虽然我对分子生物学和人类学是外行，但对数据分析是内行。这点资历足够。大家看看我说的在不在理，说错了尽管无情地批判。
先说结构性的问题。看视频中的图，研究者使用的分层聚类分析(hierarchical cluster analysis)。分层聚类分析的最终分成几个组（clusters），看你最终一刀砍在哪里。分成几个组，都可以说是与历史文献记载巧合。砍出来两组，就说与炎黄二帝巧合，砍出来三组就说和三皇巧合了，砍出来四组就加上蚩尤，砍出来五组就再算上共工。所以，这样的巧合，不能作为证据。那么最终一刀砍在哪里，有没有客观标准呢？答案是有时候有、有时候无。一般是在聚类树上看相邻两层之间是否有突变，如果有突变，就把这一刀砍在这里；如果没有明显突变，那就凭个人看法砍了。复旦的研究，最终砍出来三个组，很可能在往上一层就是一个组了（那所有汉族人都是来自盘古一个人了）。
插播一个我不是很懂的结构性问题，难道分子人类学上聚类成几个组就是几个个体祖先么？
下面说说技术性问题。聚类分析过程中，对结果影响最大的，往往不是采用哪种聚类方法（聚类分析是一类方法），而是采用哪种“距离”，最常用的是欧式距离，但是还有曼哈顿距离、最大距离、最小距离等等。距离之所以重要，一是因为对结果影响大，再一个是因为在计算距离时将面临一个两难困境，这个困境是所有采用聚类分析的研究中都会遇到的。这个困境就是如何处理变量（这里是基因）之间的相关性问题（就是A基因的出现与B基因的出现相互关联这样的问题）。在多维空间中计算实体（这里就是族群）之间距离的时候，坐标轴要正交（相互垂直，不相关）。如果把每一个基因作为一个维度，那么由于它们相互关联，那么整个多维空间不符合假定，会夸大相互关联基因的重要性。如果采用技术方法让多维空间正交（例如先PCA再算距离，或者直接采用Mahalanobis距离)，那么无疑又降低了多基因控制的数量性状的重要性。研究者采用哪种方案，都有其弊端，而且这些弊端具体是什么，在知识达到足够水平之前，是无法知道的。
这个问题不是分子生物学独有的，而是所有采用聚类分析方法的研究中都会遇到的问题。也许分子生物学发展迅速，已经解决了这个问题？那么我将非常渴望有人能点化、点化，而且我将愿意把这新技术传播到其他领域去。
我把自认为的分子人类学的不靠谱摆出来，供大家批判。