Прошедшие две недели я посветил отработке новой методики увеличения аккуратности определения вариантов снипов в геномах древних образцов. Я решил отказаться от предыдущих способов, когда с помощью samtools и GATK сначала генерировались файлы пайлапа, а потом из этой кучи возможных вариантов случайным образом выбирался аллелель и дублировался (т.е образец получал гомозиготные варианты). Проблема этого подхода выяснилась во время импутирования геномов, искусственная псевдогаплоидность древних геномов приводила к громадному искажению в сторону референсных геномов. Я решил упростить сложности и теперь вместо приведения генотипов к псевдогаплоидности, я определяю в GATK UnifiedGenotyper 38 миллионов известных снипов с таким условием, что алгоритм сам отбирает только те аллели, которые заданы в dbsnp как референсный и альтернативный аллель снипа.
В принципе, после долгих головоломок, удалось получить приемлимый алгоритм действий.
Я апробировал его на 55 опубликованных палеогеномах из балтийского региона (Литва, Латвия и Эстония) времен мезолита, раннего, среднего и позднего неолита, а также бронзового времени.
Для большой точности я ограничился только теми образцами, для которых удалось определить генотипы как минимум половины из 38 миллионов снипов dbsnp.

Sample Culture
Donkalnis6 Baltic_EMN
Gyvakarai1 Baltic_LN
Kivutkalns19 Baltic_BA
Kivutkalns207 Baltic_BA
Kivutkalns209 Baltic_BA
Kivutkalns215 Baltic_BA
Kivutkalns222 Baltic_BA
Kivutkalns25 Baltic_BA
Kivutkalns42 Baltic_BA
Kretuonas2 Baltic_EMN
Kretuonas4 Baltic_EMN
MA969 Baltic_BN
MA973 Baltic_LN
Plinkaigalis242 Baltic_LN
Spiginas1 Baltic_EMN
Spiginas2 Baltic_LN
Spiginas4 Baltic_Mesolithic
ZVEJ25 Baltic_Mesolithic
ZVEJ27 Baltic_Mesolithic
ZVEJ31 Baltic_EMN
ZVEJ32 Baltic_Mesolithic

Перед тем как использовать полученный набор в downstream aнализе, я решил посмотреть насколько точно определилось структурное разделение генофонда этих древних геномов.
Я использовал программы peddy, ATK, а также разбиение на фракции компонентов происхождения в программах iAdmix и fastNGSadmix.
На графиках видно, что в принципе основная масса этих геномов проецируется на то место в пространстве генетического разнообразия современных популяций людей, где оно и должно находится c точки зрения здрового смысла.

#family_id sample_id paternal_id maternal_id sex phenotype het_call_rate het_ratio het_mean_depth het_idr_baf ancestry-prediction PC1 PC2 PC3
Donkalnis6 Donkalnis6_Donkalnis6 0 0 0 -9 0.996 0.3029 -2 0 EUR -0.4471 -1.312 0.4822
Gyvakarai1 Gyvakarai1_Gyvakarai1 0 0 0 -9 0.9214 0.2377 -2 0 AMR -0.09174 -1.431 0.4644
Kivutkalns19 Kivutkalns19_Kivutkalns19 0 0 0 -9 0.9923 0.3483 -2 0 EUR -0.5558 -1.044 0.803
Kivutkalns207 Kivutkalns207_Kivutkalns207 0 0 0 -9 0.997 0.3443 -2 0 EUR -0.4681 -1.071 0.5988
Kivutkalns209 Kivutkalns209_Kivutkalns209 0 0 0 -9 0.9596 0.2518 -2 0 EUR -0.4277 -1.495 0.4507
Kivutkalns215 Kivutkalns215_Kivutkalns215 0 0 0 -9 0.973 0.2798 -2 0 EUR -0.2305 -1.201 0.901
Kivutkalns222 Kivutkalns222_Kivutkalns222 0 0 0 -9 0.8608 0.1615 -2 0 AMR -0.4777 -1.456 0.3636
Kivutkalns25 Kivutkalns25_Kivutkalns25 0 0 0 -9 0.8956 0.1933 -2 0 AMR -0.5087 -1.067 0.5996
Kivutkalns42 Kivutkalns42_Kivutkalns42 0 0 0 -9 0.8412 0.1575 -2 0 AMR -0.1253 -1.393 0.4066
Kreutonas2 Kreutonas2_Kreutonas2 0 0 0 -9 0.8462 0.1364 -2 0 EUR -0.4288 -1.337 0.6583
Kreutonas4 Kreutonas4_Kreutonas4 0 0 0 -9 0.9985 0.3136 -2 0 EUR -0.3243 -1.217 0.7842
MA969 MA969_MA969 0 0 0 -9 0.8092 0.1161 -2 0 AMR -0.2649 -1.263 -0.2799
MA973 MA973_MA973 0 0 0 -9 0.9482 0.2736 -2 0 EUR -0.3808 -1.319 -0.2429
Plinkgailis242 Plinkgailis242_Plinkgailis242 0 0 0 -9 0.9777 0.2811 -2 0 EUR -0.5622 -1.108 0.341
Spiginas1 Spiginas1_Spiginas1 0 0 0 -9 0.9943 0.3158 -2 0 EUR -0.4762 -1.402 0.7969
Spiginas2 Spiginas2_Spiginas2 0 0 0 -9 0.974 0.2945 -2 0 EUR -0.5128 -1.521 0.3943
Spiginas4 Spiginas4_Spiginas4 0 0 0 -9 0.8427 0.1399 -2 0 AMR -0.3 -1.208 0.6467
ZVEJ25 ZVEJ25_ZVEJ25 0 0 0 -9 0.969 0.2344 -2 0 EUR -0.2371 -1.254 1.072
ZVEJ27 ZVEJ27_ZVEJ27 0 0 0 -9 0.5763 0.0387 -2 0 UNKNOWN -0.2384 -1.622 -0.7302
ZVEJ31 ZVEJ31_ZVEJ31 0 0 0 -9 0.6926 0.06053 -2 0 UNKNOWN 0.04159 -1.332 -0.1725
ZVEJ32 ZVEJ32_ZVEJ32 0 0 0 -9 0.7095 0.06971 -2 0 UNKNOWN -0.06001 -1.699 -0.3068

Подробное разложени образцов по компонентамм можно посмотреть в этой таблице

Подведение итогов экспериментов по неформальному моделированию адмикса в популяциях

Выполняю с небольшим опозданием данное ранее обещание и расскажу о слабых местах выявления процентов этнического происхождения с помощью анализа результатов ДНК-тестирования. Последние лет пять этот тип изучения этно-популяционного происхождения с привлечением данных генетики вошел в моду — в 2011 году, когда я первый раз провел подобный анализ существовало все 2 крупные компании в пакет клиентских услуг которых входило проведение подобных анализов клиентских данных. Ровно столько же было заметных в инете любителей, предлагающих более развернутый и разжеванный вариант подобного разбора этнопроисхождения добровольных участников своих проектов. Главным инструментым и тех и других являлись программы типа Admixture и STRUCTURE (разработанные академическими биоинформатиками для решения одной из задач популяционный генетики — а именно определения этнической субструктуры в структуре изучемых в ходе конкретного исследования национальной или региональной выборки народонаселения).
Прошло лет 6, я провел более тысячи подобных экспериментальных анализов — на принципиально разных выборках и образцах аутосомных снипов представителей разных народов. Каждый из таких экспериментов хотя бы немного отличался от других — и не только числом заранее заданных предковых компонентов этнических популяций, но и разнообразием самих этих популяций, их числом и качеством генетипированных в этих популяциях снипов, — например степенью сцепления снипов между собой, процентом минорных вариантов, количеством снипов, соотношение гомо- и гетерозиготных аллельных вариантов. На первом этапе основной проблемой являлась недостаточная представленность отдельных этносов в выборке вкупе с неполным совпадением популяций по числу генотипированных снипов
Позднее я частично научился обходить проблему за счет импутирования аллельных вариантов недостающих (негенотипированных) снипов по большим референсным панелям. В частности используемый Сергеем Козловым калькулятор K27 был сделан мною как раз с использованием таких импутированых вариантов.
Еще позже — после прорыва в области изучения палеоДНК — появилась возможность не угадывать предковые компоненты слепым перибором числка K (предковых компонентов), а задавать заведомо предковые популяции людей (жителей мезолита, неолита и бронзового века) в качестве чистых предковых популяций К современного народонаселения. Таков, например мой этнокалькулятор K11 Ancient, загруженный зимой этого года на Gedmatch.
Всего же за это время я разработал не менее 60 разных моделей в интервале от K=7 до K33, причем для многих K я разработал сразу несколько моделей.

Все эти модели (только калькуляторы; без инструментов поиска ближайших к тестируемому популяций) я размещаю в открытый доступ на OneDrive (ссылка открывается при нажатии на картинку). Эти файлы работают с программой DIYDodecad, инструкцию использования которой можно найти на сайте Диеникиса

Я решил подвести итог этому направлению своей деятельности, на которое ушло много сил, cредств и почти все мое свободное время. Вместо этого я переключусь на более точные формальные методы определения этнического происхождения, разработанный в генетической лаборатории Дэвида Райха из Гарварда.

Главная причина — в силу своего перфекционизма я не был доволен точностью определения частот конкретных предковых компонентов в состав генома отдельно взятых людей. Кроме того, этой зимой в ходе бесед с подобным же любителем насчет проблем Admixture, мы обнаружили ряд причин, приводящих при анализе данных отдельно взятых людей к странным и заведомо неверным комбинациям этнического раскалада предков.
Есть еще одна причина — перенасыщение данного маленького сегмента на рынке инетрпретации генетических данных. В настоящий момент существует уже целый ряд компаний (не менее дюжины), вышедших на рынок ДНК-генеалогии в относительно недавнее время. Каждая из них разработала свой алгоритм и красивый графический интерфейс для визуализации данных по прогнозируемому этнопроисхождению клиента. Увеличилось число крепких и активных любителей (я знаю не менее 10 таких людей), занимающихся в принципе тем же самым, причем иногда качества полученных ими моделей этнического происхождения выше таковых в коммерческих компаниях. Благодаря их усилиям, число доступных этнопопуляционных калькуляторов увеличилось буквально в разы.

Но перейдем к конкретике. Часто люди систематически получают странные результаты — таких примеров можно приводить много. Причем иногда такие странные и неверные расклады можно встретить в больших этнических сообществах — например у чеченцев стабильно в MyHeritage выскакивают в раскаладе предковых групп одинаковые 10-15% жителей Британских остров.
Этот, конечно, нелепый пример, отлично иллюстрирует первую проблемы, связанную с разделением выборки и клиентской базы на кластеры. В отличии от любителей; большинство коммерческих компаний (за исключенеим разве что FTDNA, где алгоритм опеределения процентов этнического происхождения разработал как раз любитель) не занимаются поисками настоящих предковых компонентов — вроде европейских охотников-собирателей, земледельцев и скотоводов бронзового века. Вместо этого все образцы популяций — преимущественно из академических источников — объединяются по географическому признаку в отдельные кластеры — например скандинавский или балканские кластеры. Кластеры задаются как условные предковые компоненты (их может быть довольно много — как например в компании AncestryDNA), якобы позволяющие в данном случае более точно выявить недавнее этнопопуляционное происхождение клиента. И что хуже всего в эти же кластеры включают данные самих клиентов — очень часто просто со слов клиента о своем этническом происхождении (как было в своем время в 23andme), хотя в последнее время в некоторых компаниях (AncestryDNAO) алгоритм усовершенствовали путем включения дополнительных фильтров для отсеивания (например с помощью определения в анализе главных компонентов резко отличающихся и резко выделяющихся в плане этнического происхождения клиентов). Тем не менее, даже самое методичное применение всевозможных дополнительных фильтров не может гарантировать повышение точности предика этнического происхождения. Проблема что в человеческих популяциях — за исключением небольшого количества изолированных задрейфованных популяций вроде нганасан, чукчей, ульчей, калашей, папуасов — ни в одной из этнических групп компоненты не являются дискретными, а представляют собой градиенты частот аллелей, очень часто с большим расбросом из-за чего хвосты частот распределния этих частот перекрываются. На практике этот феномен приводит к появлению в индивидуальных клиентских данных фантомных компонентов — например у европейцев часто появляются всевозможные невозможные компонентоы происхождения — Amerindian, Papuan, Onge и так далее. Подобный подход только вносит сумятицу или — говоря статистическим языком — шум в результаты.

Очевидно, что данная проблема связана с классической проблемой статистики — проблемой организации и подразделения выборки. Схожей по характеру проблемой являеется проблема разнообразия выборки используемой для определения компонентов происхождения. Очевидно, что очень сложно впихнуть все генетическое разнообразие человечества в относительно небольшую выборку — даже еслии ее размер достигает полмиллиона или больше образцов (как у 23andme). Проблема в сверхпредставленности отдельных этнических или квазиэтнических групп в подобных базах данных (западных европейцев, американцев, финнов, ашкеназов и так далее). При неравномерности выборки наблюдается другой классический статистический эффект — искажение результатов выборки в сторону наиболее представленных групп (как было в свое время в 23andme, когда наблюдался эффект сверхпредставленности евреев-ашкеназов в количестве так называех генетических совпаденцев).
Еще одна схожая проблема — в количестве совпадающих снипов (одинакового числа снипов) между тестируемыми индивидуальными образцами и референсными группами. Это проблема затрагивает, правда, только калькуляторы разработанные любителями на базе DIYDodecad — в алгоритмах коммерческих компаний число снипов в рефренсных популяциях и индивидуальных образцах одинаково, т.к. анализируются только те образцы, которые тестировались самой компанией. В вышеупомянутых же этнопопуляционных калькуляторах анализируемые всегда «кроссплатформены» — и если разработчик использовал для разработки калькулятора только те снипы, которые содержаться в чипах 23andme, тогда при анализе данных полученных в компаниях FTDNA или AncestryDNA совпадением снипов будет частичным (так как снипы генотипируемые в этих компаниях совпадают лишь частично). В итоге ситуация в которой сравниваются аллельные частоты снипов референсных популяций (полученные при одном количестве снипов) с аллельными частотами снипов индивида (полученные при совсем другом количестве снипов). Элементарная логика подсказывает что в таком случае будет наблюдаться искажение результатов в совершенно непредсказуемую сторону.
К счастью, у обеих проблем есть разумные решения. Число совпадающих снипов между чипами FTDNA, 23andme (разных версий) и AncestryDNA составляет примерно 300 000, что достатчно для создания калькуляторов приемлемых для анализа данных от всех этих компаний. Решение первой же проблемы тоже есть, но его стоимость немыслимо выскоа — необходимл использовать примерно несколько десятков миллионов ПОЛНЫХ геномов популяций людей со всего мира. Разумеется, никакие любители никогда в жизни не смогут собрать такое количество данных необходимых для создания сверхточных калькуляторов.

Все вышеперечисленные проблемы — сущая мелочь в сравнении с настоящими проблемами, обусловленными алгоритмической стороной вопроса. Дело в том, что все компании (и разумееися любители) — так или иначе — при вычислении аллельных частот в компонентах референсных популяций используют программы использующие парадигму Admixture/Structure. А они используют ML-алгоритмы, минимизирующие ГРУППОВЫЕ частоты аллелей между всеми образцами выборки, т.е. аллельные частоты ПОЛНОСТЬЮ зависят от состава исходной выборки, даже в случае так называемого supervised («обучаемого») анализа, в ходе которого некоторые популяции принимаются за исходные «чистые предковые группы». Поскольку в ранних версиях Admixture, отсутствовала опция фиксирования одной из вычисляемых матрицы (P- матрица аллельных частот снипов в каждом из гипотетических компонентов происхождения; Q-матрица — матрица индивидуальных коэффициентов вклада предковых компонентов в индивидуальный геном с общей построковой суммой в 100%), и практически все компании использовали один и тот же алгоритм (он в во всех подобных программх схож — хотя разняться его имплементации и способы оптимизации функции правдоподобия), то все они подвергнуты искажению истинных частот аллелей. Этот косяк вносит решающий вклад в появление фантомных компонентов происхождения.

То, что вычисленные таким способом значения (скажем русского) могут очень сильно отличаться в сравнении с индивидуальными частотами аллелей (для примера такого же русского из той же скажем Орловской области) — было впервые замечено геномным блоггером Polako.
К сожалению, в силу своем личной ненависти к первоначальному разработчику DIYDodecad — греку Диенекису Понтикосу — он не смог дать формальное объяснение феномена и назвал этот феномен «эффектом калькулятора» (как бы намекая на косорукость кода этой утилиты). На самом деле сам калькулятор здесь не причем — все дела в приниципиальных различиях между определение происхождения на основании частот аллелей вычисленных по группе образцов и тем же самым вычислением аллелей, но уже не в группе, а в индивидуальныом порядке. В этом легко убедиться самому — возьмите клиентские данные, например, норвежца. Вставьте его в большую выборку образцов (например 2000 человек) и прогоните в программе ADMIXTURE задав такое количество гипотетических предковых популяций (K), при котором становится заметна субструктура генофонда популяций на внутриконтинентальном уровне. А затем возьмите того же самого норвежца, но уже в единственном числе, и зафиксировав полученные в предыдущем шаге аллельные частоты в виде предковых популяций. Вы увидите, что различия между результатами анализа одних и тех же данных могут достигать 20 а то и более процентов. Это-то и есть ядро так называемого пресловутого эффекта калькулятора. Очевидно, что и Оракул (т.е. инструмент определения ближайших к клиенту этнических популяций а также моделирования происхождения клиента через набор из 2, 3, 4 популяций) в этом случае (искаженных аллельных частот) будет искусственно создавать фантомные предковые популяций. Например, у русского из Владимирской области могут появиться в качестве шведы,
эстонцы или англичане из Кента.

Строго говоря, первым написал об этой проблема некий Vikas Bansal — автор программы iAdmix:

«For comparison, we also ran ADMIXTURE (in supervised mode using the HapMap reference panel of individuals) on the same dataset (see Figure 1(b)). The European and African admixture estimates for each individual were highly consistent between the two methods. For some individuals, the European component of ancestry using our method was split between the TSI and CEU populations. This could reflect one important difference between the two methods in how they use data from reference individuals. Our method finds a maximum likelihood estimate of the admixture coefficients for each individual using the fixed set of allele frequencies. In contrast, ADMIXTURE, in the supervised mode, utilizes data for all individuals (both the reference populations and the individual(s) being analyzed) to estimate the allele frequencies for each cluster or population and maximize the likelihood function summed across all individuals. Therefore, the allele frequencies are determined not only by the genotypes of the reference individuals but also by the individual(s) that are analyzed for admixture. To confirm this, we estimated allele frequencies by running ADMIXTURE twice: (1) using 800 reference individuals simulated using allele frequencies for 8 HapMap populations (100 individuals per population, see previous section) and (2) 800 reference individuals and 1 additional individual with 100% CEU ancestry simulated using the HapMap allele frequencies. Subsequently, we used our method to estimate admixture coefficients for the simulated CEU individual using the two sets of allele frequencies separately. We found that using the first set of allele frequencies, the admixture coefficients for both CEU and TSI were non-zero. In contrast, using the second set of allele frequencies, only the CEU admixture coefficient was non-zero. This was similar to the results observed in the analysis of the Mozabite data and provided an empirical validation of our hypothesis regarding the difference in the admixture coefficients estimated by the two methods.»

Новая программа для анализа субструктуры популяции

На ресурсе Bioarxiv опубликован препринт статьи, описывающей новую программу для анализа предковых компонентов в изучаемых геномах.  Программа называется Ohana (Linuxовские исходники доступны на Github).

Программа представляет собой дальнейшее развитие парадигмы, использованной при создании программ подобного рода, в том числе и популярных Admixture/STRUCTURE.

Что же именно представляет собой программа Ohana:

Мотивация:  методы выявления генетической cтруктуры популяции часто используются в процентной классификации (доли различных компонентов происхождения) отдельных образцов (геномов) в выборке популяции.
Вклад: Мы вводим новый алгоритм оптимизации классической модели структуры в рамках максимального  правдоподобия. Используя анализ реальных данных, мы показываем, что новый алгоритм оптимизации находит более высокие значения оценки правдоподобия, в сравнении с стандартными методами,   за то же самое время вычислений. Мы также представляем новый метод оценки деревьев популяций предковых компонентов с использованием гауссовой аппроксимации. Используя модель коалесценции популяций,  мы моделируем  эволюцию популяций в виде дерева, а затем исследуем адекватность модели структуры и гауссовской аппроксимации в  правильной идентификации предковых  компонентов родословной и вывода правильной типологии дерева популяций. В большинстве случаев предковые компоненты выводятся правильно, хотя очевидно, что  размер выборки и количество времени, прошедшего с момента смешивания предковых компонентов могут влиять на статистическую достоверность выводов. Вместе с этим, популярная гауссовская аппроксимация  работает гораздо хуже в случае с длинными ветвями популяционного дерева, хотя сама топология дерева была определена правильно во всех рассматриваемых сценариях. Новые методы реализованы средствами языка C++  вместе с соответствующими средствами визуализации в программном пакете Ohana.

Судя по описанию, метод явно продвинут в сравнении с Admixture, и поэтому я решил протестировать программу на своих данных. Поскольку задачей опыта являлась только проверка быстродействия и эффективности программы, я ограничился лишь малым числом снипов (около 1000 снипов) и небольшим числом итерационных шагов. Ниже таблица значений параметра максимальной правдоподобности для разных шагов:

step global-lle local-lle lle-ratio
21 -2.6833044517734939e+00 +2.2770091451382113e-01 +5.8220107325746300e+00
1 +5.7815216343991231e+00 +5.8036336413385650e+00 +4.4224013878883639e-02
7 -3.2739383333912819e-01 +2.2497694453045547e-01 +1.1047415557391673e+00
11 +9.0926715174206318e-01 +2.0066743030967706e+00 +2.1948143027094149e+00
3 +2.8748265011322980e+00 +2.9590787934518543e+00 +1.6850458463911266e-01
7 +8.4540873293179075e-01 +1.3498715551047624e+00 +1.0089256443459433e+00
37 -9.0929035297321050e+00 -2.4194504122282945e+00 +1.3346906235007621e+01
23 -6.4421783036780722e+00 -2.9697235103566051e+00 +6.9449095866429342e+00
0 +9.1345873004805362e+00 +9.1345873004805362e+00 +0.0000000000000000e+00
0 +3.4695915386474794e+00 +3.4695915386474794e+00 +0.0000000000000000e+00
19 -4.3865281380151862e+00 -1.8991488640961749e+00 +4.9747585478380225e+00
4 +1.0433650310897962e+00 +1.2522823332105344e+00 +4.1783460424147645e-01
3 +3.8995915259094627e-01 +5.1634020990696783e-01 +2.5276211463204312e-01
15 -2.6434691070829723e+00 -9.1086633128607586e-01 +3.4652055515937930e+00
23 -6.2198104594655677e+00 -2.8358886349280032e+00 +6.7678436490751288e+00
38 -9.2321798956810461e+00 -2.4916759096277969e+00 +1.3481007972106498e+01
18 -3.0934554567431443e+00 -8.3611477310109894e-01 +4.5146813672840906e+00
8 -2.9282539314651679e-01 +3.5738671950948531e-01 +1.3004242253120042e+00
0 +1.2524391609263201e+00 +1.2524391609263201e+00 +0.0000000000000000e+00
23 -6.3837385390039652e+00 -2.9271554091217755e+00 +6.9131662597643793e+00
2 +4.7424981408020610e+00 +4.7836466971388827e+00 +8.2297112673643369e-02
38 -9.2130245369173807e+00 -2.3278870997257695e+00 +1.3770274874383222e+01
1 +2.1840574314321817e+00 +2.1865405531001443e+00 +4.9662433359252134e-03
41 -1.1365527747446823e+01 -3.8377028622021787e+00 +1.5055649770489289e+01
19 -4.6712611393212642e+00 -2.1928314855773308e+00 +4.9568593074878669e+00
6 +1.3815323261198040e+00 +1.8025611535312844e+00 +8.4205765482296080e-01
23 -4.9303692315665009e+00 -1.5318143061696987e+00 +6.7971098507936043e+00
0 +8.7328319984824621e+00 +8.7328319984824621e+00 +0.0000000000000000e+00
17 -3.6224582165934160e+00 -1.4932121483648810e+00 +4.2584921364570700e+00
3 +6.2377234983784291e-01 +7.6110530798112475e-01 +2.7466591628656367e-01
0 +2.8587282041554891e+00 +2.8587282041554891e+00 +0.0000000000000000e+00
17 -2.0021218825872920e+00 +1.4509671718689843e-01 +4.2944371995483808e+00
17 -7.4762584701409729e-01 +1.3932955886732108e+00 +4.2818428713746162e+00
23 -6.0653903327212779e+00 -2.6838881450153060e+00 +6.7630043754119438e+00
37 -1.0579776808339723e+01 -3.8892391993640034e+00 +1.3381075217951439e+01
26 -7.2335181019782047e+00 -3.1331829046686970e+00 +8.2006703946190154e+00
7 +1.6176269530996734e+00 +2.1323381483718942e+00 +1.0294223905444415e+00
33 -9.4030285154229958e+00 -3.6623273360729955e+00 +1.1481402358700000e+01
17 -2.6786343483216859e+00 -4.8812953327852648e-01 +4.3810096300863188e+00
23 -6.2058034431150313e+00 -2.8516189784547787e+00 +6.7083689293205051e+00
67 -1.6909072528028993e+01 -2.3911037254752712e+00 +2.9035937605107442e+01
23 -6.3833745927401013e+00 -2.9452455097675125e+00 +6.8762581659451776e+00
6 -6.8296012812943019e-01 -2.9942977621450506e-01 +7.6706070382985025e-01
10 -9.8126315419471322e-01 -2.3661063865609844e-02 +1.9152041806582067e+00
0 +5.7982106350815634e+00 +5.7982106350815634e+00 +0.0000000000000000e+00
11 -1.3501638874870379e+00 -3.2011308106384817e-01 +2.0601016128463794e+00
43 -1.2192493550573289e+01 -4.1196420795722730e+00 +1.6145702942002032e+01
9 -1.2593028903325809e+00 -4.3270295902646971e-01 +1.6531998626122224e+00
26 -6.2578642716373176e+00 -2.2062845684156107e+00 +8.1031594064434138e+00
18 -4.6071642202381673e+00 -2.2886078113529225e+00 +4.6371128177704897e+00
10 -1.6054495070597854e+00 -6.2383936794881567e-01 +1.9632202782219395e+00
0 +5.9054976846801948e+00 +5.9054976846801948e+00 +0.0000000000000000e+00
28 -7.9544016666424726e+00 -3.4037434923762198e+00 +9.1013163485325066e+00
13 -2.9739447952442584e+00 -1.6013630431924359e+00 +2.7451635041036448e+00
4 +1.9967631453426975e+00 +2.2200585780891835e+00 +4.4659086549297200e-01
39 -1.0623165622856330e+01 -3.6098560664792703e+00 +1.4026619112754119e+01
4 +1.3492145910943503e+00 +1.5207738925609045e+00 +3.4311860293310836e-01
4 -4.8375924280681382e-02 +1.4610896360477543e-01 +3.8896977577091363e-01
7 +8.1849987178406280e-01 +1.2983567287204032e+00 +9.5971371387268078e-01
5 +1.6411578376630134e+00 +1.8879445182589061e+00 +4.9357336119178541e-01
20 -5.3566590509046721e+00 -2.5267308158062618e+00 +5.6598564701968206e+00
20 -3.7357745162316442e+00 -9.4441504240310703e-01 +5.5827189476570744e+00
0 +6.9003012244484054e+00 +6.9003012244484054e+00 +0.0000000000000000e+00
14 +1.0212512913520566e-01 +1.6552863620284790e+00 +3.1063224657865467e+00
14 -3.4484977966479979e+00 -1.8336229600851968e+00 +3.2297496731256023e+00
33 -8.5640317341738701e+00 -2.9981723641670950e+00 +1.1131718740013550e+01
0 +7.6321228134304206e+00 +7.6321228134304206e+00 +0.0000000000000000e+00
0 +3.0411387531718366e+00 +3.0411387531718366e+00 +0.0000000000000000e+00
0 +3.8803472670016577e+00 +3.8803472670016577e+00 +0.0000000000000000e+00
12 +4.2070184059954663e-01 +1.6582565595913112e+00 +2.4751094379835292e+00
0 +9.4043783383643351e+00 +9.4043783383643351e+00 +0.0000000000000000e+00
3 +3.9493772701791690e+00 +4.0401282575008803e+00 +1.8150197464342277e-01
7 -8.2136167712014529e-01 -3.6756700619833005e-01 +9.0758934184363049e-01
3 +1.2561184081287848e+00 +1.3862458241709996e+00 +2.6025483208442957e-01
46 -1.3514965313978369e+01 -4.6676326406095789e+00 +1.7694665346737580e+01
4 +2.3316433138862669e+00 +2.4883134289675559e+00 +3.1334023016257806e-01
15 -3.1749597466612700e+00 -1.4486952266745639e+00 +3.4525290399734123e+00
0 +3.6076601056818594e+00 +3.6076601056818594e+00 +0.0000000000000000e+00
6 -1.3547629288250551e-01 +2.0571844793874394e-01 +6.8238948164249891e-01
0 +3.3538897545168909e+00 +3.3538897545168909e+00 +0.0000000000000000e+00
29 -6.6085068659091144e+00 -1.9851117443357860e+00 +9.2467902431466573e+00
6 -7.5147980093472455e-01 -3.9214478407419762e-01 +7.1867003372105387e-01
0 +3.9963783521703307e+00 +3.9963783521703307e+00 +0.0000000000000000e+00
0 +3.2911893761129702e+00 +3.2911893761129702e+00 +0.0000000000000000e+00
17 -3.2846786735668649e+00 -1.1408980141492142e+00 +4.2875613188353014e+00
14 -1.4178238173926916e+00 +1.2253279138372619e-01 +3.0807132175528356e+00
14 -3.3434887984775541e+00 -1.6779029394864886e+00 +3.3311717179821310e+00
0 +9.1572547755033096e+00 +9.1572547755033096e+00 +0.0000000000000000e+00
10 -1.2626932054166078e+00 -3.5141586686062176e-01 +1.8225546771119721e+00
19 -1.8461856116383517e+00 +6.1853369726772289e-01 +4.9294386178121492e+00
8 -1.0410086051735501e+00 -3.4965278679539402e-01 +1.3827116367563121e+00
31 -6.5429305189645044e+00 -1.4024683499866222e+00 +1.0280924337955764e+01
1 +1.2012483311196434e+00 +1.2246107704918217e+00 +4.6724878744356602e-02
27 -6.3263423782410699e+00 -2.0387502987785164e+00 +8.5751841589251079e+00
0 +3.4752054267394046e+00 +3.4752054267394046e+00 +0.0000000000000000e+00
14 -3.3260016674493693e+00 -1.6641525377097302e+00 +3.3236982594792783e+00
2 +4.6391346051693745e+00 +4.7074159854863442e+00 +1.3656276063393946e-01
18 -1.7655900381188054e+00 +5.6763635576112303e-01 +4.6664527877598569e+00
5 +2.6107959381474792e+00 +2.9007775105489291e+00 +5.7996314480289968e-01
5 +2.1843942491619988e+00 +2.4627753404760413e+00 +5.5676218262808508e-01
0 +3.6852550999196674e+00 +3.6852550999196674e+00 +0.0000000000000000e+00
9 +2.2205561518413388e+00 +3.0234170340292152e+00 +1.6057217643757529e+00
6 +1.3664382420077841e+00 +1.6966274552596250e+00 +6.6037842650368184e-01
19 -4.4023423595988431e+00 -1.8800350949122522e+00 +5.0446145293731819e+00
0 +3.8688677137151655e+00 +3.8688677137151655e+00 +0.0000000000000000e+00
73 -2.0949919293569959e+01 -4.7907197907594652e+00 +3.2318399005620989e+01
1 +3.5554293807950907e+00 +3.5653571640236477e+00 +1.9855566457113838e-02
61 -1.7504913653374910e+01 -4.7134638568973735e+00 +2.5582899592955073e+01
15 -2.3496916597601460e+00 -6.1989728884619355e-01 +3.4595887418279050e+00
9 -1.1124922469964771e+00 -3.9306629177513219e-01 +1.4388519104426898e+00
40 -1.0130420397429226e+01 -2.7600791428097899e+00 +1.4740682509238873e+01
28 -6.2646417800198462e+00 -1.8712309259120481e+00 +8.7868217082155962e+00
30 -8.2940098011971699e+00 -3.2575093442052663e+00 +1.0073000913983808e+01
16 -3.9789358263553369e+00 -2.0447399120105771e+00 +3.8683918286895196e+00
24 -4.7319936861905374e+00 -1.2309206168595050e+00 +7.0021461386620647e+00
50 -1.4771830397990250e+01 -4.7468160179959664e+00 +2.0050028759988567e+01
66 -1.9775329423936054e+01 -5.7044932592467479e+00 +2.8141672329378611e+01
27 -6.4821921796055166e+00 -2.3071428385722479e+00 +8.3500986820665375e+00
22 -6.0637478907011628e+00 -2.8387301708702379e+00 +6.4500354396618498e+00
19 -3.3145656028033086e+00 -8.2787439053755918e-01 +4.9733824245314988e+00
11 +1.8067628327733143e-01 +1.3070242269646046e+00 +2.2526958873745464e+00
0 +1.0664985244463050e+01 +1.0664985244463050e+01 +0.0000000000000000e+00
11 -7.5458750582718714e-01 +3.4696598960010006e-01 +2.2031069908545744e+00
0 +6.3845634692411757e+00 +6.3845634692411757e+00 +0.0000000000000000e+00
7 +1.2253166144940426e+00 +1.7013611250364296e+00 +9.5208902108477389e-01
0 +2.2332252301150746e+00 +2.2332252301150746e+00 +0.0000000000000000e+00
31 -8.0519218099965713e+00 -2.9846513008391273e+00 +1.0134541018314888e+01
4 +2.4692778009043783e+00 +2.6471239053685025e+00 +3.5569220892824838e-01
6 +3.5474308704061017e+00 +3.9320576649321666e+00 +7.6925358905212970e-01
1 +7.6321929467552163e-01 +7.7371899642427522e-01 +2.0999403497507174e-02
20 -4.6091354660655464e+00 -1.8831451771238030e+00 +5.4519805778834867e+00
37 -1.0129886889420138e+01 -3.5049438312000651e+00 +1.3249886116440146e+01
9 -1.3478953370113151e+00 -6.1126866473294861e-01 +1.4732533445567331e+00
15 -3.5603325674454434e+00 -1.8336902540647766e+00 +3.4532846267613335e+00
23 -5.8756875138002860e+00 -2.4885147744651173e+00 +6.7743454786703374e+00
25 -5.2630197987481564e+00 -1.4901283126568581e+00 +7.5457829721825966e+00
22 -4.6505867423895806e+00 -1.5418656747224535e+00 +6.2174421353342542e+00
7 -5.9552142856104151e-01 -8.8676524949510060e-02 +1.0136898072230629e+00
61 -1.8469603264559318e+01 -5.5085368441738511e+00 +2.5922132840770935e+01
0 +6.5611806224091760e+00 +6.5611806224091760e+00 +0.0000000000000000e+00
45 -1.2454424814746222e+01 -3.8756241090360741e+00 +1.7157601411420295e+01
2 +1.4936790971716833e+00 +1.5443157230138103e+00 +1.0127325168425383e-01
24 -4.9855905349318244e+00 -1.3691134474993452e+00 +7.2329541748649584e+00
0 +5.4059733116587152e+00 +5.4059733116587152e+00 +0.0000000000000000e+00
29 -8.3287727010210553e+00 -3.5109736380446810e+00 +9.6355981259527486e+00
6 -9.0525257564573103e-01 -4.9035877015595108e-01 +8.2978761097955989e-01
8 -6.4300983752890950e-02 +6.2949995221823674e-01 +1.3876018719422554e+00
18 -1.6807476972921531e+00 +5.8624083453305964e-01 +4.5339770636504255e+00
1 +3.5721205803909095e+00 +3.5818192117155454e+00 +1.9397262649271774e-02
24 -6.1577637742262690e+00 -2.4834183189506129e+00 +7.3486909105513121e+00
27 -7.1496869791234205e+00 -2.9244287522105861e+00 +8.4505164538256690e+00
8 -5.6130490268747746e-01 +5.9960502445047581e-02 +1.2425308102650501e+00
22 -4.7031168681283519e+00 -1.4866179789189591e+00 +6.4329977784187857e+00
63 -1.9081574348421938e+01 -5.6305584192753786e+00 +2.6902031858293121e+01
7 +5.8016086062937777e-01 +1.0896938249318202e+00 +1.0190659286048849e+00
0 +1.0253545438881417e+01 +1.0253545438881417e+01 +0.0000000000000000e+00
5 +1.0871323777377295e-01 +3.6012080718820982e-01 +5.0281513882887374e-01
7 +3.5619491977679107e-01 +9.1621270316993719e-01 +1.1200355667862922e+00
0 +4.1014200837547570e+00 +4.1014200837547570e+00 +0.0000000000000000e+00
35 -8.6873618265199930e+00 -2.6505171760394766e+00 +1.2073689300961032e+01
54 -1.6224994615039677e+01 -5.1746625676062212e+00 +2.2100664094866911e+01
18 -4.5215172544928395e+00 -2.2547668545408959e+00 +4.5335007999038872e+00
18 -3.0503700330491101e+00 -8.0720630674103289e-01 +4.4863274526161545e+00
5 +5.8582574879526561e-02 +3.6493540878393382e-01 +6.1270566780881452e-01
25 -6.9733140116971155e+00 -3.1034863034763469e+00 +7.7396554164415372e+00
15 -2.5025936523299910e+00 -6.9523024428651947e-01 +3.6147268160869430e+00
5 +8.0786088450220284e-01 +1.0851325629709074e+00 +5.5454335693740919e-01
0 +8.2691985451022951e+00 +8.2691985451022951e+00 +0.0000000000000000e+00
0 +8.9439917368190862e+00 +8.9439917368190862e+00 +0.0000000000000000e+00
11 -2.7701982669716685e-01 +8.3944868058894606e-01 +2.2329370145722258e+00
16 +1.6645420052293840e+00 +3.6132059006837456e+00 +3.8973277909087232e+00
17 -4.2279921819119410e+00 -2.1299991954245332e+00 +4.1959859729748157e+00
0 +5.4735579139588761e+00 +5.4735579139588761e+00 +0.0000000000000000e+00
0 +5.2417101444202379e+00 +5.2417101444202379e+00 +0.0000000000000000e+00
10 +8.0610931785766571e-01 +1.7383915439886359e+00 +1.8645644522619405e+00
0 +6.5317507188945925e+00 +6.5317507188945925e+00 +0.0000000000000000e+00
99 -3.3176634407111457e+01 -6.2048925977727594e+00 +5.3943483618677398e+01
0 +9.2241116373635972e+00 +9.2241116373635972e+00 +0.0000000000000000e+00
0 +7.0421664921981026e+00 +7.0421664921981026e+00 +0.0000000000000000e+00
10 -1.2322421609594594e+00 -3.0907776287764221e-01 +1.8463287961636343e+00
15 -5.3961510722184336e-01 +1.2975139327884508e+00 +3.6742580800205884e+00
14 -2.9072386225207927e+00 -1.2692769639613632e+00 +3.2759233171188589e+00
28 -7.8564889853050071e+00 -3.3865507006528772e+00 +8.9398765693042606e+00
18 -3.6485330378701759e+00 -1.2474399791371424e+00 +4.8021861174660669e+00
7 -5.4955663167988700e-01 -9.6477835555973002e-02 +9.0615759224782799e-01
12 -4.5392808921571692e-01 +7.6793711457424907e-01 +2.4437304075799320e+00
40 -1.1517800488775020e+01 -4.2167799725608379e+00 +1.4602041032428364e+01
16 -3.9601734181906272e+00 -2.0652037591278667e+00 +3.7899393181255210e+00
54 -1.5250320335764563e+01 -4.4008431550872675e+00 +2.1698954361354591e+01
36 -1.0365917811914290e+01 -3.9422396480742119e+00 +1.2847356327680156e+01
1 +3.0986003703654137e+00 +3.1070907156615215e+00 +1.6980690592215630e-02
13 -1.6112672380173452e+00 -1.9937299450922330e-01 +2.8237884870162437e+00
0 +5.9327072336683333e+00 +5.9327072336683333e+00 +0.0000000000000000e+00
5 -1.1536342275959832e-01 +1.4957033405504294e-01 +5.2986751362928253e-01
0 +9.4473533195992498e+00 +9.4473533195992498e+00 +0.0000000000000000e+00
7 +1.2298526077710132e+00 +1.7154178339471993e+00 +9.7113045235237205e-01
47 -1.2409792749027684e+01 -3.1737629860218575e+00 +1.8472059526011652e+01
29 -7.5360039561605019e+00 -2.8579502357819448e+00 +9.3561074407571141e+00
14 -6.9355418829951265e-01 +9.6648151950494299e-01 +3.3200714156089113e+00
16 -2.9490629426907615e+00 -1.0858325762519732e+00 +3.7264607328775767e+00
1 +1.4179200329325266e+00 +1.4221234178381739e+00 +8.4067698112946232e-03
37 -1.0702475234674058e+01 -3.9774630194365752e+00 +1.3450024430474965e+01
40 -1.1283161019960101e+01 -3.8012845123237775e+00 +1.4963753015272648e+01
0 +1.0122770861521364e+01 +1.0122770861521364e+01 +0.0000000000000000e+00
24 -1.9167801662675474e+00 +1.6864777352401115e+00 +7.2065158030153178e+00
0 +8.0608057827852768e+00 +8.0608057827852768e+00 +0.0000000000000000e+00
18 -4.2852995772786366e+00 -1.9018654301170086e+00 +4.7668682943232561e+00
21 -3.2833633722164537e+00 -2.7099992758961822e-01 +6.0247268892536709e+00
2 +1.5012352645685096e+00 +1.5575394813161045e+00 +1.1260843349518979e-01
8 -1.2488053817540647e+00 -6.4812432294124900e-01 +1.2013621176256315e+00
32 -8.9595087221905487e+00 -3.6519922646765650e+00 +1.0615032915027967e+01
11 +1.2020524818013989e-01 +1.1669169510732664e+00 +2.0934234057862531e+00
33 -9.5395053219915944e+00 -3.8349505662896721e+00 +1.1409109511403845e+01
62 -1.8217802794875535e+01 -5.1828564290961063e+00 +2.6069892731558859e+01
9 +2.8918665079433659e-01 +9.9344885398075267e-01 +1.4085244063728322e+00
18 -4.5447745895626683e+00 -2.2385335689272328e+00 +4.6124820412708711e+00
6 -2.2522060068723082e-01 +1.3069529955327219e-01 +7.1183180048100603e-01
0 +6.2922155637704273e+00 +6.2922155637704273e+00 +0.0000000000000000e+00
17 -3.0694598679607159e+00 -9.7517276423658839e-01 +4.1885742074482550e+00
40 -1.1630241794549921e+01 -4.2939068055100291e+00 +1.4672669978079783e+01
18 -4.1240492853488773e+00 -1.8385167691708197e+00 +4.5710650323561151e+00
16 -2.8989774748500574e+00 -8.9985404880907938e-01 +3.9982468520819561e+00
18 -4.6989974506312739e+00 -2.3570671893355630e+00 +4.6838605225914218e+00
0 +8.1543159398132392e+00 +8.1543159398132392e+00 +0.0000000000000000e+00
18 -3.3574070342167124e+00 -9.9626228499164871e-01 +4.7222894984501274e+00
24 -5.1474780037766878e+00 -1.5349074255305504e+00 +7.2251411564922750e+00
12 -8.4223570570590578e-01 +3.2840701493665714e-01 +2.3412854412851258e+00
13 -2.3083667740166840e+00 -8.2479840457107700e-01 +2.9671367388912140e+00
18 -1.0630573703209274e+00 +1.3587895053515520e+00 +4.8436937513449587e+00
12 -5.7132264516139930e-01 +6.7596196199219527e-01 +2.4945692143071891e+00
0 +2.0596857067425747e+00 +2.0596857067425747e+00 +0.0000000000000000e+00
0 +1.7202082967627694e+00 +1.7202082967627694e+00 +0.0000000000000000e+00
10 -1.7829319802220942e+00 -9.1311642913039659e-01 +1.7396311021833952e+00
9 -8.8577809579452715e-01 -1.2894706640723275e-01 +1.5136620587745888e+00
4 +6.0238434104876415e+00 +6.1993353468217638e+00 +3.5098387266824460e-01
15 -2.5012557770550812e+00 -7.3037633430072058e-01 +3.5417588855087212e+00
17 -1.0227942471438283e+00 +1.0477948237330728e+00 +4.1411781417538016e+00
23 -6.0293452195778174e+00 -2.6625685218588808e+00 +6.7335533954378732e+00
5 +1.5412500175456483e+00 +1.8516506400496282e+00 +6.2080124500795986e-01
42 -1.1320367069757626e+01 -3.4911733138348922e+00 +1.5658387511845469e+01
19 -5.0652795239157209e+00 -2.4537601925133035e+00 +5.2230386628048349e+00
6 -3.5303378718842904e-01 +8.6044461619583679e-02 +8.7815649761602543e-01
9 -1.2312209924125739e+00 -4.2052733670385489e-01 +1.6213873114174380e+00
21 -4.0636039546567373e+00 -1.1346503138353001e+00 +5.8579072816428743e+00
52 -1.5392505117993675e+01 -5.0485889425913530e+00 +2.0687832350804644e+01
5 -2.1060203001871081e-01 +3.7226357195448756e-02 +4.9565677442831912e-01
0 +8.6644700709848443e+00 +8.6644700709848443e+00 +0.0000000000000000e+00
7 +2.3368488379117696e+00 +2.8857487075354378e+00 +1.0977997392473364e+00
34 -9.8733130924056027e+00 -3.9232280453038126e+00 +1.1900170094203581e+01
30 -7.2153771968977223e+00 -2.3272691425589378e+00 +9.7762161086775698e+00
14 -3.3033510562049804e+00 -1.7907536150906087e+00 +3.0251948822287433e+00
52 -1.3002533924904451e+01 -2.6108093935991472e+00 +2.0783449062610607e+01
10 -1.7525835058473431e+00 -8.0688740592429209e-01 +1.8913921998461021e+00
12 +2.6988293073752625e+00 +3.9589431233105787e+00 +2.5202276318706325e+00
10 -1.5545146734979927e+00 -6.1128057662873037e-01 +1.8864681937385246e+00
14 -9.5903384824803428e-01 +5.7242754516122840e-01 +3.0629227868185254e+00
29 -4.5966817911406528e+00 +4.8704044607052355e-02 +9.2907716714954098e+00
32 -6.6668047830006296e+00 -1.1749964537163644e+00 +1.0983616658568531e+01
16 -2.2498471151436314e+00 -3.7510508600573722e-01 +3.7494840582757885e+00
0 +5.1449560451804732e+00 +5.1449560451804732e+00 +0.0000000000000000e+00
0 +8.1905714225986124e+00 +8.1905714225986124e+00 +0.0000000000000000e+00
32 -8.9490319755544512e+00 -3.4908343082195818e+00 +1.0916395334669739e+01
10 +9.0537534917714257e-01 +1.8364119570036888e+00 +1.8620732156530924e+00
0 +3.8672183397598627e+00 +3.8672183397598627e+00 +0.0000000000000000e+00
0 +8.1504290614809580e+00 +8.1504290614809580e+00 +0.0000000000000000e+00
19 -3.1632283817132665e+00 -6.0546545637073423e-01 +5.1155258506850645e+00
11 -8.4371489377040643e-01 +1.6583489892788528e-01 +2.0190995853965834e+00
3 +1.2030961729450036e+00 +1.2789103959787567e+00 +1.5162844606750614e-01
35 -9.6351354209459075e+00 -3.5429135154783626e+00 +1.2184443810935090e+01
8 -8.5103381542825129e-01 -1.9024182139079926e-01 +1.3215839880749041e+00
8 +4.7815917905074450e+00 +5.3796652696748932e+00 +1.1961469583348965e+00
0 +4.2135628531977503e+00 +4.2135628531977503e+00 +0.0000000000000000e+00
20 -4.8807223386121068e+00 -2.0999889701467027e+00 +5.5614667369308082e+00
14 -2.8333720924381582e+00 -1.3206322073871735e+00 +3.0254797701019696e+00
18 -3.2352679896780225e+00 -9.9338292399791195e-01 +4.4837701313602212e+00
12 -1.9069114257710877e+00 -7.2239917008667653e-01 +2.3690245113688224e+00
0 +4.7708135185537435e+00 +4.7708135185537435e+00 +0.0000000000000000e+00
20 -3.6066712806414687e+00 -8.3744616900093583e-01 +5.5384502232810657e+00
2 +4.1777704642319229e+00 +4.2178696538431533e+00 +8.0198379222460758e-02
27 -4.2800295243973343e+00 -8.3666063203748919e-02 +8.3927269223871708e+00
18 -4.1029687951601987e+00 -1.8487928566159999e+00 +4.5083518770883977e+00
2 +1.8128194909174331e+00 +1.8718771999999091e+00 +1.1811541816495197e-01
22 -5.8836469759906320e+00 -2.6461260316235107e+00 +6.4750418887342427e+00
0 +8.5569475887310755e+00 +8.5569475887310755e+00 +0.0000000000000000e+00
18 -2.3892191029110412e+00 +3.4434092500705837e-02 +4.8473063908234941e+00
51 -1.2160406356735017e+01 -1.9853385045511929e+00 +2.0350135704367649e+01
2 +3.7683167128555493e+00 +3.7985557785543609e+00 +6.0478131397623258e-02
9 +7.0746419095720103e-01 +1.4549133939812990e+00 +1.4948984060481960e+00
34 -9.2439143241017945e+00 -3.3935456079103594e+00 +1.1700737432382869e+01
8 +1.5308488195066952e+00 +2.1866276414177683e+00 +1.3115576438221463e+00
7 +4.3651598810729464e+00 +4.9100981484445612e+00 +1.0898765347432295e+00
29 -8.2547914379505549e+00 -3.4987643218497562e+00 +9.5120542322015975e+00
0 +9.6953754170456126e+00 +9.6953754170456126e+00 +0.0000000000000000e+00
25 -3.1878782657624400e+00 +7.0280283117972919e-01 +7.7813621938843385e+00
24 -4.1504336306621274e+00 -6.6664389648016797e-01 +6.9675794683639189e+00
15 -3.2292739719895183e+00 -1.5061240794984161e+00 +3.4462997849822044e+00
21 -4.7314682197296500e+00 -1.7094542772780295e+00 +6.0440278849032412e+00
11 -2.5817172321322674e+00 -1.4516435900485867e+00 +2.2601472841673615e+00
0 +8.9715990333164974e+00 +8.9715990333164974e+00 +0.0000000000000000e+00
0 +8.9873194300120716e+00 +8.9873194300120716e+00 +0.0000000000000000e+00
19 -4.9071660766503795e+00 -2.4421881195841144e+00 +4.9299559141325302e+00
22 -5.7109852991148822e+00 -2.6220579521479683e+00 +6.1778546939338277e+00
21 -2.8944002432190148e+00 +1.3454036286320648e-01 +6.0578812121644425e+00
0 +8.1104586677297767e+00 +8.1104586677297767e+00 +0.0000000000000000e+00
3 +1.8710963963951706e+00 +1.9743158033789321e+00 +2.0643881396752306e-01
0 +6.4141654906544376e+00 +6.4141654906544376e+00 +0.0000000000000000e+00
13 -3.0348131924382100e+00 -1.5946492322804358e+00 +2.8803279203155485e+00
32 -6.0015623559071853e+00 -6.5270489976690182e-01 +1.0697714912280567e+01
12 -1.0851285393164778e+00 +1.4101209505869372e-01 +2.4522812687503430e+00
0 +7.7928466583211886e+00 +7.7928466583211886e+00 +0.0000000000000000e+00
3 +9.8999431037530528e-01 +1.0985239183946121e+00 +2.1705921603861356e-01
21 -1.6042192790806995e+00 +1.2608119955051769e+00 +5.7300625491717527e+00
12 -1.9330779708355257e+00 -7.4346198956071419e-01 +2.3792319625496230e+00
16 -3.7424231744001988e+00 -1.7140932573287424e+00 +4.0566598341429128e+00
33 -8.2455980509706102e+00 -2.6588135846420959e+00 +1.1173568932657028e+01
2 +4.6609235180931528e+00 +4.6971036409566427e+00 +7.2360245726979855e-02
19 -3.0233510695933665e+00 -5.5516219447013748e-01 +4.9363777502464581e+00
48 -1.3714929876421511e+01 -4.3417603694154119e+00 +1.8746339014012200e+01
30 -7.6200120657896742e+00 -2.5732340499008806e+00 +1.0093556031777588e+01
1 +2.2336771591989271e+00 +2.2430748498472313e+00 +1.8795381296608404e-02
6 +1.1386860735905753e+00 +1.4979481263286845e+00 +7.1852410547621837e-01
8 -9.4408218833100133e-01 -2.5102695287884202e-01 +1.3861104709043186e+00
29 -6.6713888199188043e+00 -1.9228922767277894e+00 +9.4969930863820302e+00
0 +7.8240238308512478e+00 +7.8240238308512478e+00 +0.0000000000000000e+00
10 -2.0208452283267926e+00 -1.1628141428826000e+00 +1.7160621708883852e+00
43 -1.2633180964809231e+01 -4.5361067258051504e+00 +1.6194148478008159e+01
21 -5.1985578797049277e+00 -2.1936924047249549e+00 +6.0097309499599456e+00
25 -6.5756363818770618e+00 -2.6704574230828890e+00 +7.8103579175883455e+00
0 +5.3448251851629909e+00 +5.3448251851629909e+00 +0.0000000000000000e+00
7 -9.0655989717993979e-01 -4.0771405439085662e-01 +9.9769168557816634e-01
35 -9.3826700294144807e+00 -3.2733467568489685e+00 +1.2218646545131024e+01
13 -2.6598096272238854e+00 -1.2038092765255395e+00 +2.9120007013966918e+00
28 -7.2715067306490164e+00 -2.7059840540944120e+00 +9.1310453531092080e+00
23 -2.2446775919119490e+00 +1.0908904568356861e+00 +6.6711360974952703e+00
10 +1.5616951897440678e-01 +1.0221813855839610e+00 +1.7320237332191084e+00
32 -7.5095568726792221e+00 -2.0319501978151644e+00 +1.0955213349728115e+01
3 +2.5395182668814744e+00 +2.6816365176954751e+00 +2.8423650162800129e-01
3 +2.9652558698771929e+00 +3.0739519186011730e+00 +2.1739209744796018e-01
11 -2.5639669312290545e+00 -1.4338137769515633e+00 +2.2603063085549824e+00
34 -8.1125799141186050e+00 -2.1265063831130351e+00 +1.1972147062011139e+01
15 -3.3710353914830558e+00 -1.5908668422684209e+00 +3.5603370984292697e+00
16 -3.1020304218230601e+00 -1.1339970102588337e+00 +3.9360668231284528e+00
7 -1.1766579359123597e+00 -6.7677044120798246e-01 +9.9977498940875442e-01
9 -1.7434073645182506e+00 -1.0137749208464006e+00 +1.4592648873437000e+00
3 +2.0520787578006647e+00 +2.1373566213771924e+00 +1.7055572715305534e-01
4 +7.4871450735972545e-01 +9.2259591045968481e-01 +3.4776280619991873e-01
18 -3.9290206381673523e+00 -1.6520460736688731e+00 +4.5539491289969583e+00
5 +1.5343049364737000e+00 +1.7980598248341719e+00 +5.2750977672094379e-01
18 -4.4911072080034868e+00 -2.2108913693958456e+00 +4.5604316772152824e+00
0 +4.6386533716621630e+00 +4.6386533716621630e+00 +0.0000000000000000e+00
1 +8.0874401526164696e-01 +8.1520138620904881e-01 +1.2914741894803683e-02
29 -4.9149606845369691e+00 -1.5880751061050935e-01 +9.5123063478529204e+00
37 -8.0357467759013481e+00 -1.5127717719992007e+00 +1.3045950007804295e+01
20 -4.3694976945211339e+00 -1.6060830818697718e+00 +5.5268292253027242e+00
6 -4.7231050362935179e-02 +3.0361968334640999e-01 +7.0170146741869033e-01
7 -1.3053247474675533e+00 -7.4963405957668883e-01 +1.1113813757817290e+00
16 -3.7231405987031083e+00 -1.8033375603361437e+00 +3.8396060767339293e+00
15 -1.4011042557305364e+00 +2.8088497751114794e-01 +3.3639784664833687e+00
18 -4.5740925742765297e+00 -2.3126167830384174e+00 +4.5229515824762245e+00
6 -6.6024000806399119e-01 -2.8593370052500955e-01 +7.4861261507796328e-01
7 -9.1194698145946340e-01 -4.0280092904326903e-01 +1.0182921048323887e+00
0 +9.7935879552521605e+00 +9.7935879552521605e+00 +0.0000000000000000e+00
1 +4.3960940655707041e+00 +4.4026953335298860e+00 +1.3202535918363623e-02
22 -3.1171909066944474e+00 +1.2668794243462678e-02 +6.2597194018758202e+00
20 -5.2133225800247702e+00 -2.5377387095224617e+00 +5.3511677410046170e+00
0 +4.5546209322296880e+00 +4.5546209322296880e+00 +0.0000000000000000e+00
8 -7.2384916701344881e-01 -1.5889922420520808e-01 +1.1298998856164815e+00
0 +4.4854036738848553e+00 +4.4854036738848553e+00 +0.0000000000000000e+00
0 +2.8655648588180695e+00 +2.8655648588180695e+00 +0.0000000000000000e+00
5 +7.6365671487041986e-02 +3.7647342302296050e-01 +6.0021550307183702e-01
62 -1.6700789505990535e+01 -3.5044440156181103e+00 +2.6392690980744849e+01
27 -7.3649275298169110e+00 -3.0191490669116350e+00 +8.6915569258105521e+00
36 -9.8751294357683825e+00 -3.4944596965189740e+00 +1.2761339478498817e+01
60 -1.7354480456466135e+01 -4.8412094388476765e+00 +2.5026542035236915e+01
27 -6.3290532368070069e+00 -2.1490483232046356e+00 +8.3600098272047418e+00
7 +3.3967345475436961e-01 +8.4036785490073296e-01 +1.0013888002927267e+00
8 +9.6228140650290506e-02 +7.6118876836179838e-01 +1.3299212554230158e+00
5 +3.8762235194521022e-01 +6.4985745465941491e-01 +5.2447020542840939e-01
28 -7.8389220280929850e+00 -3.3640950849162032e+00 +8.9496538863535626e+00
20 -4.8211999505984453e+00 -2.0286112570334622e+00 +5.5851773871299661e+00
31 -7.0008654050669294e+00 -1.7762054324633425e+00 +1.0449319945207174e+01
24 -6.4697387628344680e+00 -2.9274070753371007e+00 +7.0846633749947348e+00
9 +1.7682212776057060e-01 +9.4117309290576712e-01 +1.5287019302903930e+00
25 -6.8956286391727124e+00 -3.0922529582676206e+00 +7.6067513618101836e+00
11 -2.0983728791973997e+00 -1.0845009958977441e+00 +2.0277437665993112e+00
7 -1.0036778824299075e+00 -4.8971099973675081e-01 +1.0279337653863134e+00
0 +6.4999300361390171e+00 +6.4999300361390171e+00 +0.0000000000000000e+00
33 -5.7083667482437663e+00 +5.2807695877435501e-02 +1.1522348888242403e+01
19 -8.4894775705432757e-01 +1.6203243444966611e+00 +4.9385442031019773e+00
31 -8.0994904254779776e+00 -2.9686706173552384e+00 +1.0261639616245478e+01
0 +3.8551178977365002e+00 +3.8551178977365002e+00 +0.0000000000000000e+00
43 -1.1224254602563089e+01 -3.1786008029659607e+00 +1.6091307599194259e+01
17 -3.1015217685266707e+00 -1.0455709506748798e+00 +4.1119016357035818e+00
0 +4.8897250818951168e+00 +4.8897250818951168e+00 +0.0000000000000000e+00
42 -1.2019333651352603e+01 -4.2560137540129386e+00 +1.5526639794679330e+01
25 -4.7974046930482865e+00 -8.9168810664379050e-01 +7.8114331728089921e+00
40 -1.0016040135779072e+01 -2.5989345553053722e+00 +1.4834211160947399e+01
17 -4.0822007285760469e+00 -2.0106141995482627e+00 +4.1431730580555683e+00
2 +3.0105207311323658e+00 +3.0807138393118203e+00 +1.4038621635890891e-01
36 -9.8360815302400688e+00 -3.5675269255215438e+00 +1.2537109209437050e+01
15 -3.7526287413658528e+00 -1.9860934762773650e+00 +3.5330705301769756e+00
13 -2.3180393779007806e+00 -8.7601138478913443e-01 +2.8840559862232924e+00
8 -1.5786803594565875e+00 -9.2031928227924453e-01 +1.3167221543546859e+00
1 +4.0782599236807275e+00 +4.0856047531634854e+00 +1.4689658965515662e-02
8 +2.5931449776371007e-01 +9.3969112446958514e-01 +1.3607532534117501e+00
16 -3.5396067016703716e+00 -1.5678645425304607e+00 +3.9434843182798218e+00
36 -1.0541962655856231e+01 -4.0821050578208888e+00 +1.2919715196070685e+01
0 +3.0651105399469105e+00 +3.0651105399469105e+00 +0.0000000000000000e+00
5 +4.5110564798192954e-01 +7.5135175442362634e-01 +6.0049221288339361e-01
22 -5.8108514917032332e+00 -2.7274674767866465e+00 +6.1667680298331735e+00
12 -8.2060512981684752e-01 +4.4242177425771079e-01 +2.5260538081491166e+00
10 -9.6725646584689429e-01 -1.0009479912246633e-01 +1.7343233334488559e+00
21 -5.2543289596321410e+00 -2.3381918563619917e+00 +5.8322742065402986e+00
0 +7.0569372240268606e+00 +7.0569372240268606e+00 +0.0000000000000000e+00
10 -1.6446967668276793e+00 -7.9576282924854702e-01 +1.6978678751582645e+00
14 -2.8496925849330639e+00 -1.3406954998997365e+00 +3.0179941700666548e+00
0 +5.1068839972466513e+00 +5.1068839972466513e+00 +0.0000000000000000e+00
0 +4.7243500934456470e+00 +4.7243500934456470e+00 +0.0000000000000000e+00
21 -4.8873107654907146e+00 -1.9354084509460283e+00 +5.9038046290893726e+00
53 -1.3848563397722007e+01 -3.2438614560941037e+00 +2.1209403883255806e+01
5 +2.0573951779381376e+00 +2.3208624241320055e+00 +5.2693449238773571e-01
27 -5.2556383509204965e+00 -1.0661201056955969e+00 +8.3790364904497991e+00
1 +4.0685934828909174e+00 +4.0707474560851473e+00 +4.3079463884598823e-03
5 +1.0331723326728994e+00 +1.3022424279576645e+00 +5.3814019056953022e-01
16 -1.6866958597107748e+00 +2.5608577794074838e-01 +3.8855632753030465e+00
25 -6.4082259013685290e+00 -2.6345859241746656e+00 +7.5472799543877267e+00
0 +4.3558672542142762e+00 +4.3558672542142762e+00 +0.0000000000000000e+00
20 -4.8217189980479054e+00 -2.0595499132350041e+00 +5.5243381696258025e+00
0 +3.9794267011208966e+00 +3.9794267011208966e+00 +0.0000000000000000e+00
0 +9.1975691171511809e+00 +9.1975691171511809e+00 +0.0000000000000000e+00
24 -6.3747752863008982e+00 -2.7929213933379353e+00 +7.1637077859259257e+00
0 +3.8632937013674820e+00 +3.8632937013674820e+00 +0.0000000000000000e+00
12 -1.3127955727822780e+00 -1.9928199608721719e-02 +2.5857347463471125e+00
1 +4.6096239761848414e+00 +4.6215804995011469e+00 +2.3913046632610957e-02
18 -2.4699614548529381e+00 -2.0335702276942769e-01 +4.5332088641670207e+00
11 -7.8499314094969552e-01 +3.1503463865640535e-01 +2.2000555592122018e+00
0 +1.4729182963966094e+00 +1.4729182963966094e+00 +0.0000000000000000e+00
37 -1.0418414996909927e+01 -3.7058383489826268e+00 +1.3425153295854601e+01
7 +1.1722422050815320e+00 +1.7316056724697066e+00 +1.1187269347763493e+00
0 +3.3430221956800894e+00 +3.3430221956800894e+00 +0.0000000000000000e+00
43 -1.0743494779379727e+01 -2.7071468077797167e+00 +1.6072695943200021e+01
9 -1.2181982633285555e+00 -4.2748882999134086e-01 +1.5814188666744293e+00
9 -1.0896183975711162e+00 -3.7505376557068359e-01 +1.4291292640008653e+00
18 -4.5496787849762894e+00 -2.1636893291136960e+00 +4.7719789117251867e+00
11 +3.2426007011330986e+00 +4.3760817852989033e+00 +2.2669621683316095e+00
10 -2.1149601687458377e+00 -1.2047769776925152e+00 +1.8203663821066449e+00
2 +2.1555663217100332e+00 +2.2117428322907715e+00 +1.1235302116147672e-01
0 +1.2586076586817869e+00 +1.2586076586817869e+00 +0.0000000000000000e+00
14 -2.5311630271085326e+00 -8.8724752176313837e-01 +3.2878310106907884e+00
2 +7.6347097419186216e-01 +8.1875867871428376e-01 +1.1057540904484320e-01
0 +4.9012028177244673e+00 +4.9012028177244673e+00 +0.0000000000000000e+00
12 -2.1314976835749322e+00 -9.6832312220529904e-01 +2.3263491227392663e+00
19 -3.1548820200601861e+00 -5.8354629670210523e-01 +5.1426714467161618e+00
18 -4.3035369978859075e+00 -1.9700600389502974e+00 +4.6669539178712203e+00
56 -1.4223083959890062e+01 -2.6498670214201141e+00 +2.3146433876939895e+01
0 +1.7037020782515135e+00 +1.7037020782515135e+00 +0.0000000000000000e+00
50 -1.4729465141135677e+01 -4.7317227463532241e+00 +1.9995484789564905e+01
2 +6.6734084974874275e-01 +7.2865487803833151e-01 +1.2262805657917752e-01
40 -1.1162822174860956e+01 -3.8406606189626680e+00 +1.4644323111796577e+01
14 -1.7163225705716361e+00 -1.9620336808107197e-01 +3.0402384049811282e+00
11 -2.2439948497260973e+00 -1.2396601825197351e+00 +2.0086693344127244e+00
11 -4.7783585864930611e-01 +6.6260329292882592e-01 +2.2808783031562641e+00
15 -3.0411815209082311e+00 -1.2330523941691767e+00 +3.6162582534781089e+00
16 -2.9738515691981080e+00 -9.5604720933753651e-01 +4.0356087197211430e+00
17 -2.9992930664102788e+00 -7.9962157377335386e-01 +4.3993429852738499e+00
20 -2.4362387468307043e+00 +3.0633282476568180e-01 +5.4851431431927722e+00
9 -1.4483151433452690e-01 +6.5855142085699958e-01 +1.6067658703830530e+00
1 +8.5687313971966805e-01 +8.6885708493782676e-01 +2.3967890436317418e-02
22 -6.0236562020511579e+00 -2.8315889104930179e+00 +6.3841345831162801e+00
4 -7.2095760164913258e-02 +1.4577357566653681e-01 +4.3573867166290015e-01
10 -2.8114812408808110e-01 +6.6609168228123306e-01 +1.8944796127386283e+00
0 +6.1696695157883621e+00 +6.1696695157883621e+00 +0.0000000000000000e+00
0 +1.6607967322930550e+00 +1.6607967322930550e+00 +0.0000000000000000e+00
0 +4.2066006691376678e+00 +4.2066006691376678e+00 +0.0000000000000000e+00
0 +7.0060441602186412e+00 +7.0060441602186412e+00 +0.0000000000000000e+00
45 -1.0254890803356719e+01 -1.6400074201010377e+00 +1.7229766766511364e+01
2 +4.7071571224020552e+00 +4.7656057784606736e+00 +1.1689731211723675e-01
5 -4.9702377128067976e-01 -1.8805298770715861e-01 +6.1794156714704229e-01
8 -1.4104304105045653e+00 -8.1450109852117336e-01 +1.1918586239667839e+00
23 -5.5393731015677554e+00 -2.0863351507444161e+00 +6.9060759016466786e+00
16 -3.5305103261269979e+00 -1.5727463657613416e+00 +3.9155279207313125e+00
0 +5.3386738421558464e+00 +5.3386738421558464e+00 +0.0000000000000000e+00
3 +1.4824446130924844e+00 +1.5994474798996055e+00 +2.3400573361424204e-01
45 -1.2694325468714663e+01 -4.0384972331913813e+00 +1.7311656471046561e+01
8 +2.7875947744836540e+00 +3.3773612425818649e+00 +1.1795329361964217e+00
9 -2.0468804083383940e-01 +6.0485890708047663e-01 +1.6190938958286321e+00
9 -1.5817905150728055e+00 -8.2630235789766182e-01 +1.5109763143502875e+00
0 +3.1307926311425929e+00 +3.1307926311425929e+00 +0.0000000000000000e+00
23 -6.0729227668342558e+00 -2.6318535962435590e+00 +6.8821383411813937e+00
25 -6.2550299294779395e+00 -2.5315484119326084e+00 +7.4469630350906622e+00
10 -1.0353240492794606e+00 -6.1362708336367255e-02 +1.9479226818861868e+00
16 -3.9586793521291606e+00 -1.9661674227737924e+00 +3.9850238587107363e+00
5 -5.5777899361549288e-01 -2.3727381855260088e-01 +6.4101035012578400e-01
8 +9.9314809682379934e-01 +1.6637079003694870e+00 +1.3411196070913753e+00
0 +3.7298719157210876e+00 +3.7298719157210876e+00 +0.0000000000000000e+00
0 +4.5225782453000054e+00 +4.5225782453000054e+00 +0.0000000000000000e+00
45 -1.0445764047008872e+01 -1.7748935565302140e+00 +1.7341740980957315e+01
27 -4.4122147635776114e+00 -2.5756522199358312e-01 +8.3092990831680567e+00
13 -3.1153443936819523e+00 -1.7052971612887649e+00 +2.8200944647863748e+00
22 -5.4384638355675063e+00 -2.2684872035060994e+00 +6.3399532641228138e+00
0 +4.1304561725669027e+00 +4.1304561725669027e+00 +0.0000000000000000e+00
4 +2.1814258687494439e+00 +2.4078433172578810e+00 +4.5283489701687429e-01
0 +9.2260494677632146e+00 +9.2260494677632146e+00 +0.0000000000000000e+00
18 -2.9716819660293483e+00 -6.1666856467019038e-01 +4.7100268027183159e+00
3 +3.2851525805564208e+00 +3.3724387031630974e+00 +1.7457224521335313e-01
15 -3.7922759133465176e+00 -1.9628911141822907e+00 +3.6587695983284538e+00
14 -3.2914257969220069e+00 -1.7846669156932928e+00 +3.0135177624574281e+00
0 +9.1162298198734444e+00 +9.1162298198734444e+00 +0.0000000000000000e+00
18 -4.7978275090756108e+00 -2.3893034958869643e+00 +4.8170480263772930e+00
23 -5.3003618410612185e+00 -1.8550612546335215e+00 +6.8906011728553942e+00
0 +6.7486288468239852e+00 +6.7486288468239852e+00 +0.0000000000000000e+00
16 -3.9535286299348451e+00 -1.9935704399613741e+00 +3.9199163799469421e+00
21 -4.8362770998768747e+00 -1.8576190938104937e+00 +5.9573160121327620e+00
14 +4.2829422241340875e-01 +2.0154918172388703e+00 +3.1743951896509230e+00
7 -1.0546399510511177e+00 -5.5847002664135914e-01 +9.9233984881951720e-01
13 -1.5474269934381342e+00 -1.2699994717769458e-01 +2.8408540925208792e+00
14 -2.5437557305870486e+00 -8.8700470045354463e-01 +3.3135020602670080e+00
43 -1.2277861001160144e+01 -4.2633955489132553e+00 +1.6028930904493777e+01
0 +2.4162536641532273e+00 +2.4162536641532273e+00 +0.0000000000000000e+00
0 +6.3185755803126948e+00 +6.3185755803126948e+00 +0.0000000000000000e+00
49 -1.2339409098923994e+01 -2.6953739946357329e+00 +1.9288070208576521e+01
4 +3.3648468608759083e+00 +3.5686497957832111e+00 +4.0760586981460545e-01
25 -7.0387930005229444e+00 -3.1362646230936000e+00 +7.8050567548586889e+00
0 +8.1620946674825756e+00 +8.1620946674825756e+00 +0.0000000000000000e+00
17 -2.3182191115572506e+00 -2.7162139755907067e-01 +4.0931954279963598e+00
1 +2.5264694774584115e+00 +2.5379098507467788e+00 +2.2880746576734445e-02
18 -2.2200434172774832e+00 +1.4158649037451054e-01 +4.7232598153039875e+00
3 +7.7804462256593698e-01 +8.8431378407022798e-01 +2.1253832300858200e-01
7 -1.9571301704600330e-01 +2.8803960201430012e-01 +9.6750523812060685e-01
7 +2.3879010112410004e-01 +7.0891639161583520e-01 +9.4025258098347031e-01
19 -4.5559099553123472e+00 -2.0823967890281527e+00 +4.9470263325683890e+00
2 +3.0916309726736007e+00 +3.1400729308077695e+00 +9.6883916268337700e-02
8 -1.0325867836155176e+00 -3.3562216970071557e-01 +1.3939292278296040e+00
12 -2.4770848184964818e+00 -1.3221799825106233e+00 +2.3098096719717169e+00
0 +4.3735865109596173e+00 +4.3735865109596173e+00 +0.0000000000000000e+00
1 +7.9914692980467716e-01 +8.0752308669687345e-01 +1.6752313784392570e-02
4 +1.5027018452786844e-01 +3.6421977791074678e-01 +4.2789918676575667e-01
0 +6.7869625789012487e+00 +6.7869625789012487e+00 +0.0000000000000000e+00
15 -3.2072193146354584e+00 -1.4347670884736474e+00 +3.5449044523236219e+00
0 +1.3716518184563210e+01 +1.3716518184563210e+01 +0.0000000000000000e+00
7 +9.8893605477497903e-01 +1.5362155315340402e+00 +1.0945589535181224e+00
11 -1.3045864785595525e+00 -2.7062559342166814e-01 +2.0679217702757686e+00
16 -7.0466762502762048e-01 +1.2130454776643136e+00 +3.8354262053838681e+00
13 -1.7575674451290819e+00 -3.2350400185046890e-01 +2.8681268865572260e+00
9 -9.5088597691316856e-01 -1.7491319847840625e-01 +1.5519455568695246e+00
23 -5.2088747586294408e+00 -1.9127396104201271e+00 +6.5922702964186275e+00
44 -1.3100568919385491e+01 -4.6269222225232820e+00 +1.6947293393724419e+01
4 +1.1060067166124989e+00 +1.2870276357325445e+00 +3.6204183824009117e-01
2 +9.2414047197593607e-01 +9.7592124800145275e-01 +1.0356155205103335e-01
2 +4.6600001635782258e+00 +4.7314347328682285e+00 +1.4286913858000538e-01
1 +5.4271795000974032e+00 +5.4373990532452137e+00 +2.0439106295620846e-02
5 +2.2315480643544419e+00 +2.4909600932252336e+00 +5.1882405774158347e-01
12 -1.4575939184016624e+00 -1.6909873115470742e-01 +2.5769903744939100e+00
15 -3.0354404477280186e+00 -1.3348761778711418e+00 +3.4011285397137536e+00
19 -4.8794447028265671e+00 -2.3919912674822439e+00 +4.9749068706886463e+00
16 -3.8976502622885834e+00 -1.8573618286164182e+00 +4.0805768673443303e+00
23 -5.1366622570254181e+00 -1.8215183515357043e+00 +6.6302878109794277e+00
3 -1.9254825518316032e-02 +1.1898932983619392e-01 +2.7648831070901991e-01
13 -3.0318362834040355e+00 -1.6432834971165557e+00 +2.7771055725749596e+00
22 -5.3628782416830569e+00 -2.1801113628150084e+00 +6.3655337577360971e+00
14 -3.1564352738581354e+00 -1.5433453794932119e+00 +3.2261797887298469e+00
34 -9.7435145491862123e+00 -3.8833446942106202e+00 +1.1720339709951183e+01
0 +4.1600984972534345e+00 +4.1600984972534345e+00 +0.0000000000000000e+00
37 -1.0568222208500515e+01 -4.0134521631875009e+00 +1.3109540090626028e+01
50 -1.4777683104073571e+01 -4.7750176375725495e+00 +2.0005330933002043e+01
20 -3.4718486994765163e+00 -7.2240090027320658e-01 +5.4988955984066195e+00
14 -2.2878115021119845e+00 -6.4315174338721448e-01 +3.2893195174495400e+00
9 +5.0934264924144657e-01 +1.2681756180195052e+00 +1.5176659375561172e+00
16 -4.1062922900082279e+00 -2.1286485835279345e+00 +3.9552874129605868e+00
22 -3.5769965347217552e+00 -4.2120545726068670e-01 +6.3115821549221369e+00
10 +5.8761596598834220e-01 +1.4546577402776224e+00 +1.7340835485785604e+00
27 -7.1634153710494912e+00 -3.0071987054814331e+00 +8.3124333311361163e+00
31 -8.2097265931392620e+00 -2.9469649423535511e+00 +1.0525523301571422e+01
10 -8.7048884801850157e-01 -2.3669177795400120e-02 +1.6936393404462029e+00
32 -8.5498947054146406e+00 -3.1770205851965905e+00 +1.0745748240436100e+01
0 +8.2050550311085715e+00 +8.2050550311085715e+00 +0.0000000000000000e+00
14 -2.0157955986719065e+00 -3.8858114644363972e-01 +3.2544289044565335e+00
0 +1.4722855456748235e+01 +1.4722855456748235e+01 +0.0000000000000000e+00
2 +3.1527948920864897e+00 +3.2262471822801615e+00 +1.4690458038734366e-01
11 -2.2140908824698498e+00 -1.0628240259018753e+00 +2.3025337131359489e+00
5 -1.8417938957727298e-01 +5.3178695747466698e-02 +4.7471617064947935e-01
0 +1.0068934534850692e+01 +1.0068934534850692e+01 +0.0000000000000000e+00
0 +1.9602781965137277e+00 +1.9602781965137277e+00 +0.0000000000000000e+00
0 +8.7747871607880708e+00 +8.7747871607880708e+00 +0.0000000000000000e+00
0 +1.8842645385229627e+01 +1.8842645385229627e+01 +0.0000000000000000e+00
15 -2.1294867500139700e+00 -2.8345940567526728e-01 +3.6920546886774055e+00
23 -5.6613704764009212e+00 -2.3410725515948867e+00 +6.6405958496120689e+00
0 +6.4360355124212818e+00 +6.4360355124212818e+00 +0.0000000000000000e+00
10 -3.6647733985369157e-01 +4.7773559613470296e-01 +1.6884258719767891e+00
7 -4.9008557252405005e-01 -2.7095388279004595e-02 +9.2598036849009091e-01
15 -2.5351375230961510e+00 -7.0435657231603654e-01 +3.6615619015602290e+00
0 +8.7857682776656194e+00 +8.7857682776656194e+00 +0.0000000000000000e+00
5 +3.3802426815063491e-01 +5.9531890851990887e-01 +5.1458928073854793e-01
27 -7.3226240365165092e+00 -3.1342377563623787e+00 +8.3767725603082610e+00
8 -8.4411242813162790e-01 -2.7773775623903241e-01 +1.1327493437851910e+00
29 -7.8355268390989581e+00 -3.2295595628530611e+00 +9.2119345524917939e+00
13 -1.1226222026988086e+00 +2.2229223747827742e-01 +2.6898288803541721e+00
3 +2.2541412014664086e-01 +3.0551310501801510e-01 +1.6019796974274847e-01
0 +2.0670880186367633e+00 +2.0670880186367633e+00 +0.0000000000000000e+00
9 +9.1962231402055838e-01 +1.7593584334116410e+00 +1.6794722387821652e+00
5 +3.7428262927258018e+00 +4.0013665458035614e+00 +5.1708050615551926e-01
18 -4.5540520402221807e+00 -2.2934417651760119e+00 +4.5212205500923375e+00
0 +6.1791640125929286e+00 +6.1791640125929286e+00 +0.0000000000000000e+00
14 -3.3925558261047870e+00 -1.7808018365110132e+00 +3.2235079791875476e+00
1 +1.1575695200733032e+00 +1.1689331733409718e+00 +2.2727306535337277e-02
21 -4.1142310474495440e+00 -1.2086602334855967e+00 +5.8111416279278947e+00
3 +2.6657390650749768e+00 +2.7658504054531603e+00 +2.0022268075636696e-01
17 -4.5366773030060736e+00 -2.3025137509437075e+00 +4.4683271041247323e+00
3 +4.0997011886608004e-01 +5.1875070923966948e-01 +2.1756118074717889e-01
2 +2.8702903367033508e+00 +2.9144694998940208e+00 +8.8358326381340113e-02
15 -2.5374171466355682e+00 -8.1322182150115419e-01 +3.4483906502688280e+00
20 -5.3015191778160071e+00 -2.5292804827440567e+00 +5.5444773901439008e+00
0 +4.5876557361430663e+00 +4.5876557361430663e+00 +0.0000000000000000e+00
15 -1.1150077732497010e+00 +5.9630471028270104e-01 +3.4226249670648041e+00
0 +4.3017555472426032e+00 +4.3017555472426032e+00 +0.0000000000000000e+00
12 -2.6683084600408149e+00 -1.4401853392231629e+00 +2.4562462416353039e+00
21 -1.5868160687529675e+00 +1.3523392760977098e+00 +5.8783106897013546e+00
10 -3.6195761947098859e-01 +5.2879448456946099e-01 +1.7815042080808992e+00
0 +4.1823142912031503e+00 +4.1823142912031503e+00 +0.0000000000000000e+00
0 +8.0838074826855539e+00 +8.0838074826855539e+00 +0.0000000000000000e+00
13 -2.6147589997248746e+00 -1.2734097580194459e+00 +2.6826984834108574e+00
14 +7.2704716164044392e-02 +1.5652002480163814e+00 +2.9849910637046739e+00
33 -9.5176165479967629e+00 -3.8044109243447171e+00 +1.1426411247304092e+01
4 +1.4835560995026036e+00 +1.6751644377313872e+00 +3.8321667645756730e-01
5 +1.4286124036996171e+00 +1.7526299908760152e+00 +6.4803517435279634e-01
24 -5.1630120795646564e+00 -1.6369468600227481e+00 +7.0521304390838164e+00
0 +1.4525893984320856e+01 +1.4525893984320856e+01 +0.0000000000000000e+00
0 +1.3149893287816276e+01 +1.3149893287816276e+01 +0.0000000000000000e+00
0 +6.4669533387510327e+00 +6.4669533387510327e+00 +0.0000000000000000e+00
0 +2.9703752327536370e+00 +2.9703752327536370e+00 +0.0000000000000000e+00
0 +1.4464735114349210e+01 +1.4464735114349210e+01 +0.0000000000000000e+00
36 -1.0138421161290768e+01 -3.8724289387959132e+00 +1.2531984444989710e+01
30 -8.2665803505427036e+00 -3.2247878400113570e+00 +1.0083585021062692e+01
5 -4.4257847053748023e-01 -1.9585479447538123e-01 +4.9344735212419799e-01
0 +2.4942536607255157e+00 +2.4942536607255157e+00 +0.0000000000000000e+00
0 +9.9265680289679104e+00 +9.9265680289679104e+00 +0.0000000000000000e+00
0 +3.5804680802410771e+00 +3.5804680802410771e+00 +0.0000000000000000e+00
43 -1.0916289734196958e+01 -2.9031783692302762e+00 +1.6026222729933366e+01
27 -6.4513948274166895e+00 -2.2766060108903536e+00 +8.3495776330526716e+00
5 -3.0225916485232940e-01 -9.7134960914599944e-03 +5.8509133752173881e-01
2 +6.1025205760690149e+00 +6.1402656304949836e+00 +7.5490108851937521e-02
16 -3.1892414835614877e+00 -1.2394218818103955e+00 +3.8996392035021845e+00
11 -1.6251997280545556e+00 -6.1161681849615768e-01 +2.0271658191167958e+00
2 +1.0581304295791911e+00 +1.1181564001214870e+00 +1.2005194108459172e-01
0 +3.3346921474698341e+00 +3.3346921474698341e+00 +0.0000000000000000e+00
6 +1.6783373192574587e+00 +2.0272775378252765e+00 +6.9788043713563574e-01
23 -5.9914493828586641e+00 -2.7289998387128804e+00 +6.5248990882915674e+00
0 +2.8540138337821066e+00 +2.8540138337821066e+00 +0.0000000000000000e+00
21 -5.1633650270024356e+00 -2.3132175959534913e+00 +5.7002948620978886e+00
21 -5.4226497623726866e+00 -2.3979508876518207e+00 +6.0493977494417317e+00
35 -9.7406199157597513e+00 -3.6642151703304364e+00 +1.2152809490858630e+01
9 -1.7833171240551771e+00 -1.0183359388973345e+00 +1.5299623703156850e+00
5 +2.2129485913800462e+00 +2.5075750145409721e+00 +5.8925284632185182e-01
4 +1.6680713840462387e+00 +1.8941482613507628e+00 +4.5215375460904816e-01
54 -1.6051282163548972e+01 -5.1466131476382184e+00 +2.1809338031821508e+01
67 -2.0114519879146055e+01 -5.6758845315065720e+00 +2.8877270695278966e+01
0 +5.7457599936138024e+00 +5.7457599936138024e+00 +0.0000000000000000e+00
10 -7.8295092576238812e-01 +1.6891033217593820e-01 +1.9037225158766526e+00
34 -8.2824221774225286e+00 -2.3343566993351077e+00 +1.1896130956174842e+01
16 -1.3496872861323137e+00 +5.2176243232652642e-01 +3.7428994369176802e+00
0 +4.8802680337795650e+00 +4.8802680337795650e+00 +0.0000000000000000e+00
24 -4.6697383337851557e+00 -1.0228017971587282e+00 +7.2938730732528549e+00
0 +2.7526671326832073e+00 +2.7526671326832073e+00 +0.0000000000000000e+00
18 -4.1223456075130125e+00 -1.8282938337194512e+00 +4.5881035475871226e+00
23 -3.2720676136587370e+00 +3.8123158160483506e-02 +6.6203815436384410e+00
4 +2.1699926264688938e+00 +2.3827931437299554e+00 +4.2560103452212328e-01
17 -4.5320245846680516e+00 -2.2987913101309196e+00 +4.4664665490742639e+00
23 -4.6222978052551094e+00 -1.2075238723916861e+00 +6.8295478657268465e+00
5 +3.4479800679986674e+00 +3.7095510226031103e+00 +5.2314190920888581e-01
4 -3.0886376092832357e-01 -1.0263590371306730e-01 +4.1245571443051254e-01
13 -2.3658398988990559e-01 +1.1511398846954184e+00 +2.7754477491706480e+00
0 +7.7041379267503043e+00 +7.7041379267503043e+00 +0.0000000000000000e+00
37 -9.8025726447463377e+00 -3.1658875434560274e+00 +1.3273370202580621e+01
35 -7.0761783949685197e+00 -8.7122254973692903e-01 +1.2409911690463181e+01
3 +1.4707509002585937e+00 +1.6102560854055143e+00 +2.7901037029384135e-01
22 -1.5779951776999779e+00 +1.6580785172024752e+00 +6.4721473898049062e+00
11 +2.3429160380460790e-01 +1.2302149964722715e+00 +1.9918467853353272e+00
13 -1.4152657475626338e+00 -8.3611076187914968e-02 +2.6633093427494376e+00
0 +9.7792271011333121e+00 +9.7792271011333121e+00 +0.0000000000000000e+00
8 -1.0944287513357676e-01 +5.3375870605526021e-01 +1.2864031623776739e+00
27 -5.5393184579528425e+00 -1.2261001085465661e+00 +8.6264366988125527e+00
9 +3.1579846250078454e+00 +3.9883597875050367e+00 +1.6607503249943827e+00
29 -8.1349469818559648e+00 -3.3769396973670496e+00 +9.5160145689778304e+00
6 +1.2035983978734874e+00 +1.5501637243293502e+00 +6.9313065291172560e-01
0 +4.0302058865692238e+00 +4.0302058865692238e+00 +0.0000000000000000e+00
33 -8.8355323823497791e+00 -3.2449093210399953e+00 +1.1181246122619568e+01
0 +2.9145941737887822e+00 +2.9145941737887822e+00 +0.0000000000000000e+00
38 -1.0766727018523202e+01 -3.9134513459675917e+00 +1.3706551345111221e+01
5 -4.7170319901700619e-01 -1.9749812840945768e-01 +5.4841014121509701e-01
16 -2.2834707057894326e+00 -2.4543695000594834e-01 +4.0760675115669684e+00
6 +4.6264355552866743e-01 +8.0734043282944334e-01 +6.8939375460155183e-01
16 -3.4690434282374225e+00 -1.5277051174034231e+00 +3.8826766216679989e+00
7 +5.2942895128096268e-01 +1.0581143538295925e+00 +1.0573708050972597e+00
0 +7.8334003005864936e+00 +7.8334003005864936e+00 +0.0000000000000000e+00
6 -8.2654088390678027e-01 -4.4426570361605933e-01 +7.6455036058144188e-01
1 +3.0340805806613078e+00 +3.0465277967505848e+00 +2.4894432178554027e-02
25 -5.9376688639666524e+00 -2.1735340308605315e+00 +7.5282696662122417e+00
20 -5.0316966399873992e+00 -2.2519900113088744e+00 +5.5594132573570496e+00
8 -5.6585266912727672e-01 +1.2511288696619527e-01 +1.3819311121869440e+00
7 -1.1422872551535583e+00 -6.1454650490654483e-01 +1.0554815004940270e+00
14 -8.1451171704838288e-04 +1.5750358995272573e+00 +3.1517008224886114e+00
0 +2.7468731284373296e+00 +2.7468731284373296e+00 +0.0000000000000000e+00
29 -6.9254518642869831e+00 -2.1625004913443071e+00 +9.5259027458853520e+00
8 +4.3353087044014655e+00 +4.9969108419421673e+00 +1.3232042750814035e+00
0 +1.8714639349169236e+01 +1.8714639349169236e+01 +0.0000000000000000e+00
15 -3.7393429473863753e+00 -1.9098924601174621e+00 +3.6589009745378265e+00
23 -5.4999116996675328e+00 -2.0306813659599952e+00 +6.9384606674150753e+00
24 -6.6316927093052280e+00 -3.0207976025502647e+00 +7.2217902135099266e+00
47 -1.2732911970616801e+01 -3.5754144892088440e+00 +1.8314994962815913e+01
38 -8.1789682031470292e+00 -1.3630334788692791e+00 +1.3631869448555500e+01
21 -4.7229256541844746e+00 -1.7257982588568246e+00 +5.9942547906553001e+00
0 +3.4167464952641353e+00 +3.4167464952641353e+00 +0.0000000000000000e+00
6 +4.9733622637827146e-01 +9.0348050902108135e-01 +8.1228856528561977e-01
1 +5.8801102087645685e+00 +5.8958136974506967e+00 +3.1406977372256506e-02
5 +2.2646689466437495e+00 +2.5534327373762902e+00 +5.7752758146508132e-01
22 -5.6830871567212613e+00 -2.5686939946946987e+00 +6.2287863240531252e+00
10 -1.4693651228220261e-01 +7.9073685107687997e-01 +1.8753467267181652e+00
47 -1.4044601225856105e+01 -4.7859733249834591e+00 +1.8517255801745293e+01
2 +2.1952502038541506e+00 +2.2222756824226906e+00 +5.4050957137079969e-02
27 -6.2876438002933677e+00 -2.0283460660154571e+00 +8.5185954685558212e+00
5 +4.1671354830319824e+00 +4.4128009398726720e+00 +4.9133091368137904e-01
2 +4.8313852800576420e+00 +4.8934314949756885e+00 +1.2409242983609303e-01
41 -1.1765561034946906e+01 -4.0616410837337451e+00 +1.5407839902426321e+01
4 +1.0778168035712854e+00 +1.2845243526786092e+00 +4.1341509821464761e-01
7 +6.2543248596720336e-01 +1.1260608586804461e+00 +1.0012567454264856e+00
3 +3.6081585749488170e+00 +3.6983308299956459e+00 +1.8034451009365782e-01
41 -1.1044991098672075e+01 -3.5524920357746557e+00 +1.4984998125794839e+01
17 -9.4016515964065395e-01 +1.1433883667167308e+00 +4.1671070527147691e+00
7 +1.6785107229975891e+00 +2.1732209031189766e+00 +9.8942036024277513e-01
0 +4.0769474455233992e+00 +4.0769474455233992e+00 +0.0000000000000000e+00
2 +1.3593422009623284e+00 +1.4068891197329583e+00 +9.5093837541259774e-02
14 -2.1959113524856546e+00 -6.0333147596205272e-01 +3.1851597530472038e+00
16 -4.1410588341346726e+00 -2.1020985307884548e+00 +4.0779206066924356e+00
0 +9.3455850912338114e+00 +9.3455850912338114e+00 +0.0000000000000000e+00
10 -6.8571799013038959e-01 +2.6925714210943363e-01 +1.9099502644796464e+00
0 +9.0186320671083067e+00 +9.0186320671083067e+00 +0.0000000000000000e+00
5 +7.7797098055758696e-01 +1.0638485952113159e+00 +5.7175522930745792e-01
74 -2.2248428921359739e+01 -5.8612469973752139e+00 +3.2774363847969049e+01
0 +1.3811663249049396e+01 +1.3811663249049396e+01 +0.0000000000000000e+00
36 -9.2086106740758495e+00 -2.9178638562511283e+00 +1.2581493635649442e+01
8 +9.4225476395823993e-01 +1.6006469860624208e+00 +1.3167844442083618e+00
37 -1.0654529415662051e+01 -4.0628477110719574e+00 +1.3183363409180187e+01
0 +7.9100478949339195e+00 +7.9100478949339195e+00 +0.0000000000000000e+00
42 -8.8395025945975902e+00 -9.9302570927150546e-01 +1.5692953770652169e+01
4 +1.2507423495264289e+00 +1.4485609154110968e+00 +3.9563713176933568e-01
1 +1.0839426346104251e+00 +1.1043951868900663e+00 +4.0905104559282535e-02
26 -5.9120092821317582e+00 -1.9037187608936528e+00 +8.0165810424762114e+00
24 -5.6690404727725889e+00 -1.9768077035877205e+00 +7.3844655383697368e+00
13 -3.0447409372884673e+00 -1.6615858441146014e+00 +2.7663101863477317e+00
0 +5.0714361072939962e+00 +5.0714361072939962e+00 +0.0000000000000000e+00
35 -9.9823501993719681e+00 -3.9496494303269687e+00 +1.2065401538089999e+01
22 -6.0318232421593345e+00 -2.8352556166294880e+00 +6.3931352510596930e+00
0 +6.7625125658191330e+00 +6.7625125658191330e+00 +0.0000000000000000e+00
80 -2.2191987361149096e+01 -3.9956921495618953e+00 +3.6392590423174397e+01
23 -6.2574290540540760e+00 -2.8675410837049053e+00 +6.7797759406983413e+00
4 +1.7464802102668209e-02 +1.7804745252707921e-01 +3.2116530084882200e-01
64 -1.5716699077542735e+01 -2.0755086827111691e+00 +2.7282380789663133e+01
6 +8.8211487269457933e-01 +1.2185567865469555e+00 +6.7288382770475241e-01
2 +3.5029063538311878e+00 +3.5553931974219957e+00 +1.0497368718161582e-01
7 -5.9630637077840998e-01 -8.7330050033417983e-02 +1.0179526414899840e+00
1 +7.4725932119582836e+00 +7.4989043235395503e+00 +5.2622223162533288e-02
0 +4.8205945191948754e+00 +4.8205945191948754e+00 +0.0000000000000000e+00
5 +3.3671569592336859e-01 +6.3781041561116059e-01 +6.0218943937558400e-01
11 +3.5781079459181875e-01 +1.3596943806099597e+00 +2.0037671720362820e+00
11 -1.7313821091096537e+00 -5.8389658697769597e-01 +2.2949710442639155e+00
30 -5.6514462404349883e+00 -7.8532380516951283e-01 +9.7322448705309519e+00
21 -5.7791955030386548e+00 -2.7526610517038219e+00 +6.0530689026696658e+00
25 -6.7830739940375109e+00 -2.9424114558153698e+00 +7.6813250764442822e+00
8 +1.4133122461575072e+00 +2.0946674085905954e+00 +1.3627103248661765e+00
16 -2.2890641103376916e+00 -4.2393448664685529e-01 +3.7302592473816727e+00
25 -6.7918458569753026e+00 -2.9491366079032759e+00 +7.6854184981440534e+00
14 -2.0201468699970144e+00 -4.5234864519248008e-01 +3.1355964496090687e+00
10 +2.9951932769556380e+00 +3.8948563230956155e+00 +1.7993260922799550e+00
0 +3.4814183142875836e+00 +3.4814183142875836e+00 +0.0000000000000000e+00
3 +1.5048366949714209e+00 +1.5879353465911006e+00 +1.6619730323935933e-01
24 -4.2802093807049291e+00 -7.4827427011177550e-01 +7.0638702211863071e+00
46 -1.3697496324389753e+01 -4.7199131064440945e+00 +1.7955166435891318e+01
11 -2.4757206940253562e+00 -1.3595275943310892e+00 +2.2323861993885341e+00
6 +2.4147242999567302e+00 +2.8375662788568254e+00 +8.4568395780019046e-01
18 -3.5679903710967080e+00 -1.2277633486121426e+00 +4.6804540449691308e+00
32 -8.6769304434137240e+00 -3.2343007817180540e+00 +1.0885259323391340e+01
42 -1.2375865047516189e+01 -4.4352089485138295e+00 +1.5881312198004720e+01
24 -6.4946155908039058e+00 -2.9829132035513348e+00 +7.0234047745051420e+00
0 +4.1469825719464302e+00 +4.1469825719464302e+00 +0.0000000000000000e+00
5 +6.0632120194017247e-01 +9.1242215881878819e-01 +6.1220191375723143e-01
0 +8.2591808581019990e+00 +8.2591808581019990e+00 +0.0000000000000000e+00
13 -2.8696368888656059e+00 -1.4377654511488243e+00 +2.8637428754335632e+00
7 -4.8300533165541726e-01 -1.5466369186780682e-02 +9.3507792493727315e-01
0 +8.4464242233881706e+00 +8.4464242233881706e+00 +0.0000000000000000e+00
8 -1.1944462228882022e+00 -5.3079790574397112e-01 +1.3272966342884622e+00
3 +3.1024058488532900e+00 +3.2344732628659774e+00 +2.6413482802537480e-01
12 -2.6536738180972934e+00 -1.3450382811181969e+00 +2.6172710739581930e+00
29 -7.6333024892156311e+00 -2.9769389882945099e+00 +9.3127270018422426e+00
48 -1.3896336080016713e+01 -4.6085891813301529e+00 +1.8575493797373120e+01
0 +9.1996956153213620e+00 +9.1996956153213620e+00 +0.0000000000000000e+00
15 -3.2916746174252163e+00 -1.4646513740810145e+00 +3.6540464866884035e+00
13 -9.0724772747343962e-01 +4.3977528592607662e-01 +2.6940460267990325e+00
0 +7.9275464521634946e+00 +7.9275464521634946e+00 +0.0000000000000000e+00
62 -1.8548596944797211e+01 -5.4790277060534924e+00 +2.6139138477487435e+01
6 +1.2924704321021094e+00 +1.6877384351121769e+00 +7.9053600602013496e-01
6 -3.3171488239787195e-01 +2.2533571426822441e-02 +7.0849690764938877e-01
42 -1.2244008274076272e+01 -4.3803622532274611e+00 +1.5727292041697622e+01
28 -6.4879408863560277e+00 -2.0449353257696048e+00 +8.8860111211728459e+00
15 -1.8286391324650033e+00 -1.5196311711353072e-01 +3.3533520307029452e+00
8 +2.1759449822523580e+00 +2.7580617137404237e+00 +1.1642334629761315e+00
22 -5.6711143175442951e+00 -2.5774433938755532e+00 +6.1873418473374837e+00
42 -1.2208204891217054e+01 -4.4330544820434756e+00 +1.5550300818347157e+01
13 -3.1256829511200452e+00 -1.6594343620519800e+00 +2.9324971781361304e+00
38 -1.0836746869828559e+01 -4.0353661266097092e+00 +1.3602761486437700e+01
0 +4.1157508691498172e+00 +4.1157508691498172e+00 +0.0000000000000000e+00
6 +1.7957613239309698e+00 +2.1439375857027034e+00 +6.9635252354346733e-01
0 +7.1278666291482331e+00 +7.1278666291482331e+00 +0.0000000000000000e+00
0 +6.7269098400438114e+00 +6.7269098400438114e+00 +0.0000000000000000e+00
21 -5.3121414006981960e+00 -2.2760746573539739e+00 +6.0721334866884442e+00
34 -9.7939420537699498e+00 -3.8355457359247027e+00 +1.1916792635690495e+01
16 -2.8146414707509892e+00 -9.4352169230500493e-01 +3.7422395568919686e+00
0 +5.3739985986073977e+00 +5.3739985986073977e+00 +0.0000000000000000e+00
12 +3.3151171036241323e-02 +1.3430092455333753e+00 +2.6197161489942680e+00
29 -6.1629253730403848e+00 -1.5689335704613956e+00 +9.1879836051579780e+00
0 +5.1808699462263368e+00 +5.1808699462263368e+00 +0.0000000000000000e+00
37 -7.9652070197993856e+00 -1.3678530683006456e+00 +1.3194707902997481e+01
0 +7.9894655263729337e+00 +7.9894655263729337e+00 +0.0000000000000000e+00
0 +4.3079192109021784e+00 +4.3079192109021784e+00 +0.0000000000000000e+00
4 +1.6994612424647855e+00 +1.8599910259954902e+00 +3.2105956706140937e-01
24 -2.6450207007250759e+00 +9.1649800665812986e-01 +7.1230374147664115e+00
0 +8.0672259476583825e+00 +8.0672259476583825e+00 +0.0000000000000000e+00
19 -4.8390417433521931e+00 -2.2646355300429302e+00 +5.1488124266185258e+00
27 -5.1478127821759161e+00 -9.3669756648219860e-01 +8.4222304313874350e+00
22 -5.3787640703873647e+00 -2.2452162421121695e+00 +6.2670956565503904e+00
19 -4.9270755163282365e+00 -2.4412468788978718e+00 +4.9716572748607293e+00
11 -7.5527317156551721e-01 +3.2127800481695656e-01 +2.1531023527649475e+00
34 -9.7326861951909294e+00 -3.8641865483402396e+00 +1.1736999293701381e+01
7 +3.4370573534335236e-01 +8.4636110915148688e-01 +1.0053107476162690e+00
0 +9.1579976867035899e+00 +9.1579976867035899e+00 +0.0000000000000000e+00
14 -3.0657548474270859e+00 -1.4366903896290659e+00 +3.2581289155960400e+00
6 +1.4905869393791882e+00 +1.8569364671224129e+00 +7.3269905548644942e-01
20 -4.7533691964022049e+00 -2.0036888796606687e+00 +5.4993606334830725e+00
0 +6.5689001060417009e+00 +6.5689001060417009e+00 +0.0000000000000000e+00
4 +1.2734369999567416e+00 +1.4669346328567707e+00 +3.8699526580005816e-01
18 -4.0665803987877025e+00 -1.8141574089470298e+00 +4.5048459796813454e+00
61 -1.8076896471452937e+01 -5.1584174413133841e+00 +2.5836958060279105e+01
34 -9.6680291278180128e+00 -3.8376039520678789e+00 +1.1660850351500269e+01
18 -4.5809910538677441e+00 -2.3142263856437451e+00 +4.5335293364479980e+00
27 -6.7832548405635267e+00 -2.5082145419282549e+00 +8.5500805972705436e+00
22 -5.0119420619250876e+00 -1.7943739736513118e+00 +6.4351361765475517e+00
22 -3.2503957148659017e+00 -1.2982166271303974e-01 +6.2411481043057240e+00
8 -1.1070152262223116e+00 -5.2758087763691019e-01 +1.1588686971708029e+00
19 -4.1556124181723293e+00 -1.6914792405456889e+00 +4.9282663552532808e+00
24 -3.2125967965563733e+00 +4.2958878203513473e-01 +7.2843711571830161e+00
12 +1.7479348257862339e+00 +3.0494592342751723e+00 +2.6030488169778767e+00
13 -1.7464695742935099e+00 -4.2532447970189047e-01 +2.6422901891832389e+00
7 +2.3582429646482161e+00 +2.8265516907486674e+00 +9.3661745220090253e-01
15 -2.0044696059294962e+00 -3.2647859457769624e-01 +3.3559820227035999e+00
7 +8.2574374593474431e-01 +1.3710672654391503e+00 +1.0906470390088119e+00
14 +1.0237012767835312e+00 +2.5175876783377173e+00 +2.9877728031083723e+00
17 -4.3156278747749353e+00 -2.2163625039747714e+00 +4.1985307416003277e+00
10 +7.2954086491251413e-01 +1.7126318556043429e+00 +1.9661819813836576e+00
3 +2.4794605190934327e-01 +3.5032392610235696e-01 +2.0475574838602739e-01
27 -5.8439244439448599e+00 -1.5663269898684513e+00 +8.5551949081528171e+00
40 -1.1137574562623151e+01 -3.7985169401689682e+00 +1.4678115244908366e+01
0 +1.6801496661963311e+00 +1.6801496661963311e+00 +0.0000000000000000e+00
29 -4.0764962776957061e+00 +6.5996062886860485e-01 +9.4729138131286224e+00
3 +2.9226104656020002e-01 +3.8939698643363485e-01 +1.9427187974686966e-01
26 -6.2277459864408309e+00 -2.2026280312445961e+00 +8.0502359103924697e+00
0 +1.1342939137802377e+00 +1.1342939137802377e+00 +0.0000000000000000e+00
30 -8.1993469822978753e+00 -3.3742672105811482e+00 +9.6501595434334533e+00
0 +9.0090584866165457e+00 +9.0090584866165457e+00 +0.0000000000000000e+00
15 -3.6562441384848610e+00 -1.8183343960361893e+00 +3.6758194848973433e+00
10 -1.2167250225388226e+00 -3.6750483443790927e-01 +1.6984403762018268e+00
15 -3.0373260153821251e+00 -1.2017779877030885e+00 +3.6710960553580732e+00
2 +1.9520515111644343e+00 +1.9879643434253693e+00 +7.1825664521870003e-02
31 -7.1493091456946916e+00 -2.0065701411713968e+00 +1.0285478009046589e+01
42 -9.2049064050707017e+00 -1.4293968878061625e+00 +1.5551019034529078e+01
12 +2.4414917210263187e-01 +1.4020320988817612e+00 +2.3157658535582586e+00
5 +6.1718466002105892e+00 +6.4018741186867789e+00 +4.6005503695237948e-01
8 -2.8612141808991876e-01 +3.5060421220967974e-01 +1.2734512605991970e+00
53 -1.5032064993529087e+01 -4.2749589087925584e+00 +2.1514212169473055e+01
24 -5.1380454661763215e+00 -1.6202186237961440e+00 +7.0356536847603550e+00
40 -1.0578205002273442e+01 -3.1864650212413466e+00 +1.4783479962064192e+01
31 -8.4348763406996348e+00 -3.2967025906724707e+00 +1.0276347500054328e+01
0 +9.2658454990768515e+00 +9.2658454990768515e+00 +0.0000000000000000e+00
16 -4.0591027470576941e+00 -2.0909653492809666e+00 +3.9362747955534552e+00
26 -7.1628247002456389e+00 -3.1145345928769013e+00 +8.0965802147374752e+00
30 -6.7649698959370435e+00 -1.7527964090463710e+00 +1.0024346973781345e+01
0 +6.9793356884842312e+00 +6.9793356884842312e+00 +0.0000000000000000e+00
4 +5.2590279943950158e-02 +2.0695440154537259e-01 +3.0872824320284487e-01
22 -5.6134096935082782e+00 -2.5620066965050325e+00 +6.1028059940064914e+00
18 -4.8436798128034768e+00 -2.4188041896939021e+00 +4.8497512462191494e+00
5 +3.6692259447302380e+00 +3.9898124612409527e+00 +6.4117303302142936e-01
14 -9.2775445294261250e-01 +7.2736839326578240e-01 +3.3102456924167898e+00
13 -2.3759622841755332e+00 -9.8643185945662593e-01 +2.7790608494378146e+00
0 +1.6241017795235603e+01 +1.6241017795235603e+01 +0.0000000000000000e+00
26 -5.9054016458285394e+00 -1.8224957472214405e+00 +8.1658117972141984e+00
23 -4.9984850461956443e+00 -1.6401497926451150e+00 +6.7166705071010586e+00
0 +7.5129226836896841e+00 +7.5129226836896841e+00 +0.0000000000000000e+00
22 -4.0102620370443836e+00 -8.5124871628832954e-01 +6.3180266415121080e+00
29 -8.1556119471608284e+00 -3.4055896739873353e+00 +9.5000445463469863e+00
0 +7.4471384811749388e+00 +7.4471384811749388e+00 +0.0000000000000000e+00
1 +3.7761283620488113e+00 +3.7804031509156619e+00 +8.5495777337012413e-03
29 -5.7615216925516437e+00 -1.1357682726179801e+00 +9.2515068398673268e+00
45 -1.2061917076772463e+01 -3.4827073296334641e+00 +1.7158419494278000e+01
0 +5.3284238735247911e+00 +5.3284238735247911e+00 +0.0000000000000000e+00
10 +3.3192291931977902e-01 +1.2852145740725742e+00 +1.9065833095055904e+00
0 +2.4996874065825327e+00 +2.4996874065825327e+00 +0.0000000000000000e+00
20 -4.9450472928655840e+00 -2.1465351568519151e+00 +5.5970242720273378e+00
0 +2.7701219329900315e+00 +2.7701219329900315e+00 +0.0000000000000000e+00
12 -2.2341381742849604e+00 -1.0533077531759734e+00 +2.3616608422179741e+00
16 -3.9127706245585268e+00 -1.9813378714355832e+00 +3.8628655062458872e+00
69 -1.9652711829717820e+01 -4.6829290891921396e+00 +2.9939565481051361e+01
28 -7.0324577256860623e+00 -2.5805873988559989e+00 +8.9037406536601260e+00
7 -1.1158255412138685e+00 -6.3653884828805207e-01 +9.5857338585163276e-01
33 -8.2634626957095634e+00 -2.7085944458214541e+00 +1.1109736499776218e+01
41 -1.1721510833728555e+01 -4.1093745741633132e+00 +1.5224272519130484e+01
0 +1.0007869014722477e+01 +1.0007869014722477e+01 +0.0000000000000000e+00
4 +6.8136519632789572e-01 +8.3643803187000731e-01 +3.1014567108422320e-01
13 -3.0187469039146810e+00 -1.6153864694128557e+00 +2.8067208690036507e+00
17 -1.7198409931299148e+00 +4.1263233213331674e-01 +4.2649466505264630e+00
15 -2.8667337454370747e+00 -1.0310576470429731e+00 +3.6713521967882032e+00
1 +2.4793107538627832e+00 +2.4869702474642565e+00 +1.5318987202946666e-02
0 +4.9848524461151200e+00 +4.9848524461151200e+00 +0.0000000000000000e+00
3 +8.6340637859483405e-01 +9.4938918771875969e-01 +1.7196561824785128e-01
9 +1.0088086734285380e+00 +1.8105889189874613e+00 +1.6035604911178467e+00
27 -6.8253597983466650e+00 -2.6705523863977838e+00 +8.3096148238977623e+00
34 -9.7430834866278992e+00 -3.7863788613151006e+00 +1.1913409250625598e+01
22 -5.1280555966902570e+00 -1.9587816934709794e+00 +6.3385478064385552e+00
7 +1.7954159717864364e+00 +2.2745794362642568e+00 +9.5832692895564087e-01
10 -1.1682525912736983e+00 -2.5065266974520473e-01 +1.8351998430569871e+00
0 +1.1275821204011102e+01 +1.1275821204011102e+01 +0.0000000000000000e+00
1 +3.4162830850641424e+00 +3.4422955902299632e+00 +5.2025010331641752e-02
39 -1.1148521158324918e+01 -3.9515776977605293e+00 +1.4393886921128779e+01
17 -2.5497713556778097e+00 -4.3750478616843358e-01 +4.2245331390187522e+00
55 -1.3819578245377873e+01 -2.4803596210012921e+00 +2.2678437248753163e+01
7 +1.4870220503102693e-01 +6.6439471312166587e-01 +1.0313850161812779e+00
11 -2.3487552775200973e+00 -1.2626544851946759e+00 +2.1722015846508427e+00
33 -7.8986174668557281e+00 -2.3538676267178493e+00 +1.1089499680275757e+01
20 -3.2487275788509615e+00 -5.4585076501833285e-01 +5.4057536276652574e+00
4 +2.7882644524423990e+00 +2.9497785280189301e+00 +3.2302815115306238e-01
0 +8.4524569341844344e+00 +8.4524569341844344e+00 +0.0000000000000000e+00
55 -1.5677974319694485e+01 -4.4387599757307665e+00 +2.2478428687927437e+01
1 +1.2299587398011536e+00 +1.2448423653443985e+00 +2.9767251086489921e-02
6 +4.6252911738378177e-01 +8.7150350612650707e-01 +8.1794877748545058e-01
11 +1.5052578528775218e-01 +1.2030554034542584e+00 +2.1050592363330125e+00
0 +7.9055673277112364e+00 +7.9055673277112364e+00 +0.0000000000000000e+00
0 +4.4625969166988799e+00 +4.4625969166988799e+00 +0.0000000000000000e+00
9 -3.5628757725817106e-01 +3.7299913719868716e-01 +1.4585734289137164e+00
5 +7.0833941196300465e-01 +1.0014937665183670e+00 +5.8630870911072464e-01
32 -8.8125408113839896e+00 -3.3325978358297839e+00 +1.0959885951108411e+01
0 +8.1166284126396988e+00 +8.1166284126396988e+00 +0.0000000000000000e+00
15 -3.6651103224714943e+00 -1.9467911350686076e+00 +3.4366383748057734e+00
77 -2.0393514919465492e+01 -3.1058885728048145e+00 +3.4575252693321353e+01
48 -1.2975259606282595e+01 -3.6367187058702291e+00 +1.8677081800824730e+01
0 +4.5621895623296069e+00 +4.5621895623296069e+00 +0.0000000000000000e+00
18 -8.7337191344402409e-01 +1.3674112036559589e+00 +4.4815662341999660e+00
19 -1.2605111160444862e+00 +1.1731289295119289e+00 +4.8672800911128302e+00
4 +9.3230907582650957e-01 +1.0795675423468545e+00 +2.9451693304068982e-01
14 +4.7498685166481547e-01 +2.0186921699222160e+00 +3.0874106365148011e+00
1 +2.8670817192324880e+00 +2.8824565894504848e+00 +3.0749740435993544e-02
28 -6.4898561678369591e+00 -2.0718762408897864e+00 +8.8359598538943445e+00
9 -1.5320222006080035e+00 -7.3176600077733500e-01 +1.6005123996613371e+00
33 -8.9104446139074511e+00 -3.3147540915440823e+00 +1.1191381044726738e+01
11 -2.3775640650937069e+00 -1.3330856987146316e+00 +2.0889567327581506e+00
0 +3.9394490545475542e+00 +3.9394490545475542e+00 +0.0000000000000000e+00
0 +3.6931534148690481e+00 +3.6931534148690481e+00 +0.0000000000000000e+00
0 +4.5491982020235620e+00 +4.5491982020235620e+00 +0.0000000000000000e+00
11 +5.8277351207702299e-01 +1.6211837947625440e+00 +2.0768205653710421e+00
19 -5.1166680947638943e+00 -2.5067593009437448e+00 +5.2198175876402990e+00
13 -1.5936332973412881e+00 -1.9818304528242958e-01 +2.7909005041177171e+00
8 +2.0192657550744171e+00 +2.6952209503824927e+00 +1.3519103906161511e+00
9 -1.6333214106416500e+00 -9.1645142170341565e-01 +1.4337399778764688e+00
0 +7.1992414857340439e+00 +7.1992414857340439e+00 +0.0000000000000000e+00
42 -1.1930407577843162e+01 -4.0251564655581031e+00 +1.5810502224570119e+01
18 -1.6980743004296910e+00 +5.5729839541882553e-01 +4.5107453916970330e+00
9 -1.4153675369098666e+00 -7.0744727248410744e-01 +1.4158405288515183e+00
34 -5.8119153930634555e+00 -9.4659302805575329e-03 +1.1604898925565795e+01
12 -9.0976401549334973e-01 +2.5610132737942104e-01 +2.3317306857455415e+00
0 +5.0462662963898470e+00 +5.0462662963898470e+00 +0.0000000000000000e+00
3 +1.7692016395967274e+00 +1.8911374156083123e+00 +2.4387155202316979e-01
23 -4.8758885993192704e+00 -1.4702092341145985e+00 +6.8113587304093439e+00
49 -1.2756810811704316e+01 -3.0498342580905136e+00 +1.9413953107227606e+01
9 -1.5125087091571059e+00 -6.8656518118429410e-01 +1.6518870559456236e+00
0 +2.5028101683220534e+00 +2.5028101683220534e+00 +0.0000000000000000e+00
0 +3.9613318318116422e+00 +3.9613318318116422e+00 +0.0000000000000000e+00
6 +9.0626411865879053e-01 +1.2721672233011105e+00 +7.3180620928464002e-01
7 +4.5032793092458956e-01 +9.2994774373998546e-01 +9.5923962563079179e-01
13 -7.4274881867796072e-01 +7.0113257966750231e-01 +2.8877627966909261e+00
3 +1.9618010349570003e+00 +2.1044613307896056e+00 +2.8532059166521062e-01
20 -4.4984236817792231e+00 -1.8438603504415574e+00 +5.3091266626753315e+00
3 +2.8111152000224466e+00 +2.8954942809569681e+00 +1.6875816186904302e-01
48 -1.2875339594053603e+01 -3.5550369237153721e+00 +1.8640605340676462e+01
31 -7.4475551488201619e+00 -2.2297698528057626e+00 +1.0435570592028800e+01
0 +1.0708802339044675e+01 +1.0708802339044675e+01 +0.0000000000000000e+00
49 -1.4164639409523019e+01 -4.4742299910288761e+00 +1.9380818836988286e+01
13 -2.5531096090225978e+00 -1.1866818013306548e+00 +2.7328556153838859e+00
9 +1.5400485935467314e+00 +2.2917983987788180e+00 +1.5034996104641731e+00
4 +1.3038704485087891e+00 +1.5218566985537603e+00 +4.3597250008994237e-01
34 -8.9826033956487912e+00 -3.0569908395085039e+00 +1.1851225112280574e+01
12 -1.4555302171686941e+00 -2.1839859617160506e-01 +2.4742632419941781e+00
3 +5.3383730212605212e+00 +5.4188914827957753e+00 +1.6103692307050821e-01
10 +1.5668113713457634e+00 +2.5235708407496764e+00 +1.9135189388078260e+00
0 +5.2449981298897388e+00 +5.2449981298897388e+00 +0.0000000000000000e+00
19 -4.8951089505432597e+00 -2.4251723613561853e+00 +4.9398731783741487e+00
40 -1.1170095667779687e+01 -3.7859092424088021e+00 +1.4768372850741770e+01
10 -1.1818172368565500e+00 -3.1347516937784192e-01 +1.7366841349574162e+00
22 -5.9918726498352681e+00 -2.8144751612294137e+00 +6.3547949772117089e+00
8 +2.0629095399415140e+00 +2.6978767058635240e+00 +1.2699343318440199e+00
36 -6.9518706921337872e+00 -6.9350647247026376e-01 +1.2516728439327046e+01
14 -2.8497547800503940e+00 -1.2822766202913853e+00 +3.1349563195180172e+00
19 -4.1244700819884494e+00 -1.6564447189872120e+00 +4.9360507260024749e+00
55 -1.6463282118774575e+01 -5.1920760335504372e+00 +2.2542412170448276e+01
1 +1.2728307354678590e+00 +1.2789540196404552e+00 +1.2246568345192443e-02
20 -2.4725023009738516e+00 +2.5798031758286966e-01 +5.4609652371134425e+00
0 +4.2330275850623700e+00 +4.2330275850623700e+00 +0.0000000000000000e+00
15 -3.8825769469412181e+00 -2.0333929371194137e+00 +3.6983680196436088e+00
37 -9.0014580857139990e+00 -2.3399465560015891e+00 +1.3323023059424820e+01
13 -3.8667810212958020e-01 +1.0043879732262222e+00 +2.7821321507116048e+00
45 -1.2551055474937836e+01 -4.0438596623218919e+00 +1.7014391625231887e+01
10 +9.4798113162245823e-01 +1.8963204920505141e+00 +1.8966787208561118e+00
17 -2.9633092323309009e+00 -8.1487551247154233e-01 +4.2968674397187172e+00
0 +4.0533995745132003e+00 +4.0533995745132003e+00 +0.0000000000000000e+00
45 -1.3118072806006193e+01 -4.4089087019694277e+00 +1.7418328208073532e+01
5 +5.1732695557213670e-01 +7.8804542504946706e-01 +5.4143693895466072e-01
3 +2.4818583856696179e+00 +2.6129538994540908e+00 +2.6219102756894586e-01
23 -5.9984094318614423e+00 -2.5973860399836113e+00 +6.8020467837556620e+00
2 +4.3364707057325775e+00 +4.3680586328552291e+00 +6.3175854245303142e-02
12 -2.4576076429031319e+00 -1.1558287557772848e+00 +2.6035577742516942e+00
23 -5.8632830408067056e+00 -2.5549390285986595e+00 +6.6166880244160922e+00
30 -4.8716448832339365e+00 +1.4794362713594067e-01 +1.0039177020739753e+01
31 -8.4455896345651595e+00 -3.3178818893509838e+00 +1.0255415490428351e+01
18 -4.5795898366986076e-01 +1.8264906026284233e+00 +4.5688991725965682e+00
10 -4.1123087580960682e-01 +5.0366979062909634e-01 +1.8298013328774063e+00
0 +4.4769168636936856e+00 +4.4769168636936856e+00 +0.0000000000000000e+00
12 -2.2090521365110236e+00 -9.4928583424014512e-01 +2.5195326045417570e+00
4 +2.7316384922041603e-01 +4.6856027819493118e-01 +3.9079285794903029e-01
0 +2.8588048411063118e+00 +2.8588048411063118e+00 +0.0000000000000000e+00
30 -8.1081010337657915e+00 -3.2549629712393071e+00 +9.7062761250529697e+00
23 -5.8466112434689714e+00 -2.5444395796438597e+00 +6.6043433276502235e+00
11 -1.9074569553872296e+00 -8.4853114360419735e-01 +2.1178516235660645e+00
2 +2.5481638124093609e+00 +2.5921134424736243e+00 +8.7899260128526890e-02
0 +1.8347225884673710e+00 +1.8347225884673710e+00 +0.0000000000000000e+00
18 -4.6966773592481159e+00 -2.3218252004368392e+00 +4.7497043176225535e+00
20 -5.1716831697227859e+00 -2.4718199859407233e+00 +5.3997263675641252e+00
11 -4.5146263037694911e-01 +6.5683852072683990e-01 +2.2166023022075780e+00
5 +3.9738041182832440e-01 +6.7980175085384253e-01 +5.6484267805103627e-01
7 +2.3101843179278339e+00 +2.8314991904429139e+00 +1.0426297450301600e+00
37 -1.0470852889196660e+01 -3.8919139448468973e+00 +1.3157877888699526e+01
35 -9.8562008017843326e+00 -3.6451417813865437e+00 +1.2422118040795578e+01
11 -1.6959910497990114e+00 -6.4551644323921931e-01 +2.1009492131195842e+00
0 +3.9318670709712862e+00 +3.9318670709712862e+00 +0.0000000000000000e+00
7 -8.7930134648559388e-01 -4.2588998537352918e-01 +9.0682272222412941e-01
0 +2.7464274339743793e+00 +2.7464274339743793e+00 +0.0000000000000000e+00
10 -1.8682938863855449e+00 -9.6016972687289570e-01 +1.8162483190252985e+00
31 -8.2037010285415946e+00 -2.9209054499151055e+00 +1.0565591157252978e+01
7 +1.4794671117221814e-01 +6.7182568747255411e-01 +1.0477579526006719e+00
57 -1.5629087008565456e+01 -3.8191939191253814e+00 +2.3619786178880148e+01
15 -3.4611223885142950e+00 -1.7340742577665931e+00 +3.4540962614954038e+00
0 +3.3084809975672820e+00 +3.3084809975672820e+00 +0.0000000000000000e+00
8 +9.1956112559947023e-01 +1.4970139489699039e+00 +1.1549056467408674e+00
4 +5.1875822961447966e+00 +5.3395367519763965e+00 +3.0390891166319989e-01
0 +5.2765435967210026e+00 +5.2765435967210026e+00 +0.0000000000000000e+00
19 -3.2774349847268356e+00 -7.5684900695892843e-01 +5.0411719555358143e+00
14 +6.2770350795889751e-01 +2.1464524142509207e+00 +3.0374978125840464e+00
18 -4.0905794598725533e+00 -1.6764096042206686e+00 +4.8283397113037694e+00
4 +3.0452019387247526e+00 +3.2125296710162008e+00 +3.3465546458289630e-01
9 +1.6995950692755901e-01 +8.8303163846306809e-01 +1.4261442630710182e+00
9 -8.1948190423220790e-01 -6.0519699961781193e-02 +1.5179244085408534e+00
14 -1.7664465049220928e+00 -2.1373644873053577e-01 +3.1054201123831140e+00
14 -2.7922337397531907e+00 -1.1267147181393820e+00 +3.3310380432276174e+00
0 +5.8341128408280047e+00 +5.8341128408280047e+00 +0.0000000000000000e+00
4 +3.4051697528497287e+00 +3.6209439704249360e+00 +4.3154843515041463e-01
26 -6.3917171694064328e+00 -2.3972711206538868e+00 +7.9888920975050919e+00
14 -2.6940646696950212e+00 -1.0970375935167680e+00 +3.1940541523565065e+00
39 -9.0702587091452926e+00 -2.0766193862730531e+00 +1.3987278645744478e+01
26 -7.1398515612173670e+00 -3.0731359949407500e+00 +8.1334311325532340e+00
23 -2.1435919336171709e+00 +1.2139630014108649e+00 +6.7151098700560716e+00
14 +8.3152494872247207e-01 +2.4648694384051333e+00 +3.2666889793653224e+00
50 -1.4701505945631791e+01 -4.8796170984445908e+00 +1.9643777694374400e+01
41 -1.2102583645907476e+01 -4.4263361316449661e+00 +1.5352495028525020e+01
1 +4.4064367281955654e+00 +4.4265103979095866e+00 +4.0147339428042272e-02
0 +8.9867244062009135e+00 +8.9867244062009135e+00 +0.0000000000000000e+00
0 +8.1027765024735636e+00 +8.1027765024735636e+00 +0.0000000000000000e+00
0 +1.0334733575645906e+01 +1.0334733575645906e+01 +0.0000000000000000e+00
9 +1.5417461744618777e-02 +7.1634615143164826e-01 +1.4018573793740590e+00
15 -1.7377667294122556e-01 +1.5951831426700234e+00 +3.5379196312224979e+00
14 -3.4935448623071332e+00 -1.8572495066751711e+00 +3.2725907112639243e+00
16 -4.0721389381915367e+00 -2.1110238546278213e+00 +3.9222301671274309e+00
38 -8.1108211245507214e+00 -1.1752961673168221e+00 +1.3871049914467799e+01
0 +1.0145952104298148e+00 +1.0145952104298148e+00 +0.0000000000000000e+00
15 +3.7296058896302497e-02 +1.7191107454021650e+00 +3.3636293730117250e+00
16 +1.2587265561794858e-01 +2.0461160029146055e+00 +3.8404866945933138e+00
6 +1.4584232503986314e+00 +1.8772178008406639e+00 +8.3758910088406502e-01
16 -1.9724023820268881e+00 +1.5058630469395595e-03 +3.9478164901476553e+00
75 -2.1970948717560454e+01 -5.2235924879961635e+00 +3.3494712459128579e+01
4 +3.3528036279144358e+00 +3.5453306702156042e+00 +3.8505408460233692e-01
0 +4.1947518312403842e+00 +4.1947518312403842e+00 +0.0000000000000000e+00
4 +3.3274375054704439e+00 +3.4833265440782606e+00 +3.1177807721563333e-01
15 -3.3528302154803145e+00 -1.6370310106515595e+00 +3.4315984096575098e+00
20 -1.5350500309971089e+00 +1.2690019362884244e+00 +5.6081039345710666e+00
24 -5.3283640584812213e+00 -1.8428002128399261e+00 +6.9711276912825904e+00
1 +2.7776283050326236e+00 +2.7912094292476399e+00 +2.7162248430032676e-02
0 +5.9344313541188773e+00 +5.9344313541188773e+00 +0.0000000000000000e+00
2 +3.9631879574931430e+00 +4.0089978511033584e+00 +9.1619787220430737e-02
12 -2.5657256696112185e-02 +1.1720637785170673e+00 +2.3954420704263590e+00
0 +4.9903813675725637e+00 +4.9903813675725637e+00 +0.0000000000000000e+00
13 +5.9616777216159278e-01 +2.0340647429909700e+00 +2.8757939416587543e+00
36 -9.5587490489113129e+00 -3.0928777854114502e+00 +1.2931742526999725e+01
12 -1.7914604834601162e+00 -5.6620970928722603e-01 +2.4505015483457804e+00
0 +3.0418336721740031e+00 +3.0418336721740031e+00 +0.0000000000000000e+00
21 -4.2016862518572156e+00 -1.3435467746032597e+00 +5.7162789545079118e+00
37 -1.0631362920761756e+01 -4.0035099648952439e+00 +1.3255705911733024e+01
32 -7.4275908750221289e+00 -1.9586532657080042e+00 +1.0937875218628250e+01
17 -2.2121019431336508e+00 -1.7040655021206952e-01 +4.0833907858431626e+00
2 +4.6946832728637471e+00 +4.7672367142483036e+00 +1.4510688276911310e-01
6 +1.2708017153601325e-01 +5.4859815559424163e-01 +8.4303596811645676e-01
45 -1.3236581271723416e+01 -4.6444173734504135e+00 +1.7184327796546008e+01
26 -5.8537713333596679e+00 -1.7716585364848660e+00 +8.1642255937496042e+00
0 +8.2865561409936923e+00 +8.2865561409936923e+00 +0.0000000000000000e+00
9 +2.0152656389704049e-01 +1.0077336318612446e+00 +1.6124141359284083e+00
0 +9.1576384494036489e+00 +9.1576384494036489e+00 +0.0000000000000000e+00
0 +5.2778613879446734e+00 +5.2778613879446734e+00 +0.0000000000000000e+00
0 +8.3865080038918318e+00 +8.3865080038918318e+00 +0.0000000000000000e+00
35 -7.0672614869466939e+00 -1.0011053197755144e+00 +1.2132312334342359e+01
25 -6.9624862915677950e+00 -3.1296001040911823e+00 +7.6657723749532254e+00
5 +2.6147451142575404e+00 +2.9372776023019069e+00 +6.4506497608873303e-01
44 -1.2888558679393984e+01 -4.4481717246469454e+00 +1.6880773909494078e+01
1 +5.3557108601699746e+00 +5.3772882296900200e+00 +4.3154739040090817e-02
17 -3.6285463811251004e+00 -1.4178465905368522e+00 +4.4213995811764963e+00
7 -1.1883726335087914e+00 -6.4167067530370847e-01 +1.0934039164101659e+00
27 -7.4739725004672222e+00 -3.1870339232902163e+00 +8.5738771543540118e+00
6 +1.5713776267190322e+00 +2.0062241064083048e+00 +8.6969295937854518e-01
0 +8.6577822294156483e+00 +8.6577822294156483e+00 +0.0000000000000000e+00
0 +8.6725846685316412e+00 +8.6725846685316412e+00 +0.0000000000000000e+00
26 -5.9674837172270179e+00 -1.9368638978932713e+00 +8.0612396386674927e+00
25 -6.3627600182765081e+00 -2.5799923549040762e+00 +7.5655353267448637e+00
0 +7.2918495751543810e+00 +7.2918495751543810e+00 +0.0000000000000000e+00
32 -5.5082657596758429e+00 -1.1648727789715818e-01 +1.0783556963557370e+01
1 +1.7408939937605199e+00 +1.7549359661301880e+00 +2.8083944739336175e-02
8 -2.2446545676376051e-01 +3.7489598199102403e-01 +1.1987228775095691e+00
6 -1.3059013430527955e-01 +2.0438462535739443e-01 +6.6994951932534796e-01
23 -6.0563411619124254e+00 -2.7851944537816786e+00 +6.5422934162614936e+00
36 -8.9394781405974193e+00 -2.4854484687856662e+00 +1.2908059343623506e+01
14 -2.0532390012168067e+00 -4.3440336103975064e-01 +3.2376712803541121e+00
18 -9.7040125859675630e-01 +1.4318015596466713e+00 +4.8044056364868553e+00
0 +5.9348068771093008e+00 +5.9348068771093008e+00 +0.0000000000000000e+00
3 +2.4860399108909323e+00 +2.6251051837486195e+00 +2.7813054571537421e-01
10 -1.9425517685685874e+00 -1.0979129762713891e+00 +1.6892775845943966e+00
17 -3.1735710466741134e+00 -9.9668536490597504e-01 +4.3537713635362767e+00
0 +2.9729277372457172e+00 +2.9729277372457172e+00 +0.0000000000000000e+00
0 +2.1224137121932136e+00 +2.1224137121932136e+00 +0.0000000000000000e+00
8 -1.4432705103974959e+00 -7.5556252027973514e-01 +1.3754159802355215e+00
0 +2.8198225754205208e+00 +2.8198225754205208e+00 +0.0000000000000000e+00
2 +3.0766280495424301e+00 +3.1183290827821004e+00 +8.3402066479340675e-02
21 -2.2283188514561738e+00 +6.5873312358973912e-01 +5.7741039500918259e+00
32 -8.8805829705582653e+00 -3.3863055968243243e+00 +1.0988554747467882e+01
15 -3.7462416183166267e+00 -1.9087095261159548e+00 +3.6750641844013439e+00
4 -1.7853472506826851e-01 +3.1203571035507416e-02 +4.1947659220755185e-01
0 +6.9307126172558204e+00 +6.9307126172558204e+00 +0.0000000000000000e+00
28 -7.3114158111792440e+00 -2.8476763769064708e+00 +8.9274788685455455e+00
11 -8.6342060912508778e-01 +2.8160750764090769e-01 +2.2900562335319909e+00
46 -1.3384944791846340e+01 -4.4353212974066611e+00 +1.7899246988879359e+01
7 -1.2616484436311781e+00 -7.2423128779810408e-01 +1.0748343116661481e+00
61 -1.7493163904079847e+01 -4.6269234802714037e+00 +2.5732480847616884e+01
7 +1.1904908785758410e+00 +1.6608499663320977e+00 +9.4071817551251335e-01
7 -3.9049920888070755e-01 +9.0015236075583260e-02 +9.6102888991258162e-01
11 -1.9069179199785404e+00 -7.7011577082356375e-01 +2.2736042983099534e+00
6 -8.2338871425090865e-01 -4.3712582532323374e-01 +7.7252577785534982e-01
0 +7.8192280646783905e+00 +7.8192280646783905e+00 +0.0000000000000000e+00
17 -2.4166833887066907e-01 +1.9696455478420720e+00 +4.4226277734254822e+00
32 -8.2080590633586148e+00 -2.7580862527835661e+00 +1.0899945621150097e+01
11 -2.4366851116728760e-02 +1.0935916080582508e+00 +2.2359169183499592e+00
66 -1.8010334599378030e+01 -3.7565661757878255e+00 +2.8507536847180411e+01
6 -6.6511707301931899e-01 -2.6258595298839094e-01 +8.0506224006185612e-01
6 +1.9981054245794079e+00 +2.4319433865067794e+00 +8.6767592385474313e-01
1 +2.0177973655086952e+00 +2.0181000133975653e+00 +6.0529577774026677e-04
0 +3.8125352574492908e+00 +3.8125352574492908e+00 +0.0000000000000000e+00
19 -2.7420984139514735e+00 -2.1820206047519530e-01 +5.0477927069525563e+00
6 +1.6302054158183008e+00 +2.0140500296027621e+00 +7.6768922756892266e-01
16 -3.0086630429773580e+00 -1.0105208340296499e+00 +3.9962844178954162e+00
11 -8.3861797313990571e-01 +2.0335173413878582e-01 +2.0839394145573831e+00
0 +8.0197274799324862e+00 +8.0197274799324862e+00 +0.0000000000000000e+00
0 +3.1520147818649904e+00 +3.1520147818649904e+00 +0.0000000000000000e+00
32 -8.0414325899149333e+00 -2.5705320464494061e+00 +1.0941801086931054e+01
9 +8.0099200560498218e-01 +1.6002258558789277e+00 +1.5984677005478911e+00
9 -3.9606562041174342e-01 +3.1651741928229482e-01 +1.4251660793880765e+00
10 -6.7692521114504522e-01 +1.7556501308430139e-01 +1.7049804484586932e+00
22 -5.5139782619688686e+00 -2.2674717766008623e+00 +6.4930129707360127e+00
14 -2.7293657983873212e+00 -1.1787781960535493e+00 +3.1011752046675438e+00
0 +8.5265069572592136e+00 +8.5265069572592136e+00 +0.0000000000000000e+00
29 -8.0081462664197538e+00 -3.2721545100397957e+00 +9.4719835127599161e+00
48 -1.4094738123217585e+01 -4.6440837967052300e+00 +1.8901308653024710e+01
18 -4.1846417793538437e+00 -1.8571022664693730e+00 +4.6550790257689414e+00
1 +3.1495071189803574e+00 +3.1633321859537635e+00 +2.7650133946812261e-02
2 +2.0947911550302099e+00 +2.1462791899287694e+00 +1.0297606979711915e-01
23 -5.2744851089004774e+00 -1.8031782185381178e+00 +6.9426137807247192e+00
37 -9.0198324808299155e+00 -2.3187018023130550e+00 +1.3402261357033721e+01
8 -9.1421064334631108e-01 -2.2300249667163996e-01 +1.3824162933493422e+00
0 +9.0032587352088651e+00 +9.0032587352088651e+00 +0.0000000000000000e+00
15 -3.8729372725225817e+00 -2.0300046009165462e+00 +3.6858653432120709e+00
17 -1.4379735105542659e+00 +7.1057672731649113e-01 +4.2971004757415141e+00
13 +2.4689600782300136e-01 +1.6068071460405191e+00 +2.7198222764350355e+00
9 +7.4490871018882387e-01 +1.4627431437022280e+00 +1.4356688670268083e+00
0 +4.0530693702658365e+00 +4.0530693702658365e+00 +0.0000000000000000e+00
2 +4.5037872921976803e+00 +4.5478622009225571e+00 +8.8149817449753698e-02
1 +4.7273723360456783e+00 +4.7350883615608428e+00 +1.5432051030328964e-02
0 +7.9625994227257877e+00 +7.9625994227257877e+00 +0.0000000000000000e+00
11 -1.7313232734467148e+00 -5.9405060743906368e-01 +2.2745453320153022e+00
43 -1.0299574469612846e+01 -2.2203553868333179e+00 +1.6158438165559055e+01
0 +9.6571174727155196e+00 +9.6571174727155196e+00 +0.0000000000000000e+00
4 +1.7728727415970971e+00 +1.9714518344807979e+00 +3.9715818576740158e-01
4 +1.1842111073876183e+00 +1.3644682488910296e+00 +3.6051428300682264e-01
22 -5.0307987589875180e+00 -1.8599746590858324e+00 +6.3416481998033714e+00
20 -5.3686776668076037e+00 -2.5455333979853401e+00 +5.6462885376445273e+00
2 +1.5502702192664524e+00 +1.6202637532078579e+00 +1.3998706788281101e-01
0 +1.0642236980111829e+01 +1.0642236980111829e+01 +0.0000000000000000e+00
0 +3.4635440552935268e+00 +3.4635440552935268e+00 +0.0000000000000000e+00
4 +4.1600976272565049e-01 +6.1782161027743232e-01 +4.0362369510356366e-01
5 +1.4947756755453714e+00 +1.7239131382137045e+00 +4.5827492533666625e-01
20 -5.2531426979210680e+00 -2.4843281450440426e+00 +5.5376291057540508e+00
1 +2.7272397826980281e+00 +2.7382466272906059e+00 +2.2013689185155449e-02
0 +6.0557890720014882e+00 +6.0557890720014882e+00 +0.0000000000000000e+00
19 -4.6014922425727969e+00 -2.0384262959278696e+00 +5.1261318932898545e+00
20 -3.8057172786430309e+00 -1.1456446067909378e+00 +5.3201453437041861e+00
0 +1.8098891381812493e+01 +1.8098891381812493e+01 +0.0000000000000000e+00
10 -1.5625678895796176e+00 -6.0035333191620222e-01 +1.9244291153268307e+00
0 +9.0527305385293513e+00 +9.0527305385293513e+00 +0.0000000000000000e+00
0 +6.6194567168035965e+00 +6.6194567168035965e+00 +0.0000000000000000e+00
14 -3.2749736255292339e+00 -1.7482370469981441e+00 +3.0534731570621796e+00
0 +1.4240145332426010e+01 +1.4240145332426010e+01 +0.0000000000000000e+00
9 +4.4836560403905068e-01 +1.2085759993904110e+00 +1.5204207907027207e+00
10 +1.8490224308647703e+00 +2.7390945659647916e+00 +1.7801442702000427e+00
14 -2.5636633572948488e+00 -8.9892401962482049e-01 +3.3294786753400567e+00
3 +6.0329605355001448e-01 +6.8873674221134440e-01 +1.7088137732265984e-01
0 +7.2851955742482133e+00 +7.2851955742482133e+00 +0.0000000000000000e+00
27 -7.5073630636063440e+00 -3.2878159709477179e+00 +8.4390941853172521e+00
53 -1.5228802612857443e+01 -4.4989474502093705e+00 +2.1459710325296143e+01
60 -1.3857935431845679e+01 -1.2518816701888840e+00 +2.5212107523313591e+01
18 -2.4630868344486840e+00 -4.3782017887909142e-02 +4.8386096331215498e+00
16 -3.9533522246097368e+00 -2.0531090803237086e+00 +3.8004862885720563e+00
12 -1.6854276380018298e+00 -5.2967883625208056e-01 +2.3114976034994985e+00
1 +2.0542830848622540e+00 +2.0545836394336447e+00 +6.0110914278155292e-04
16 -3.7661841155831182e+00 -1.8710531079649426e+00 +3.7902620152363511e+00
7 -1.2117863548624426e+00 -6.9271643073303046e-01 +1.0381398482588242e+00
0 +5.5388459225445761e+00 +5.5388459225445761e+00 +0.0000000000000000e+00
12 +2.2917700406133790e-01 +1.4614931198962697e+00 +2.4646322316698637e+00
9 -1.0420815290240784e+00 -2.3695263919708243e-01 +1.6102577796539919e+00
5 +2.4926751645930256e-01 +5.4622385712212385e-01 +5.9391268132564257e-01
7 +1.2642714155331563e+00 +1.7934697269694531e+00 +1.0583966228725936e+00
8 +1.8162962309760804e+00 +2.4094157896311215e+00 +1.1862391173100821e+00
2 +3.3935128712235656e+00 +3.4244026819989255e+00 +6.1779621550719810e-02
6 +2.6356776187010320e+00 +3.0401209464692878e+00 +8.0888665553651151e-01
42 -9.6635419467510566e+00 -1.8899486407670096e+00 +1.5547186611968094e+01
0 +1.7169166488344834e+00 +1.7169166488344834e+00 +0.0000000000000000e+00
40 -1.1503426074624933e+01 -4.2648499345908579e+00 +1.4477152280068150e+01
15 -2.7783214809643697e+00 -9.2806121524981267e-01 +3.7005205314291141e+00
32 -8.4119278030289450e+00 -3.0801246735572709e+00 +1.0663606258943348e+01
14 -2.6741886531523500e+00 -1.1419938846427171e+00 +3.0643895370192658e+00
0 +3.0493441760089071e+00 +3.0493441760089071e+00 +0.0000000000000000e+00
16 -3.4109693312401914e+00 -1.5577239598797785e+00 +3.7064907427208258e+00
23 -4.4102829262998133e+00 -1.0134617131576955e+00 +6.7936424262842356e+00
1 +3.6587034597741037e+00 +3.6602182485300427e+00 +3.0295775118780455e-03
53 -1.5795554820464250e+01 -5.1276481062857195e+00 +2.1335813428357064e+01
13 -2.8229514139038878e+00 -1.3707123122499030e+00 +2.9044782033079697e+00
6 +2.7320017725957011e+00 +3.1359563115599740e+00 +8.0790907792854583e-01
9 -5.9055297976596410e-01 +1.3092817989433625e-01 +1.4429623193206007e+00
64 -1.9272420747142046e+01 -5.6495962809714886e+00 +2.7245648932341116e+01
30 -8.3841162255011454e+00 -3.5115020957055525e+00 +9.7452282595911868e+00
0 +4.9303205511662309e+00 +4.9303205511662309e+00 +0.0000000000000000e+00
3 +5.9126050576346678e-02 +1.9441512634600233e-01 +2.7057815153931131e-01
18 -4.5149886900451941e+00 -2.2431469725630535e+00 +4.5436834349642812e+00
13 -2.4245235653475161e+00 -1.0802754983647929e+00 +2.6884961339654465e+00
24 -5.0494570189109007e+00 -1.3910919097306973e+00 +7.3167302183604068e+00
33 -9.6262202004049975e+00 -3.8607104539457202e+00 +1.1531019492918555e+01
21 -3.4677272160704726e+00 -4.3960773606530834e-01 +6.0562389600103286e+00
16 -3.8515849453957189e+00 -1.8119831116421308e+00 +4.0792036675071763e+00
0 +1.0252618758200164e+01 +1.0252618758200164e+01 +0.0000000000000000e+00
12 +1.4804407258743879e-03 +1.2551046642096759e+00 +2.5072484469676031e+00
24 -5.6715151516408211e+00 -2.1391391038283860e+00 +7.0647520956248702e+00
3 +3.8670364180708550e-01 +5.2690401573018075e-01 +2.8040074784619051e-01
20 -2.2200711233512207e+00 +4.8436950249809474e-01 +5.4088812516986309e+00
8 +2.8659974302632536e+00 +3.5041714515695435e+00 +1.2763480426125797e+00
0 +7.5067424980768891e+00 +7.5067424980768891e+00 +0.0000000000000000e+00
24 -4.4935825394848292e+00 -9.4564308501180117e-01 +7.0958789089460561e+00
0 +1.1852268060489816e+01 +1.1852268060489816e+01 +0.0000000000000000e+00
19 -4.2596617933111736e+00 -1.7929675919393584e+00 +4.9333884027436303e+00
24 -5.8103001097385638e+00 -2.2279979431750929e+00 +7.1646043331269418e+00
0 +3.7730692567231015e+00 +3.7730692567231015e+00 +0.0000000000000000e+00
34 -9.1660679809248045e+00 -3.1936543440271739e+00 +1.1944827273795262e+01
0 +7.6156312451773633e+00 +7.6156312451773633e+00 +0.0000000000000000e+00
7 +7.7476584194816311e-01 +1.2804168532511366e+00 +1.0113020226059470e+00
66 -1.9193914029840947e+01 -5.0180103907784215e+00 +2.8351807278125051e+01
35 -9.1184981344779921e+00 -2.9995376309686153e+00 +1.2237921007018754e+01
10 -3.2543046460966707e-01 +5.4929847158594880e-01 +1.7494578723912317e+00
11 -1.4883095690307950e+00 -4.0240550361000782e-01 +2.1718081308415744e+00
4 +3.3838059368968976e+00 +3.6079446997598983e+00 +4.4827752572600144e-01
2 +2.4166737792546176e+00 +2.4478668159908925e+00 +6.2386073472549874e-02
21 -4.5505383385876561e+00 -1.6890358644772241e+00 +5.7230049482208640e+00
4 +1.3219407407318320e+00 +1.5388226830810616e+00 +4.3376388469845928e-01
23 -6.1861280216256960e+00 -2.8871738216192373e+00 +6.5979084000129173e+00
16 -4.0919813324748526e+00 -2.0576574102701040e+00 +4.0686478444094973e+00
6 +2.1510897595973923e+00 +2.5256057859288292e+00 +7.4903205266287376e-01
57 -1.5785255071167224e+01 -3.9331900434010856e+00 +2.3704130055532278e+01
2 +5.9283661405512635e+00 +5.9622026717169057e+00 +6.7673062331284228e-02
12 -2.4556951400947202e-01 +1.0680445495211344e+00 +2.6272281270612128e+00
22 -5.6593660030440249e+00 -2.5101203540106987e+00 +6.2984912980666525e+00
25 -4.3050937447952853e+00 -5.3954016904012647e-01 +7.5311071515103176e+00
4 -2.4796385431868639e-01 -2.7671503265270125e-02 +4.4058470210683254e-01
36 -9.7914435537315327e+00 -3.4038736578864572e+00 +1.2775139791690151e+01
0 +4.1573956029153445e+00 +4.1573956029153445e+00 +0.0000000000000000e+00
33 -9.0866362094901802e+00 -3.5528358593916689e+00 +1.1067600700197023e+01
12 -2.9247460876881624e+00 -1.6069265891571369e+00 +2.6356389970620508e+00
2 +2.4743389042754433e+00 +2.5409570503769761e+00 +1.3323629220306543e-01
0 +4.4165068661571478e+00 +4.4165068661571478e+00 +0.0000000000000000e+00
33 -7.1926097785476601e+00 -1.4773200650468590e+00 +1.1430579427001602e+01
0 +8.5830464146819896e+00 +8.5830464146819896e+00 +0.0000000000000000e+00
7 -6.7897005907472963e-01 -1.3863047059986489e-01 +1.0806791769497295e+00
18 -3.1527383894544796e+00 -8.1724021464175767e-01 +4.6709963496254439e+00
9 -1.2632044086920375e+00 -5.3811920339399322e-01 +1.4501704105960886e+00
7 -1.2920813296765070e+00 -7.4364282468401122e-01 +1.0968770099849916e+00
5 +1.7784632561064146e+00 +2.0943649018171886e+00 +6.3180329142154790e-01
34 -6.9825634408405017e+00 -1.1295644165890883e+00 +1.1705998048502828e+01
4 +2.7962281252140104e+00 +2.9401449110695155e+00 +2.8783357171101009e-01
13 -2.1350311339610046e+00 -7.5639032005264673e-01 +2.7572816278167158e+00
12 -2.8017280866488230e+00 -1.5582336142532869e+00 +2.4869889447910722e+00
29 -8.1029720743991405e+00 -3.3701699009386372e+00 +9.4656043469210065e+00
53 -1.2639692634556390e+01 -1.9278558330662245e+00 +2.1423673602980330e+01
13 -2.9519274153309043e+00 -1.6248246204261281e+00 +2.6542055898095525e+00
30 -5.4759760062346823e+00 -5.8318312048765142e-01 +9.7855857714940626e+00
27 -7.5659395749576310e+00 -3.3046098888655884e+00 +8.5226593721840853e+00
3 +1.0607688560987381e+00 +1.1632120042586500e+00 +2.0488629631982391e-01
35 -8.3255160437259228e+00 -2.2669109939663485e+00 +1.2117210099519149e+01
1 +1.0698250538038332e+00 +1.0740553956518770e+00 +8.4606836960876564e-03
12 -1.2903083462656237e+00 -2.7067517216144754e-02 +2.5264816580989580e+00
11 -1.9505350581411216e+00 -8.3689645621326569e-01 +2.2272772038557118e+00
5 +4.1152785929389157e+00 +4.4291705578995000e+00 +6.2778392992116849e-01
3 +1.8983482746089138e+00 +2.0261979849422005e+00 +2.5569942066657347e-01
32 -6.2153585498593289e+00 -7.3216012276457954e-01 +1.0966396854189499e+01
12 -1.5728538161995251e+00 -3.8209802044332042e-01 +2.3815115915124094e+00
56 -1.6895587981619226e+01 -5.3133396955300451e+00 +2.3164496572178361e+01
34 -9.6178072631869220e+00 -3.8482569331397216e+00 +1.1539100660094402e+01
24 -6.4587897582665983e+00 -2.9755974867823936e+00 +6.9663845429684095e+00
39 -1.0452278969794598e+01 -3.3283478061374123e+00 +1.4247862327314373e+01
32 -6.5337094352887961e+00 -1.1598815022864788e+00 +1.0747655866004635e+01
23 -4.5547492019749596e+00 -1.1561160795702836e+00 +6.7972662448093519e+00
49 -1.3067942742966004e+01 -3.4109731354977577e+00 +1.9313939214936493e+01
5 +2.1628880855462365e+00 +2.4208812668830455e+00 +5.1598636267361808e-01
15 -3.8263977977819925e+00 -1.9774429250217591e+00 +3.6979097455204668e+00

Две новые модели для калькулятора DIYDodecad

Закончил на 99% подготовку 2 моделей этно-популяционных калькуляторов ДНК — заточенную под deep ancestry (анализ современных геномов с использование древних геномов) K11 и модель для анализа популяционного происхождения современных популяций K16.

 

В число 16 «предполагаемых предковых» популяций в K16 входят следующие выделенные группы:

Австрало-веддоидная
Палеолитические охотники-собиратели Кавказа
Американские аборигены
Охотники-собиратели скандинавского мезолита
Австронезийцы
Ближневосточные неолитические земледельцы
Сибирские аборигены
Ближне-восточные популяции
Североафриканские популяции
Популяции западной Африки
Северные популяции Индостана
Юго-восточноазиатские популяции
Восточные охотники-собиратели
Неолитическое население Европы
Восточно-африканские популяции
Западноевропейские охотники-собиратели

 

Таблица FST между компонентами K11 (FST — Индекс фиксации Райта Fst, отражающий меру дифференциации популяций)

Кластеризация компонентов модели K11 по степени дифференциации

Таблица FST между компонентами K16

Кластеризация компонентов модели K16 по степени дифференциации

 

На следующем PCA графике отображены 2 группы компонентов — предковые компоненты K16 (полученные в программе ADMIXTURE в ходе анализа современных популяций) и предковые компоненты K11 (они вычислены в той же программе, но на другой выборке аутентичных палеогеномов). Поскольку у пользователей подобных калькуляторов часто возникает вопрос о соотношении компонентов разных моделей калькуляторов, я решил разместить их на одном графике. Методология довольно проста. Сначала я сгенерировал в программе PLINK 220 «синтетических» геномов (20 индивидов в 11 группах). В основу положен предложенный Понтикосом метод популяционных «zombies», в котором используется частоты аллелей снипов, полученных в программе ADMIXTURE. Каждая из 11 групп состоит из 20 «индивидов», геном которых на 100% состоит из одного компонента.
То же самое я сделал с компонентами K16. Затем в целях изучения соотношения компонентов этих двух разных моделей, я пропустил «геномы синтетических индивидов» K16 через калькулятор K11. В итоге выяснилось, что только несколько компонентов K16 полностью совпадают с компонентами K11 (например, Amerindian и African). Остальные компоненты K16 разложились на комбинации компонентов K11. Этот простой эксперимент еще раз подтвердил очевидный факт: предковые компоненты ADMIXTURE, выявленные в ходе анализа современных популяций только в редких случаях соответствуют настоящим предковым компонентам. Большинство подобных компонентов возникают в результате сложного процесса фиксации аллельных частот, например в тех случаях, когда непосредственно после смешивания предковых групп разного происхождения происходит процесс генетического дрейфа. Закон Харди—Вайнберга утверждает, что в теоретической идеальной популяции распределение генов будет оставаться постоянным из поколения в поколение. Так, в популяции растений количество «внуков» с генами высокорослости будет ровно таким же, сколько было родителей с этим геном. Но в реальных популяциях дело обстоит иначе. Из-за случайных событий частота распределения генов из поколения в поколение несколько варьирует — это явление называется дрейфом генов. Рассмотрим крупную размножающуюся популяцию со строго определенным распределением аллелей. Представим, что по той или иной причине часть этой популяции отделяется и начинает формировать собственное сообщество. Распределение генов в субпопуляции может быть нехарактерным для более широкой группы, но с этого момента и впредь в субпопуляции будет наблюдаться именно такое, нехарактерное для нее распределение. Это явление называется эффектом основателя.Дрейф генов сходного типа можно наблюдать и на примере явления с запоминающимся названием эффект бутылочного горлышка. Если по какой-либо причине численность популяции резко уменьшится — под воздействием сил, не связанных с естественным отбором (например, в случае необычной засухи или непродолжительного увеличения численности хищников), быстро появившихся и затем исчезнувших, — то результатом будет случайное устранение большого числа индивидуумов. Как и в случае эффекта основателя, к тому времени, когда популяция вновь будет переживать расцвет, в ней будут гены, характерные для случайно выживших индивидуумов, а вовсе не для исходной популяции.

Вот эта таблица с усредненными значениями «симулянтов» компонентов K16 в калькуляторе K11 (колонки — компоненты K16, столбцы — компоненты K11, их пересечения — проекция компонентов K16 в компоненты K11).

Для облегчения понимания сказанного, приведу немного теории. Начну с основ.

Определение базовых терминов

ADMIXTURE (буквально: примесь) – это компьютерная программа (анализ), позволяющая выявлять смешанность состава некоего набора индивидов на основе данных о генотипах и тем самым строить предположения о происхождении популяции.

Принцип работы ADMIXTURE.

Рассмотрим принцип работы ADMIXTURE на примере образцов и популяций из проекта HapMap.

Всего у нас N = 324 образца/индивида, каждый из которых относится к одной из четырех нижеперечисленных популяций:

АФРИКА (ASW) – Африканские предки из Юго-Западной части США
ЮТА (CEU) – жители штата Юта США с корнями из Северной и Западной Европы
МЕКСИКА (MEX) – Мексиканцы, Лонг-Айленд США
ЙОРУБА (URI) – Йоруба, Нигерия
Для удобства дальнейшего изложения будем называть эти популяции «известными».

Также мы предполагаем, что они произошли от К разных предковых популяций (мы не знаем от каких именно). В дальнейшем будем называть эти предковые популяцие «предполагаемыми предковыми». Этих «предполагаемых предковых» популяций на самом деле не существует, у них нет общепризнанных названий и характеристик. И на этом этапе мы даже не знаем какие образцы к какой из этих К популяций могут быть отнесены. Теоретически возможно, что образцы из одной и той же «известной» популяции могут принадлежать к двум разным «предполагаемым предковым» популяциям.

Пример 1.

Предположим, что К = 3.

ADMIXTURE далее работает с образцами (их генотипами) и заданным нами числом К = 3. Имея сведения о генотипах и предположение о количестве «предполагаемых предковых» популяций (К) ADMIXTURE строит свою модель (предположение) того, каков вклад каждой из «предполагаемых предковых» популяций в каждый индивид. В результате мы имеем для каждого индивида 3 цифры: количественный вклад каждой из трех популяций (или образно говоря, на сколько процентов данный индивид состоит из первой «предполагаемой предковой» популяции, на сколько – из второй и на сколько – из третьей). При этом может быть и такая ситуация, что у конкретного индивида в составе отсутствует какая-то из «предполагаемых предковых» популяций, даже возможно, что он принадлежит только к одной из «предполагаемых предковых» поуляций. Предположим, для индивида №1 эти цифры такие: 0.3, 0.5 и 0.2. Что эти цифры означают? Означают они доли каждой из «предполагаемых предковых» популяций (ППП) в индивиде №1, т.е. индивид состоит на 30% из первой ППП, на 50% — из второй и 20% — из третьей. Чем больше вклад каждой ППП в индивида, тем больше индивид является «носителем» данной популяции и ее представителем.
Так называемый этно-популяционный калькулятор ДНК представляет собой инструмент, позволяющий использовать заранее определенные (вычисленные) компоненты этнического происхождения K для определения той комбинация исходных предковых компонентов дает наилучшее соответствие (аппроксимирует) происхождение носителя тестируемой ДНК.

При создании калькулятора ДНК в основу берется определенная модель (например, задается исходное число компонентов или состав референсной выборки), что неизбежно приводит к определенным уступкам в плане точности и проявлению слабых сторон модели. Например, часто люди критикуют подобные модели калькуляторов за излишнюю европоцентричность и недостаточную представленность геномов из других мест, или же используемые для определения компонентов происхождения выборки данных по отдельным популяциям слишком малы для определения сложной субструктуры генофонда референсной популяции. Наконец, более грамотные люди указывают на отсутствие необходимо инструментария (например, формальной статистики) для проверки статистической значимости определенных компонентов в отдельных моделях калькулятора.
Движок обеих калькуляторов — все та же программа DIYDodecad, После того, как ппрограммма ДНКа калькулятора выдаст первичные результаты — процентное распределение компонентов этно-популяционного происхождения в изучаемом геноме, можно будет перейти к вторичному анализу. Суть его проста — зная процентную комбинацию компонентов происхождения в своем геноме, довольно просто смоделировать свой геном в виде смеси нескольких референсных популяций.

Поэтому, в отличие от предыдущих релизов, K11 и K16 будут включать в себя дополнительный контент:

1) классический Oracle, позволяющий смоделировать анализируемый «геном» (точнее, набор из 100-200 тысяч информативный снипов) в виде комбинации двух референсных популяций, а также установить группу генетически ближайших референсных популяций к геному изучаемого индивида. Однако этот инструмент не может быть использован в случае сложного смешанного происхождения (например, когда изучаемый индивид происходит из более чем двух разных этнических популяций). Иногда программа выдает довольно глупые комбинации, cущественным образом понижая достоверность результатов. Впрочем основное преимущество Oracle и состоит в том, что программа предлагает вместо окончательного «простого» решения список альтернативных вариантов.

Пример: в качестве примера я буду использовать собственные данные.
Исходя из полученных в модели K16 значений компонентов, мой условный наиболее близок к восточнославянским популяциям
«Ukrainian-Center» «2.5884»
«Pole» «3.0962»
«Sorb» «3.1733»
«Polish_West» «3.5992»
«Russian-North-West» «3.7265»
«Russian_Smolensk» «3.834»
«Polish» «4.0348»
«Belarusian_EastBelarus» «4.0852»
«Belarusian_WestBelarus» «4.1216»
«DonKuban_cossack» «4.7769»

В комбинированном варианте двух смешанных популяций распределение предковых компонентов происхождения может быть аппроксимировано следующими комбинациями:

«65.8% Belarusian_EastBelarus + 34.2% Norwegian» «1.1023»
«66.4% Belarusian_EastBelarus + 33.6% Icelandic» «1.1118»
«80.9% Latvian + 19.1% Spanish_Baleares_IBS» «1.1154»
«30% French + 70% Lithuanian» «1.1206»
«29% French + 71% Latvian» «1.1215»
«55% French_West + 45% Lithuanian_Zemajitia» «1.1302»
«28.9% French_East + 71.1% Latvian» «1.1402»
«29% French_Northwest + 71% Latvian» «1.1563»
«72.3% Belarusian_EastBelarus + 27.7% Orcadian» «1.1766»
«57.2% European_Utah + 42.8% Lithuanian_Zemajitia» «1.1825»

Основная часть генома — условно славяно-балтийская (что ожидаемо), но с существенным сдвигом в сторону Скандинавии и западной Европы(примерно 20-30%). Скорее всего, это наследие готов, или контактов балтийских племен с викингами. Интересно, что модель K11 (c использованием современных референсных популяций) дает примерно такой же расклад — разве что древний скандинавско-германский пласт выражен чуть резче чем в модели K16

«Belarusian_West» «2.3841»
«Belarusian» «2.4187»
«Pole_Poland» «2.5278»
«Belarusian_East» «3.7288»
«Russian_Central» «3.7635»
«Swede» «3.9724»
«Russian_cossack» «4.1139»
«Ukrainian» «4.2647»
«Russian_Southern» «4.5204»
«Ukrainian_East» «4.8635»
«66.6% Icelandic + 33.4% Latvian» «1.586»
«41.1% Latvian + 58.9% Orcadian» «1.5898»
«47.9% Lithuanian + 52.1% Orcadian» «1.6007»
«60.2% Icelandic + 39.8% Lithuanian» «1.6082»
«5.7% Basque_Spanish + 94.3% Belarusian» «1.6386»
«5.8% Basque_French + 94.2% Belarusian» «1.6406»
«67.2% Belarusian + 32.8% Swede» «1.659»
«40.2% Lithuanian + 59.8% Norwegian» «1.6876»
«33.7% Latvian + 66.3% Norwegian» «1.689»
«94.1% Belarusian + 5.9% Spanish_Pais_Vasco_IBS» «1.7359

В палеокалькуляторе K11 (т.е. с древними геномами) картинка кажется более убедительной

«Unetice_EBA» «2.7065»
«Bell_Beaker_Czech» «5.0633»
«British_AngloSaxon» «5.1998»
«Nordic_LN» «5.6157»
«Corded_Ware_Proto_Unetice_Poland» «6.3751»
«Nordic_MN_B» «6.3865»
«Halberstadt_LBA» «6.4422»
«BenzigerodeHeimburg_LN» «7.4695»
«Nordic_IA» «7.5404»
«Corded_Ware_Estonia» «7.7635»

Из всех палеогеномов наиболее близок к моему геном представителя унетицкой культуры. Происхождение унетицкой культуры до сих пор не выяснено. Между позднейшими энеолитическими культурами и унетицкой культурой существует типологический и хронологический разрыв. Наибольшее признание в результате последних исследований получило предположение, согласно которому в ее возникновении главную роль сыграли культура колоколовидных кубков и надиревская культура, распространенная в Венгрии (см. ниже). У культуры колоколовидных кубков и унетицкой имеется сходство в керамике, в погребальном обряде и в орудиях труда. Небольшую роль могла сыграть культура шнуровой керамики, хотя в целом они очень различаются. Закономерно, что следующими — хотя и с большим отрывом — близкими к моему геному группами палеогеномов являются геномы древних англосаксов (которые близки к древним скандинавам) и представителей чешского ареала культуры колоковидных кубков).
Аналогично, в режиме смешенных популяций хорошо заметны две тенденции. Во-первых, мой геном может быть представлен в виде комбинации палеогенома представителя позднебронзового века (Хальберштадт) и палеогеномов восточных охотников-собирателей эпохи энеолита, во-вторых как смесь 23.4% генома представителей балтийской позднебронзовой эпохи и все того же позднебронзового палеогенома из Хальберштадта

«86.4% Halberstadt_LBA + 13.6% Karelia_HG» «2.139»
«74.1% Bell_Beaker + 25.9% LesCloseaux13_Mesolithic» «2.1574» «35.9% Hungary_BA + 64.1% Poltavka_MBA_outlier» «2.319»
«65.7% Halberstadt_LBA + 34.3% Poltavka_MBA_outlier» «2.4387»
«83.2% Alberstedt_LN + 16.8% Karelia_HG» «2.443»
«23.4% Baltic_LBA + 76.6% Halberstadt_LBA» «2.4846»
«16.7% Europe_MN + 83.3% Poltavka_MBA_outlier» «2.4897»
«83.4% Halberstadt_LBA + 16.6% Samara_Eneolithic» «2.536»
«12.9% Halberstadt_LBA + 87.1% Unetice_EBA» «2.5603»
«16.1% Bell_Beaker_Czech + 83.9% Unetice_EBA» «2.5747»

2) файлы модели K11 и K16 для более сложной программы 4Admix (разработанной Александром Бурнашевом). Вторым инструментом вторичного анализа является 4Mix. Он работает по методу brute-force, шаг за шагом перебирая все возможные комбинации, а по окончанию цикла программа возвращает результат с наименьшим евклидовым расстоянием (по выбору можно использовать гауссово сглаживание, снижающее случайный статистический шум результатов). Как и в классическом Oracle, комбинация cмешиваемых этнических групп не может содержать более 4 популяций, хотя в отличие от классического Oracle, программа может моделировать комбинации из 3 и 4 этнических групп.

Пример. Приведу пример этих 3- и 4-членных аппроксимаций. В принципе, все то же самое, c той лишь разницей что теперь программа выделяет в комбинациях балтийскую и славянскую составляющую. Интересно, что скандинавская составляющая никуда не исчезла, оставаясь в пределах 20-25%
Using 3 populations approximation:
1 50% Belarusian_EastBelarus +25% English_Kent_GBR +25% Latvian @ 0.973956
2 50% Belarusian_EastBelarus +25% English_Kent_GBR +25% Lithuanian @ 0.988467
3 50% Latvian +25% French +25% Balt @ 1.036492
4 50% Lithuanian_Zemajitia +25% French +25% Irish_Connacht @ 1.05259
5 50% Lithuanian +25% Sorb +25% French_West @ 1.059638
6 50% Belarusian +25% Icelandic +25% French_West @ 1.06158
7 50% Lithuanian_Zemajitia +25% French +25% Irish_Cork_Kerry @ 1.074796
8 50% Lithuanian_Aukstajtia +25% French_East +25% Irish_Connacht @ 1.076771
9 50% Lithuanian_Zemajitia +25% French +25% Irish_Ireland @ 1.078576
10 50% Belarusian +25% Norwegian +25% French_West @ 1.079741
11 50% European_Utah +25% Lithuanian_Zemajitia +25% Balt @ 1.084317
12 50% Dane +25% Belarusian_EastBelarus +25% Lithuanian_Aukstajtia @ 1.090086
13 50% Lithuanian_Zemajitia +25% French +25% Scottish_Highlands @ 1.093951
14 50% Lithuanian +25% North_European +25% Sorb @ 1.103744
15 50% Lithuanian_Aukstajtia +25% English_GBR +25% French_Northwest @ 1.105369
16 50% Lithuanian_Zemajitia +25% French +25% Scottish_Grampian @ 1.106616
17 50% Lithuanian_Aukstajtia +25% French_Northwest +25% Irish_Connacht @ 1.106771
18 50% Lithuanian_Aukstajtia +25% French_Northwest +25% Scottish_Dumfries_Galloway @ 1.108261
19 50% Lithuanian +25% French_West +25% Polish_West @ 1.113695
20 50% Latvian +25% North_European +25% Sorb @ 1.115164
31501779 iterations.
Using 4 populations approximation:
1Belarusian_EastBelarus+Lithuanian_Zemajitia+Swede+French_West @ 0.947002
2Belarusian_EastBelarus+English_Kent_GBR+Lithuanian_Aukstajtia+Sorb @ 0.971605
3Belarusian_EastBelarus+Belarusian_EastBelarus+English_Kent_GBR+Latvian @ 0.973956
4Belarusian_EastBelarus+English_Kent_GBR+Lithuanian_Aukstajtia+Polish_East @ 0.986863
5Belarusian_EastBelarus+Belarusian_EastBelarus+English_Kent_GBR+Lithuanian @ 0.988467
6 French+Lithuanian_Zemajitia+Swede+Balt @ 0.98916
7Belarusian_EastBelarus+English_Kent_GBR+Lithuanian_Aukstajtia+Polish @ 0.996302
8 Belarusian+Lithuanian_Aukstajtia+Shetlandic+French_West @ 1.010485
9 Belarusian+Lithuanian_Zemajitia+Irish_Ulster+French_West @ 1.01227
10 Belarusian+Lithuanian_Zemajitia+French_West+Irish_Ulster @ 1.012977
11 Belarusian_EastBelarus+Lithuanian_Aukstajtia+Swede+Welsh @ 1.013043
12Belarusian_EastBelarus+European_Utah+Lithuanian_Aukstajtia+Swede @ 1.013805
13Belarusian_EastBelarus+Lithuanian_Aukstajtia+Swede+French_West @ 1.018296
14German_NorthGermany+Lithuanian_Aukstajtia+Balt+French_West @ 1.026503
15 Lithuanian_Aukstajtia+Sorb+Ukrainian-Center+French_West @ 1.027473
16 Belarusian+Lithuanian_Zemajitia+French_West+Irish_Connacht @ 1.031967
17Belarusian+Lithuanian_Zemajitia+French_West+Irish_Cork_Kerry @ 1.035716
18 French+Latvian+Latvian+Balt @ 1.036492
и т.д.
То же самое, но в модели K11
Using 3 populations approximation:
1 50% Poltavka_MBA_outlier +25% Halberstadt_LBA +25% Hungary_BA @ 2.031302
2 50% Poltavka_MBA_outlier +25% Bell_Beaker_Czech +25% Hungary_BA @ 2.072453
3 50% British_AngloSaxon +25% Halberstadt_LBA +25% Poltavka_MBA_outlier @ 2.125791
4 50% Bell_Beaker +25% Bell_Beaker +25% LesCloseaux13_Mesolithic @ 2.209118
5 50% Halberstadt_LBA +25% British_AngloSaxon +25% Poltavka_MBA_outlier @ 2.244371
6 50% Halberstadt_LBA +25% Hungary_BA +25% Samara_HG @ 2.270667
7 50% Halberstadt_LBA +25% Poltavka_MBA_outlier +25% Unetice_EBA @ 2.291406
8 50% Poltavka_MBA_outlier +25% British_AngloSaxon +25% Hungary_BA @ 2.30791
9 50% Bell_Beaker_Czech +25% Hungary_BA +25% Samara_HG @ 2.356281
10 50% Halberstadt_LBA +25% Nordic_BA +25% Poltavka_MBA_outlier @ 2.358744
11 50% Bell_Beaker +25% Hungary_BA +25% Karelia_HG @ 2.369978
12 50% Bell_Beaker_Czech +25% Nordic_BA +25% Poltavka_MBA_outlier @ 2.385823
13 50% Halberstadt_LBA +25% Corded_Ware_Germany +25% Nordic_BA @ 2.490915
14 50% Poltavka_MBA_outlier +25% Hungary_BA +25% Unetice_EBA @ 2.503754
15 50% British_AngloSaxon +25% Bell_Beaker_Czech +25% Poltavka_MBA_outlier @ 2.53217
16 50% Halberstadt_LBA +25% Baltic_LBA +25% Halberstadt_LBA @ 2.540751
17 50% Hungary_BA +25% Poltavka_MBA_outlier +25% Samara_HG @ 2.551414
18 50% Poltavka_MBA_outlier +25% Alberstedt_LN +25% Hungary_BA @ 2.561557
19 50% British_AngloSaxon +25% Poltavka_MBA_outlier +25% Unetice_EBA @ 2.575398
20 50% Bell_Beaker_Czech +25% British_AngloSaxon +25% Poltavka_MBA_outlier @ 2.575919
1127348 iterations.
Using 4 populations approximation:
1 Halberstadt_LBA+Hungary_BA+Poltavka_MBA_outlier+Poltavka_MBA_outlier @ 2.031302
2 Halberstadt_LBA+Nordic_BA+Poltavka_MBA_outlier+Unetice_EBA @ 2.03713
3 Bell_Beaker_Czech+Hungary_BA+Poltavka_MBA_outlier+Poltavka_MBA_outlier @ 2.072453
4 British_AngloSaxon+Halberstadt_LBA+Poltavka_MBA_outlier+Unetice_EBA @ 2.088049
5 British_AngloSaxon+British_AngloSaxon+Halberstadt_LBA+Poltavka_MBA_outlier @ 2.125791
6 British_AngloSaxon+Halberstadt_LBA+Hungary_BA+Samara_HG @ 2.131526
7 Bell_Beaker_Czech+Halberstadt_LBA+Hungary_BA+Samara_HG @ 2.14648
8 Bell_Beaker+Bell_Beaker+Bell_Beaker+LesCloseaux13_Mesolithic @ 2.209118
9 Bell_Beaker_Czech+Halberstadt_LBA+Nordic_BA+Poltavka_MBA_outlier @ 2.209365
10 Bell_Beaker_Germany+British_AngloSaxon+Hungary_BA+Samara_HG @ 2.212982
11 Bell_Beaker_Czech+Bell_Beaker_Germany+Hungary_BA+Samara_HG @ 2.232922
12 British_AngloSaxon+Halberstadt_LBA+Halberstadt_LBA+Poltavka_MBA_outlier @ 2.244371
13 British_AngloSaxon+Halberstadt_LBA+Nordic_BA+Poltavka_MBA_outlier @ 2.254756
14 Alberstedt_LN+British_AngloSaxon+Hungary_BA+Samara_HG @ 2.255589
15 Bell_Beaker_Czech+British_AngloSaxon+Halberstadt_LBA+Poltavka_MBA_outlier @ 2.256027
16 Halberstadt_LBA+Halberstadt_LBA+Hungary_BA+Samara_HG @ 2.270667

3) новым инструментом в релизе будет R программа nMonte, разработанная голландцем Гером Гизбертом. В отличие от двух предыдущих инструментов (ограниченных в числе используемых для моделирования этнических групп), nMonte позволяет использовать для моделирования (аппроксимации) генмоа все референсные грппы. Программа использует алгоритм эволюционного моделирования по методу Монте-Карло.
После пошагового добавления новой популяции программа определяет уменьшается ли евклидово расстояние; если да, то шаг сохраняется, в противном случае шаг отклоняется. Алгоритм завершает свою работу после выполнения примерно миллиона шагов. Как и два предыдущих инструмента программа стремится к минимализации евклидова расстония; но похоже за счет использования метода Монте-Карло, алгоритм гораздо более эффективен. И, также, как и в других инструментах, в nMonte «наилучшая комбинация» определяется как комбинация с наименьшим расстоянием. Недостаток же nMonte состоит в том, что она выдает только наилучшее подходящее решение, в то время как Oracle представляет альтернативные варианты.
Пример. Посмотрим, сколько потенциальных предковых популяций выдаст nMonte при аппроксимации моего генома.
При первом запуске программа выдала комбинацию (в cкобках процентный вклад референсной популяции) следующих 65 популяций. Также как и в других инструментах, тон задают балтийские популяции, а также белорусы, сорбы и поляки.

Lithuanian_Zemajitia 10.1
Latvian 7.85
Lithuanian_Aukstajtia 7.85
Belarusian_SouthBelarus 6.55
Lithuanian 6.5
Pole 5.45
Belarusian_WestBelarus 4.8
Balt 4.35
Sorb 3.35
Belarusian 3.05
Belgian 3
Norwegian 2.95
Czech 2.75
Dane 2.5
Slovak 2.4
Icelandic 1.9
Swede 1.9
French_SouthFrance 1.5
Slovenian 1.5
Basque_Spanish 1.3
Frisian 1.15
German_NorthGermany 1.1
Sardinian 1.1
Polish_East 1.05
Ukrainian_WestUkraina 1
Polish 0.95
Basque_French 0.9
Orcadian 0.7
Spanish_Pais_Vasco_IBS 0.7
Hungarian 0.65
Irish_Connacht 0.65
DonKuban_cossack 0.6
Dutch 0.6
Ukrainian_EastUkraina 0.6
Scottish_Argyll_Bute_GBR 0.55
European_Utah 0.5
English_GBR 0.45
Croatian 0.4
Russian-Pskov 0.4
French_South 0.4
Welsh 0.35
Irish_Ulster 0.35
Scottish_Fife 0.3
German_SouthGermany 0.25
Scottish_Dumfries_Galloway 0.25
Belarusian_CentralBelarus 0.2
Datog 0.2
English_Cornwall_GBR 0.2
North_European 0.2
Ukrainian 0.2
Russian_Orjol 0.15
Afar 0.1
Belarusian_EastBelarus 0.1
English_Kent_GBR 0.1
Irish 0.1
Kambera 0.1
Russian_Smolensk 0.1
Vindija 0.1
Belarusian-East 0.1
Spanish_Canarias_IBS 0.1
Spanish_Cantabria_IBS 0.1
Spanish_Cataluna_IBS 0.1
Peruvian 0.05
Russian_Voronezh 0.05

В K11 показаны следующие палеогеномы (или их группы). По-прежнему, основа генома 40% моделируется как геном представителя культуры колоколовидных кубков.

«Bell_Beaker» 40.3
«Halberstadt_LBA» 31.6
«Samara_HG» 8.5
«Tyrolean_Iceman_EN» 2.05
«Esperstedt_MN» 1.95
«Swedish_Mesolithic» 1.95
«BerryAuBac_Mesolithic» 1.85
«Swedish_Motala_Mesolithic» 1.7
«Bichon_Azillian» 1.6
«Continenza_Paleolithic» 1.5
«Hungary_BA» 1.5
«LaBrana_Mesolithic» 1.35
«Bell_Beaker_Germany» 1.05
«Hungary_HG» 0.85

4) следующим новым инструментом будет 4mix, более упрощенный вариант 4Admix. Он разработан тем же Г. Гизбертом. Основное отличие от 4Admix — если 4Admix перебирает все возможные комбинации из 4 популяций, то в 4mix можно эксплицитно задавать отдельные комбинации и определять евклидову дистанции между этой комбинацией и аппроксимируемым геномом в пространстве моделей
5) карты компонентов с аннотацией. Аннотации компонентов будут чуть позже, а вот карты уже готовы

Карты распространения некоторых компонентов K16 и K11  в ряде географических ареалов

6) я включил в релиз модифицированный скрип GPS лаборатории Элхайка для определения географического ареала происхождения предков человека, чей геном является предметом изучения. Я включил пару строчек кода для проецирования вычисленных географических координат на географическую карту.
Пример. Ниже показаны две карты, на которые спроецированы географические координаты вычисленной алгоритмом GPS (GPS DNA tool ) точки «этнического происхождения».
Я проверил работоспособность алгоритма на обеих моделях.
В модели K16 (современные популяции) GPS-координаты точки моего «происхождения» 49.7648663288835 32.4345922625112 (примерно 49 градусов северной широты и 32 градуса восточной долготы), т.е где-то на левом берегу Днепра в Украине. Как утверждают разработчики программы, она позволяет определить место происхождения с радиусом погрешности в 500 км. Я вычислил расстояние от полученной точки до настоящего места жительства предков (южная часть Брестской области) и получилось 470 км. Т.е точка попадает в радиус, хотя и с некоторым трудом.

Что касается модели K11 (древние геномы), то в этой модели мой «Urheimat» локализуется — весьма ожидаемо — на землях древней унетицкой и лужицких культур (51.1254133094371 13.2336209988448)

 

 

Охотники-собиратели Кавказа и южный генетический полюс ямников

Сергей Козлов

Охотники-собиратели Кавказа и южный генетический полюс ямников.

За прошедший год в научный оборот было введено множество палеогеномов из Европы и евразийской степи. Было доказано, что в западной части Европы произошло как минимум два резких смещения аутосомного ландшафта — сначала на палеоевропейские охотники-собиратели были замещены пришедшими из Анатолии неолитическими земледельцами (впрочем, часть их генофонда все же сохранилась), а впоследствии уже земледельцы оказались сильно потеснены новыми пришельцами, генетически схожими с представителями ямной КИО. Их след хорошо выделяется в современной Европе — во-первых, это относительно недавно обнаруженный, но ставший широко известным среди интересующихся геногеографией компонент ANE, во-вторых же, «загадочный» южный компонент ямников.

Авторы первой из опубликованных работ по аутосомам ямников смоделировали их, как смесь ~50 на 50 мезолитических восточноевропейских охотников-собирателей (EHG) и современных армян (впрочем, еще лучше на эту роль подошли иракские евреи, но их решили пропустить). Эта модель сразу вызвала во мне отрицательное отношение, поскольку у армян хорошо представлен аутосомный компонент неолитических земледельцев, а у ямников он не обнаружен в сколь-нибудь значимых количествах. Таким образом, модель изначально была неверна, но, к сожалению, была растиражирована еще до выхода статьи в свет (благодаря «утечкам» от авторов) и завладела многими умами. Постепенно вокруг слова «армянский» даже перестали ставить кавычки ))

К счастью, над палеогеномами работает целый ряд команд ученых и одна из них решила обратить внимание не только на северные палеообразцы, но и на остававшиеся долгое время в пренебрежении южные. Первой ласточкой стали два охотника-собирателя, жившие (согласно радиоуглеродной оценке) 9 и 13 тысяч лет назад на территории нынешней Грузии. В запаснике у этой команды еще немало могущих представлять интерес образцов древней ДНК, поэтому ждем дальнейших работ.

В качестве основного был использован более поздний из двух образцов, найденный в пещере Kotias. Он прочитан с весьма хорошим для палеогенома качеством (что позволило мне использовать его для подсчета IBD-сегментов). Моделирование показало, что в качестве «южного полюса» генофонда ямников кавказские охотники-собиратели (для них авторы статьи ввели новое сокращенное название — CHG) подходят намного лучше, чем любая из современных выборок:

Это и неудивительно — ведь доминирующим аутосомным компонентом в предпочитаемом мной калькуляторе MDLP K27 у Kotias является Gedrosia-Caucasian, о котором я уже писал:

Однако с точки зрения предковых компонентов Admixture такая модель — далеко не лучший вариант, «южный» ямный компонент скорее связывается с чем-то в промежутке между Восточным Кавказом и Средней Азией. Как и предполагалось, он коррелирует с бимодальным компонентом, условно называемым Gedrosia. Исходя из современных максимумов, его исторический центр находится где-то в южном Прикаспии, возможно, восточнее. Судя по всему, он представляет собой результат смешения «ближневосточного» компонента ENF и ANE, поэтому теоретически исторического центра может и вообще не быть.

Как выяснилось, девять тысячелетий назад этот компонент преобладал и в более западных районах. Что ж, это делает его только еще более подходящим.

Результаты Kotias в K27:

0.42%   Nilotic-Omotic

2.22% Ancestral-South-Ind.

3.66% North-European-Balt.

0.00% Uralic

0.01% Australo-Melanesian

1.79% East-Siberian

0.00% Ancestral-Yayoi

30.28%   Caucasian-Near-East.

0.00% Tibeto-Burman

0.00% Austronesian

0.00% Central-African-Pygm

1.05% Central-African-HG

3.66% Nilo-Saharian

0.00% North-African

52.04%   Gedrosia-Caucasian

0.00% Cushitic

0.00% Congo-Pygmean

1.73% Bushmen

0.00% South-Meso-Amerind.

0.00% South-West-European

0.00% North-Amerindian

0.00% Arabic

0.01% North-Circumpolar

3.13% Kalash

0.00% Papuan-Australian

0.00% Baltic-Finnic

0.00% Bantu

Карта сумм IBD-сегментов Kotias с образцами из современных выборок:

Лидерами по сумме сегментов оказались грузины (приведен список первых 25 результатов):

Georgian 71,79
Abkhazian 70,75
Lezgin 68,27
Greek_Azov 67,15
Balkarian 65,02
Kurd 64,38
Ossetian 62,66
Armenian 61,98
Nogay 60,38
Bosnian 60,23
Slovenian 60,02
Chechen 59,07
Adygei 58,39
Cypriot 58,28
Turkish 55,86
Kosovar 54,64
Ukrainian-West-and-Center 54,17
Bulgarian 53,21
Slovak 53,01
Cornish 52,46
Croatian 52,21
Kumyk 51,96
Makrani 51,91
Syrian 51,78
Greek 51,68

Что ж, можно их поздравить с генетической преемственностью на протяжении десятка тысячелетий. Однако по пропорциям компонентов Admixture грузины и абхазы довольно заметно отличаются от Kotias:

	Abkhasian_S3	Georgian_Kaheti_R2	Georgian_West_R4	Svan_R3
Nilotic-Omotic	0,24	0,00	0,52	0,06
Ancestral-South-Indian	0,75	0,92	0,44	0,31
North-European-Baltic	8,58	5,60	6,87	6,93
Uralic	2,17	1,69	0,72	2,34
Australo-Melanesian	0,27	0,07	0,59	0,42
East-Siberean	1,20	0,00	0,20	0,42
Ancestral-Yayoi	0,72	0,00	0,00	0,44
Caucasian-Near-Eastern	40,79	41,08	45,61	42,85
Tibeto-Burman	0,00	1,09	0,12	0,38
Austronesian	0,72	0,20	0,00	0,23
Central-African-Pygmean	0,05	0,06	0,20	0,00
Central-African-Hunter-Gatherers	0,22	0,15	0,29	0,18
Nilo-Saharian	0,55	0,01	0,02	0,15
North-African	0,50	1,17	0,90	0,31
Gedrosia-Caucasian	32,01	31,65	33,18	35,31
Cushitic	1,17	1,56	0,31	0,42
Congo-Pygmean	0,00	0,25	0,18	0,35
Bushmen	0,04	0,00	0,00	0,00
South-Meso-Amerindian	0,27	0,04	0,14	0,12
South-West-European	2,68	5,06	2,73	1,91
North-Amerindian	0,13	0,04	0,13	0,23
Arabic	2,42	6,83	3,56	3,72
North-Circumpolar	0,47	0,09	0,99	0,41
Kalash	2,38	2,33	1,66	1,77
Papuan-Australian	0,42	0,11	0,33	0,32
Baltic-Finnic	1,25	0,00	0,20	0,14
Bantu	0,00	0,00	0,11	0,28

Как видно, компонент Gedrosia-Caucasian у них стал заметно ниже, а более западные и южные Caucasian-Near-Eastern, Arabic, South-West-European — выросли. Вырос и «северный» North-European Baltic. Думаю, что это связано с миграциями в регион новых групп, что несколько размыло изначальный генофонд. Поэтому современные грузины подошли на роль «южного компонента» в меньшей степени по сравнению с Kotias, и древние CHG выглядят на генетической карте более «восточными» (почему я и помещал этот компонент где-то в Прикаспии).

Кроме Кавказа, вызывает интерес явная связь CHG с рядом балканских популяций (и примыкающей к ним правобережной украинской выборке) — вероятно, это неспроста. Причем направление миграций здесь, очевидно, именно от CHG либо их родственников к балканцам.

Думаю, что сами CHG могут быть смоделированы, как смесь ближневосточников и носителей ANE откуда-то с родины компонента Gedrosia. Например, в калькуляторе ANE K7 Kotias получается таким (как обычно, «Африка» отображает архаику палеогеномов):

31.10%   ANE

5.36% ASE

0.01% WHG-UHG

0.00% East_Eurasian

2.47% West_African

1.50% East_African

59.56%   ENF

Однако же никаких связей с Сибирью на карте IBD-сегментов он не проявляет. Таким образом, вновь встает вопрос о «южном» и «северном» вариантах ANE. Методами Admixture разделить его пока не удалось (если говорить о «чистом» ANE а не более новых компонентах, куда он входит составной частью). Возможно, он сам по себе является композитом — результатом смеси охотников северной Евразии и пришельцев с юга? Тогда у Kotias проявляется лишь его южная часть. Во всяком случае, мы можем выделить этот «восточный» компонент Kotias  в том числе и методом IBD-анализа, рассмотрев его разность с европейскими неолитическими земледельцами (EEF), выступающими здесь «прокси» ближневосточного компонента:

Результат прекрасно совпадает с распределением компонента Gedrosia-Caucasian — один из пиков оказался в Дагестане (лезгины), второй — рядом с исторической Гедрозией. Можно поздравить Вадима Веренича с удачным калькулятором. Любопытно, что соседи лезгинов по Восточному Кавказу — чеченцы и кумыки не оказались ярко выделенными, несмотря на немногим уступающую лезгинам долю ANE. Зато они выделяются у ямников и оленеостровца EHG. Возникает предположение, что либо эти народы в наибольшей степени испытали «ямное» влияние, либо «южный компонент» ямников наиболее связан с ними, либо их ANE относится к чуть другой веточке по сравнению с Kotias, более близкой к ямной. Во всяком случае. здесь есть, над чем подумать.

Теперь сравним Kotias с самими ямными геномами:

Как видите, связь с ямниками у выборок из Северной Европы и Поволжья-Урала очень сильна по сравнению со связью с CHG. Думаю, что основное объяснение этому — отсутствие у Kotias компонентов WHG и «северного» ANE. Они занимают основную часть как генофонда европейцев, так и ямников. Более интересна ситуация в Азии — в Средней Азии сильнее связь с ямниками, далее при движении на юг, к Индийскому океану, постепенно идет выравнивание в пользу CHG (возможно, это говорит о том, что ямное влияние сокращается и мы видим более «фоновое» родство) и на самом дальнем юге возвращается равновесие (эти популяции уже мало связаны как с ямниками, так и с CHG). «Ямный язык», вдающийся в Китай через алтайцев, уйгуров и Ту — не след ли это тоже индоевропейской миграции? Хотя это может быть и совпадением.

Что касается родного для Kotias Кавказа, то если на западе связь с ним очень сильна, к северо-востоку, как уже писалось, «ямное» влияние нарастает.

Некоторый интерес представляет и сравнение охотников-собирателей Кавказа с уже не раз упоминавшимися в этой заметке западноевразийскими охотниками-собирателями (WHG):

Поскольку WHG входит составной частью в генофонд неолитических земледельцев Европы (EEF), то «ближневосточное» влияние в Южной Европе, связанное с их миграциями, частично отфильтруется. Например, считающиеся наиболее схожими с EEF среди наших современников жители острова Сардиния здесь ярко-зеленые. Можно сделать вывод, что на Балканах и в южной Италии влияние CHG довольно серьезно (что мы и видели на первой карте). Хотя из-за влияния «чистого» WHG повсюду в Европе делать точные оценки сложно.

В заключение можно подытожить, что расшифровка геномов охотников-собирателей Кавказа является очередным, и достаточно заметным, шагом в деле восстановления доисторических миграций и формирования современной генетической картины в Евразии.

 

Генетический компонент северных евразийцев (ANE) в свете новых данных

Начало февраля порадовало важным событием: на  сервере Bioraxiv размещен препринт монументальной статьи Haak et al. (Iosif Lazaridis , Nick Patterson , Nadin Rohland , Swapan Mallick , Bastien Llamas , Guido Brandt , Susanne Nordenfelt , Eadaoin Harney , Kristin Stewardson , Qiaomei Fu , Alissa Mittnik , Eszter Bánffy , Christos Economou , Michael Francken , Susanne Friederich , Rafael Garrido Pena , Fredrik Hallgren , Valery Khartanovich , Aleksandr Khokhlov , Michael Kunst , Pavel Kuznetsov , Harald Meller , Oleg Mochalov , Vayacheslav Moiseyev , Nicole Nicklisch , Sandra L. Pichler , Roberto Risch , Manuel A. Rojo Guerra , Christina Roth , Anna Szécsényi-Nagy , Joachim Wahl , Matthias Meyer , Johannes Krause , Dorcas Brown , David Anthony , Alan Cooper , Kurt Werner Alt , David Reich) «Massive migration from the steppe is a source for Indo-European languages in Europe».  Несмотря на то, что сама статья еще находится на стадии препринта, уже сейчас очевидна глубина проработки материала. Нет никаких сомнений в том, что это объемное, вдумчивое и тщательное исследование  войдет в число главных работ в области индоевропеистики. По своей сути, коллектив авторов подвел в этой работе итоги всех предыдущих исследований введенных  «полных геномов» древних жителей Европы (возрастом в 8 000 -4 000 лет),  введенных в научных оборот за последние 2-3 года. Благодаря систематическому подходу к материалу и синтезу предыдущих наработок,  а также за счет использования  новейших физико-химических методов экстрагирования палео-ДНК вкупе с передовым современейшим биоинформатическим программным обеспечением,  авторы смогли строго и скурпулезно подойти к одному из важнейших вопросов истории, лингвистики и археологии — к вопросу о происхождении индоевропейцев.  К чести авторов, они признают, что даже после столь внушительного по своим размерам и качеству исследования, вопрос о первичном месте происхождения индоевропейцев остается открытым, и поэтому собственно обсуждение релевантности исследования палео-ДНК в свете существующих 4 главных теорий  происхождения индоевропейцев занимает в работе относительно мало места (стр.134-139).  Впрочем, вряд ли кто всерьез ожидал от этого исследования окончательного ответа на все вопросы индоевропеистики.  Тем не менее, подробный анализ аутосомного генома, а также однородительских маркеров (митохондриального генома и  Y-хромосомы) представителей целого ряда культур неолита, медногл и бронзового века восточной и западной Европы, и в особенности представителей Ямной культуры,  дает новую подпитку вечному спору между сторонниками разных версий происхождения индоевропейцев (т.к. многие вслед за Гимбутас связывают ямную культуру с общностью протоиндоевропейцев).

Зато остальная часть этой 172-страничной работы настолько богата (насыщена) фактическим материалом, что любой, даже самый искушенный, читатель попгенетической литературы получит большое удовольствие от приобщения к плодам многолетней работы умнейших ученых.   А работа, действительно, проделана огромная. Ученые воссоздали геномные данные 69 европейцев, живших между 8 000-3000 лет тому назад, за счет обогащения амплифицированных библиотек палео-ДНК. Эти библиотеки палео-ДНК они использовали для целевого отбора  394577 таргентных полиморфизмов (снипов) в панелях Affymetrix Human Origins. Обогащение именно этих специально отобранных таргентных позиций позволило снизить необходимые для анализа древней ДНК объемы секвенирования в среднем примерно в 250 (!) раз, что позволило авторам изучить на порядок больше лиц в сравнении с предыдущими исследованиями, и получить более полные знания о прошлом.

В работе показано, что уже 8,000-5,000 лет  назад население западной и восточной Европы следовали противоположным траекториям развития.

На заре евпропейского неолита, примерно 8,000-7,000 лет назад, отдельныетесно связанные родством и отличные от коренных европейских охотников-собирателей, группы  ранних земледельцев появились в Германии, Венгрии и Испании, в то время как Россия была населена особой группой восточных охотников-собирателей, имеющих родство с населением сибирского палеолита (24 000 л.н.в) , эта группа древних северо-евразийцев (ANE), представлена образцом MA1 (мальчик с палеолитической стоянки Malta-1 из южной Сибири); кроме того, этот компонент неплохо аппроксимируется «сибирской частью» генома изолированных индейцев Южной Америки (каритиана). Два образца охотников-собирателей из России (Карелия и Самары) образуют кластер «восточно-европейских охотников-собирателей «(EHG); пост-мезолитические охотники-собиратели  из Люксембурга, Испании и Венгрии (WHG) находятся на противоположенном конце клина охотников-собирателей, в то время как охотники-собиратели  Швеции  (SHG) находятся посередине. Интересно отметить, что геном охотника-собирателя из Карелии представляет собой смесь 38-40% компонента ANE и 60-62% компонента WHG, причем величина ANE значительно выше 20% ANE, выведенных для  шведского-охотника собирателя Motala-12 в предыдущем исследовании Lazaridis et al 2014).
В соответствии с тем, что EHG являются обмен население больше аллелей с «древних Северной евразийцев» (ГУ 7), чем любой другой.

Примерно  6-5 тысяч лет назад,  на большой части  Европы назад  произошел новый «подъем» потомков мезолитических охотников-собирателей, но в России  степные скотоводы Ямной культуры время произошли от смешивания  предыдущих племен восточно-европейских охотников-собирателей с населением ближневосточного происхождения.  Население Ямной культуры отличалось от своих предшественников -восточно-европейских охотников-собирателей EHG —  меньшим количеством обших аллелей с MA1 (| Z | = 6,7), что  свидетельствует о процессе дисперсии носителей ANE  на территории европейских степей где-то между 5 000-3 000 гг. до н.э. Уменьшение числа общих с образцом MA1 аллелей, вероятно объясняется появлением «примеси» от популяции или популяций, тесно связанных с
популяциями современного ближнего Востока, т.к. самая отрицательная f3-статистика  (отрицательная статистика однозначно свидетельствует о примеси) наблюдается при моделировании жителей Ямной культуры как продукта смешивания носителей компонента EHG  и современных популяций ближнего Востока, таких как армян (Z = -6,3).

Непосредственный контакт между населением западной и восточной Европой состоялся   ~ 4500 лет назад, а в геноме поздне-неолитического населения культуры шнуровой керамики на территории Германии прослеживается 75%-ный «генетический» вклад «степного» компонента представителей ямной культуры. Таким образом геном жителей культуры шнуровой керамики «документирует» массовую миграцию населения с восточной периферии Европы в ее центральные области. Данный «степной» компонент Yamna (гибрид EHG и ближневосточных популяций) сохранялась в значительных пропорциях у всех имеюшисхя образцах из центральной Европы как минимум до ~ 3000 г.н.э, и повсеместно встречается у современных европейцев.

 

 

Если географическая дихотомия неолитического и мезолитического генетических компонентов в Европе была отмечена еще в работах пионеров популяционной генетки вроде Л. Кавалли-Сфорца, то данные этой работы позволяют вставить последнее звено в решении головоломки. На основании данных можно предположить, каким именно образом третий генетический компонент европейцев (ANE) попал из Сибири  в Европу: сначала этот компонент несли представители EHG,  затем он перешло к «ямникам» (смешанная популяция восточно-европейских охотников-собирателей и населения ближневосточного типа), а затем от ямников к представителям культуры шнуровой керамики, которые представляли собой смесь представителей ямной культуры с средне-неолитическими европейцами.  В настоящее время этот компонент имеет плавное распределение на территории Европы, и по этой причине, мы можем использовать его в анализах структуры как генофонда целых народов, так и генома отдельно взятых людей.

В январе я провел небольшой  эксперимент c «чистым вариантом» аутосомного компонента ANE (ancestral North-Euarasians), впервые описаном в известной работе Lazaridis et al. 2014. Процедура вывода третьего генетического компонента в генофонде европейцев (ANE) оказалась гораздо сложнее, чем я предполагал в начале. Основная сложность заключалась в том, что в отличии от мезолитических и неолитческих сэмплов, у нас нет хорошого образца палеоДНК носителей компонента ANE. Пришлось заниматься реконструкцией генома, используя в качестве заменителей геном MA1 и не-восточноазиатскую часть генома индейцев каритиана. Технически, данный «компонент» был «синтезирован» в программе Plink с помощью 2последовательных запусков генерации «синтетических» популяций на основании частот аллелей аутосомных снипов, вычисленных в3 последовательных запусках программы Admixture.

Я получил компонент с максимально приближенным значениями к значениям компонента ANE в разных популяциях мира в работе Lazaridis et al. 2014. Изучение этого компонента важно для понимания многих неясных моментов истоии древних популяций в восточной Европе и на северном Кавказе. Последние статьи и анонсы лаборатории Давида Рейха к новой статье о составляющих аутосомного генофонда представителей ямной культуры и культуры шнуровой керамики дают основания полагать, что компонент ANE в Евразии могли разносить потоки миграции индоевропейцев, а генетическое разнообразие жителей Европы и Кавказа практически вписывается внутри класссического треугольника (клинов) генетических компонентов ANE-WHG-EEF (см.  ниже график PCA).

Формально,эта гипотеза проверяется с помощью инструментов f3-статистики (A; B,C) — формального теста на статистическую значимость предполагаемого варианта присутствия адмикса двух популяций-доноров в популяции-рецепиенте.

Я решил проверить надежность модели путем представления ряда европейских и кавказских популяций в виде продукта гибридизации носителей компонента ANE с «неолитическим» и «пост-мезолитическим» населением Европы (результаты ниже,  Z в последней колонке.

 

North-Caucas	Caucasian	ANE	-0.0006748	5.13E-05	-13.166
Mesolithic-North	Loschbour	ANE	-0.0011573	0.0001605	-7.21171
Mediterranean-Neolithic	Otzi	ANE	-0.0012012	0.0002376	-5.05634
Mesolithic-North	LaBrana	ANE	-0.0010358	0.0002097	-4.94043
Italian-East	Otzi	ANE	-0.0012473	0.0005013	-2.48825
Italian-East	Italian-West	ANE	-0.0005022	0.0004325	-1.16129
Maltese	Otzi	ANE	-0.0001611	0.0004147	-0.388512
Assyrian-1	Caucasian	ANE	-0.0002994	0.0009656	-0.310081
Spanish-Canar	Loschbour	ANE	-0.0002557	0.0011264	-0.227017
Italian-East	Maltese	ANE	2.36E-05	0.0003026	0.0779574
Italian-East	Caucasian	ANE	6.32E-05	0.000274	0.230808
Spanish-Canar	Otzi	ANE	0.0003307	0.0012476	0.265081
Assyrian-1	Italian-West	ANE	0.0003321	0.0012207	0.272035

Практически все полученные варианты для современных популяций в тесте f3 дали отрицательную Z-оценку.

Буквой Z обозначается стандартная оценка, основанная на нормальном распределении. Иначе говоря, Z-o. является мерой отклонения от среднего, выраженной в единицах стандартного отклонения. Z –оценка будет иметь отрицательную величину, если показатели адмикса будут выше медианного значения.
Очень высокие или очень низкие (отрицательные) Z-оценки, связанные с очень маленькими p-значениями, располагаются в хвостах нормального распределения, и является значимыми, а не случайными. А значит, компонент ANE был индуцирован мною правильно.

 

 

Что еще любопытно, так это то, что третья составляющая современных европейцев — компонент ANE в моем эксперименте плавно разделился на две подсоставляющих — MA1 (древние сибиряки эпохи палеолита) и Кавказ (в качестве основы я брал геномы грузин и армян).

То есть, скорее всего компонент ANE появился в результате смешивания «труъ» древних северных евразийцев и кавказцев. Собственно, об этом намекал Рейх в анонсе своей публикации результатов анализа геномов жителей ямной культуры.

Вероятно, что кавказские популяции (особенно в Дагестане), характеризующиеся высоким уровнем гомо- и аутозиготности в определенном смысле «законсервировали» в своем геноме тот первый массовый вброс компонента ANE в свой генофонд. И по этой причине, например, без специальной методики, в программе Admixture практически весь компонент ANE маскируется бимодальным компонентом, вроде знаменитого Caucas-Gedrosia в одном из первых этно-популяционных калькуляторов проекта Dodecad. Похоже, что генетика может в очередной раз частично примирить две антиномные теории (вернее, целые кластеры теорий) происхождения ИЕ — анатолийскую и степную. Нечто подобное наблюдалось после прочтения геномов неандертальцев и получения убедительных фактов гибридизации предков соврменного человека и архаических гомининов — неандертальцев, денисовцев. В результате чего теории мультирегионального и монорегионального происхождения человка были хотя бы в отдельных моментах приведены к общему знаменателю.

Как я уже упоминал ранее, мой опыт с «выведением» предкового аутосомного компонента индоевропейцев полностью удался. Поскольку всем очевидно, что этот компонент родственен «североиндийскому предковому компоненту» (ANI — обозначение из статьи Reich et al. 2009 и Moorjani et al 2011) о структуре генофонда индийских этнических групп), я взял 10 индийских этнических групп, имеющихся в кураторском наборе лаборатории Райха и проанализировал эту выборку в Admixture на пропорции вхождения их геномов в 2 априорно заданные кластеры. Первый кластер ANE был априорно задан 40 синтетическим индивидами, сгенерированными в программе Plink на основании расчитанных ранее частот аллелей «чистого» компонента ANE. В качестве дополнительного контрольного образца я использовал геном Malta1, т.к. он содержит в себе наивысшее содержание компонента ANE. Второй кластер был задан 4 индивидами Onge (одна из аборигенных народностей Андаманских островов). Как неоднократно указывалось в литературе, именно жители Андаманских островов являются самыми «чистыми» носителями т.н «южно-индийского» предкового компонента ASI (на континенте чистых носителей этого «компонента» не осталось, в том числе и среди популяций дравидов, ведда и мунда). После нескольких экспериментов по эвристическому методу проб и ошибок, я получил более или менее приемлимое разделение индивидов на 2 кластера, а затем вычислил частоты аллелей в каждом из этих кластеров. Любопытно, что в ходе опыта, удалось не только выделить компонент ANI, но и добиться неплохого уровня дискримнации между компонентом ANI, ANE, и благодаря этому, оба компонента могут быть включены в мой следующий этно-популяционный калькулятор.

Надежность компонентов я проверил на собственных данных. В рабочей модели калькулятора K14 удельное распределение этно-генографических компонентов моего генома выглядит следующим образом:

68.75% — европейский мезолитический компонент
13.12% — северо-евразийский компонент ANE
10.23% — европейский неолитический компонент
4% — ANI (северо-индийский предковый компонент)
1.6% — кавказский компонент
1.2% — алтайский компонент
0.2% — сибирский компонент

 

 

LAMP: инструмент для анализа «локального происхождения» геномных сегментов

В этом посте мы продолжим обсуждение существующих методик и инструментов анализа т.н «локального происхождения» отдельных сегментов хромосом в человеческом геноме (под локальным происхождением здесь подразумевается предпологаемое географическое происхождение дискретного сегмента одной их двух парных аутосомных хромосом в геноме человека).

Ранее эта тема поднималась в описании программы SupportMix, а также в сжатом изложении методологии оценки происхождения хромосомных сегментов (инструмент PCAdmix).  Данная заметка будет посвящена третьему инструменту — LAMP (Local Ancestry in adMixed Populations) (Sankararaman et al.2008).

Очевидно, что алгоритмы определения локального происхождения отдельных сегментов человеческих хромосом могут дать неплохие результаты при комбинированном использовании программ PLINK /ADMIXTUIRE/LAMP: например, комбинация этих программ позволяет довольно точно определить не только стратификацию отдельных этно-популяционных групп,  но также и уровень «адмикса» у отдельных людей. Поскольку одна из задач нашего проекта MDLP состояла в определении практических и теоретических преимуществ и/или ограничений конкретных методологий биоинформатического анализа полных генома, я провел эксперимент, позволяющий прояснить ряд ограничений, которые значительно уменьшают уровень достоверности результатов  субструктуры аутосомного генофонда населения Европы.

В качестве инструмента контроля качества комбинированного набора данных (аутосомных SNP-ов 22 хромосом) я использовал Plink, с помощью которого я выбрал для последующего анализа только качественные снипы (99% генотиприрования),  частоты минорных аллелей которых превышают 1%.

Поскольку этно-популяционный фон неравновесного линикиджа марекеров (LD) может существенным образом влиять на основные компоненты субструктуры популяции, я исключил из выборки маркеры, характеризующиеся статистически значимым уровнем LD (с коэффициентом попарной корреляции r2 Пирсона > 0,4) в «скользящем окне» из 100 снипов  с пошаговым сдвигом на 10 снипов. Кроме этого, я также использовал  другие методы Plink для получения однородной выборки  — например, кластеризации на основе IBS для обнаружения пары индивидов (outliers) с  уровнем «родства», значительно более высоким, чем у пары выбранных случайным образом индивидов в однородной популяции.  Под более высоким родством здесь понимается  резко отклоняющиеся значения (более 3 стандартных отклонений) парных значнений IBS по отношению к остальной части выбаки, а также случаи с высоким значения PIHAT (более 0,05) и  высокой степень инбридинга (гомозиготности*). Индивиды с подобными аномальными значениями («выбросы») были удалены из  «обучающего» подмножества нашей выборки .

—
* В программе Plink степень инбридинга определяется через вероятностную функцию гомозиготности.

 

Стратификация образцев в соответствии с уровнями гомозиготности. Вдоль оси Х отображена общая сумма гомозиготных сегментов в килобазах; вдоль Y-оси — средний размер гомозиготных сегментов в килобазах

 

 

Уровни индивидуальной гомозиготности в выбороке: вдоль ости X отложено количество сегментов NSEG. Общая длина гомозиготных сегментов отображается осью Y

 

По окончанию описанных выше процедур фильтрации снипов и удаления «выбросов», окончательный набор данных представлял собой набор данных из 90 455 снипов и 317 человек (289 мужчин, 82 женщин). Эти данные были использованы в последующем анализе.

Прежде всего, мы использовали программу ADMIXTURE (Alexandre, Novembre, Lange 2009), в которой реализована модель оценки максимального правдоподобия (ML), т.е алгоритм кластеризации и оценки структуры популяции в наборе генетических данных (снипов).

В целях сохранения совместимости с MDLP калькулятором, я остановился  на модели, в которой выборка представлена в виде комбинации 7 предковых компонентов (K=7).  Индивидуальные значения процентной составляющей каждого компонента в индивидуальном геноме (матрица Q), была визуализированы в R (ниже приведен график с результатами участников проекта MDLP, полный список  доступен в этой таблице).

Полученные предковые компоненты (K=7) я обозначил следующими названиями (с сопутствующей цветовой легендой)**:

• Транс-кавказский — красный
• Балканском / средиземноморском -желтый
• Северо-кавказский -зеленый
• Западно-европейский
• Алтайский — светло-голубой
• Балто-славянский — темно-синий
• Прибалтийско-финский / Северо-европейский -фиолетовый

**Как обычно, названия компонентов условны и  предназначены для мнемонических целей:  исследователи должны быть осторожными при интерполяции предполагаемых компонентов в анализе этнической истории популяций.

 

 

 

 

 

 

 

На следующем этапе, я разбил все 371 индивидуальных «геномов» выборки на 22 фрагмента (каждый из которой соответствует аутосомной хромосоме) и затем использовал  программное обеспечение Admixture для оценки структуры популяционного вклада в каждую из 22 хромосом. После этого я использовал пайплайн для перевода формата Plink  в формат BEAGLE и последующего поэтапного преобразования фазированных данных BEAGLE обратно Plink формат.

Я предположил, что все образцы в моей выборке (представленной образцами VID)  проекта MDLP возникли в в результате смешивание 7 отдельных предковых групп населения. Данное предположение означает, что «чистые» референсные группы населения тесно связаны с истинными предковыми популяциями. Исходя из этого предположения мы снова задействовали программное обеспечение Admixture,  на этот раз с целью определения предковых компонентов в фазированном наборе данных из отдельных неполовых (аутосомных) хромосом.

Только после этой процедуры я смог использовать программу LAMP для определения уровня адмикса у отдельных индивидов. На практике, определение индивидуального уровня адмикса  означает применение любой из указанных выше процедур, в которй используется либо модель «локус-специфического происхождения» (в случае, если предковые группы популяции априори  неизвестны), либо модель «локус-специфического происхождения» гибридного населения.  Затем полученные значения  локус-специфического происхождения» отдельных сегментов в индивидуальном геноме усреднеяются и   получаются значения долей адмикса в индивидуальном геноме.

Я  расчитал в программном обеспечении Plink частоты аллелей (в стратифицированных по этническим признакам кластерах), и добавил в файл фиксированные частоты рекомбинации (определяются отдельно для каждой из 22 хромосом). Для моделирования динамического процесса смешивания предковых компонентов, я использовал различное количество поколений G ( 5, 10,25 поколений),  предполагая 3 хронологически разных варианта, в которых при  K = 7  предковые популяции A1, …, Ak,  перемешивались в течение G = 5,10,25 поколений.

Результаты экспериментов для каждой из хромосом размещены в отдельные таблицы Excel, каждый из файлов Excel включает в себя следующие разделы:

1) результаты Admixture для фазированных генотипов хромосомы (Chr * -phased)
2) результаты Admixture для нефазированных генотипов хромосомы (Chr * -unphased)
3) результаты LAMP для G = 5 (Chr * -lamp-GEN5)
4) результаты LAMP для G = 10 (Chr * -lamp-GEN5)
5) результаты LAMP для G = 25 (Chr * -lamp-GEN5)

Образец этих выходных данных можно посмотреть в файле Excel с результатами анализа хромосомы 1 (Chr1).

PCAdmix: инструмент и методология для оценки происхождения хромосомных сегментов

В марте прошлого года  Сергей Козлов — один из соавторов данного блога, — опубликовал важную с точки зрения методологии генетико-генеалогического анализа заметку о принципах оценки вероятности определения времени жизни последнего общего предка при попарном сравнении аутосомных данных двух или более сравниваемых индивидов.  Действительно, в последние годы среди людей, интересующихся генеалогией, приобрели заметную популярность сервисы, производящие поиск генетических родственников по всем линиям, а не только по прямой мужской и прямой женской. В качестве примера можно привести Family Finder от FTDNA и DNA relatives от 23andMe. Участник получает достаточно длинный список так называемых «совпаденцев» — людей, имеющих с ним один или более участок половинного совпадения (УПС) на аутосомах (неполовых хромосомах). Если участок достаточно длинный (а его длина измеряется в сантиморганидах, обозначающих вероятность разрыва участка при каждой передаче в следующее поколение), то это говорит о наличии общего предка (от которого участок и получен).
Для значительной части клиентов сервисов персональной коммерческой геномики, интересующихся исключительно вопросами своего происхождения, вопрос о достоверном определении времени жизни общих предков имеет первостепенное значение. И вместе с тем, именно проблема с получением четкого ответа на этот краеугольный вопрос служит одной из главных причин недовольства и раздражения клиентов компаний вроде FTDNA или 23andme.

Действительно, изучив длинные сегменты генома, передававшихся от поколения к поколению и встречающиеся у многих людей, можно примерно определить степень и интенсивность предковых связей, берущих начало много тысяч лет назад.  Здравый смысл подсказыает — дальние родственники имеют такие длинные сегменты генома потому, что они унаследовали их от общих предков. У более далеких родственников длина сегментов общих геномов соответственно становится короче, поскольку происходит рекомбинация гомологичных хромосом, в результате чего с каждым следующим поколением происходит перемешивание всей совокупности генов или генотипа. Очевидно, что число и размер совпадающих общих по происхождению сегментов геномов у двоих произвольно взятых лиц из однородной метапопуляции коррелирует с географический дистанцией —  количество общих генетических предков резко уменьшается по мере увеличения географического расстояния.

Однако наряду с  географически близкими (в пределях 50-100 км)  «совпаденцами», нередко в списках «совпаденцев», предоставляемых в 23andme или FTDNA появляются совершенно экзотические «совпаденцы». Например, у финна может появится совпаденец из Италии, а у корейца — из  Великобритании. Совершенно очевидно, что подобные случаи очень сложно объяснить не только простым сопоставлением сведений о географическом происхождении предков, но даже и безотказной в простых случаях  моделью наложения «этнопопуляционного аутосомного фона в виде коротких реликтовых  IBD сегментов».

В этой связи возникает практический вопрос — как интерпретировать подобные случаи, при условии что подобные сегменты представляют собой не «ложно-позитивные», а вполне достоверные совпадения, указываюшие на существование в неопределенный момент прошлого некоего общего предка. И подобные случаи характерны не только для коммерческих «выборок», но и для вполне серьезных научных баз данных, например 1000 Genomes. В частности,  в этой базе данных при сравнении редких снипов у 89 британцев и 97 китайцев были обнаружены три англо-китайские пары с отдаленным генеалогическим родством ( в геноме этих пар были обнаружены идентичные по происхождению фрагменты (IBD сегменты) ДНК,  которые составляют 0,001%, 0,004% и 0,01%  их геномов).

Самое простое решение этой проблемы некоторые из любителей генетической генеалогии пытались найти в обращении к сервисам главного инструмента аутосомной генетической генеалогии  Gedmatch. В частности, как известно, данный сервер содержит онлайн-версии практически всех популярных среди любителей модификаций DIYDodecad калькуляторов. Например, выбрав разработанный мною калькулятор MDLP K23b в режиме Chromosome painting: Paint differences between 2 kits, 1 chromosome   и сравнив характер распределения предковых компонентов на гомологичных хромосомах у двух сравниваемых людей, можно получить примерное представление о географическом ареале, в котором мог жить общий предок этих людей (вероятно, на этот ареал будет указывать доминирующий на совпадающем сегменте компонент). Логика простая. Предположим, например, что мы сравниваем  сегменты хромосомы X в данных индивида A этнического происхождения D c данными индивида В этнического происхождения С. Здесь возможны три варианта

• С-происхождение предка или предков индивида A
• D-происхождение предка или предков индивида B
• Y-происхождение подмножества предков обоих индивидов

Используя эту логику,  можно предположить что если в попарном сравнении  сегмента обозначится хорошо выраженное преобладание (по отношению к средним значениям) компонента, характерного для этнопопуляции С, то следует выбрать первый сценарий; аналогично, если обнаружится избыток компонентов характерных для этнопопуляции D, то следует выбрать второй сценарий; если будет замечено преобладание редких  для этнопопуляций С и D компонентов, то следует остановится на третьем варианте.

 

---

Пример I.

В этом примере мы будем использовать свои данные и данные женщины, с которой у нас был обнаружен подтвержденный генеалогией общий предок, живший в середине 19 века.  При сравнении наших данных, алгоритм поиска достоверных генеалого-генетических совпадений обнаружил три сегмента с генетической дистанцией > 7 cантиморганов, cостоящих в блочной записи из более чем 700 последовательно совпадающих снипов

	Start Location	End Location	Centimorgans (cM)	SNPs
4	32232224	42421625	13.2	1115
7	8295405	13845989	9.8	885
11	36784445	45084878	8.0	881

Самый большой сегмент = 13.2 cM
Общий размер сегментов с сантиморганах > 7 cM = 30.9 cM
Приблизительное число поколений до общего предка  = 4.4

Задетектированные  сегменты хромосом идеографически отображаются при попарном сравнении в цветовой гамме — черный цвет означает несовпадающие сегменты, другие цвета — компонентную привязку к одному из компонентов моего калькулятора MDLP K23b.  Ниже приведены фрагменты идеографического отображения 2 из 3 вышеуказанных совпадающих сегментов на кариограмму 4 и 7 хромосомы.:

Сегмент на 4 хромосоме

Сегмент на 7 хромосоме

Самый значительный сегмент (13.2 сM) на 4 хромосоме имеют хорошо заметную привязку к северо-восточно-европейскому компоненту [зеленый цвет], в исторической перспективе связанному с наследием мезолитического населения этого региона. А вот сегмент на 7 хромосоме имеет более сложную структуру, в которой характерно преобладание кавказского компонента [голубой цвет]. Таким образом можно уверено утверждать, что общий предок (или предки) могли жить в регионе восточной Европы.

К сожалению, данный инструмент сегментного сравнения на  Gedmatch хотя и прост в обращении (в силу интуитивной понятности), однако  далек от совершенства. В первую очередь, на аккуратность определения «генографического»происхождения сегмента влияет отсутствие на сервере  гаплоидных фаз похромосомных данных. В результате, сравнение ведется не по конкретной фазе (т.е по конкретной хромосоме доставшейся ребенку от каждого из родителей), а по диплоидному составному блоку, т.е вместо настоящих IBD мы можем оперировать half-IBD (HBD), которые на слэнге русскоязычных любителей именуются УПС-ами. Во вторых, аккуратность генографического определения  зависит от аккуратности определения предковых компонентов в используемом варианте калькулятора, но это отдельная тема для разговора.

---

К счастью, парадокс «экзотических» совпаденцев имеет более точное решение с помощью одной из программ, позволяющих определять геногеографическую структуру или «локальное происхождение» совпадающих сегментов.  Можно использовать разные программы, HAPMIX, LAMP , HAPAA, ANCESTRYMAP — так как несмотря на ряд принципиальных отличий, все они используют алгоритмы моделнй скрытых марковских цепей (HMM) и поэтому выдают в целом схожие результаты. К этому же классу программ относится и более новая програма PCAdmix, которую я буду использовать в своем втором примере, в котором я задействую фазированные в BEAGLE генотипы.  В целях разжевывания принципов работы программы, следует вкратце описать рабочий процесс PCAdmix.
PCAdmix являет cобой метод, который оценивает локальное происхождение хромосомных сегментов с помощью анализа главных компонентов (PCA)  фазированных гаплотипов. В самом начале выполняется анализ главных компонентов в 2-3 референсных панелех, необходимых доя построения пространства главных компонентов, например, для хромосомы 22 . Поскольку метод использует фазированные данные, каждая копия хромосомы 22 в референсных панелях рассматривается как отдельная точка в пространстве главных компонентов. Первые две главные компоненты, как правило, представляют собой оси «предкового» расхождения популяций референсных панелей, что хорошо заметно на графиках. Если подобного рассхождения не наблюдается,  то скорее всего в популяциях референсных панелей «маскируется» присутствие неявной популяционной субструктуры. В построенное таким способом пространство главных компонентов в дальнейшем проецируется группа лиц «смешанного» происхождения, и затем определяется значение нагрузки главных компонентов для каждого снипа.  После этого метод переходит к анализу коротких «окон» снипов — для каждого из этих окон вычисляются  вероятности того, что данное окно в гаплотипе человека «смешанного» происхождения происходит от одной из референсных популяций. Вычисленные таким образоом вероятности различных вариантов происхождения каждого окна снипов, используются на заключительном этапе метода в  скрытой моделе Маркова (HММ) для сглаживания шума в определении происхождения «окон» снипов. Таким образом, данная скрытая модель Маркова НММ зависит от значений главных компонентов, доли каждого «компонента происхождения» на заданной хромосоме, а также матрицы перехода, которая, в свою очередь, зависит от числа поколений прошедших с момента смешивания популяций и генетического расстояния (сM) между двумя окнами снипов. В текущей версии метода, рекомбинаторные расстояния и число поколений определяются параметрами.
Конечным результатом рабочего процесса PCAdmix является матрица состяний скрытой модели Маркова, содержащая апостериорную вероятность каждого из возможных вариантов происхождения для данного «окна снипов», и эта вероятность обусловлена остальной частью данных для хромосомы. Важно отметить, что происхождение каждого окна снипов определяется только в том случае если апостериорная вероятность для одного из возможных происхождений > = 0,8. Любое окно, для которого максимальная апостериорная вероятность любого варианта происхождения <0,8, считается «неопределенным».

---

Пример 2

Данный пример основан на реальном случае, когда ко мне обратился человек, чьи предки происходят из центральных регионов Азии. Смущенный наличием в списке своих совпаденцев в сервисе Relative Finder 23andme  человека с корейскими и японскими корнями, а также  семейными легендами о «восточноазиатской»прабабушке, он попросил меня определить вероятность присутствия японцев в числе своих ближайших (в пределах 5 поколений) предков, опираясь исключительно на аутосомные данные.

В этом эксперименте, я решил скурпулезно следовать инструкциям разработчиков PCAdmix, и для начала произвел фазирование (биоинформатическую реконструкцию гаплотипных фаз аутосомных хромосом) в программе BEAGLE. Данные тестанта (ок 400 тыс. снипов) были фазированы в присутствии 3 контрольных референсных групп популяций — британцев GBR, китайцев CHB и японцев JPT — поскольку эти группы были позднее задействованы мной в качестве 3 референсных панелей. В целях уменьшения количества ошибок, которые неизбежно появляются в результате импутации пропущенных «генотипов» снипов, я использовал только те общие снипы, которые были определены как в аутосомных данных клиента 23andme, так и в трех референсных группах.

Затем фазированные данные тестанта были похромосомно обработаны в рабочих циклах программы PCAdmix. Программа отфильтровала cнипы с низким значением MAF и высоким значением LD, в результате чего число снипов уменьшилось почти вдвое. Оставшиеся снипы были разбиты на «окна снипов», каждое из которых состяло из 20 снипов.  При расчете по всем 22 хромосомах, общее количество полученных таким разбиением «окон» составило 11 997. В конце рабочего цикла (метод главных компонентов + HMM) программа выдала для каждой парной аутосомной хромосомы A и B  файл в формате bed, удобном для отображения дополнительной информации в аннотации генома (номер хромосомы, начало и конец сегмента, наиболее вероятный регион происхождения сегмента, cM, максимальная вероятность и апостериорная вероятность одного из трех вариантов происхождения — JPT, GBR, CHB, непоказана в таблице). В конечном отчете GBR используется как индикатор сегментов не-восточноазиатского происхождения (nEA), JPT — японского происхождения (JPA), CHB — неспецифичных сегментов восточноазиатского происхождения (EA) :

10	111955	468599	GBR	0.004885	0.134147	GBR*	0.636943
10	521723	811876	GBR	0.142147	0.582463	GBR*	0.646868
10	815149	1151723	GBR	0.585829	0.898724	GBR*	0.676252
10	1156487	1335849	GBR	0.901503	1.23673	GBR	0.925059
10	1337709	1449849	GBR	1.24246	1.60705	GBR	0.99999
10	1454864	1510208	GBR	1.61249	1.76798	GBR	0.999506
10	1512546	1623734	GBR	1.77039	2.12653	GBR	0.999647
10	1624900	1669347	GBR	2.13038	2.25357	GBR	0.999778

Выбор формата BED в качестве формата выходных в моем случае также был далеко неслучайным. C помощью одной из библиотеки платформы Bioconductor формат BED легко отображается в кариограмме 22 пар аутосомных хромосом человека (я использовал координаты геномного билда b37). Чтобы было понятно, что именно изображают эти «кариоплоты» (идеографические изображения хромосом), необходимо пояснить, что  «японское происхождение» (JPA) приписывалась 20-сниповому сегменту только в том случае, если апостериорная вероятность японского происхождения данного «окна из 20 снипов» составляла > = 0,8. Любое окно, для которого максимальная апостериорная вероятность любого варианта составляля <0,8, засчитывалось как окно  с «неопределенным» происхождением (UND).

Chromosomes A

 

Chromosomes B

Эксперимент показал, что среди 11997 «окн» число  «окон» не-восточноазиатского (nEA) происхождения (7650) почти в два раза больше чем число «восточноазиатских» сегментов. Происхождение 2750 геномных «окон» снипов невозможно определеить, и только 965 «окна» могут быть определены как «японские по происхождению». Вместе с 617 окнами «китайского» (EA),  восточно-азиатские сегменты составляют меньше, чем 10% генома.
Не менее важно и то обстоятельства, что значительная доля этих сегментов-окон пришлась на низких «консервативные, низкорекомбинантные» области хромосом,  — такие, как  например, теломеры, центромеры и регионы с низкой плотностью снипов: сегменты в таких регионах могут переходить от одного поколения к другому фактически в неизменном виде. Наконец, те же закономерности распределения родословной были отмечены в обеих фазированных наборах аутосомных хромосом, что опровергает версию о недавной «восточноазиатской» примеси со стороны одного из родитедей и скорее  свидетельствует о древнем эпизоде смешивание определенных центрально- и юго-западноазиатских групп с группами восточноазиатского происхождения (например, в ходе монгольских или тюркских нашествий).

Разумеется, как и во многих других моделях анализа, основанных на вероятностях, наше заключение нельзя считать окончательным вердикторм. Вместо этого, лучше сказать, что шансы в пользу существования «недавнего японского предка» против шансов отсутствия такого, составляют 10 к 90. Другими словами, вариант с недавней японской «примесью» нельзя полностью исключить, поскольку вероятность такого сценария  составляет 11%.

 

Публикации и работа с палеогеномами

Как я уже отмечал в своих предыдущих записях, за последние годы был опубликован ряд работ, посвященных попыткам генотипирования останков древних людей — от живших несколько тысячелетий назад до «усть-ишимца» с предположительным возрастом около 45 тысяч лет, неандертальцев и «денисовки». Количество таких расшифровок растет все быстрее, что не может не вызывать оптимизма.  Вторая половина 2014 года особенно примечательна как количеством подобных публикаций, так и числом полных геномных NGS-сиквенсов древних людей, размещенных в публичных репозиториях (банках геномных данных). Так, в сентябре в Nature была опубликована окончательная версия работы Lazaridis et al. 2014  «Ancient human genomes suggest three ancestral populations for present-day Europeans». Работа получила широкое освещение в СМИ, поскольку аналитическая выборка сэмплов в этом исследовании включала значительное количествао заново генотипированных (на чипе Affymetrix HumanOrigin) образцов ДНК из древних палеолитических стоянок Сибири (Афонтова Гора, Малта), представителя древней индейской культуры Кловис и палеоэскимоса Cаккак. В работе был представлен  целый  ряд образцов древней ДНК представителей европейских мезолитических и неолитических культур, опубликованных в более ранних работах 2012-2014 годов: Skoglund et a. 2014 «Genomic Diversity and Admixture Differs for Stone-Age Scandinavian Foragers and Farmers»(шведские земледельцы и охотники собиратели эпохи неолита); Olalde et al. 2014 «Derived immune and ancestral pigmentation alleles in a 7,000-year-old Mesolithic European» (дДНК мезолитического населения Иберийского полуострова) и т.д.

В этой связи необходимо также отметить статью Carpenter et al. 2013 «Pulling out the 1%: whole-genome capture for the targeted enrichment of ancient DNA sequencing libraries», в которой целый авторский коллектив представил результаты исследований древних образцов ДНК найденных в захоронениях бронзового века II тыс. д.н.э (Болгария и Дания).  В следующей работе опубликованной в конце октября, Gamba et al. 2014. «Genome flux and stasis in a five millennium transect of European prehistory»,  читателям была представлена хронологическая перспектива на процесс изменения генофонда населения популяций живших на территории  Паннонской равнины на протяжении 5000 лет (с эпохи неолита до конца железного века), проиллюстрированная на примере изучения 13 образцов древней ДНК. Параллельно вместе с этим Wellcome Trust Sanger Institute разместил геномные «риды» геномов древних англосаксов и бриттов (сама статья еще находится в процессе пре-публикации, презентация статьи была представлена на последней конференции AJHG).

Более важные публикации появилась совсем недавно. В частности, таковой публикацией является статья Fu et al. 2014 «Genome sequence of a 45,000-year-old modern human from western Siberia» о  геноме так называемого «усть-ишимца» (возраст останков которого датируются 45 000 д.н.э) и статья Seguin-Orlando et al. 2014 «Genomic structure in Europeans dating back at least 36,200 years», посвященная обсуждению результатов анализа ДНК знаменитого «папусоида»  с палеолитической стоянки Костенки-14.Тело мужчины, жившего 37 тыс. лет назад и найденное в 1954 г. на юго-западе России, оказалось источником старейшей европейской ДНК. Анализ его генома, опубликованный на прошлой неделе, показывает, что большинство разнообразных европейских генетических комбинаций существуют более 30 тыс.лет и пережили последний ледниковый период. Генетики обнаружили что ДНК Костенки-14 является близкородственным по отношению к раннеевропейским охотникам-собирателям, современным европейцам и жителям Сибири.
В то же время другой древний геном, данные о котором были опубликованы несколько недель назад, принадлежащий сорокапятитысячелетнему западному сибиряку, известному как Усть-Ишим, имел родство как с европейцами, так и с азиатами.  Любопытно, что в этой статье подтверждается то о чем я говорил гораздо раньше: процент неандертальских генов у древних евразийцев был выше чем у современных (о чем я упоминал в одной из своих заметок в этом блоге).

Трудами известного геномного блоггера Феликса Чандракумара большинство из них было переведено в простой и доступный формат, аналогичный файлам raw data от FTDNA и 23andMe. В GEDMatch можно поиграть с этнокалькуляторами и даже попытаться сравнить свой геном с геномами древних людей.Для этого следует взять из таблицы (кот. видна, если пройти по ссылке) номера, которыми обозначены древние геномы.

Sample Name	Sample Location	GEDMatch	Sex	Y-DNA	Mt-DNA	Approx. Age by authors	My Analysis or Comments
Altai Neanderthal	Denisova Cave, Siberia	F999902	Female			50,000 years
Denisova	Denisova Cave, Siberia	F999903	Female			30,000 years
Palaeo-Eskimo	Qeqertarsuaq, Greenland	F999906	Male	Q1a	D2a1	4,000 years	Palaeo-Eskimo 2000 BC DNA
Clovis-Anzick-1	Montana, North America	F999919	Male	Q-Z780	D4h3a	12,500 years	Matches Living people.
Mal’ta	South-Central Siberia	F999914	Male	R	U	24,000 years	Matches Living people on X Chromosome.
La Braña-Arintero	León, Spain	F999915	Male	C-V183	U5b2c1	7,000 years	Analyzing La Braña-Arintero Ancient DNA
Motala-12	Östergötland, Sweden	F999917	Male	I-L460	U2e1	7,000 years	My Analysis of Motala-12 ancient DNA
LBK	Stuttgart, Germany	F999916	Female		T2c2	7,500 years	Matches Living people
Loschbour	Loschbour, Luxembourg	F999918	Male	I-L460	U5b1a	8,000 years	Matches Living people
Ajvide58	Sweden	F999924	Male	I-CTS772	U4d	5000 years	Ajvide58 DNA Analysis
Gökhem2	Sweden	F999934	Female		H1c	5000 years	Gökhem2 Ancient DNA Analysis
Hinxton-2	Cambridgshire, UK	F999921	Female		H2a2b1	1300 years	Hinxton-2 Analysis
Hinxton-3	Cambridgshire, UK	F999922	Female		K1a4a1a2b	1300 years	Hinxton-3 Analysis
Hinxton-4	Cambridgshire, UK	F999925	Male	R-DF25	H1ag1	2000 years	Hinxton-4 has X-Matches with living people
Hinxton-5	Cambridgshire, UK	F999926	Female		H2a2a1	1300 years	Hinxton5 Ancient DNA Analysis
KO1	Tiszaszőlős-Domaháza, Hungary	F999931	Male	I-L68	R3	5650-5780 cal BC	Analysis of Neolithic KO1 genome
NE1	Polgár-Ferenci-hát, Hungary	F999937	Female		U5b2c	5070-5310 cal BC	NE1 Ancient DNA Analysis
NE5	Kompolt-Kigyósér, Hungary	F999927	Male	C-F3393	J1c	4990-5210 cal BC	Ancient Hungarian Genome NE5 Analysis
NE6	Apc-Berekalja I., Hungary	F999932	Male	C-P255	K1a3a3	4950-5300 cal BC	Analysis of Hungarian genome-NE6
NE7	Apc-Berekalja I., Hungary	F999928	Male	I-L1228	N1a	4360-4490 cal BC	Ancient Hungarian genome — NE7
CO1	Apc-Berekalja I., Hungary	F999930	Female		H	2700-2900 cal BC	Analysis of Copper age genome CO1
BR2	Ludas-Varjú-dűlő, Hungary	F999933	Male	J-M67	K1a1a	1110-1270 cal  BC	Ancient BR2 matches living people
IR1	Ludas-Varjú-dűlő, Hungary	F999929	Male	N-M231	G2a1	830-980 cal BC	Ancient Hungarian genome — IR1
Tyrolean Iceman (ERP001144)	Tisenjoch Pass, Oetztal Alps		Male			5300 years	Pending
Ust’-Ishim	Ust’-Ishim, Siberia	F999935	Male	K-M526	R	45,000 years	Ust’-Ishim matches with living people!
Kostenki14	European Russia	F999936	Male	C-V199	U2b	38,700-36,200 years	Kostenki14 Ancient DNA Analysis

Sample Name	Sample Location	Sex	Y-DNA	Mt-DNA	Approx. Age by authors
Mezmaiskaya Neanderthal	Mezmaiskaya Cave	Female			29,000 years
Tianyuan	Tianyuan Cave, China			R	40,000 years
Afontova Gora-2	South-Central Siberia	Male	R1?	R	17,000 years
Motala-1	Östergötland, Sweden	Female		U5a1	7,000 years
Motala-9	Östergötland, Sweden	Female		U5a2 or U5a1f1a1	7,000 years
Motala-6	Östergötland, Sweden	Male		U5a2d	7,000 years
Motala-2	Östergötland, Sweden	Male	F-P139	U5e1	7,000 years
Motala-4	Östergötland, Sweden	Female		U5a2d	7,000 years
Motala-3	Östergötland, Sweden	Male	I-M258	U2e1	7,000 years
Hinxton-1	Cambridgshire, UK	Male	R-L151	K1a1b1b	2000 years
Ajvide53	Sweden	Female		U4d	5000 years
Ajvide59	Sweden	Male	I-PF3796	U5b2c1	5000 years
Gökhem7	Sweden	Female		H	5000 years
Ire8	Sweden	Male	I-CTS6343	U4d	5000 years
StoraFörvar11	Stora Karlsö, Sweden	Male	I-CTS4077	U5a1f1a	7500 years
Gökhem4	Sweden	Male	CF-M3690	H	5000 years
Gökhem5	Sweden	Female		K1e	5000 years
Ajvide52	Sweden	Male	HIJK-F929	HV0a	5000 years
Ajvide70	Sweden	Female		U4d	5000 years
NE4	Polgár-Ferenci-hát, Hungary	Female		J1c	5050-5290 cal BC
NE3	Garadna, Hungary	Female		X2b	5010-5210 cal BC
BR1	Kompolt-Kigyósér, Hungary	Female		K1c1	1980-2190 cal BC
KO2	Berettyóújfalu-Morotva-liget, Hungary	Female		K1	5570-5710 cal BC
NE2	Debrecen Tócópart Erdõalja, Hungary	Female		HV	5060-5290 cal BC
V2	Vratitsa, Bulgaria	Male		U2e1’2’3	1500-1100 BC
M4	Borum Eshøj, Denmark	Male		B2	1350 BC
K8	Krushare, Bulgaria	Male		R	450-400 BC
NA43	Laguna de los Condores, Peru	Male		B4b’d’e	1000-1500 AD
AusAboriginal	Western Austalian	Male	F-M235	O1a	100 years
NA41	Laguna de los Condores, Peru	Male		L3	1000-1500 AD
P192-1	Svilengrad, Bulgaria	Male		U3b	800-500 BC
T2G2	Stambolovo, Bulgaria	Male		H1c9a	850-700 BC
NA42	Laguna de los Condores, Peru	Male		D1	1000-1500 AD
NA50	Laguna de los Condores, Peru			B4b’d’e	1000-1500 AD
NA47	Laguna de los Condores, Peru			L3	1000-1500 AD
NA40	Laguna de los Condores, Peru			L3	1000-1500 AD
NA39	Laguna de los Condores, Peru	Male		B2	1000-1500 AD
Feld1 Neanderthal	Neander Valley, Germany				42,000 years
Sid1253 Neanderthal	El Sidron cave, Asturias, Spain				49,000 years
Vi33.16 Neanderthal	Vindija cave, Croatia	Female			38,310 years
Vi33.25 Neanderthal	Vindija cave, Croatia	Female
Vi33.26 Neanderthal	Vindija cave, Croatia	Female			44,450 years

В своем блоге Феликс размещает аналитические отчеты по каждому из проведенных анализов, отчеты включают графическое отображения «состава различных геномных компонентов происхождения» каждого из образцов в калькуляторах Gedmatch (включая мой последний калькулятор K23b), фенотипические признаки (предположительный цвет кожи и глаз), возраст на момент смерти и т.д.
Пытаясь ответить на вопрос,  насколько  правдоподобны (в смысле реального генеалогического родства) результаты совпадения сегментов древних и современных людей, Феликс приводит замечательные вычисления оценки правдоподобия совпадений в геномах современных людей и древних образцов. К сожалению, рассуждения замечательные, но вызывающие определенные вопросы, которые я озвучу в другой заметке.

Так или иначе, поставленная Феликсом на поток и практически полностью автоматизированная работа с древними геномами заслуживает безусловного признания, поскольку в силу разделения труда позволяет другими исследователям-любителям полностью сконцетрировать свое внимание на процессе непосредственного анализа полученных данных, вместо того чтобы тратить свои ресурсы на процесс извлечения снипов из «сырых» геномных данных. Благодаря этому разделению труда,  Давид Веселовский из проекта Eurogenes провел ряд замечательных экспериментов с этими данными (включая PCA, Treemix и вычисление генного дрейфа с помощью f3). В основном выводы этих экспериментов повторят то, что было написано в статьях профильных генетиков, за исключением одного интересного вывода на основании графа Treemix, в котором отображено направление процессов обмена генами между различными древними популяциями:

«В отношении Kostenki14, графики  Treemix  подтверждают один из основных выводов работы Seguin-Orlando et al. 2014, согласно которой  главны компонент образца  Kostenki-14  является базальным «предковым» компонентом более поздних европейцев (Basal_Eurasian). Тем не менее, два последних графика показывают, что этот базальный «компонент» не тот же самый «базальный» компонент в геноме неолитического образца из Штутгарта, связанного с базальным евразийским  компонентом, который был описан  в работе Lazaridis et al. 2013″.

Другой геномный блоггер, Сергей Козлов, использовал те же самые данные палеогеномов (взятые с сайта Ф. Чандракумара) для создания замечательных карт, иллюстрирующих количество и интенсивность общих IBD-сегментов палеогеномов и геномов современных популяций.

Я решил не оставаться в стороне и провел собственный анализ PCA и кластеризации популяций по значениям компонентов генетического разнообразия.

Ниже приведены иллюстрации к моему опыту кластеризации собственного генома с геномами древних жителей Евразии. В качестве входных данных алгоритма ward-кластеризации в программе R, я использовал собственные значения 4 векторов главных компонентов (PC) разнообразия. Эти векторы, в свою очередь, были получены путем вычислений в большом массиве (2024 образца) генетических данных (примерно 110 тысяч снип-полиморфизмов) представителей современных и древних популяций. Мой геном (обозначенный как Vadim) представляет собой набор, полученныq в ходе импутации по датасету Human Origin значения снипов информативных с точки зрения эволюционного происхождения, и используется в качестве контрольной группы.

Для начала график PCA, и положение палеогеномов на этом графике.

В аналитической выборке я задействовал снипы геномов высших и низших приматов (дендрограмма выборка укоренена на геноме мармозетки), древних гоминидов (денисовского человека и неандертальцев). Остальное — как я и упоминал выше — представляет собой совокупность снипов современных и древних популяций.

Благодаря характеру выборки и характеру используемых снипов, я могу взглянуть на свое происхождение с наиболее широкой перспективы, позволяющей проследить индивидуальный эволюционный путь от древнейших людей до наших современников.
Можно сказать, что я проделал самое далекое (из всех предыдущих) генеалогическое путешествие в собственное прошлое. Разумеется, без предыдущего выделения обработки образцов древнего ДНК новейшими биохимическими методами, а также публикации данных — это путешствие длинной в сотни тысяч лет не могло бы просто состоятся. Так что огромное спасибо всем биохимикам, генетикам и биоинформатиков работавшим с образцами древней ДНК.

Полученные мной кластерные дендрограммы вышли очень большого разрешения. В силу этого, имеет смысл изучить топологию, структуры и расположение популяционных групп-кластеров в полномасштабном варианте, иначе могут возникнуть интересные вопросы.

Поэтому — я подготовил соответствующие файлы PDF и разместил ссылки на эти файлы для удобного просмотра.

tree1

tree2

tree3

tree4

tree5

tree6

tree7

tree8

tree9

tree10

tree11

tree12

tree13

tree14

tree15

tree16

Здесь их опубликовать не представляется возможным, и по этой причине я ограничу себя размещением тех фрагментов трех вариантов кластерных диаграмм, на которых присутствуют древние образцы.
Забегая вперед, можно заметить, что образцы ДНК древних людей (т.е людей современного анатомического типа — homo sapiens sapiens), строго говоря, разбиваются на три органические суперкластера — древних сибириков (или евразийцев), древних европейских охотников-собирателей, и ранних неолитических европейских земледельцев. В основной своей части состав и топология популяционных кластеров стабилен в разных вариантах, наибольшие видоизменения заметны у тех образцов, чье множество снипов имеет меньшее пересечение с общим набором снипов. Отсюда довольно таки тривиальный вывод: чем меньше общее число снипов — тем больше флуктуаций наблюдается в расположении древних образцов внутри ветвей кластерной дендрограммы.

Кластер древних евразийцев наиболее стабилен (т.к. там всего два древних генома Afontova Gora 2 (AG2) и знаменитый мальчик с сибирской стоянки Malta (MA1); причем оба образца взяты из одного источника данных). Из современных популяций к этому кластеру наиболее органично примыкают различные группы населения центральной Азии — от таджиков до гуджаратов, и от калашей до пуштунов.

Кластер древних охотников-собирателей Европы наиболее неустойчив, и это объясняется прежде всего разным числом снипов в образцах, а также тем что сами образцы взяты из разных исследований. Тем не менее тенденция наглядна — древнейшие европейцы (охотники-собиратели мезолита) наиболее близки по своим аутосомным снипам к жителям современной западной и северной Европы — особенно Британских островов, Скандинавии и Балтийского региона. Практически во всех вариантах прибалтийцы близки к древним жителям Швеции (Готланда), а также мезолитическим образцам La Brana, Motala и Loshbour. Последние также близки к финнам, эстонцам и северным русским. Из более поздних и географически удаленных образцов к ним близки древние образцы из Венгрии неолитического периода, бронозового и железного веков (BR1, NE2 и KO1).

Интересно, что в этот же кластер входят как современные популяции западной Европы (британцы, норвежцы, французы и др.), так и современные жители центральной Европы — чехи хорваты и венгры. Является ли это наследием древних времен (гальштатской общности связываемой с древними кельтами) — трудно сказать. Не этим ли объясняется тот факт, что образцы древних англо-саксов и бриттов (обозначенные здесь как Hixton) иногда кластеризируются с (современными!) венграми, хорватами, иногда с современными англичанами из Кента и корнуэлльцами. При этом некоторые из образцов Hixton остаются близки (в смысле схожести генома) к скандинавам, оркнейцам, шотландцам, и даже литовцам.

Мой собственный «геном» (Vadim) также входит в эту группу, причем в разных вариантах он определенно близок одновременно и древним мезолитическим и эпинеолитическим шведам, а также более поздним образцам из Венгрии (киммерийского мальчика IR1, а также самый «балтийский» из всех древних венгерских обрацов — KO1). Интересно что IR1 («аутосомный геном» «киммерийского » мальчика Y-гаплогрупы N1a из захоронения паннонской культуры бронзового века Mezőcsát примерно 900 год до нашей эры) в первых четырех главных компонентах кластеризируется с моим собственным «аутосомным геномом»). Это наверное объясняет почему мой собственный геном дает хорошие комбинации (fit) к комбинации трапезундских турков и древних жителей Балтийского региона.

Как известно, попгенетики готовят к публикации большую статью, в которой подводятся итоги нескольких лет исследования генофонда представителей древних культуры шнуровой керамики* (известной также как культура боевых топоров) и ямной культуры** (другое название — древнеямная культурно-историческая общность). Безусловно, это исследование обещает пролить свет на некоторые темные места генетических связей жителей этих культур с современным населением Восточной Европы (особенно Польши, Украины, Беларуси и юго-западной части России).

Пока все детали исследования неизвестны, однако благодаря настойчивости некоторых энтузиастов генетической генеалогии (Веселовского и пр.) удалось выяснить, например, что генофонд древние образцы представителей Ямной культуры в рамках формальных тестов (f3 и D-статистик) наилучшим образом аппроксимируются как результат смешения древнего мезолитического населения севера Европы (в работе их представляют карельские образцы, очевидно из известных захоронений Палеострова) и населения, близкого к современным закавказским популяциям (лучший результат дали армяне из Еревана).

Признаюсь, эти сведения приободрили меня. Дело в том, что последние несколько недель я занимался изучением эволюции аутосомного генофонда беларусов (и своего тоже) из недавно опубликованного набора лаборатории Райха (это одна из усеченных версии их знаменитого кураторского набора Human Origin Dataset).
Как и раньше, для анализа я использовал инструменты разработанные программистами той же лаборатории (Admixtools), а также Alder — программу написанную на основе открытого кода Admixtools, и оптимизированную под более детальный анализ процесса смешивания различных предковых групп.

Так вот, до получения сведений о предварительных результатах попгенетиков, я был немного смущен полученной картиной. У меня получилось вот что. С точки зрения формальной оценки (f3-статистки, аналога более известной p-статистки) лучшие пары адмикса для беларусов (с отрицательным значением Z) представляли собой либо комбинацию мезолитического населения Европы (Loshbour) и современного населения современной Анатолии и ближнего Востока, либо комбинацию ‘генов’ неолитических жителей Европы (LBK380, а также современных сардинцев) и современных америндских популяций (происходящих, как нам известно, из восточной Сибири).
Вот начало списка значимых пар:

Mixe Sardinian Vadim -11.811
Sardinian Mixe Vadim -11.811
Karitiana Sardinian Vadim -11.757
Sardinian Karitiana Vadim -11.757
Zapotec Sardinian Vadim -11.638
Sardinian Zapotec Vadim -11.638
Loschbour Georgian_Megrels Vadim -11.599
Georgian_Megrels Loschbour Vadim -11.599
Piapoco Sardinian Vadim -11.482
Sardinian Piapoco Vadim -11.482
Loschbour Turkish_Trabzon  Vadim -11.434
Turkish_Trabzon Loschbour Vadim -11.434
Loschbour Assyrian_WGA Vadim -11.395
Assyrian_WGA Loschbour Vadim -11.395
LBK380 Piapoco Vadim -11.354
Piapoco LBK380 Vadim -11.354
Surui Sardinian Vadim -11.346
Sardinian Surui Vadim -11.346
Loschbour Abkhasian Vadim -11.293
Abkhasian Loschbour Vadim -11.293
Bolivian_LaPaz Sardinian Vadim -11.232
Sardinian Bolivian_LaPaz Vadim -11.232
Loschbour Iranian_Jew Vadim -11.231
Iranian_Jew Loschbour Vadim -11.231

Я выбрал около сотни значимых пар и проверил их достоверность «адмикса) с помощью инструментов D-статистки (qpDstat) в попарном сравнении каждой из значимых комбинаций (начало таблицы):

Vadim Italian_Tuscan : Loschbour Palestinian 0.0293 8.141 best
Vadim Iranian : LBK380 GujaratiC_GIH 0.0245 7.319 best
Vadim Motala12 : Druze Sardinian 0.0125 7.285 best
Vadim Loschbour : Palestinian Albanian 0.0146 7.17 best
Vadim Sardinian : GujaratiC_GIH Iranian 0.0121 7.151 best
Vadim Palestinian : Spanish_Pais_Vasco_IBS GujaratiC_GIH 0.0145 7.126 best
Vadim Egyptian_Comas : Basque_Spanish GujaratiC_GIH 0.0137 7.016 best
Vadim Sardinian : Loschbour Egyptian_Comas 0.0251 6.962 best
Vadim Sardinian : Loschbour Tunisian_Jew 0.0251 6.789 best
Vadim Palestinian : Basque_Spanish GujaratiC_GIH 0.013 6.758 best
Vadim Sardinian : Loschbour Palestinian 0.0237 6.69 best
Vadim Basque_Spanish : Balkar Palestinian 0.0076 6.601 best
Vadim GujaratiC_GIH : Tunisian_Jew Egyptian_Comas 0.0094 6.493 best
Vadim Spanish_Pais_Vasco_IBS : Balkar Palestinian 0.0079 6.458 best
Vadim Loschbour : Druze Italian_WestSicilian 0.0135 6.443 best
Vadim Loschbour : Iranian Albanian 0.0159 6.385 best
Vadim Palestinian : Sardinian Iranian 0.0083 6.344 best

Как видно, лучшая достоверность (обмена генами) у тех пар которые представляют собой комбинацию мезолитических популяций (Loshbour и Motala), популяций Кавказа, южной Европы и центральной Азии.

Это особенно хорошо заметно в тесте f4ratio. Вот например сравнение 2 квадропул, три популяции в каждой из которых идентичны (беларусы, кумыки и Losbour), а четвертая популяция отличается (балкарцы vs. Motala). Результат означает что кроме мезолитического компонента Loshbour (из западной Европы), у беларусов наблюдается эксцесс (28+-0.1%) дополнительного источника мезолитических «генов» (типично для балтийских популяций мезолита вроде Motala)

Vadim Kumyk Loschbour Motala12 : Vadim Kumyk Loschbour Balkar 0.285678 0.096194 2.97

Крайне любопытны и результаты проведенного мной в Alder исследования источников «древного» адмикса у беларусов.
Я выбрал только те пары, в которых амплитуда угасания LD в двух гипотетических популяциях-донорах была сопоставима с амплитудой угасания LD в популяции-реципиенте (т.е у беларусов). Интересно, что только две пары (пенджабцы + Motala) и (иракские евреи + чукчи) дали консистентную попарную подгонку кривой угасания LD с незначительным разбросом амплитуды (15-25%). К слову, комбинация Armenian+Motala-merge (примерно идентичная наиболее устойчивой модели адмикса у жителей ямной культуры) тоже присутствует в списке «успешных» комбинаций, однако кривые угасания LD имеют разную скорость угасания (их амплитуда отличается уже на 55% и поэтому они не консистентны, т.е несовместимы) в попарном режиме сравнения

DATA: success_consistent 0.0042 Belarusian Punjabi_Lahore_PJL Motala_merge 4.49 2.76 2.78 15%
DATA: success_consistent 0.0098 Belarusian Iraqi_Jew Chukchi 4.31 2.2 3.01 25%
DATA: success 0.0065 Belarusian Mongola Motala_merge 4.4 2.64 2.78 28%
DATA: success 0.011 Belarusian Yi Papuan 4.29 2.26 4.66 28%
DATA: success 0.00037 Belarusian Lebanese Papuan 4.98 2.69 4.66 38%
DATA: success 0.041 Belarusian Kusunda Motala_merge 3.98 2.61 2.78 41%
DATA: success 0.013 Belarusian Hezhen Motala_merge 4.25 2.17 2.78 49%
DATA: success 0.037 Belarusian Motala_merge Tu 4.01 2.78 3.13 51%
DATA: success 4.20E-06 Belarusian Kalmyk Motala_merge 5.79 2.36 2.78 54%
DATA: success 0.0086 Belarusian She Motala_merge 4.34 2.58 2.78 54%
DATA: success 0.0019 Belarusian Armenian Motala_merge 4.66 2.14 2.78 55%
DATA: success 0.048 Belarusian Daur Motala_merge 3.94 2.11 2.78 56%
DATA: success 0.0042 Belarusian Motala_merge Miao 4.49 2.78 3.5 59%
DATA: success 0.041 Belarusian Oroqen Motala_merge 3.98 2.28 2.78 59%
DATA: success 0.013 Belarusian Thai Motala_merge 4.25 2.13 2.78 65%
DATA: success 0.043 Belarusian Motala_merge Lahu 3.97 2.78 3.56 71%
DATA: success 0.0049 Belarusian Motala_merge Japanese 4.46 2.78 3.53 72%

Примечательно что для пары Belarusian Armenian Motala_merge  Admixtools датирует смешение 114.67+/-20.5 поколений тому назад. А вот датировка адмикса для двух первых пар (последняя колонка это датировка адмикса
Belarusian Punjabi_Lahore_PJL Motala_merge 4.49 2.76 2.78 15% 142.4+/-27.54
Belarusian Iraqi_Jew Chukchi 4.31 2.2 3.01 25% 43.28+/-9.45 То есь самое позднее 3500 лет до нашего времени.Итак, выводы: в эволюционной перспективе, костяк аутосомного генофонда беларусов составляет субстрат мезолитического генетического компонента Европы, к которому примешиваются два потока — один с юга, с наиболее значимым вливанием во времена неолита (земледельцы из Анатолии и ближнего Востока), другой — видимо более поздний (т.к. он отсутствует у ямников) из Сибири.

---

*Культура боевых топоров, культура шнуровой керамики (нем. Schnurkeramik) — археологическая культура медного и бронзового веков, распространенная на обширных территориях Центральной и Восточной Европы и датированная 3200 г. до н. э./2300 до н. э. — 2300 г. до н. э./1800 г. до н. э. Племена культуры боевых топоров часто считают первыми индоевропейцами на территории Средней Европы
**Я́мная культу́ра (точнее — Древнея́мная культу́рно-истори́ческая о́бщность) — археологическая культура эпохи позднего медного века — раннего бронзового века (3600—2300 до н. э.). Занимала территорию от Южного Приуралья на востоке до Днестра на западе, от Предкавказья на юге до Среднего Поволжья на севере.В рамках ранней версии курганной гипотезы Марии Гимбутас ямная культура связывалась с поздними протоиндоевропейцами.

 

Кластер древних жителей по своей устойчивости занимает промежуточное место между кластерами древних северных евразийцев и западных европейских охотников-собирателей.
В этот кластер, иерархически близкий популяциям Кавказа и ближнего Востока, предсказуемо входят предстаители самых классических популяции южной Европы — от греков и болгар, до басков и сардинцев. Как уже стало обычным, сардинцы кластеризуются с образцом тирольского человека Этци и женщины из линейноленточной культуры («LBK380»). В большинстве вариантов (2 из трех опубликованных) к этой подгруппе примыкают представители древнейших неолитических культур на территории современной Венгрии — CO1, H4, H3, NE5, NE7). Жители бронзового века (на графике они ошибочно обозначены как Europe оказались посередине между раннеевропейскими охотникам-собирателями и земледельцами.

Добавление к выборке древних геномов «усть-ишимца» и «костенковца» позволило пролить свет на некоторые особенности эволюции популяций центральной и восточной части Евразии. В кластерном анализе (вардовская кластеризация) по 4 первым компонентам PCA усть-ишимец у меня получился в одном кластере с киргизами и кажется селькупами. По первым двум компонентам в том варианте рейховского набора популяций, где нет андаманцев Onge — он попадает в один кластер с австралийскими аборигенами.
Думаю, что onge все же ближе, да к тому же во всех калькуляторах у усть-ишимца максимум «генома» приходится на сочетание южно-индийских и юго-восточноазиатских компонентов.  А вот «костенковец» оказывается ближе всего к чувашам и саамам. Что характерно — в предыдущих вариантах, в которых я не использовал костенковца, место костенковца часто занимал AG-2 (Afontova Gora).  Также заметна разница между кластерными схемами PC1-2 и PC-1-2-3-4.В первом случае костенковец в одном кластере с индусами, а во-втором с с чувашами и саамами. Характерно, что восточноевразийские палеогеномы Тяньюань и Усть-Ишим входят в один кластер (их положение не сильно меняется), а MA1 нет.

Расширенные карты для палеогеномов

Обновлено 30.11.2014

Этот пост также продолжает один из предыдущих, а именно визуализацию суммы IBD-сегментов (а возможно, это и не IBD — вопрос остается открытым) двух палеоевропейцев и мальчика со стоянки Мальта с современными  выборками. С тех пор в открытом доступе появилось еще несколько обработанных палеогеномов — «усть-ишимец«, «Костенки-14» («человек с Маркиной горы») и два палеогенома хорошего качества из Венгрии.

Результаты собраны мной в онлайн-таблицу, а также отрисованы на расширенных картах. Поскольку усть-ишимец явно тяготел к восточноазиатам, пришлось добавить к сравнению выборки из Южной и Восточной Азии. Ну а после этого логика подсказывала, что неолитических земледельцев Европы неплохо бы сравнить с жителями Ближнего Востока. Таким образом, все карты перерисованы.

Напомню также, что результаты для «мальтинца» и «костенковца» получены при ослабленных настройках фильтра из-за низкого качества прочтения этих двух геномов. Напрямую сравнивать их с пятью другими нельзя. Для отрисовки Loschbour значения умножены на 1,5 в целях повышения контрастности.

«Неолитическая фермерша» )) Stuttgart/LBK

«Неолитический земледелец» NE1:

Усреднение по двум земледельцам дает более ровную картинку:

«Охотник-собиратель» Loschbour:

Разница между «охотником-собирателем» и усреднением по двум земледельцам. Красное — больше сегментов с Loschbour, зеленое — c Stuttgart и NE1

Европеец позднего бронзового века BR2 из Венгрии:

«Усть-ишимец»:

Костенки-14 (ослабленные настройки):

Мальтинец (аналогично):

И наконец, в качестве примера результата нашего современника, моя собственная карта: