O DNA de pessoas vivas aponta duas linhagens humanas sem fóssil conhecido

Duas populações inferidas, nenhum osso

O artigo é assinado por Yulin Zhang, Arjun Biddanda, Sarah A. Johnson, Colm O'Dushlaine e Priya Moorjani, do Centro de Biologia Computacional de Berkeley, do Departamento de Biologia da Universidade Johns Hopkins e da empresa 54Gene. Ele apresenta o TRACE — sigla em inglês para rastreamento de contribuições arcaicas por estimativa de grafos ancestrais — e o resultado de aplicá-lo a genomas atuais, sem nenhum genoma antigo como referência.

A primeira linhagem é chamada de fantasma. Segundo a reconstrução, os trechos atribuídos a ela encontram as linhagens humanas modernas em torno de 830 mil anos atrás, com intervalo de 95% de confiança entre 610 mil e 1,27 milhão de anos. O cruzamento teria ocorrido na África, antes da última grande dispersão para fora do continente. Por isso ela aparece em todas as populações analisadas, africanas e não africanas, em proporções parecidas.

A segunda é chamada de superarcaica e é bem mais antiga: a convergência com as linhagens humanas modernas foi estimada em cerca de 1,77 milhão de anos, com intervalo entre 1,13 e 3,98 milhões. Ela não teria chegado até nós diretamente. O caminho reconstruído é indireto — essa população teria se cruzado com denisovanos, e denisovanos, muito depois, com humanos modernos. Por isso o sinal só aparece com nitidez em genomas oceânicos, que são os que carregam mais ancestralidade denisovana.

Convém fixar desde já o que não aconteceu. Não houve escavação, não houve fóssil, não houve DNA antigo extraído de osso nenhum. Quando a arqueologia registra o contato entre populações humanas — como nas camadas de uma caverna do sul da Turquia —, há sedimento, ferramenta e datação para discutir, e a disputa é sobre como interpretar objetos que estão ali. Aqui não há objeto. Há genomas de pessoas vivas e um modelo estatístico que, para explicá-los, precisa postular duas populações que ninguém jamais viu.

Uma genealogia escrita ao longo do cromossomo

Um genoma não tem uma árvore genealógica: tem milhares delas, enfileiradas. A recombinação embaralha os cromossomos a cada geração, de modo que trechos vizinhos de DNA podem ter histórias distintas. O grafo de recombinação ancestral — ARG, na sigla em inglês — é a estrutura que registra isso: para cada posição do genoma ele especifica qual é a genealogia local daquele pedaço e onde essa genealogia muda.

É nessa estrutura que a mistura com uma população muito divergente deixa marca. A maior parte do genoma humano moderno converge para um ancestral comum entre 100 mil e 200 mil anos atrás. Um trecho herdado de uma população que se separou muito antes não converge ali: ele só encontra os demais bem mais fundo, criando um ramo anormalmente longo na genealogia daquele pedaço. E, como o cruzamento é muito mais recente do que a separação, esse trecho ainda não teve tempo de ser picotado pela recombinação — então tende também a ser comprido. Ramo fundo e haplótipo comprido: são esses os dois sinais que o TRACE procura.

O que distingue o método é o que ele dispensa. As abordagens mais usadas até agora precisam de um genoma arcaico de referência, ou de uma população externa sem mistura para servir de comparação, ou das duas coisas. Fora da Eurásia, nenhuma das duas existe: só quatro genomas arcaicos de alta cobertura foram publicados até hoje — três neandertais e um denisovano, todos eurasianos —, e o genoma antigo mais velho já recuperado na África tem menos de 20 mil anos. O TRACE trabalha apenas com genomas contemporâneos. A sequência de decisões é esta:

1. 503 genomas do projeto 1000 Genomes, de cinco painéis: 91 britânicos, 103 chineses han, 102 telugus da Índia, 108 iorubás e 99 luhyas.
2. Reconstrução dos grafos com o programa SINGER, sem incluir nenhum genoma arcaico, supondo taxa de mutação de 1,25 × 10⁻⁸ por par de bases por geração e tamanho populacional efetivo de 20 mil.
3. Cinquenta reconstruções alternativas por região, para incorporar a incerteza da própria inferência do grafo.
4. Corte de profundidade em 15 mil gerações — 420 mil anos, supondo geração de 28 anos.
5. Descarte de tudo abaixo de 50 mil pares de bases ou 0,05 centimorgan, filtro que em simulação mantém a taxa de falsas descobertas abaixo de 0,1%.
6. Comparação do que sobreviveu com os quatro genomas arcaicos sequenciados, para separar o que é neandertal, o que é denisovano e o que não é nem um nem outro.

O resultado dessa última peneira é a linhagem fantasma: segmentos antigos demais para serem modernos e diferentes demais para serem neandertais ou denisovanos. Para a linhagem superarcaica, o procedimento foi repetido dentro dos trechos já classificados como denisovanos, com um corte muito mais profundo, de 31.500 gerações, e um limite mínimo de segmento menor, de 10 mil pares de bases.

Os números, e o que eles não somam

O primeiro teste do método não foi achar coisa nova, e sim reencontrar o que já se conhecia. O TRACE atribuiu 0,99% de ancestralidade neandertal por indivíduo aos europeus do painel britânico, 0,97% aos asiáticos do leste (chineses han) e 0,78% aos do sul (telugus da Índia), com ancestralidade denisovana de 0,03% nos primeiros e 0,10% nos dois grupos asiáticos. Entre os africanos ocidentais e orientais dos painéis iorubá e luhya, neandertal e denisovano somados ficaram abaixo de 0,1%. Mais de 90% dos segmentos neandertais e 70% dos denisovanos coincidiram com os apontados por métodos anteriores, que usam genoma arcaico de referência.

A ancestralidade fantasma ficou entre 0,49% e 1,1% do genoma por indivíduo, conforme a população. Os autores registram, no próprio texto, que o TRACE recupera menos ancestralidade neandertal e denisovana do que estimativas anteriores, provavelmente por perder sinal quando o grafo é inferido em vez de conhecido. Ou seja: os percentuais publicados são um piso, não uma medida fechada.

Vale desfazer uma soma que circulou na divulgação. A frase de Yulin Zhang no comunicado de Berkeley — cerca de 2% do genoma humano moderno vem de hominíneos arcaicos — se refere ao total, neandertal, denisovano e fantasma juntos, em não africanos, e é compatível com o que já se estimava antes. Não são 2% das duas linhagens novas. A fantasma responde por até pouco mais de 1%. A superarcaica é uma fração de fração: nos oceânicos, cerca de 0,3% da ancestralidade denisovana detectada, valor que os próprios autores chamam de limite inferior muito conservador, porque a busca só olhou dentro de trechos denisovanos, exigiu segmentos acima de 20 mil pares de bases e excluiu as regiões em que o único denisovano sequenciado também carrega ancestralidade superarcaica.

Por que “fantasma” é uma descrição literal

Linhagem fantasma não é apelido dramático para espécie perdida. É termo técnico com sentido estreito: uma população cuja existência é postulada porque, sem ela, o modelo não fecha. O que se observa são segmentos de haplótipo divergentes demais para caber na variação humana moderna; a população é o que se acrescenta ao modelo para explicá-los. Se o modelo mudar, o fantasma pode mudar de forma, de data — ou deixar de ser necessário.

Os autores não ignoram isso, e boa parte do artigo é dedicada a tentar derrubar a própria conclusão. As regiões com ancestralidade fantasma têm heterozigosidade elevada, o que se espera de mistura com linhagem muito divergente e é difícil de produzir como artefato da reconstrução do grafo. Os segmentos fantasma são mais curtos que os neandertais e denisovanos, compatível com evento mais antigo. Em simulações de um cenário sem nenhuma linhagem fantasma, o método devolveu 0,07% — praticamente nada — contra os 0,49% a 1,1% dos dados reais. E os segmentos mostram afinidade quase idêntica com o genoma neandertal e com o denisovano, que é o padrão esperado de uma linhagem igualmente aparentada às duas, e não de contaminação por uma delas.

O mesmo dado, outro modelo

Ainda assim, sinais desse tipo já foram lidos de outras maneiras. Em 2023, um grupo encabeçado por Aaron Ragsdale propôs na Nature que a história africana profunda seja melhor descrita por um tronco fracamente estruturado, com populações que se separam e voltam a se juntar repetidamente, sem que exista uma linhagem arcaica externa. Em 2025, Trevor Cousins, Aylwyn Scally e Richard Durbin descreveram na Nature Genetics uma separação populacional profunda seguida de reencontro, compartilhada por todos os humanos modernos. Zhang e colegas argumentam que o fantasma deles é evento mais recente que o dessas propostas, e portanto distinto. O ponto para o leitor é outro: os mesmos dados admitem mais de uma arquitetura de modelo, e a escolha entre elas não está fechada.

Como em qualquer método, sempre haverá falsos positivos.

Reilly acrescenta a observação mais desconfortável de toda a cobertura: a menos que haja sorte extraordinária com a preservação de DNA, será preciso continuar dependendo de métodos como o TRACE. Isto é, a evidência que confirmaria o achado pode nunca aparecer.

O que esses percentuais não medem

Genética de populações humanas é terreno em que a leitura errada tem tradição longa e consequências conhecidas. Vale então explicitar o que os números acima dizem e, sobretudo, o que eles não dizem.

A linhagem fantasma está em todo mundo. Como o cruzamento ocorreu na África antes da última dispersão, ela aparece em africanos e não africanos em quantidades parecidas — e foi justamente esse resultado que corrigiu a leitura anterior, segundo a qual a ancestralidade fantasma seria específica de populações da África Ocidental. Em nenhum dos painéis analisados existe grupo humano sem ela.

Onde os números diferem, a explicação está na demografia, não em alguma escala de arcaísmo. Os painéis iorubá e luhya carregam maior diversidade de segmentos fantasma exclusivos porque não passaram pelo gargalo populacional da saída da África, que reduziu a variação dos demais. Pelo mesmo motivo, as 97 regiões de “deserto” de ancestralidade fantasma identificadas pelo estudo aparecem exclusivamente em populações não africanas, quase metade delas compartilhada entre grupos não africanos distintos. E os até cerca de 4% de ancestralidade denisovana observados em populações oceânicas dizem onde os ancestrais dessas pessoas estavam quando encontraram denisovanos — geografia e cronologia, não posição em régua nenhuma.

Não existe um bloco arcaico

Somados todos os haplótipos de todos os indivíduos analisados, os trechos fantasma cobrem cerca de 1,55 bilhão de pares de bases, ou 71,5% do genoma acessível. Cada pessoa carrega entre 0,49% e 1,1%. As duas frases são compatíveis porque cada indivíduo tem os seus pedaços, em posições diferentes: o legado arcaico é um mosaico espalhado de maneira distinta em cada genoma, não uma cota da qual alguém teria mais e outro teria menos.

E um segmento não é uma característica. O estudo mostra que os trechos arcaicos se concentram em regiões ligadas à imunidade e ao metabolismo — o complexo principal de histocompatibilidade, complexos de lipoproteínas, genes como CSMD1 e RBFOX1 —, e Moorjani explica o padrão pelo caminho previsível: adaptação a novos patógenos e a novos alimentos foi uma das pressões seletivas mais fortes da evolução humana, e variantes úteis tendem a ser retidas ao longo de muitas gerações. Mas o próprio artigo encerra dizendo que os efeitos funcionais desses trechos ainda não foram caracterizados. Saber onde um segmento está não é saber o que ele faz. Nenhum número deste estudo autoriza atribuir a uma pessoa qualquer capacidade, temperamento ou valor — e a estimativa individual, como os próprios autores registram, é um piso, não uma medida fechada.

Por fim, os rótulos usados na análise — britânicos, chineses han, telugus, iorubás, luhyas, papuásios, ni-vanuatu — são painéis de amostragem de projetos de sequenciamento, nomeados pelo local de coleta. Não são categorias sociais, não delimitam grupos internamente homogêneos e não se sobrepõem a nenhuma classificação racial.

O que ainda não foi sequenciado

O alcance de um método como o TRACE é limitado por quem já foi sequenciado. A análise principal usou 503 genomas de cinco painéis; a busca pela linhagem superarcaica usou 92 genomas oceânicos, sendo 25 de Papua-Nova Guiné e 67 de Vanuatu e das Ilhas Santa Cruz. Moorjani afirma esperar detectar sinais mais fracos de outras linhagens conforme os bancos de dados genômicos se diversifiquem, e aponta a descoberta de novos genomas denisovanos como o outro caminho.

O tamanho do que ainda falta amostrar tem uma medida recente e brasileira. Em maio de 2025, o consórcio do projeto DNA do Brasil publicou na Science 2.723 genomas completos de alta cobertura de populações urbanas, rurais e ribeirinhas do país, em trabalho encabeçado por Kelly Nunes e Tábita Hünemeier, do Departamento de Genética e Biologia Evolutiva do Instituto de Biociências da Universidade de São Paulo. Só nesse conjunto apareceram mais de 8 milhões de variantes que ninguém havia catalogado, além de 36.637 classificadas como potencialmente deletérias.

A comparação dá a dimensão do problema. Um único país rendeu 8 milhões de variantes inéditas em 2.723 pessoas — e nenhum genoma brasileiro entrou na análise do TRACE. Métodos que inferem populações extintas a partir de gente viva dependem de quanta variação humana está representada no painel de partida. Boa parte dela continua de fora, o que significa que a lista de linhagens fantasma conhecidas é, hoje, uma função de quem foi sequenciado.

Fica em aberto, então, bem mais do que a identidade das duas linhagens. Os autores citam candidatos — Homo do Pleistoceno Médio ou populações africanas de Homo heidelbergensis para a fantasma, Homo erectus para a superarcaica —, mas são compatibilidades de data, não identificações. Nem o número de eventos de cruzamento está resolvido, nem se a ancestralidade superarcaica entrou apenas via denisovanos ou também por contato direto. E há uma pergunta anterior a todas essas, que o próprio método deixa exposta: quanto do que hoje se chama de linhagem fantasma é uma população que de fato existiu, e quanto é a forma que a estrutura profunda da população humana assume quando forçada a caber num modelo com um número fixo de ramos?