环会产生边界不同的产物。上面的简单计数特意从边界已经确定的目标片段开始。

现在有了许多副本，可我们还需要测长度。在这种分离的通常条件下，DNA 骨架带负电。电荷决定物体受到的电作用，异号电荷相互吸引。两电极间的电压建立电场；电极就是与电源连接的导电接触部分。电场使带负电的 DNA 朝正极移动。这给出了运动方向，但仅有方向还不能把长短分开。

为了分离，我们加入有孔隙的材料：凝胶。里面有带着微小通道的网状结构。对于相同类型的 DNA，在适合的条件下，短片段更容易穿过，固定时间内移动得更远。这种观察到的长度分离，是模型采用的物理起点。屏幕上便于阅读的间距是教学安排，不是某种凝胶的真实运动公式。

加样孔把样本放在起点。一孔对应一条泳道，也就是这份样本通过凝胶的路径。许多一样长的片段聚集起来，经过检测形成可见条带。另设一条泳道，放一组已知长度的片段，就得到像尺子一样的 DNA 长度标准。如果一条带比某条长片段标准带走得更远，它对应的片段就更短。

在实验台选择“按长度分离”，再选“从上方看”。可以播放分离、暂停，或者拖动进度。只切换当前位点，样本泳道的标签始终不变。A 处 132 bp 比 144 bp 短，所以走得更远；它们对应八次与十一次重复。下面的数值比较也会把结果列出，不需要精确拖动才能读懂。

现在把虚构的未知样本与三份参考样本比较。参考样本指已知来自某个人的材料。本例假设每份样本只有一个人的 DNA，测量无误，每个等位基因都被检测到。在这些前提下，即使只有一个位点的数对不同，也说明图谱不吻合。只看 A 相同还不够，要继续检查 B 和 C。

人员 1 与未知样本同有 $A$ 的 8/11 和 $C$ 的 10/12，但 $B$ 是 7/9，而未知样本是 6/9。人员 2 的三对数都相同。人员 3 的三个位置都不同。因此，我们保留每对数字及其位置，而不是只数有多少条带大概相似。两个不同位点，回答的是两个不同的问题。

相同类型的图谱也可以检查一种亲子关系是否符合遗传。本例中，每对普通染色体，孩子从两位亲本各得到一份。先假设没有新突变，也没有测量错误。$A$ 处孩子是 10/12，母亲是 7/10。相同的 10 可以来自母亲；母亲没有 12，所以另一位亲本必须提供 12。

$B$ 处再做一次：孩子 8/9，母亲 5/8，另一位亲本需要提供 9。$C$ 处孩子 9/14，母亲 11/14，另一位亲本同样需要提供 9。所以本例要求另一位亲本在 $A$ 有 12、$B$ 有 9、$C$ 有 9。如果孩子的两个数在某位亲本中都有，来源就可能不唯一；必须检查两种分配，不能机械地“减掉第一个数”。

成人 A 在 A 处没有 12，所以本例在这里不相容。成人 B 有三个所需的数，因此这项简单检查不能排除此人，但并不能确认生物学亲缘关系。真实亲子分析还需要更多位点、人群信息与明确统计假设，并考虑突变和实验不确定性。

同一对数可以出现在不同人身上。因此，接下来不只是问“线条相同吗”，而是问“在一个明确的其他解释下，这种图谱出现得有多常见”。人群频率表示某个数值在指定人群中出现的比例。我们用虚构频率说明一种简单计算，把它与真实案件评估分开。

$\tfrac{1}{3000}$ 回答的是：在指定人群与独立性假设下，随机选一位无亲缘关系者，拥有同样三对数的概率是多少？它不表示“吻合的人有 $\tfrac{1}{3000}$ 的概率是无辜的”，也不表示“有 $\tfrac{1}{3000}$ 的概率没有亲缘关系”。这些反过来的问题，需要其他信息，并比较不同解释。

亲属会共享遗传来的 DNA，普通 STR 图谱通常也无法区分同卵双胞胎。微量样本还可能经过间接转移、发生降解、受到污染，或混有其他人的 DNA；很弱的信号可能漏掉某个等位基因。因此，真实解释需要经过验证的方法与专业判断，一张整齐的三位点图不能消除这些问题。

平板凝胶容易看清泳道与距离。许多法医 STR 仪器改用装有聚合物介质的细管分离带标记片段，这叫毛细管电泳。在经校准的条件下，较短片段更早经过检测器。光使附着的荧光标记发光，片段经过时，检测器记录信号。

先把原始到达时间与已知长度标准比较，换算为估计片段长度。接着画图：横轴放片段长度，纵轴放信号强度。一个清楚的等位基因会在对应长度附近形成一个检测峰，取代凝胶中某个位置的条带。峰不是分子长得像山，而是片段经过检测器时，测得信号发生了变化。

颜色标记与经过验证的长度范围帮助仪器区分位点。不能因为一个未知峰碰巧靠近另一峰，就把它归到同一个位点。本课特意把 A、B、C 分开，让这项对应关系看得见。真实报告除了图谱，还要包含对照、质量检查与解释限制。