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).

Скрытые возможности клиентских данных 23andme в плане молекулярной диагностики.

Компания 23andme не нуждается в особом представлении читателям этого блога. Вплоть до конца прошлого года компанию занимало существенный сегмент рынка персональной геномики, ориентированного на предоставление  клиентам информации о генетических медицинских рисках (genetic risks) и генетической генеалогии (genetic origin). Информация о медико-генетических рисках содержалась в ряде сервисов портала компании, а также в доступном для скачивания отчета о генетических рисках и, разумеется, в первичных данных генетического отчета, в котором содержались значимые с точки зреемя медико-генетического диагностирования генетические полиморфизмы (SNP).

Всвязи с известными событиями и последующим за ними предписанием USA Food and Drug Administration (FDA) компании 23andme о запрете выпуска на рынок услуг персонального геномического диагностирования своего «медицинского девайза» (т.е интерпретации медико-генетических рисков развития заболеваний), компании пришлось сузить свою сферу деятельности до оказания генетико-генеалогических услуг.

Несмотря на это досадное обстоятельство, сказавшееся нелучшим образом на динамике увеличения клиентской базы компании,  нужно помнить, что все клиенты сохранили доступ к своим первичным данным тестирования (т.е списку снипов с генотипами). И при вдумчивом, творческом подходе любой человек может не только «вытащить» из этих «cырых данных» важную с точки зрения медицины информацию, но и заменить спомощью полученной информацией результаты более традиционных тестов.

Каковы могут быть варианты использования данных 23andmе не в привычных генеалогических целях, а скажем для получения сведений, который могут впоследствии пригодится для молекулярного диагностирования?

Я приведу пару примеров такого использования.

Определение HLA-фенотипа.

На мембране клеток организма присутствуют продукты генов всех локусов, размещенных на обеих нитях 6-й хромосомы.

 

 

Это означает, что HLA-гены наследуются по кодоминантному типу, т. е. одну хромосому ребенок наследует от матери, а другую – от отца. Как уже упоминалось, совокупность генов, расположенных на одной хромосоме, составляет гаплотип. Таким образом, у человека два гаплотипа и каждая клетка организма несет на себе диплоидный набор антигенов системы HLA, один из которых кодируется HLA-генами матери, а другой – отца. Исключение составляют половые клетки (яйцеклетка и сперматозоид), каждая из которых содержит в своем ядре только по одному гаплотипу.

Антигены гистосовместимости, выявляемые на клетках конкретного человека, составляют HLA-фенотип. Для его определения необходимо произвести фенотипирование клеток индивида. Как правило, “типируются” лимфоциты периферической крови. До настоящего времени в большинстве лабораторий HLA-A. В, С и DR-антигены определяют при помощи серологических методов, в частности, лимфоцитотоксического теста. тот тест основан на способности анти-НLА-антител в присутствии комплемента разрушать лимфоциты, несущие соответствующие антигенные детерминанты. Гибель клеток демонстрируется при помощи добавления трипанового синего. При этом мертвые поврежденные клетки окрашиваются, и под микроскопом учитывается их количество.

Эти тесты часто требуются в ходе стандартных медицинских процедур обследования во время начала беременности, или для изучения этологии аутоимунных заболеваний. Еще более важно определение гистосовеместимости в транплантологии, где типирование HLA-фенотипа  донора является обязательным условием.

Однако, с приходом новых микроматричных технологий опеределния нуклеотидов ДНК и биоинформатических методов рутинной обработки последовательности человеческих геномов , появился дешевая и относительно простая альтернатива классическим серологическим тестам (которые стоят в интервале от 100 до 500 долларов).

Я не буду останавливаться на принципиальном описании процедур, с помощью которых на основании данных 23andme можно с помощью метода «импутирования» определить HLA-фенотип, так как в прошлом году я уже разместил в этом блоге пошаговую инструкцию для выполнения этой задачи.

Впрочем, уже после того, как  я отписался на эту тему здесь,  в департаменте биостатистики Университета Вашингтона был разработан алгоритм HIBAG который принципиально мало чем отличается от алгоритма HLA*IMP (в обеих алгоритмах используется training model, позволяющая определять фенотип HLA по снипам 23andme).  Входные данные программного решения этого алгоритма (язык R) представляют собой формат Plink. А так как в последней версии Plink была включена нативная поддержка формата 23andme, то преобразовать данные 23andme в бинарный формат Plink не сооставит особого труда. Что касается обработки данных в HIBAG, то примерный порядок выполнения команд выглядит следующим образом:

# Load the published parameter estimates from European ancestry
model.list <- get(load(«European-HLA4.RData»))#########################################################################
# Import your PLINK BED file
#
yourgeno <- hlaBED2Geno(bed.fn=».bed», fam.fn=».fam», bim.fn=».bim»)
summary(yourgeno)

# HLA imputation at HLA-A
hla.id <- «A»
model <- hlaModelFromObj(model.list[[hla.id]])
summary(model)
# HLA allele frequencies
cbind(frequency = model$hla.freq)

# SNPs in the model
head(model$snp.id)
# «rs2523442» «rs9257863» «rs2107191» «rs4713226» «rs1362076» «rs7751705»
head(model$snp.position)
# 29525796 29533563 29542274 29542393 29549148 29549597

# best-guess genotypes and all posterior probabilities
pred.guess <- predict(model, yourgeno, type=»response+prob»)
summary(pred.guess)
pred.guess$value
pred.guess$postprob

 

 

Панель метилирования Яско

В последние 10 лет, крупные генетические исследования выявили сотни генных мутаций, которые возникают чаще у аутичных пациентов, чем в общей популяции. Тем не менее, каждый пациент имеет только одну или несколько из этих мутаций, что затрудняет разработку лекарств против болезни. В настоящее время, изучением генетических факторов аутизма занимается большое количество врачей-генетиков,  одним из них является доктор Эми Яско занимается исследованиями генных мутаций у аутистов. Как показали многочисленные молекулярно-генетические обследования и спектрометрия аминокислот, органических кислот и карнитинов, значительное количество аутистов страдает метаболическими нарушениями.  Есть виды аутизма, вызываемые именно этими генетическими нарушениями обмена вещест.

Доктор Эми Яско разработала тест на панель метиляции Яско — тест этот дорогой, стоит 500 долларов, в этой проверяют что-то около 30 генных полиморфизмов (снипов). Выбор снипов в этой панели мотивирован тем, что эти снипы связаны с  определенными генами на «молекулярно-биохимическом пути метиляции» (methyliation pathway),  т.е генами которые влияют на способность организма выполнять ряд ключевых биохимических функций. Наличие генетических дисбалансов,  т.е снипов в пути метиляции, будет ограничивать эффективность пути метиляции.

 

 

К счастью клиентов 23andme, чипсет снипов этой компании включает в себя если не все, то большую часть снипов панели Яско.
Один из проектов, возникший всвязи с неудовлетворенной потребностью клиентов в более развернутой и детальной обработке данных 23andme, Genetic Genie предлагает  условно-бесплатный сервис с помощью которого данные релевантных снипов можно привести к  традиционному виду таблицы с отчетом по панели Яско:

Gene & Variation	rsID	Alleles	Result
COMT V158M	rs4680	AA	+/+
COMT H62H	rs4633	TT	+/+
COMT P199P	rs769224	GG	-/-
VDR Bsm	rs1544410	CC	-/-
VDR Taq	rs731236	__	no call
MAO-A R297R	rs6323	TT	+/+
ACAT1-02	rs3741049	AG	+/-
MTHFR C677T	rs1801133	GG	-/-
MTHFR 03 P39P	rs2066470	AG	+/-
MTHFR A1298C	rs1801131	GG	+/+
MTR A2756G	rs1805087	AA	-/-
MTRR A66G	rs1801394	GG	+/+
MTRR H595Y	rs10380	CC	-/-
MTRR K350A	rs162036	AA	-/-
MTRR R415T	rs2287780	CC	-/-
MTRR A664A	rs1802059	AG	+/-
BHMT-02	rs567754	CC	-/-
BHMT-04	rs617219	AA	-/-
BHMT-08	rs651852	__	no call
AHCY-01	rs819147	__	no call
AHCY-02	rs819134	__	no call
AHCY-19	rs819171	__	no call
CBS C699T	rs234706	GG	-/-
CBS A360A	rs1801181	__	no call
CBS N212N	rs2298758	__	no call
SHMT1 C1420T	rs1979277	__	no call

Несмотря на то, что на выходе клиент получает  готовый частный отчет по тесту Яско, медико-биологическая интерпретация результатов не так уж и проста, и требует определенной интеллектуальной сноровки и общегенетической эрудиции в плане понимания того, какую функцию выполняет тот или иной ген. Строго говоря, при грамотной интерпретации этих результатов, можно самостоятельно составить себе диету из витаминов-пищевых добавок, которые позволяет компенсировать обусловленный генетическим дисбалансом дефицит тех или иных энзимов.Примерный образец интерпретации можно посмотреть здесь

 

 

Этногеномика беларусов — часть II

Анализ структуры аутосомного генофонда популяции беларусов: методы, технические параметры и предварительные замечания.

 

В целях сопоставимости выводов данных анализа с приведенными выше выводами профессиональных популяционных генетиков, мы использовали в своем исследовании референтную выборку беларусовиз ДНК-банка Института Генетики Беларуси в том же объеме, в котором она была задействована в исследовании группы ученных под руководством Бехара (модифицированная выборка Генбанка с кодом доступа:GSE21478)[1]. Наряду с референтной группой беларусов (обозначена как Belarusian), мы использовали данные лиц беларуского происхождения из нашего собственного проекта этно-популяционного анализа лиц, предки которых проживали на территории Беларуси минимум 100-150 лет(обозначено как Belarusian_V).

Для проведения сравнительного анализа генофонда популяций нам понадобился референтный набор популяций. Референтный набор популяций в этом калькуляторе был собран в программе PLINK  методом “intersection&thinning” ( дословно “пересечением и истончением”) образцов из различных источников данных:HapMap 3(отфильтрованный набор данных КЕС, YRI, JPT, CHB),1000genomes, Rasmussen et al. (2010), HGDP (кураторская база данных Стэнфордского университета), Metspalu et al. (2011), Yunusbayev et al (2011),Chaubey et al. (2010)и т.д. Кроме того, мыотобралипроизвольным образом по 10 сэмплов (или максимальное количество доступных сэмплов в тех случаях, когда общее число сэмплов в популяции было меньше 10) от каждой европейской страны, представленной в панеле базе данныхPOPRES.Наконец, для того чтобы оценить степень корреляции между современным и древним генетическим разнообразием населения Европы, мытакже включилив выборку образцы древней ДНКЭци(Keller et al. (2012)) , образцы жителей шведского неолита Gök4, Ajv52, Ajv70, Ire8, STE7 (Skoglund et al. (2012))и 2 образца La Braña – останков мезолитических жителей Пиренейского полуострова (Sánchez-Quinto et al.(2012)).

Затем мыдобавили90 образцов – анонимизированных данных — участников моего проекта. После слияния вышеупомянутых наборов данных и истончения набора SNP с помощью особой команды PLINK, мыисключилиSNP-ы с менеечем 0.5% минорных аллелей. Послечего мыотфильтровал дубликаты, лиц с высоким уровнем общих по происхождению идентичных сегментов (IBD). В качестве критерия фильтрации были использованы расчеты IBD в Plink, где IBD представлена как средняя доля аллелей общих между двумя людьми по всем анализируемым локусам. Затем мыудалилииз выборки лиц с высоким коэффициентом предпологаемого родства, коэффициенты родства были вычислены в программном обеспеченииKing).

Для получения более стабильных результатов, мытакже отфильтровалисэмплы с более чем 3 стандартными отклонениями от средних данных по популяции. Поскольку коэффициент родства может быть надежно определен с помощью оценки HWE (ожидания, вытекающего из законаХарди-Вайнберга) между SNP-ами с той же базовой частотой аллелей, то SNP-ы с существенным отклонением (p < 5.5 x10⁻⁸) от ожидания Харди-Вайнберга были удалены из объединенного набора данных. После этого мывыделилите SNP-ы, которые присутствовали в чипах Illumina / Affymetrix, и затем произвелифильтрацию снипов на основе расчетов степени неравновесного сцепления (в этом эксперименте мыиспользовалтхромосомное ‘окно’ размером в 50 базовых пар, с шагом 5 базовых пар и пороговым значением уровня сцепления R ^ 2, равным 0,3).

По окончанию этой сложной последовательности операций, мыполучил окончательноый набора данных, который включал в себя 80 751 снипов, 2516 человек и 225 референсных популяций.

 

[1] http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE21478

Этногеномика беларусов — часть 1

I. Анализ аутосомного генофонда беларусов

Наряду с ставшими уже традиционными методами анализа структуры генофонда популяций по Y-хромосоме и митохондриальном ДНК (о которых мы упоминали выше), в последнее время все большее распространение получают новые и более точные методы анализа генофонда популяций, в основу которых положены данные о частотах аллелей большого числе генетических локусов на неполовых хромосомах. В силу того, что в передаче генетического материала на неполовых (аутосомальных) хромосомах участвуют как мужчины, так женщины, подробный и детальный анализ распространения аллельных вариант способен дать более точную характеристику процессов исторических и эволюционных процессов в отдельно взятой популяции. Кроме того, большая часть человеческого генома сосредоточена в неполовых хромосомах — количество генов (точнее определенных генетических локусов) локализованных на неполовых хромосомах, несоизмеримо выше числа генов в митоДНК и половых хромосмах. Поэтому анализ аутосомных хромосом обладает более высокой степенью информационного разрешения. Выбор типа локусов в нашем исследовании также обусловлен сугубо прагматическими соображениями.
Поскольку существует разные типы генетических маркеров, мы ограничились снипами — точечными мутациями, представляющими собой замену одиночного нуклеотида. Как было показанов других исследованиях, математико-статистические методы исследования распределения аллельных вариантов(генотипов) отдельных снипов характеризуются наивысшой разрешающой способности в плане изучения воздействия всех известных генетических эффектов на историческую демографию популяции.

Перед тем, как перейти к весьма сжатому и краткому описанию результов анализа популяции беларусов по определенному набору типированных снипов,  следует вкратце описать предысторию изучения аутосомных маркеров беларуской популяции. Как уже отмечалось выше, новые методы исследования генофонда популяция с помощью изучения статистических характеристик одиночных нуклеотидных вариантов (SNV/SNP), были введены в популяционной генетике и биоинформатике относительно недавно. В более ранней парадигме, анализ (в том числе, и сравнительный) аутосомной составляющей генофонда состоял в определении набор-панели высокополиморфных и слабо сцепленных между собой аутосомных ДНК маркеров. В то же самое время, насколько нам известно, аналогичный анализ с использованием другого типа маркеров –снипов- до совсем недавнего временине проводился. Например, в исследованиях аутосомных ДНК-маркеров часто использовался стандартный набор CODIS, который первоначально разрабатывался для нужд ДНК-профилирования в криминалистике.В данную систему CODIS входят 16 аутосомных STR локусов и амелогениновый тест на определение половой принадлежностиОднако относительно простота амплификации сателлитной ДНК в формате мультиплексной PCR, и доступность методов статистической обработки с использованием современных статистических подходов, применяемых в популяционной генетике и судебной медицине, привела к тому что эта система часто использовалась в ранних исследованиях генофонда популяций Восточной Европы.

Cамой масштабной работой такого рода( а именно, c использованием классических аутосомных маркеров STR), является совместная статья Балановского и Тегако. В свете нашего исследованияпредставляется нужным отметить наиболее интересующий нас аспект вышеупомянутой работы, а именно сравнительный анализ генофонда беларусов с генофондами других популяций Западной Евразии. Как отмечают авторы, cравнительный анализ генофондов Западной Евразии показал, что «поаутосомным ДНКмаркерам все восточные славяне входят в один кластер Восточной Европы. Однако русские и украинские популяции расположены ближе друг к другу, чем к белорусам… Русские и украинцы оказываются ближе к популяциям Западной и Южной Европы, чем белорусы. К сожалению, по этим маркерам не изучены ближайшие западные и северные соседи белорусов, и в частности, балтские народы. Можно предполагать, что некоторое своеобразие генофонда белорусов связано с вкладом балтского субстрата»[1]
Использованные в работе Балановского и Тегакогенетические данные по генофонду популяций беларусов были взяты из баз данных Института генетики НАН Беларуси, где хранятся базы данных по 35 аутосомным генам, изучаемых, главным образом, в целях медицинской генетики. Однако, как отмечается в статье О.Давыденко и Е. Кушнеревич «Гаплогруппы Y-хромосомы и происхождение национального генофонда», для эволюционных исследований эти маркеры не совсем удобны, так как на частоту и характер распространения аллелей зачастую оказывает влияние жесткий естественный отбор, и поэтому по одним только результатам анализа распределения частот невозможно судить о генетическом родстве разных популяций.[2]

Несмотря на то, что основное внимание в статье Давыденко и Кушнеревич уделяется анализу Y-хромосомных гаплогрупп беларусов, в конце статьи авторы мимоходом упоминают о результатх исследования аутосомного генофонда, проведенного междунродным коллективом под руководством Дорона Бехара[3]:

«В работе израильского ученого Дорона Бехара с соавторами изучались различные популяции евреев и анализировалась генетическая взаимосвязь между ними и их «хозяйскими» популяциями. В большинстве случаев эта связь была незначительной. Белорусская «хозяйская» популяция также исследовалась с использованием именно нашего ДНК-банка, то есть эти данные весьма сопоставимы, поскольку сделаны на одной той же представительной выборке. Ученые сравнивали 100 тыс. однонуклеотидных замен (то есть изучали 100 тыс. точек, разбросанных по всему геному человека). Результаты работы демонстрируют достаточно близкий спектр изменений у белорусов, литовцев и русских и свидетельствуют о присутствии трех основных «древних» компонентов в сопоставимых пропорциях. Это также косвенно указывает на возможность общего происхождения славян и балтов, а также на то, что основы генофонда различных европейских народов заложены еще в доисторическое время.Если сопоставить данные математической лингвистики с данными по геномному анализу, нельзя не увидеть определенного параллелизма не только в дивергентном характере, но и во временных оценках эволюции – как языка, так и генетики. Эти данные также могут свидетельствовать в пользу предположения общности происхождения славян и балтов из некогда единой популяции.»

В приведенной выше цитате мы выделили самую важную часть, в которой авторы высказывают предположение о том, что присутствие трех основных древних компонентов указывает на возможность общего происхождения славян и балтов. Очевидно, что предложенная авторами спорная(на наш взгляд) интерпретация противоречит выводам Балановского и Тегако о том, что своебразие аутосомного генофонда беларусов может быть связано с вкладом балтского субстрата. К сожалению, в обеих статьях авторы не сочли нужным подробно аргументировать свои выводы по столь важному вопросу. Поэтому одной из задач нашего небольшого исследования мы ставим критический разбор обеих утверждений на основане полученных нами данных о структуре аутосомного генофонда беларусов.

 

[1] Балановский О. П., Тегако О. В. Генофонд белорусов по данным о трех типах генетических маркеров — аутосомных, митохондриальных,Y-хромосомы.

[2] Давыденко Олег, Кушнеревич Елена.2011. Гаплогруппы У-хромосом и происхождение национального генофонда. Наука и Инновации.Тайна происхождения белорусов. 9(103),12-15.

 

[3] Behar, Doron.M.2010.The genome-wide structure of the Jewish people.Nature 466, 238–242.

Три предковые группы европейцев

Получивший широкой резонанс в среде профильных профессиональных популяционных генетиков и простых любителей препринт статьи Lazaridis et al. 2013 содержит огромное количество важных наблюдений и заключений насчет происхождения и эволюции структуры генофонда современных европейцев. Объективности ради стоит отметить, что наверное не менее половины выводов вышеупомянутой статьи были озвучены ранее персональными геномными блоггерами в ходе более ранних самостоятельных экспериментов и анализов древней ДНК.  Но важность статьи Lazaridis et al. 2013, конечно же, в другом. В ней приводятся новые данные ( результаты изучения древнего ДНК) ряда доисторических популяций групп людей Европы. В частности, были приведены результаты изучения древнего ДНК мезолитических европейских охотников-собирателей из Люксембурга, чьи мтДНК были опубликована несколько лет назад; результаты генотипирования неолитического образца ДНК неолитического земледельца из Германии: наконец, препринт статьи содержал данные сразу по  нескольким мезолитическим охотникам-собирателей из Швеции.

По раскладу своих предковых компонентов, люксембургский образец похож на образцы  La Brana (иберийский палеолит). В свою очередь,  ДНК шведов периода мезолита похожа на ДНК шведских неолитических охотников-собирателей. Аналогично, структура предковых компонентов у неолитического земледельца напоминает распределение компонентов у тирольского ледового человека Этци, шведского неолитического земледельца культуры воронковидных кубков и современного населения Сардинии. Недавно опубликованный  верхнепалеолитический образец жителя стоянки Мальта (Прибайкалья), авторы относят к  отдельному генетическому супер-компоненту, который  в статье именуется  «компонентом древнего северо-евразийского населения», Согласно наиболее вероятной из обсуждаемых в статье моделей, носители этого компонента смешались с западными евразийцами  еще до того, как носители мезолитического европейского компонента смешались с неолитическими земледельцами с ближнего Востока.

Как я отмечал ранее, очевидность результатов вряд ли нуждается в отдельных комментариях.  Положение индивидов по степени их сходства (выраженного посредством параметра z D-статистики)  относительно условной оси на одном конце которых находятся южные европейцы, на другом — северные европейцы. Шведские сэмплы древнего ДНК времен мезолита и пост-мезолитической (переходной к неолиту) культуры ямочной керамики Готланда сдвигаются в сторону северных европейцев (представлены референсной популяцией литовцев).  Примечательно, что в ту же стороны сдвигаются и представители иберийско-испанского мезолита (образцы La Brana 1 и La Brana 2).
Образцы древнего ДНК представителей культуры воронковидных кубков, Эци Тирольца закономерно смещаются к другому полюса спектра — южным европейцам (которые представлены сардинцами).

PCA график дает отличное представление о соотношении различных компонентов:

 

 

 

Таким образом, костяк европейского генофонда образован за счет сочетания трех компонентов:

мезолитические охотники-собирателей Европы (WHG) + древние северо-евразийские популяции между Уралом, Центральной Азией и Сибирью (AHE) + неолитический компонент (генетически связанный с ближневосточными земледельцами EEF).

 

Поскольку в нашем случае мы имеем три исходных компонента, то любая европейская популяция может быть представлена в виде тримодального распределения этих компонентов. Визуализация этого распределения достигается путем отображения популяций внутри треугольника (каждый из углов которого представляет собой отдельный чистый предковый компонент). Таким образом мы можем отображать не только группы людей (т.е популяции), но и отдельных современных индивидов с генотипированными снипами. При визуальном изучении расположения популяций внутри треугольника, мы можем отметить cмещение спектра разнообразия в сторону предкового компонента неолитических земледельцев (EEF). Это наблюдение еще раз подтверждает насколько важным событием для эволюции и развития европейского генофонда являлась  неолитическая революция. Она принесла с собой не только технологические изменения, но и перемены в генофонде тогдашних европейцев. Однако если быть более точным, то нет никаких сомнений в том что компонент EEF аккумулирует в себя не только генофонд первых европейских земледельцев, но и остаточный момент от смешения этого компонента с представителями четвертого компонента («базальных евразийцев»).

Выявленные предковые компоненты отличаются значительной дискретностью, и в своем чистом виде практически не перекрываются. Именно по этой причине именно эти компоненты (а не общепринятые ныне в аутосомных исследованиях попгенетиков  этногеографические компоненты) могут использоваться в качестве неколлинеарных факторов в анализе эволюции генофонда отдельных народов.

1. Компонент западноевропейских охотников-собирателей мезолита ( WHG ): метапопуляция этого компонента включает в себя образец Loschbour (мезолитический Люксембург, 8000 лет до настоящего времени) и два мезолитических образца древнего ДНК людей из пещеры La Brana в Испании. Тем не менее, в настоящий момент своего пика WHG (почти 50%) достигает среди эстонцев и литовцев , на востоке Балтийского региона. В этом смысле эти популяции являются наследниками древнейших жителей мезолита Европы. К этой группе примыкает группа шведских неолитических популяций  (скандинавские охотники-собиратели (SHG ) : эта мета- субпопуляция состоиь из шведских мезолитических и неолитических образцов ДНК из Моталы и Готланда , соответственно. Судя по всему, здесь мы имеем дело с  более восточным вариантом WHG , с небольшой примесью генов от древних северо-евразийских популяций.

Удельная доля компонента WHG в генофонде популяций по мере убывания  (градиент убывания в направлении с северо-запада на юго-восток Европы).

Эстонцы 0,495
Литовцы 0,464
Исландцы 0.456
Беларусы 0,431
Норвежцы 0,428
Испанцы 0,068
Греки 0,058

Мальтийцы 0
Ашкенази 0
Сицилийцы 0

1. Компонент ранних европейских земледельцев (EEF) : по всей видимости, это гибридный компонент являющийся  результатом смешивания части загадочных «базальных евразийцев» и носителей компонента WHG где-то в Европе, возможно, на Балканах. Метапопуляция EEF в чистом виде представлена у представителя линейно-ленточной керамики  (Штутгарт, Германия), Этци Тирольского человека, и неолитического земледельца культуры воронковидных кубков. В наше время пик это компонента  приходится на Сардинию, Сицилийцев, ашкеназов и жителей Мальты (примерно 80-90%).

Удельная доля компонента EEF в генофонде популяций по мере убывания  (градиент убывания частоты направлен в сторону обратную WHG, т.е с юго-востока Европы на северо-запад, однако градиент выражен гораздо менее четко).

Мальтийцы 0,932
Ашкеназим 0,931
Сицилийцы 0,903
Сардинцы 0,817
Испанцы 0,809
Норвежцы 0,411
Исландцы 0,394
Шотландцы 0,39
Литовцы 0,364
Эстонцы 0,322
3. Компонент древних северо-евразийцев ( ANE ): метапопуляция компонента включает в себя   24000 летний верхне-палеолитический образец охотника-собирателя из южно-центральной Сибири, принадлежащий к Y- ДНК гаплогруппе R *, (MA -1), а также  верхнепалеолитический образец из центральной Сибири (Афонтова Гора -2) ( AG2 ). Этот компонент мог вероятно присутствовать в Южной Скандинавии по крайней мере со времен мезолита, но Западной Европы  достиг уже в конце эпохи неолита. В современной Европе самый высокий процент это компонента наблюдается у эстонцев (на уровне чуть более 18%), и  достигает такого же уровня среди шотландцев.

Эстонцы 0,183
Шотландцы 0,182
Венгры 0,179
Литовцы 0,172
Чехи 0,167
Итальянцы из Бергамо 0,108
Сицилийцы 0,097
Ашкеназим 0,069
Мальтийцы 0,068
Сардинцы 0,008

Сводная таблица по раскладу компонент у отдельных популяций  и их формальной статистической значимости (f3-статистика):

Эпилог

В апреле и мае 2012 года (задолго до появления статьи Lazaridis et al. 2013), в ходе изучения структуры кластеров компонентов в древних ДНК (чьи SNP-данные были тогда у меня в наличии). В ходе анализа Admixture  K=3 программа дала интересное распределение по современным популяциям и древним образцам. Как видно из географического распространения, кластер-метопапуляции готландских охотников-собирателей/ мезолита и современных саамов в значительной части перекрывается с ареалом современного пика компонентов мезолитических охотников-собирателей. Неолитический (средиземноморский) компонент совпадает с ареалом компонента EEF. Наконец, контуры ареал компонента который я ошибочно обозначил как Corded Ware Indo-European, практически перекрываются контурами ареала ANE (пик которого, как отмечалось выше, приходится на популяции шотландцев и эстонцев).

 

.

Итоги года в плане генетических исследований

Предыдущий год можно смело обозначить как год исследования древнего ДНК. По количеству, качеству обследованных образцов  ДНК древних исторических и доисторических людей, а самое главное — по далеко идущим выводам в интерпретации данных древнего митохондриального, Y-хромосмы и аутосомных маркеров — исследования опубликованные в прошлом году позволили нам по-новому взглянуть на многие  проблемы происхождения европейцев, и человечества в целом.

Стоит отметить, что большинство этих открытий были бы невозможны без использования новой технологии прочтения и секвенирования древнего ДНК,предложенной в начале 2013 году Маттиасом Майером в институте Макса Планка (Германия).

Ис­ко­па­е­мые кос­ти обыч­но силь­но заг­ряз­не­ны сов­ре­мен­ной ДНК, в ос­нов­ном бак­те­ри­аль­ной, так что до­ля под­лин­ной древ­ней ДНК сос­тав­ля­ет все­го нес­коль­ко про­цен­тов. В фа­лан­ге из Де­ни­со­вой пе­ще­ры со­дер­жа­ние древ­ней ДНК иск­лю­чи­тель­но вы­со­кое (70%), од­на­ко в рас­по­ря­же­нии ис­сле­до­ва­те­лей был лишь кро­шеч­ный фраг­мент этой кос­точ­ки, по­э­то­му бы­ло очень важ­но ни­че­го не по­те­рять.

До сих пор па­ле­о­ге­не­ти­ки поль­зо­ва­лись тех­но­ло­ги­я­ми сек­ве­ни­ро­ва­ния, раз­ра­бо­тан­ны­ми для сов­ре­мен­ных ор­га­низ­мов. Эти ме­то­ды ори­ен­ти­ро­ва­ны на ра­бо­ту с мо­ле­ку­ла­ми ДНК в их «стан­да­рт­ной» кон­фи­гу­ра­ции, то есть в фор­ме двой­ной спи­ра­ли. Од­на­ко мно­гие фраг­мен­ты древ­ней ДНК, вы­де­лен­ные из ис­ко­па­е­мых кос­тей, час­тич­но или пол­ностью рас­па­да­ют­ся на оди­ноч­ные ни­ти, или од­на из ни­тей двой­ной спи­ра­ли ока­зы­ва­ет­ся пов­реж­де­на. До сих пор в хо­де па­ле­о­ге­не­ти­чес­ких ис­сле­до­ва­ний та­кие фраг­мен­ты те­ря­лись. Раз­ра­бо­тан­ная Мейе­ром ме­то­ди­ка поз­во­ля­ет их пой­мать и от­сек­ве­ни­ро­вать на­ря­ду с обыч­ны­ми, двух­ни­те­вы­ми фраг­мен­та­ми. Для это­го к 3’-кон­цам од­но­це­по­чеч­ных фраг­мен­тов древ­ней ДНК при­со­е­ди­ня­ют би­о­ти­ни­ли­ро­ван­ные (то есть свя­зан­ные с би­о­ти­ном, см. biotinylation) оли­го­нук­ле­о­ти­ды – «адап­те­ры». Адап­тер за­тем ис­поль­зу­ет­ся в ка­че­ст­ве прай­ме­ра (зат­рав­ки) для син­те­за не­дос­та­ю­щей комп­ле­мен­тар­ной це­пи ДНК на мат­ри­це ис­ход­но­го од­но­це­по­чеч­но­го фраг­мен­та, ко­то­рый в ито­ге ста­но­вит­ся двух­це­по­чеч­ным, пос­ле че­го его мож­но сек­ве­ни­ро­вать стан­да­рт­ны­ми ме­то­да­ми (под­роб­ное опи­са­ние ме­то­ди­ки при­ве­де­но в до­пол­ни­тель­ных ма­те­ри­а­лах). Но­вая ме­то­ди­ка поз­во­ли­ла на по­ря­док уве­ли­чить ко­ли­че­ст­во древ­ней ДНК, дос­туп­ной для сек­ве­ни­ро­ва­ния, что и обес­пе­чи­ло ус­пех предп­ри­я­тия.

Именно благодаря этой технологии был секвенирован геном денисовского человека, а затем был получен более качественный геном неандертальца. Затем метод был успешно применен в секвенирования целого ряда генома древних людей (далее краткий дайджежст находок в изложение Диенека):

1. Геном 400 000 летнего человека гейдельбергского из Иберии имел мтДНК похожее на мтДНК алтайских денисовских людей (средний палеолит). Это открытие важнo возрастом образца, который открывает новые перспективы для изучения древней  ДНК , а также потому что это представляет собой недостающее звено в вопросе происхождения денисовцев.
2. Было обнаружено, что неандертальцы населяли ту же пещеру , где был найден палец денисовского человека. У денисовцев была обнаружена неандертальская примесь , а также примесь от ранее неизвестного представителя  «ультра- архаической» группы ;  имеющаяся у всех евразийцев имеют неандертальскую примесь наиболее близко к неандертальскому образцу (пещера Мезмайская, Кавказ). Восточные евразийцы также характеризуются небольшой денисовской примесью, в то время как у австралийских аборигенов и субсахарских африканцев уровень денисовской примеси (адмикса) значительно выше. Наконец,  небольшая часть неандертальских генов могла быть получена западными  евразийцами еще в голоцене .
3. Примерно 24000 летний образец древнего ДНК с верхнепалеолитической сибирской стоянки Мальта (Прибайкалье) связан с коренными американцами , которые с точки зрения эволюционной структуры своего аутосомного генофонда представляют собой сочетание доминирующей у верхнопалеолитических сибиряков компоненты и восточно-азиатской компоненты . Другой важный момент — житель стоянки Мальта был генетически связан с западными, а не восточными евразийцами . Он принадлежал к  Y- гаплогруппе R * и MT- гаплогруппе U * .
4. С другой стороны , примерно 40 000 летний образец из Китая является типичным восточным евразийцем .
5. Наиболее важное (на мой взгляд) открытие, подтверждающее мое более ранее предположение — европейцы с точки зрения структуры аутосомного генофонда представляют собой смесь неолитических фермеров, мезолитических охотников-собирателей и вышеупомянутых палеолитических сибиряков (обозначенных в статье как » древние северные евразийцы»). Ранние земледельцы  линейно-ленточной культуры из Центральной Европы похожи на более поздних жителей неолитических жителей Европы — Этци (Тирольского человека) , шведских неолитических земледельцев , и, вероятно,  иберийских земледельцев. У них также был  обнаружен загадочный  » базальный евразийский » компонент, чья  ‘родословная’ прослеживается  к уровню самого древнего расхождения дерева евразийских популяций. У мезолитических европейцев видимо преобладала Y- гаплогруппа I.
6. Древнее мтДНК свидетельствует о существенных пертурбациях генофонда европейцев   во времена позднего неолита и раннего бронзового века в Германии:  европейские популяции того времени являются в историческом плане первыми популяциями, в которых распределение частот митохондриальных гаплогрупп близко к распределению частот в современных европейских популяционных групп. Потомки мезолитических охотников-собирателей Европы не исчезают в Германии после появления линейно-ленточной керамики. МтДНК гаплогруппа H , наиболее распространенная у современных европейцев выдвинулась в середине -конце неолита.
7. Население западной Сибири эпохи бронзового века, так же как и ранее, представляла собой смесь  западных и восточных евразийских популяций.
8. Обнаружены косвенные свидетельства интересных популяционных событий в Европейской степи.
9. Современные Тосканцы , вероятно, не происходят от древних этрусков.
10. Минойцы были довольно типичными европейцами, следов влияния популяций северной Африки ( у них было открыто небольшое количетсво мтДНК U, хотя, может быть, это наследие мезолитических греков) .
11. Много образцов мтДНК гаплогруппа U было найдено в популяциях весьма древних европейцев, наряду с этим была найдены мтДНК гаплогруппы М + N (возрастом ~ 77 000 лет).
12. У мезолитических западноевропейцев были голубые глаза, у неолитических европейцев были коричневые,  цвет кожи европейских степных популяций  был более «темный» , чем у современных европейцев . У древних мезолитических европейцев были темно-коричневые или черные волосы.

Географическое позиционирование людей на основании их генетических данных

Как известно, значительное количество людей интересуется вопросом своего положения в мире. Развитие биоинформатики и персональной геномики позволяют дать один из возможных вариантов ответа на вопрос о нахождении своего места в мире, причем в прямом смысле этого слова, т.е в смысле географического положения проекции генома индивида на карте мира.

На научном языке этот трюк называется генографическая визуализация или биогеографическое позиционирование. В своем блоге я показывал разные способы подобной визуализации, главными из которых являются:
1) Наиболее важным из них представляется  эксплицитное пространственное моделирования частот аллелей позволяет достаточно точно локализовать положение отдельно взятого человеческого индивида  на географической карте только на основании генетической информации — метод SPA.

2) Вторым по важности методом является метод, предложенный Сергеем Козловым — метод визуализации пространственного расположения индивида, исходя исключительно из аллельных чистот снипов в геноме (подробнее читай в моем блоге).

3) Наконец, третий подход опирается на рецепт Франсуа Оливье, который предложил  использовать графическую библиотеку статистического программного обеспечения R для отображения пространственной интерполяции  коэффициентов адмикса (Q матрица) в двух измерениях (где пространственные координаты записываются как географические долгота и широта) (подробности здесь).

Разумеется, методов и способ визуально-пространственного отображения генетических различий в глобальном мировом масштабе гораздо больше.

Подтверждением этого является разработанный сотрудниками  Genomics and Computational Biology Research Group, University of South Wales (Австралиями) метод GPS- позиционирования места происхождения индивида на основе анализа admixture в индивидуальных данных чипсета Geno 2.0 (совместный продукта Спенсера Уэллса и National Geographic). Метод был обкатан на данных сардинцев, и согласно заверениям авторов, этот метод доказал свою робастность на реальных данных:

Поиск биогеографического метода, который использует биологическую информацию для прогнозирования места происхождения, занимал ученых на протяжении тысячелетий. Современные алгоритмы биогеографического позиционирования достигают точности предсказания с погрешностью +- 700 км в Европе, однако их результаты оказываются крайне неточны в других местах, в частности в Юго-Восточной Азии и Океании. Здесь мы представляем новый метод анализа admixture на основе географической структуры населения (GPS), который точно определяет регион биогеографического происхождения лиц по всему миру вплоть до локального уровня. Точность GPS демонстрируется на трех наборах данных:  на популяциях всего мира, популяциях Юго-Восточной Азии, Океании и Сардинии (Италия) с использованием  40,000-130,000 снипов чипа GenoChip. GPS правильно расположены 80%  индивидов в пределах их страны происхождения, причем эта точность достигла 87% для азиатов и жителей Океании. Применительно к более чем 200 сардинцам обоих полов, GPS разместил примерно четверть в их родовые «деревни», а большинство остальных (то есть 80%) в пределах 50 км от их села, что позволяет нам определить демографические процессы, которые сформировали общество Сардинии. Наконец, мы еще раз продемонстрировали три дополнительных приложения GPS в отслеживании биогеографического происхождения друзов населения и выявления истоков европейской североамериканцев.Точность и эффективность GPS подчеркивают важность методов биогеографии основанных на данных Admixture и имеет важные последствия для генетического тестирования происхождения, судебно-медицинских и медицинских наук, и  общих вопросов генетической конфиденциальности.

Хотя изначально тест и разрабатывался под чип Geno 2.0, логика использования приложений GPS (которые работают на выходных данных анализа Admixture) легко позволяет создавать «самодельные» модификации c помощью имитирующих запусков Admixture на данных, чьи параметры соответствуют параметрам данных использованных для создания приложений GPS.

В качестве таких пилотных трюков можно упомянуть трюк геномного блоггера Веселовского. С результатами этого интересного эксперимента можно ознакомиться на Gedmatch, так как использованный в эксперимента Веселовского калькулятор K9b был имплементрован на Gedmatch.

Вот например, мои данные (которые, в принципе были предсказуемы) для большинства выходцев из Северо-восточной Европы. Как видно, погрешность точки локализации по-прежнему составляет +-700 км (если не больше) в радиусе от вычисленного положения на карте.

Calculated Place of Origin: Lithuanians

Longitude: 19.1421697241843,
Latitude: 51.767721502303

 

Бета-версия нового этно-популяционного калькулятора MDLP K27

По многочисленным просьбам, я все же решил сделать релиз бета-версии нового MDL DIYкалькулятора. Калькулятор носит кодовое название K27 по числу принятых в качестве априорных предковых компонентов.
Нужно отметить, что перед принятием решения о релизе я долго думал о том, имеет ли смысл выкладывать калькулятор и сопутствующую ему версию Genomic Oracle в открытый доступ. После долгих колебаний я все же решил все же выложить

Хочу сразу отметить три важных нюанса:

1) Эта версия коренным образом отличается от тех бета-версий, которые я отправлял на тестирование ув. А.Бурнашеву и С.Козлову

2) Я не собираюсь (пока) встраивать его в калькуляторы Gedmatch

3) Самое важное: в силу гораздо большего охвата референсных популяций (а всего их 429) в мировом масштабе, этот калькулятор будет гораздо менее информативен для европейцев (восточных и западных), в сравнении с другими калькуляторами проекта, уже находящимися на gedmatch. Это связана прежде всего с тем, что между главными кластерами генетического разнообразия европейцев наблюдается крайне низкая степень дивергенции.  Низкая степень дивергенции заметна на графике MDS центроидов генетического разнообразия каждой из использованных популяций (европейцы находятся в очень узком кластере в центре большого скопления в правой части графика)

Скорее всего в  случае с чистыми европейцами, калькулятор будет показывать только ключевые исторические эпизоды смешения популяций. В калькуляторе из 27 кластеров только 3-4 имеют значение для типичных европейцев. Зато (скорее всего) он будет идеальным инструментов для людей с би- и трирасовым происхождением, а также америндов, азиатов, и африканцев. Остальным рекомендую принимать результаты, как говорят англичане, with a grain of salt.

С другой стороны,  судя по дендрограммам кластеров калькулятора, объединение и соединения компонентов имеют четкую и логичную структуру:

Кластеризация компонентов в эвклидовой метрике

Кластеризация по методу Complate Linkage/Chi-square

Chi-Square/Ward’s method

Инструкции по пользованию калькулятором такие же как и в базовой версии калькулятора от Dienekes Pontikos (эти инструкции можно найти в его блоге). Файл параметров называется test.par.

Что касается Oracle, команды аналогичные Dodecad Oracle, c той лишь разницей что рабочая функция называется cответственно MDLOracle и MOracle2.

Ccылки на скачивание

MDLOracle

Oracle

DIYCalculator

Примечание — в этом дистрибутив калькулятора по ошибке не был включен файл с названиями компонентов (test.txt) .
Этот файл содержит названия компонентов в следующем порядке

Nilotic-Omotic
Ancestral-South-Indian
North-European-Baltic
Uralic
Australo-Melanesian
East-Siberean
Ancestral-Yayoi
Caucasian-Near-Eastern
Tibeto-Burman
Austronesian
Central-African-Pygmean
Central-African-Hunter-Gatherers
Nilo-Saharian
North-African
Gedrosia-Caucasian
Cushitic
Congo-Pygmean
Bushmen
South-Meso-Amerindian
South-West-European
North-Amerindian
Arabic
North-Circumpolar
Kalash
Papuan-Australian
Baltic-Finnic
Bantu

Практические результаты использования калькулятора на примере исходных популяций выборки

Расклад предковых компонентов у Этци Тирольского человека

[1,] «S1» «0»
[2,] «28.1% Cypriot + 71.9% Sardinian» «10.4539»
[3,] «28.8% Cretan + 71.2% Sardinian» «10.5494»
[4,] «23.1% Druze + 76.9% Sardinian» «10.5847»
[5,] «19.9% Bulgarian-Roma + 80.1% Sardinian» «10.6089»
[6,] «19.8% Macedonian-Roma + 80.2% Sardinian» «10.6152»
[7,] «20% Roma + 80% Sardinian» «10.6193»
[8,] «29.9% Island-Greek + 70.1% Sardinian» «10.7168»
[9,] «30.3% Ashkenazi + 69.7% Sardinian» «10.8659»
[10,] «19.4% Georgian_Laz + 80.6% Sardinian» «10.928»

Структура компонентов в образцах древней ДНК из пещеры La_Brana

 BRA
[1,] «BRA» «0»
[2,] «75.5% North_Finn + 24.5% Spanish_Basque» «17.0606»
[3,] «24.2% French_Basque + 75.8% North_Finn» «17.3356»
[4,] «77.1% North_Finn + 22.9% Sardinian» «19.5163»
[5,] «24.1% Iberian + 75.9% North_Finn» «21.1495»
[6,] «76.2% North_Finn + 23.8% Spanish» «21.3459»
[7,] «78.5% North_Finn + 21.5% S1» «22.1884»
[8,] «76.7% North_Finn + 23.3% Portuguese» «22.5586»
[9,] «76.3% North_Finn + 23.7% Puerto-Rican» «22.7617»
[10,] «22.1% Corsican + 77.9% North_Finn» «23.2394»

Древнее ДНК пост-мезолитических жителей Швеции (Готланда)

[1,] «Swedish-Mesolithic» «0»
[2,] «8.9% AriblacksmithIbd + 91.1% Latvian» «13.1043»
[3,] «9% Ariblacksmith + 91% Latvian» «13.1644»
[4,] «9.3% Aricultivator + 90.7% Latvian» «13.9085»
[5,] «9.3% AricultivatorIbd + 90.7% Latvian» «13.9138»
[6,] «7.4% AriblacksmithIbd + 92.6% Lithuanian» «15.5735»
[7,] «7.4% Ariblacksmith + 92.6% Lithuanian» «15.6297»
[8,] «92.7% Latvian + 7.3% Wolayta» «15.8622»
[9,] «4.8% Kalash + 95.2% Latvian» «16.2399»
[10,] «7.4% Aricultivator + 92.6% Lithuanian» «16.2569»

Древнее ДНК неолитических жителей Щвеции

1,] «Swedish-Neolithic» «0»
[2,] «61.9% Georgian_Jew + 38.1% Selkup» «22.6282»
[3,] «38.7% Selkup + 61.3% SephardicBul» «22.7533»
[4,] «37.6% Selkup + 62.4% Sephardic_Bulgaria» «23.0667»
[5,] «62.6% Morocco_Jew + 37.4% Selkup» «23.2594»
[6,] «38.2% Selkup + 61.8% SephardicTurk» «23.6872»
[7,] «38.6% Selkup + 61.4% South-Sicilian» «23.7453»
[8,] «38.1% Selkup + 61.9% West-Sicilian» «23.8583»
[9,] «56.3% Georgian_Jew + 43.7% Udmurd» «23.9074»
[10,] «37.2% Ket + 62.8% SephardicBul» «24.21»

Древнее ДНК жителя палеолитической стоянки Мальта (Сибирь)

[2,] «33.7% Brahui + 66.3% Udmurd» «21.9804»
[3,] «34.5% Makrani + 65.5% Udmurd» «22.357»
[4,] «34.3% Balochi + 65.7% Udmurd» «22.413»
[5,] «33.3% Sindhi + 66.7% Udmurd» «24.1198»
[6,] «36.5% Burusho + 63.5% Udmurd» «24.211»
[7,] «39.7% Pashtun + 60.3% Udmurd» «24.3389»
[8,] «34.3% Pathan + 65.7% Udmurd» «24.716»
[9,] «32.2% Pakistani + 67.8% Udmurd» «24.753»
[10,] «41.4% Tadjik + 58.6% Udmurd» «24.852

Довольно-таки интересны результаты литовских татар. Они показывают что основу их популяции составляли группы близкие к современным каракалпакам. Доказан факт смешивание со славянскими популяциями.

[1,] «Tatar_Lithuania» «0»
[2,] «45.7% Belarusian + 54.3% Karakalpak» «4.114»
[3,] «48.2% East-Ukrainian + 51.8% Karakalpak» «4.362»
[4,] «53.2% Karakalpak + 46.8% South-Russian» «4.373»
[5,] «45.7% Center-Russian + 54.3% Karakalpak» «4.4215»
[6,] «51.8% Karakalpak + 48.2% Russian_cossack» «4.7105»
[7,] «53.7% Karakalpak + 46.3% Pole» «4.7189»
[8,] «51.1% Karakalpak + 48.9% Ukrainian» «4.7654»
[9,] «56.2% Karakalpak + 43.8% Russian» «4.9077»
[10,] «49.9% Karakalpak + 50.1% West-Ukrainian» «5.5127»

Результаты дагестанцев. У кумыков из Стальского замтене сдвиг в сторону европейского неолитического фона, у даргинцев из Уркараха — в сторону таджиков, бурушей и пакистанцев

[,1] [,2]
[1,] «Stalskoe» «0»
[2,] «89.3% Lak + 10.7% Sardinian» «5.9513»
[3,] «87.7% Lak + 12.3% S1» «5.9727»
[4,] «90% Lezgin + 10% Sardinian» «6.2035»
[5,] «91.1% Lezgin + 8.9% Spanish_Basque» «6.2534»
[6,] «88.6% Lezgin + 11.4% S1» «6.339»
[7,] «8.8% French_Basque + 91.2% Lezgin» «6.3573»
[8,] «14.8% S1 + 85.2% Urkarah» «6.613»
[9,] «87.4% Lezgin + 12.6% Puerto-Rican» «6.6176»
[10,] «11.3% Iberian + 88.7% Lezgin» «6.6416»

[1,] «Urkarah» «0»
[2,] «87.2% Lak + 12.8% Tadjik» «3.9718»
[3,] «7.4% Brahui + 92.6% Lak» «4.027»
[4,] «7.1% Balochi + 92.9% Lak» «4.1902»
[5,] «90.7% Lak + 9.3% Pashtun» «4.2146»
[6,] «92.9% Lak + 7.1% Makrani» «4.2644»
[7,] «96.3% Lak + 3.7% Orcadian» «4.4254»
[8,] «5.3% Burusho + 94.7% Lak» «4.4391»
[9,] «95.4% Lak + 4.6% Pakistani» «4.4458»
[10,] «95.3% Lak + 4.7% Sindhi» «4.4459»

Чеченцы, как и должно быть находятся как бы посередине между восточно-северокавказскими популяциями и популяциями западной части северного Кавказа (дагестанцами):

[1,] «Chechen» «0»
[2,] «41.7% Balkarian + 58.3% Lezgin» «1.2933»
[3,] «47% Balkarian + 53% Lak» «1.461»
[4,] «48.6% Adygei + 51.4% Lak» «1.5575»
[5,] «43% Adygei + 57% Lezgin» «1.7072»
[6,] «54.3% Lak + 45.7% North-Ossetian» «2.2724»
[7,] «62% Adygei + 38% Urkarah» «2.3513»
[8,] «60.2% Lezgin + 39.8% North-Ossetian» «2.3592»
[9,] «60.3% Balkarian + 39.7% Urkarah» «2.3594»
[10,] «32.1% Cirkassian + 67.9% Lezgin» «2.647»

Доказана примесь тюркских генов у русских казаков

[,1] [,2]
[1,] «Russian_cossack» «0»
[2,] «4% Karakalpak + 96% Pole» «1.6702»
[3,] «92.7% Pole + 7.3% Tatar_Lithuania» «1.673»
[4,] «3.5% Kyrgyz + 96.5% Pole» «1.6749»
[5,] «96.1% Pole + 3.9% Uyghur» «1.6836»
[6,] «96.3% Pole + 3.7% Uygur» «1.6839»
[7,] «3.6% Kazakh + 96.4% Pole» «1.7032»
[8,] «96% Pole + 4% Uzbek» «1.7071»
[9,] «96.1% Pole + 3.9% Turkmen» «1.7144»
[10,] «3.6% Hazara + 96.4% Pole» «1.7184»

Результаты  крымских татар также обнадеживают. Они представлены как смесь ногайцев, башкиров, литовских татар, — и румын, греков из разных областей, что логично.

[1,] «Tatar_Crim» «0»
[2,] «54.3% Nogay + 45.7% South-Greek» «2.26»
[3,] «46.4% Center-Greek + 53.6% Nogay» «2.9529»
[4,] «46.2% Greek + 53.8% Nogay» «3.1448»
[5,] «55.8% Nogay + 44.2% North-Greek» «3.2151»
[6,] «50% Nogay + 50% Romanian_Jew» «3.3766»
[7,] «41.4% Kosovar + 58.6% Nogay» «3.9495»
[8,] «73.3% Greek_Azov + 26.7% Tatar_Lithuania» «4.6688»
[9,] «22.5% Bashkir + 77.5% Greek_Azov» «4.8702»
[10,] «57.6% Nogay + 42.4% Romanian» «5.0906»

Cеверные финны из Куусамо. Они выходят наиболее истинными наследниками палеолитического населения Европы

[,1] [,2]
[1,] «North_Finn» «0»
[2,] «39.8% BRA + 60.2% Finland» «22.1224»
[3,] «49.2% BRA + 50.8% South_Finn» «24.2635»
[4,] «54.8% BRA + 45.2% Finn» «25.2111»
[5,] «64.1% BRA + 35.9% Inkeri» «25.9453»

Инструменты и программы в генетической генеалогии

Этой заметкой мы открываем новую серию записей, в которых мы будем давать краткое описание существующих инструментов генетического генеалога.

Поговорим в начале  о самых простых и самых новых инструментах.

GUI-wrapper этно-популяционного калькулятора DIY Dodecad.

Ссылка на сайт разработчика.

Многие люди жалуются на проблемы с пониманием принципов работы с калькуляторами Dienekes Dodecad, особенно что касается обработки файлов в программной среде R.  Благодаря неистощимой креативности программистов-любителей генетической генеалогии был написан wrapper (на основе платформы Microsoft.NET), позволяющий работать с калькуляторам без использования R.
Запустите исполняемое приложение exe и перетащите свой файл с генотипами от 23andme/FTDNA в окно приложения.

Отработав все циклы, программа выведет в окно приложения таблицу с процентным соотношением компонентов в исследуемом индивидуальном наборе генотипов.

 Chromosomal  Segment Painter

Программа для раскрашивания предковых хромосомных сегментов

http://blog.kittycooper.com/2013/08/chromosome-mapping-tool-released/

Концепт этот онлайнового приложения похож на стандартный инструмент Family Inheritance в 23andme, с той лишь разницой, что в отличие от 23andme, количество цветов в палитре индивидуализации сегментов гораздо выше, и в принципе неограниченно.

Эта программа требует на входе файла CSV наличие определенных заголовок, столбцов, содержания, перечисленных, с учетом регистра и в любом порядке. Первоначально этот инструмент был задуман для изображения общих по происхождению ДНК сегментов в геномах лиц, чье родство было заведомо известно,  а не для поиска перекрывающихся  ДНК-сегментов нескольких групп неизвестных родственников.

В принципе, программа будет работать в обеих случаях. Последняя версия программы будет работать с загруженными из DNAgedcom файлами CSV или с любым файлом CSV, содержающий отформартированный особым образом список людей и сегментов.

Рекомендуемый порядок работы с программой:
1) сначала нужно скачать CSV файл c координатами совпадающих сегментов с 23andme или FTDNA

2) осортировать в файле Excel крупные сегменты,  и сохранить его как CSV,

3) затем запустить его в преобразователь, чтобы увидеть двадцатку ваших лучших совпадений.

Будущая версия будет иметь более широкую функциональность для отображения нескольких неизвестных родственников ДНК, которые разделяют перекрывающиеся сегменты ДНК с вами. Причем если в настоящее время отображаются только две линий, то в будующем таких линий будет больше.

Чтобы лучше понять концепцию отображения сегементов хромосмоы, прочитайте статью вики на сайте ISOGG  про отображение.

Новая версия этно-популяционного калькулятора MDLP и соображения по поводу генетического разнообразия человечества

Сравнение снп-теста DNA Tribes и MDLP World-22 Вадима Веренича.

С подачи FenriR я проработал таблицу эталонных популяций 20-компонентного снп-этнокалькулятора DNA Tribes. Структурно он довольно схож с World-22 Вадима Веренича, поэтому логично провести их сравнение. Европа у Вадима (и в большинстве других калькуляторов) разделяется на два основных полюса — Литва (Северо-Восточная Европа) и Сардиния/баски (Атлантика-Средиземноморье). В ДНА Трайбс выделены эти же два компонента как Славик-Балтик и Медитерранеан. Кроме этого, они постарались выделить еще один компонент — Северо-Западную Европу с пиком в Ирландии и на Оркнейских островах. Логично, если они хотят увеличить детализацию теста для людей преимущественно британского происхождения. Компонент получился композитным, на Западе он заменяет в первую очередь Славик-Балтик, на Востоке — Медитерранеан. Поэтому распространение Славик-Балтик среди славян близко к Северо-Восточной Европе World-22 (с поправкой, о которой в разделе про Уралик), среди германских же и романских народов он падает гораздо резче. Аналогично Медитерранеан доминирует на юго-западе Европы — в абсолютных значениях сильнее, чем у Вадима, но быстрее спадает при удалении.
Мне кажется, основные европейские кластеры сделаны резче, чем они на самом деле, это загрубляет результаты. Но в целом распределение по ним выглядит верным.
Следующий компонент — Уралик. Здесь попытались объединить финнов и чувашей, что, на мой взгляд, неверно для Восточной Европы. Оба этих народа очень своеобразны. Видимо, действовали по аналогии с объединением сардинцев и басков и хотели вывести аналогичной кластер для противоположного конца Европы. Что-то в этой идее есть, но финнов тяжело с кем-то объединить. В результате в состав компонента вошли Мезолитическая Северная Европа из World-22 (финский, в более широком смысле общий северо-европейский компонент), Самоедик (уральский-западносибирский компонент), и отщипнули хороший кусок от Балто-Славика. Здесь калькулятор Вадима выглядит гораздо детальнее и точнее.
Далее идет «сибирский» адмикс, который у Вадима Веренича тонким слоем размазан по северо-востоку Европы. У ДНА Трайбс он частью тоже ушел в Уралик, частично виден у северных русских и очень сильно представлен у чувашей (на мой взгляд, слишком сильно). Важный европейский компонент — Кавказ/Западная Азия. В World-22 он распространен по всей Европе в сравнительно небольших количествах. Считается, что это след первых земледельцев из Малой Азии, в свое время распространившихся по Европе, но впоследствии вытесненных/ассимилированных. В ДНА Трайбс распространение Кавказа и Ближнего Востока (Месопотамиан) похоже на вариант Веренича, но тоже проявлено слабее — видимо, часть ушла в резкие европейские компоненты. Резюмируя — каждый калькулятор нацелен на свою аудиторию. Если DNA Tribes в первую очередь концентрируются на Западной Европе, то проект Вадима Веренича дает заметно лучшую детализацию по Европе Восточной.Судя по результатам FenriR (результаты других форумчан опубликованы до последнего изменения методики), уровень шума в DNA Tribes довольно велик — если Mesoamerican 3.0% Indus Valley 2.9% еще можно списать на Север, Сибирь и Поволжье, то West African 2.0% откровенный шум.

Порог генетического разнообразия человечества.

Поскольку калькулятор показал в большинстве случаев свою состоятельность, я решил начать работу над новой версией этно-популяционного ДНК-калькулятора. Однако прежде чем разместить краткий анонс предстоящего реализа, хочется упоминать примечательную работу, вышедшую в журнале Nature пару дней назад. В журнале “Nature” 3 июля 2013 г. опубликована статья «Генетическое разнообразие и популяционная история высших приматов», подписанная 55 генетиками (лидеры группы – Ксавьер Прадо-Мартинес из Института эволюционной биологии в Барселоне и Питер Садмант из университета штата Вашингтон в Сиэтле). Исследование весьма интересно  как антропологам, так и приматологам. Однако нас, с точки зрения генетики, заинтересовал следующий фрагмент исследования:

Авторы изучили 89 млн точечных нуклеотидных полиморфизмов (SNP) у 79 представителей различных подвидов всех шести видов крупных человекообразных обезьян – шимпанзе, горилл и орангутанов, – а также у 9 людей (трех африканцев и шести жителей других континентов).

Внутривидовая генетическая вариабельность у человека не выходит за пределы внутривидовой изменчивости у других высших приматов, а точнее, находится на ее нижней границе. Гетерозиготность оказалась ниже всего у западных шимпанзе, бонобо, восточных горилл (это связано с инбридингом), а также у людей, особенно представителей неафриканских групп. Последнее вызвано постепенной утратой генетической изменчивости после исхода сапиенсов из Африки и их расселения по миру. Наиболее высокая гетерозиготность обнаружена у суматранских орангутанов.

Как мы видим ниже, именно эти вычисления и выводы о уровне гетерозиготности (которая в данном контексте используется  в качестве индикатора вариативности популяций) будут иметь особое значение при интерпретации результатов нашего нового калькулятора.

Собственно, сабж.

Упомянутые в статье о высших приматах особенности генетического разнообразия отчетливо заметны на PCA графике будущего калькулятора MDLP K=23 (Ultimate Edition). Он создан в R с помощью пакета rgl.  Я выбрал первые три главных компонента (эйгенвекторы — 1526.55, 1104.50, 1041). Наиболее низкой степенью гетерозиготности отличаются европейцы, особенно из северной Европы. На графике они смещаются в одну большую группу, в то время как наиболее значительной гетерогеностью характеризуются африканцы из субэкватариальной Африки. Таким образом, исходный дизайн выборок в новом калькуляторе отлично укладывается в общую эволюционно-биологическую парадигму.
Мы рассчитал аллельные частоты примерно 130000 тысяч снипов по референсным популяциям, взятым из академических источников. С целью сохранения совместимости с коммерческими данными, были выбраны только те снипы, которые присутствуют либо в последнем чипсете 23andme, и/либо в последнем чипсете FAmilyFinder от FTDNA.
мы вычислили средние значения каждого из 23 компонентов для всех референсных популяций. Также имеются данные по  кластерному определению каждого из снипов.
Судя по разбивке популяций, они выглядят весьма правдоподобными. Но некоторые кластеры вызвают вопросы. Любопытно, что данные из известной работы Xing, в которые использовались дагестанцы из коллекции уважаемой Kazima Bulayeva, как бы образуют вектор параллельный основному вектору Европа-Азия.Радует что график имеет характерную V- или триангулярную форму. Это признак правильного расхождения популяций.Это треугольник с углами в популяциях CEU,бушменов и южных китайцев, причем генетическое разнообразие азиатов включает в себя разнообразие америндских популяций.

Учитывая все вышеизложенные проблемы, перед тем как делать релиз очередного этно-популяционного ДНК-калькулятора, я решил воспользоваться услугами бета-тестеров. В первую очередь, надеюсь на помощь Александр Бурнашев и Srkz (Сергея Козлова) поскольку они лучше остальных в русскоязычном секторе любителей ДНК-генеалогии понимают принципы работы калькуляторов на основе Додекад DIY.

Я также выполнил предварительные вычисления аллельных частот компонентов в собственных данных  и данных референсных беларусов.

Данные моей мамы:

East-European 38,65
Caucausian 27,98
North-European 12
Indian 9,92
Samoyedic 2,4
Arabic 1,55
West-African 1,26
Polinesian 1,04
… Central-Asian-Caucasian 1,02
Amerindian 0,94
Near-East-Mediterranean 0,84
Papuan-Melanesian 0,78
Austronesian 0,59
East-African 0,4
North-European-Caucausian 0,34
Central-African 0,25
Sino-Tibetan 0,04
North-African 0
South-African 0
Nigerian 0
Indo-Chineese 0
Sub-Saharian 0
West-Mediterranean 0

Мои собственные данные

East-European 36,89
Caucausian 28,87
North-European 11,36
Indian 9,98
Arabic 3,51
Central-Asian-Caucasian 2,37
Samoyedic 1,66
Polinesian 1,27
Amerindian 1,12
… Austronesian 1
Papuan-Melanesian 0,85
West-African 0,44
South-African 0,34
Sino-Tibetan 0,13
East-African 0,12
Near-East-Mediterranean 0,07
Central-African 0,04
North-African 0
North-European-Caucausian 0
Nigerian 0
Indo-Chineese 0
Sub-Saharian 0
West-Mediterranean 0

Данные референсных беларусов:

East-European 41,6645%
Caucausian 26,3905%
Indian 12,1348%
North-European 11,0739%
Near-East-Mediterranean 2,0315%
Indo-Chineese 1,4123%
Austronesian 1,1291%
Samoyedic 1,1257%
West-African 1,0845%
… Polinesian 0,6104%
Nigerian 0,5530%
Arabic 0,4754%
South-African 0,3044%
North-African 0,0010%
North-European-Caucausian 0,0010%
Amerindian 0,0010%
Papuan-Melanesian 0,0010%
East-African 0,0010%
Central-Asian-Caucasian 0,0010%
Central-African 0,0010%
Sino-Tibetan 0,0010%
Sub-Saharian 0,0010%
West-Mediterranean 0,0010%