Введение

Исследования, связанные с анализом происхождения и эволюционной истории популяций человека, в настоящее время являются наиболее актуальными в популяционной генетике. Данные о структуре генофондов современных популяций могут отражать основные микроэволюционные процессы в историческом прошлом этих популяций [1]. Для решения этих вопросов используются разные маркеры (иммуно-биохимические [6], физиологические, квазигенетические [8], ДНК маркеры [7]. Наиболее широкое применение в популяционно-генетических исследованиях в настоящее время получили ДНК маркеры. Изучение населения Белгородской области является особо актуальным, так как, во-первых, территория современной Белгородской области представляет южные районы исконного ареала русского народа, а сам город Белгород с окружающими его поселениями был основан в XVI в. в составе оборонительной черты у южной границы Руси [2,3,5]. Во-вторых, популяция Белгородской области, территориально расположенная на стыке России и Украины, в XVI-XVII вв. формировалась под значимым влиянием как русского, так и украинского этносов [3,9].

Материалы и методы

В качестве объектов исследования были выбраны Прохоровский (146 человек), Красненский (152 человека), Грайворонский (42 человека)и Красногвардейский (42 человека)  районы Белгородской области. Грайворонский и Красногвардейский районы - являются исторически сложившимися местами поселения и проживания украинцев. Два других района – Прохоровский и Красненский – представляют две русских популяции. Изучалось распределение 50 аллелей 8 аутосомных ДНК маркеров. Среди них два диаллельных локуса и шесть мультиаллельных. Диаллельные маркеры представлены инсерционно-делеционным полиморфизмом генов АСЕ (ангиотензин-превращающий фермент) и CCR5 (ген хемокинового рецептора). Мультиаллельные маркеры представлены VNTR-полиморфными участками генов eNOS (эндотелиальной синтазы окиси азота), DAT1 (переносчик дофамина), hSERT (серотониновый транспортер), D1S80, VNTR-PAH (фенилаланингидроксилаза) и ApoB (аполипопротеин В). Данные о частотах генов были представлены ранее [7] Генетические расстояния между популяциями была рассчитаны с помощью программы DJ genetic (версия 0,03 beta), разработанной Ю.А. Серегиным и Е.В. Балановской в ГУ МГНЦ РАМН. При расчете расстояний использовали общепринятый в популяционно-генетических исследованиях метод сравнения популяций по частотам аллелей полиморфных маркеров по M. Nei [10].

Сначала вычисляли генетическое сходство I:

где p_lu - частоты аллеля u локуса l, индексы 1 и 2 относятся к первой и второй популяциям соответственно, введена поправка на непрерывность (2n-1). Генетическое расстояние по M. Nei равно:

D=-ln I [10].

Полученные матрицы генетических расстояний явились исходным материалом для проведения кластерного анализа и многомерного шкалирования.

          Кластеризация осуществлялась посредством иерархической агломеративной процедуры, характеризующейся пошаговым объединением кластеров и постепенным их укрупнением. Среди различных приемов, применяющихся для построения дендрограмм, нами были выбраны метод минимальной внутригрупповой дисперсии (алгоритм Уорда) и метод средней связи [4]. В работе приведены дендрограммы, соответствующие результатам, полученным и другими методами многомерного анализа: многомерного шкалирования и факторного анализа.

          В качестве альтернативного кластерному анализу на основании матриц генетических расстояний был применен метод многомерного шкалирования. Целью данного метода являлось получение графика, который в пространстве небольшого числа измерений наглядно демонстрировал бы взаимное расположение изучаемых популяций в соответствии со значениями показателей их близости. В результате был построен график, на котором визуально наблюдаемые расстояния между точками, т.е. изученными популяциями, максимально сходны с реальными расстояниями, полученными по значениям признаков. В методике многомерного шкалирования применяется мера близости между эмпирическими и визуальными расстояниями, показывающая соответствие вторых первым [4]. В качестве оценочных ориентиров в этой связи нами были использованы показатель стресса (S₀) и коэффициент отчужденности или алиенации (K₀), значения которых будут тем меньше, чем лучше соответствие между визуальными и эмпирическими расстояниями. Успешным признавали шкалирование при финальной величине S₀, не превышающей критического порога в 0,10 (S₀≤0,10). Другим показателем, позволившим наглядно контролировать качество проведенного многомерного шкалирования, была кривая Шепарда. Она представляет собой график корреляционного поля, где на одной оси откладываются значения эмпирических расстояний, на другой – величины визуальных расстояний.

          На основе корреляционной матрицы проводили факторный анализ по методу главных компанент. Для определения количества полученных значимых главных факторов применяли критерий Кайзера, который позволяет включать в рассмотрение главные факторы с собственными числами (дисперсиями) большими 1 и критерий отсеивания Кеттела, согласно которого включение главных компонент в рассмотрение завершается той из них, собственное число которой начинает прямолинейный пологий участок графика всех полученных собственных чисел [4]. Таким образом, число информативных новых переменных, которые подвергались дальнейшему анализу, уменьшалось до двух-трех. Для интерпретации главных факторов использовали собственные векторы, представленные в виде нагрузок - коэффициентов корреляции исходных признаков с главными факторами, таким образом получали матрицу факторного отображения. Для ее наглядного представления данные изображали в графическом виде. Результатом этого являлось расположение изученных популяций в 2-3 мерном пространстве выявленных значимых главных факторов.

Результаты и обсуждение

На основе матрицы генетических расстояний (таблица 1) был проведен кластерный анализ и построена дендрограмма (рисунок 1).

Таблица 1

Матрица генетических расстояний между районами Белгородской области

Table 1

The matrix of genetic distances between areas of Belgorod Region

Примечание: построена по частотам 50 аллелей 8 аутосомных ДНК локусов

Анализ дендрограммы, построенной по методу Уорда, показывает, что в первую очередь объединяются популяции Прохоровского и Красненского районов ( d = 0.004). Это можно объяснить тем, что изученное население данных районов относится к одному этносу – русским. Украинские популяции Красногвардейского и Грайворонского районов генетически удалены как от вышеуказанного кластера, так и друг от друга.

Рисунок 1. Дендрограмма генетических взаимоотношений районов Белгородской области с коренным русским и украинским населением (построена методом Уорда)

Fig. 1. The dendrogram of geneticrelationships of districts of BelgorodRegionwiththenativeRussianandUkrainianpopulation (builtwithWard’s method)

При проведении многомерного шкалирования получен график, представленный на рисунке 2. Коэффициент стресса данного графика равен S₀=0, кривая Шепарда удовлетворительная, что позволяет считать приемлемыми результаты многомерного шкалирования. Как и на дендрограмме, на данном графике видно, что наиболее близкими в двухмерном пространстве являются Прохоровский и Красненский районы.

Рисунок 2. График двухмерного шкалирования, отражающий расположение в пространстве районов Белгородской области с коренным русским и украинским населением

Fig. 2. The graph of two-dimensionalscaling, reflectingthelocation of districts in the space of BelgorodRegionwiththenativeRussianandUkrainianpopulation

При проведении факторного анализа по методу главных компонент выделено 2 значимых фактора. Их суммарный вклад в общую дисперсию признака составляет 74.21%, при этом вклад первого фактора равен 41.01%, второго – 33.20%. Графическое изображение расположения изученных популяций в пространстве двух главных факторов показано на рисунке 3. Также как и при кластерном анализе и многомерном шкалировании, районные популяции Прохоровского и Красненского районов объединяются в один кластер, а Грайворонский и Красногвардейский районы удалены как от вышеуказанного кластера, так и друг от друга.

Рисунок 3. Расположение в пространстве двух главных факторов районов Белгородской области с коренным русским и украинским населением 

Fig. 3. Locationinthespaceoftwomainfactors of BelgorodRegionwiththenativeRussianandUkrainianpopulation

Таким образом, в результате анализа генетических соотношений районных популяций Белгородской области с коренным русским и украинским населением установлено, что наиболее близкими являются Прохоровский  и Красненский районы, представленные выборками русских жителей. Красногвардейский и Грайворонский районы (коренное украинское население) достаточно генетически далеки как друг от друга, так и от двух вышерассмотренных популяций с русским населением. Можно предположить, что одним из факторов установленной нами дифференциации рассматриваемых популяций является этническая принадлежность.

Работа выполнена при финансовой поддержке гранта РГНФ № 15-16-31003 «Изучение истории формирования населения Белгородской области».