人类简史有两套，一套在书中，另一套就藏在我们的DNA里

如果你问约翰·诺旺伯（John Novembre）最近有什么好玩的事，他可能会提起近日参加的一场编程马拉松——他和自己的学生、博士后搁置日常工作，连续一周熬夜奋战，吃外卖，一心扑在数据上。

不过，诺旺伯并不只是计算机牛人而已。他还有一个身份：计算生物学家。在他位于芝加哥大学的办公室里，一溜白板上画满了符号、图表和等式——从中，他孵化出巧妙的算法和计算技巧，从世界上最大的一些基因组数据集中，萃取出深刻的洞见。但这仅仅是他工作的冰山一角。

诺旺伯出生于军人家庭，从小随家人辗转各地，有三年是在乌拉圭度过的，那是他母亲的故乡。对于人类之间的各种差异，他很早就有接触——“我热爱地理，热爱语言，热爱历史”。这种经历拓宽了他的视野，使得他对进化和遗传多样性产生了极大的好奇心。他想弄清人口随时间与空间变化的规律，想研究人类的遗传密码是如何随着人群的扩张、减少、迁移、交融、进化和灭绝而变迁的。

在研究过程中，他的数学天赋起到了重要作用。凭借独创的分析手段，他对复杂数据进行可视化处理，发现了人类祖先的基因签名，以及基因与地理之间的惊人联系。2015年，37岁的诺旺伯获得了麦克阿瑟奖。该奖有“天才奖”之称，专门颁给那些“有才干、展现出非凡原创性”、“在持续进行创造性工作方面显示出非凡能力和前途”的个人。

虽然荣誉等身，但诺旺伯却给人以十分谦恭的印象。他援引起同事的论文，就像英语专业学生引用迪金森和叶芝这些大师级的作品一样。在他办公室的墙上，挂着一张可能来自17世纪的地图——它时刻提醒着诺旺伯，人类绘制的世界轮廓永远都是一种“不完美的再现”。

美国《Quanta Magazine》杂志日前采访了诺旺伯，讨论了他的动力来源、DNA对历史的阐释，以及遗传学研究对种族问题的影响。以下为编辑后的访谈内容。

约翰·诺旺伯：这可以追溯到很早的时候。高中时，我很喜欢计算机编程，但我在课堂上学的是遗传密码，我对这个领域也很感兴趣。到了大学，我有机会去斯坦福大学参加暑期研究实习，在那里，我听了一场演讲，演讲者曾在人类遗传学领域泰斗路易吉·卢卡·卡瓦利-斯福扎（Luigi Luca Cavalli-Sforza）的实验室做过实习。这个实验室最出名的研究，就是观察人类基因的变异，研究这些变异在全球的分布状况，以及对人类历史的影响。我觉得这简直太有趣了。

回到母校后，我设立了实验室，专门研究一种橡树的群体基因。我发现，很多分析工具都不好用，而且在基因数据的分析中，数学和计算机竟扮演了如此重要的角色。我突然意识到，“既然我这么喜欢编程，何不将两种爱好合二为一？”于是，我的日常工作变成了捣鼓计算机，但我有一个更大的目标：了解基因变异，以及它的历史变迁。这激起了我强烈的求知欲。

约翰·诺旺伯：主成分分析的做法是，将个人的基因数据浓缩成几个数字。在了解了它的工作原理——优势和劣势——之后，我发现，它得出的规律也许能反映人口数据的空间结构。

当时我就希望，最好能拿到世界上某个取样密度较大地区的基因数据，这样，我就能看到连续的基因变异，看到人类群体的相互融合。结果，我很幸运地受邀与卡洛斯·布斯塔曼特（Carlos Bustamante）协作，分析迄今为止最大的人类基因数据集之一。整个数据集涉及3192名欧洲人。在这个样本中，很大一部分人都回答了一个血统问卷，即他们的祖父母来自何处。基于这些信息，我们从样本中归纳出了大约37个不同的来源地，横跨欧洲各地。

约翰·诺旺伯：运用主成分分析，我们马上看出了一个主要规律：以基因表示的人口分布与他们的地理分布——祖父母来自何处——二者之间存在着惊人的相似性；考虑到人类个体之间的密切联系，这种相似性很不可思议。大多数遗传学家都不曾想到，我们竟可以在一片大陆的范围内，梳理出如此精细的空间结构。

约翰·诺旺伯：打个比方，我把一个人的地理位置隐藏起来，然后试图指出他在地图上的位置。这种猜测能精确到什么程度呢？就我们的测试而言，这往往能精确到几百公里。哪怕是在瑞士的德语、法语和意大利语人群中，我们也可以看出基因分布的变迁。

约翰·诺旺伯：这是我想强调的一点：其实，你的基因所受的影响微乎其微。只不过，我们观察的基因位点数量众多，因而极其微小的影响也能被找出来。这就是大数据的力量：非常细微的规律也可以挖掘出来。

所以，并不是说祖辈的居住地对你的影响有多大——其实，这种影响微不足道。但当你掌握成千上万的测量值时，你就能分辨某个人应该来自哪里了。

约翰·诺旺伯：我自己就是家谱网站Ancestry.com旗下DNA业务的一名顾问，所以，对于怎么和客户沟通结果的问题，我是非常敏感的。

一方面，像欧洲基因地图这样的项目告诉我们，在了解自己的家谱时，这些工具有着巨大的潜力。但与此同时，它也充满了复杂性：说一个人来自何处，这到底意味着什么？我们可以说父辈或祖辈来自哪里，但如果追溯到源头，我们都来自非洲。而相对于某些文化或族裔，我们对祖籍的理解是很不一样的。

可以说，在使用已有基因数据来阐释历史的问题上，我们仍处于起步阶段。我们依然面临着生物系统与人口的复杂性，这些靠简单的历史模型是无法解决的。

约翰·诺旺伯：很明显，遗传学研究经历了一段黑暗坎坷的历史。但在多样性更受理解和珍视的当下，作为新一代研究人员，能从事这样的工作，还是很令人兴奋的。而且在数据的帮助下，我们可以让种族主义的世界观更显荒谬。

约翰·诺旺伯：我参与研究了多个人类群体的全基因组数据，一个非常有力的例证是，你可以按照各种条件对基因组进行排序，比如，找出变异数量最多的区域，再看看这些区域附近都是哪些基因，以及对于这些基因，我们有哪些已有的认识。

结果你会发现，变异最多的，是与肤色、瞳色以及发色有关的基因。由此，我们可以推出以下结论：我们用来区分彼此那些的外貌特征，其实都是人类基因组中的“异类”。而那些普通的基因都是全人类共通的。

约翰·诺旺伯：结果出乎我的意料。我们原以为，三个犬种会和其中一个狼种密切相关。比如，它们也许都和以色列狼存在亲缘关系，因为，犬也许是在中东开始被驯养的；又或许，三个犬种可分为两个驯养种类，其中，澳洲野犬是中华狼的近亲，巴山基犬是克罗地亚狼的近亲，诸如此类。

可我们发现，三个犬种相互之间关系紧密，但和狼的谱系无法契合。于是我们假设，犬来自于一个共同的狼种，但这个狼种已经灭绝了。这个问题变得错综复杂，至今仍然没有定论。

约翰·诺旺伯：不是特别喜欢。我的动力主要是解决整个领域面临的一大难题：如何利用当今的DNA测序来解读历史？把狗换成别的物种，我照样感兴趣，它照样是个有趣的问题。

约翰·诺旺伯：我的工作一直在朝数据可视化的方向迈进。人眼其实可以处理大量的数据，并阐释复杂的规律。但有了合适的可视化工具，你就能更加直观地了解数据的主要特征，及其反映出来的生物学过程。

约翰·诺旺伯：我们开发了这样一项工具，它可以告诉我们，地图上哪些地方基因流动频繁，哪些地方基因流动较少，换言之，个体是如何在群体中流动的。从分析中我们可以推断出，在有的区域，单位地理距离的基因差异比我们想象中要大，有的区域则要小。所以，我们绘制了一幅地图，分别用棕色和蓝色来表示迁移频率较低和较高的地区。

比如，我们研究了非洲各地一千多头大象的基因数据。按照我们的方法，你在没有先验知识的情况下馈入这些数据，然后得到了这幅迁移频率地图。

结果发现，中非那里有一道迁移率很低的棕色屏障，将非洲分成东西两部分，东面是一条迁移率很高的蓝色走廊。当然，要是了解生态学，你就能看出来，“噢，一边是非洲森林象，另一边是草原象。”

约翰·诺旺伯：有。比如，当我们用它来分析欧洲人类数据时，我们就推断，英国和法国之间存在一块棕色的低迁移率区域，结果，这个区域差不多就是英吉利海峡的位置。

在北海那里，有很多蓝色的高迁移率区域，之所以会这样，是因为历史上那里存在高频率的往来，比如，维京人的活动就将斯堪迪纳维亚和英国联系了起来。然后，瑞士和奥地利周围有大片的棕色区域，我们认为，那就是阿尔卑斯山的位置。

约翰·诺旺伯：其实更让我感到惊讶的，反倒是这些基因与地理特征的高度吻合。找一群人过来，从他们体内取一个分子，然后展开对照，你就能从中看出，阿尔卑斯山是地球上的一个重要地貌。这真是不可思议。

约翰·诺旺伯：数据类型变了，数据规模也变了。读博时，我研究的是一个基因在71个人群中的变异情况，而如今，包含几百万个变异体的数据集也很常见了。那个时候，我根本想不到会像现在这样。所以，游戏规则改变了。不过，核心问题依然没变，那便是，我们如何利用数学和统计模型来阐释人口基因数据？

约翰·诺旺伯：我想找到一种方法，能够推测出迁移率和群体规模是如何随时间和空间而改变的。解决了这个问题，我们就能完整地描绘出一部群体及其发展史。

翻译：雁行

来源：Quanta Magazine

曹军 | 代码也需要无障碍

吴鑫磊 | 我们这些武装到牙齿的特种兵，谁都敢打，唯一不敢打的就是大自然

顾卫红 | 医生可以成为生命科学时代的连接者

弓孟春 | 织一张连接罕见病大数据的网

黄如方 | 谁来拯救罕见病人？是我们自己啊！

张振虎 | 所谓体验设计，到底设计的是什么？

孙晓曦 | 书有什么可设计的？

李三水 | 我不相信文字的力量

点击标题 查看往期回顾