几十万份基因数据摊开一看：离汉族最近的那群人，一半在北边，一半在南边

2018年，一篇遗传学论文的附录里躺着一张表。表上是十几个东亚人群两两之间的Fst值，小数点后三位，看着像谁随手记的。

可就是这几个小数点，回答了一个被问了很多年的问题：汉族的基因，到底跟谁最像。

麻烦在于，这个问题有两个答案，还分住在一南一北。

先把“汉族”这两个字掰开

在回答“跟谁像”之前，得先承认一件事：汉族这三个字，本身就不是一块整铁。

复旦大学徐书华和金力团队做过一项研究，把五千零二份中国人的外显子测序数据摊在一起。汉族被拆成三块：北方汉族、南方汉族、广西汉族。

拆开之后，差别立刻露出来。

一个叫MTHFR的基因，rs1801133这个位点上带A的比例，北方汉族63.6%，南方汉族41.5%，广西汉族20.5%。这个变异跟叶酸代谢和紫外线适应有关。

另一个叫ALDH2，管酒精代谢。rs671带A的比例，南方汉族25.9%，北方汉族11.6%。南方水稻区的饮酒传统，在基因里留了一道印。

还有一个ABCC11，跟汗腺和体味有关。广西汉族在这个位点上的比例是62.4%，明显低于其他汉族群体。

论文里还有一句更直白的：广西汉族在遗传结构上，更接近壮族。

然后是那个把问题搅乱的数字。北方汉族和南方汉族之间的Fst，0.0014。

先记住这个数。

看北边那一半的答案

2008年，PLOS One上有一篇用全基因组SNP做东亚人群分层的研究。它给出的配对数很干净：

北方汉族与韩国人，0.0019。北方汉族与日本人，0.0065。北方汉族与越南人，0.0065。北方汉族与菲律宾人，0.014。

0.0019，是那张表里汉族跟任何外国人群之间最小的一个数。

也就是说，如果你问的是北方汉族，答案落在朝鲜半岛。

这个结果不是孤立的。朝鲜半岛人群和北方汉族共享新石器时代黄河流域农人的祖源，后来又叠上了青铜时代从东北亚南下的成分。两条线搅在一起，才有了今天这个距离。

2018年另一项研究给出的北方汉族与韩国人之间的数字是0.0026。两份研究差了七年，量级一致。

还有个细节挺有意思。一项用f3统计量做的研究显示，跟韩国人遗传亲和度最高的是日本人，紧随其后的是南方汉族（包括畲族），而越南人排在后面。

一个半岛，同时接着北边和南边。这就是它离得近的原因。

看南边那一半的答案

南边那一半的答案，落在中南半岛的东端。

2020年有一项研究，覆盖了越南多个语系的人群，用f4统计量逐组去比。结果里有一条很干脆：除了南亚语系的Mang族和南岛语系的占族，越南其他族群都表现出与南方汉族共享祖源。

这里得解释一个机制，不然容易想歪。

2004年，文波等人在《自然》上发过一篇论文，调查了二十八个汉族群体的Y染色体和线粒体DNA。结论有两层。

父系上，南方汉族和北方汉族高度相似。一个叫O3-M122的单倍群，在汉族群体里平均占53.8%到71%，南北都差不多。

母系上，南方汉族正好落在北方汉族和南方原住民中间。

翻成大白话：汉文化往南走的时候，是带着人走的。但南下的主要是男人，他们娶了当地的女人。

所以南方汉族的基因里，父亲的账本写着北方，母亲的账本写着南方。

弄明白日本人为什么排第二

日本列岛上的答案，最容易被想当然。

东京大学那批研究给出的数字是：日本本土人群的基因组里，大约13%来自绳文祖源，其余主要来自弥生时代到古坟时代从朝鲜半岛过去的移民。

13%这个比例不算小。它意味着日本人身上带着一块别的东亚人群没有的东西。

所以在Fst表上，日本人和韩国人是0.0033，和北方汉族是0.0065。跟汉族比，日本人稳稳排在第二档。

再补一句：绳文祖源在日本各地差别很大。冲绳最高，近畿和四国最低。一个列岛内部，自己就能差出一截。

算一算“纯”这笔账

讲到这儿，很多人会顺口问一句：那汉族算不算纯？

这个问题问反了。

Y染色体上那个O3-M122，在汉族里平均占53.8%到71%。它本身就是几千年前好几个支系汇到一起的结果，不是一个源头分出来的。

徐书华团队那五千多份样本里，还翻出了83.9万个此前没被记录过的新变异。

更根本的一点写在遗传学教科书里：人类绝大部分遗传差异存在于群体内部，群体之间的差异只占很小一部分。两个汉族人之间的差别，可能比一个汉族人和一个欧洲人之间的平均差别还大。

所以“最近”这个词，说的是两个人群的平均值靠得近。它不负责回答谁身上流着谁的血。

回到那个问题上

答案得分成两半说。

你问北方汉族，最接近的外国人群在朝鲜半岛，0.0019。你问南方汉族，最接近的外国人群在中南半岛东端，而且还得再细分——广东、福建、广西，各自的答案不完全一样。你问汉族整体，那么最近的那一对，其实在汉族内部：北方汉族和南方汉族，0.0014。

0.0014小于0.0019。

这个不等式才是整件事里最要紧的一句：汉族自己南北两端之间的距离，比汉族跟最近的邻居之间还要近。

几十万份样本摊开，最后摊出这么个结果。所谓“最近的亲戚”，一半在北边，一半在南边，而把他们连起来的，是同一个名字。

如果非要给“汉族”挑一个基因上的近亲，你觉得该按北方算，还是按南方算？