Этногеномика беларусов — часть IV

Анализ структуры аутосомного генофонда популяции беларусов: результаты анализа этнического адмикса.

 

После проведения анализа этно-популяционного адмикса мы получили следущие результаты, обсуждению которых будет посвящена следущая часть нашего исследования. Результаты представляют собой разбивку аллельных частот на 22 кластера, каждый из которых представляет собой гипотетическую предковую популяцию. Поскольку в цели данного небольшого исследования не входит подробный анализ всех популяций, мы ограничимся сравнительном анализом структуры (компонентов) беларусов c географически близкими популяциями, а также с теми популяциями, которые могли входить в исторические контакты с предками современных беларусов:

 

Рисунок 3. Результатыанализа ADMIXTUREK=22

У рассматриваемых здесь европейских популяций наиболее часто представлены следующие компоненты:

North-East-European,Atlantic_Mediterranean_Neolithic,North-European-Mesolithic, West-Asian, Samoedic, Near_East.

Разберем вкратце каждый из них. В ракурсе нашего исследования самым важным компонентом представляется – северо-восточно-европейский компонент North-East-European, он присутствует почти у всех европейцов, и в самой значительной степени — у балтов и славян: литовцы (81,9), латыши (79,5), беларусы (76,4), эстонцы (75,2), поляки (70,2), русские (67- 70,4), украинцы (62,1- 67,1), сорбы (65,9), карелы (60,2), вепсы (62,5), чехи (57,4), северные немцы (54,6), южные- 42,6, у британцев от 46 до 49, норвежцы- 48,1, шведы- (53,7).

Второй по значимости компонент — Atlantic_Mediterranean_Neolithic (юго-западно-европейский или просто западно-европейский неолитический компонент).[1]У восточноевропейцев он выражен в умеренной степени- чехи (27,8), поляки (18,4), украинцы ( от 17 до 21%), беларусы (13%), русские (от 11 у северных до 17,3 у южных), у коми (8,9 %), манси (8,8 %).

Третьй компонент – северо-европейский мезолитический компонент -North-European-Mesolithic[2]: cаамы (76,4 %), финны (от 30,1 до 37,3 %), вепсы (24,1), карелы (23,2), ижорцы (22, 7). Заметен этот компонент и у северных русских (10,5 %), норвежцев (9,8 %), шведов (7,8 %), эстонцев (7,1 %). У беларусов он практически отсутствует (1.1%).

Четвертый компонент – западно-азиатский (кавказский) West Asian[3]. На интересуемой нас территории этот компонент чаще встречается у казанских татар (9,9 %), южных немцев (8,4), украинцев (от 6,6 до 7,7 %), южных русских (6,2%). На западе высок процент у итальянцев (21,5 % у центральных итальянцев), французов (6,7 %), у беларусов (2.2%).

Пятый компонент — уральский Samoedic. Значительно присутствует у селькупов (68,1%), хантов (64,6), ненцы (37,1), манси (30,9 %-), удмурты (29,6), марийцы (27, 8), шорцы (22,0 %), башкиры (21,7%), чуваши и хакассы по 17,6 %, коми- 16,4 %, казанских татар (11,9 %). У западноевропейцев этот компонент практически не встречается, у русских (от 1,0% у центральных до 4,7 % у северных), у карел (1,6%), словаков (1,4%), западных украинцев (1,7 %), беларусы (0.5%).

Шестой компонент – ближневосточный Near_East[4]У южных немцев (3,5), украинцы (от 2,3 у восточных до 3,8 % у западных), чехи (3,0), беларусы (3,4), словаки (3,2), у русских от 1,0 до 1,5%, у литовцев- 1,4%, у поляков- 1,3 %.

[1]Больше всего у сардинцев (68,1 %), басков (59,2 %), иберийцев (48,8), корсиканцев (47,8), португальцев (46,6), северных итальянцев (44,3), французов (43,5 %). Данный компонент достаточно выражен у всех западноевропейцев- более 30 %

[1]Название связано с тем, что этот компонент достигает значительных частот в древней ДНК жителей мезолитической Иберии, неолитических жителей Швеции и современном ДНК жителей Фенноскандии

[1]Наибольший процент на Западном Кавказе- абхазы (64, 9%), имеретинцы (63,7), лазы (56,6), аварцы (56,8), лезгины (55,4).

[1]Евреи Йемена (60,9 %), Сауд. аравия (59,5), бедуины (56,7), евреи Эфиопии (52,5), египтяне (43,8).В Европе oтносительно много у итальянцев (центр- 17,4), португальцев (11,9).

 

Анализ разделяемых аутосомных сегментов между популяциями Северо-Восточной Европы.

С целью верификации результатов анализа главных компонентов генетического разнообразия я подготовил новую выборку популяций, которая включает в себя ряд референсных евразийских популяций и анализируемую группу участников моего проекта MDLP. В совокупности, выборка включала в себя 900 индивидов, каждый из которых был типирован по 350 000 снипам.В ходе нового экспериментального теста в ходе статистической обработки общих по генетическому происхождению сегментов хромосом в составе выборки было выделенно 15 групп кластеров генетически близких популяций Как нам представляется, ключевым моментом для понимания принципов этого анализа, а также результатов, является понятие эффективной популяции или эффективный размер (Ne) популяции, т.е размера той популяции которая участвовала в репродукции или обмене генами в некоем отдаленном временном промежутке. Собственно говоря, эффективная популяция – это даже не число уникальных предков, а математическая абстракция разброса гамет, размер которого оценивается исходя из разброса числа гамет относительного к гамет, передаваемых родителям репродуктивного возраста следующему поколению. Он отличается от репродуктивоного объема Nr в той мере, в какой существует неравный вклад лиц родительского поколения в генофонд следующего поколения. Это создает разброс значений числа гамет к, того родителя относительно числа гамет к, передаваемых родителям следующему поколению (Wright, 1931, Li Ch. Ch., 1955). Новая программа Chromopainter позволяет оценить этот размер, исходя из числа наблюдаемых рекомбинаторных гаплотипов и значений LD. Когда я производил оценку этого размера, то для каждой из 22 неполовых хромосом он получился разный, однако среднеарифметическое значение составило 22 000. Это близко к значениям Neрекомендованным к использованию профессионалами (например, авторами программы IMPUTE V2). Как видно из приведенных ниже результатов, даже 22 000 для совокупности эффективного размера элементарных популяций – это более, чем достаточно.

 

Рисунок 4. Расположение популяций в пространстве 1 и 3 главных генетических компонентов

 

Изложим ниже некоторые закономерности размещения популяци

 

1. Финны оказались ближе к русским и поволжским финно-угорам (эрзя и мокша)

2. Все литовцы (участники проекта + референсы из вышеупомянутой статьи Бехара) и часть референсных белорусов образовали отдельный кластер, тесно примыкающий к кластеру белорусов, поляков, украинцев

3. Следущим кластером является центрально-европейский кластер, представленный главным образом венграми, хорватами, а также частью немцев.

4. Ниже находится балканский кластер (румыны, болгары и часть венгров).

5. К этому кластеру примыкают турки и часть армян

6. В центре плота находятся западноевропейцы из моего проекта (французы, немцы, бельгийцы и жители британских островов).

7. Выше находятся два оркнейских кластера, в которых находится и часть скандинавских сэмплов.

8. Еще левее находится кластер образованный референсными северо-итальянцами и тосканцами.

9. Ниже находятся армяне и слево итало-иберийский кластер (часть итальянцев и испанцы).

10. Левее этой группы популяций находится кластер ашкеназов.

11. Наконец, самый крайний слева кластер представлен изолированной популяцией сардинцев.

12. Ниже итало-иберийского и армянского кластеров расположен целый ряд кавказский кластеров. Это прежде всего адыгейцы и абхазцы, затем северные осетины.

13. Вышеназванные кластеры частично перекрывают кластер ногайцев (что свидетельствует о наличии генетического обмена между северокавказскими популяциями и ногайцами)

14. Кластер ногайцев плавно переходит в кластер узбеков, который в свою очередь примыкает к изолированному кластеру чувашей

15. Наконец самым изолированным кластером является кластер французских басков (в нижнем левом углу плота).[5]

 

[1]Больше всего у сардинцев (68,1 %), басков (59,2 %), иберийцев (48,8), корсиканцев (47,8), португальцев (46,6), северных итальянцев (44,3), французов (43,5 %). Данный компонент достаточно выражен у всех западноевропейцев- более 30 %

[2]Название связано с тем, что этот компонент достигает значительных частот в древней ДНК жителей мезолитической Иберии, неолитических жителей Швеции и современном ДНК жителей Фенноскандии

[3]Наибольший процент на Западном Кавказе- абхазы (64, 9%), имеретинцы (63,7), лазы (56,6), аварцы (56,8), лезгины (55,4).

[4]Евреи Йемена (60,9 %), Сауд. аравия (59,5), бедуины (56,7), евреи Эфиопии (52,5), египтяне (43,8).В Европе oтносительно много у итальянцев (центр- 17,4), португальцев (11,9).

 

[5]Такое поведение на плоте объясняется только изолированным положением популяции и небольшим числом эффективной популяции.То есть все эти баски являются многократными родственниками между собой т.е., положение басков на графике есть следствие классического генного дрейфа, который можно наблюдать на карте.На самом деле положение басков на данном плоте не может ни подтвердить, ни опровергнуть гипотезу о континуитете баскской популяции , т.к PCA-координаты (eigenvalues и eigenvectors) вычислялись в Chromopainter исходя из количества sharedDNAchunks между популяциями-донорами и популяциями-рецепиентами.То есть баски изоляты в том смысле, что уровень обмена ДНК между ними и другими популяцими ничтожен.

Исходя из этого можно сделать вывод о том что баски эта экстремально-эндогенная популяция изолянтов, при этом генетическое разнообразие басков низко, т.к. размер эффективной популяции басков низок.

Этногеномика беларусов — часть III

Анализ этно-популяционного адмикса

 

В ходе следующеего этапа, окончательный набор данных по референсным популяциям (которые я храню в linkage-формате PLINK) был обработан в программеAdmixture. Во время выбора подходящей модели проведения теста на этно-популяционный адмикс, мы столкнулись с крайне трудной задачей: как было показано в профильных научных исследованиях (Pattersonetal.2006) количество маркеров, необходимых для надежной стратификации популяций в анализе обратно пропорциональна генетическому расстоянию (фСТ) между популяциями. Согласно рекомендациям пользователей программы Admixture, считается что примерно 10 000 генетических SNP-маркеров достаточно для выполнения интер-континентальной GWAS-коррекции обособленных популяций (например, уровень дивергенции между африканскими, азиатскими и европейскими популяциями FST> 0.05), в то время как для аналогичной коррекции между внутриконтинентальными популяциями требуется более чем 100000 маркеров (в Европе, например, ФСТ < 0.01). Для повышения точности результатов Admixtureмы решили использовать метод, предложенный Dienekes. Этот метод позволяетпреобразовать частот аллелей в “синтетические” индивиды (см. такжепример Зака Аджмалаиз проекта HarappaDNA). Идея метода довольно проста: сначала необходимо запустить unsupervisedанализ Admixtureс целью вычисления частот аллелей в так называемых предковых компонентов, а затем на основании аллельных частот сгенерировать “фиктивные популяции”. Именно эти фиктивные популяции и индивиды будут использоваться в ходе чистых референсов в ходе последующего анализа этно-популяционного анализа. Впрочем, как и любые другие исследователи, работающий над четким решением проблемы этно-популяционного адмикса, мы были вынуждены считаться с ограничениями этого подхода. Хотя мы отдаем себе отчет в существовании явных методологических подвохов в использовании смоделированных искусственных индивидов для определения адмикса в реальной популяции, мы полагаем что полученные в ходе аллельно-частотного моделирования “фиктивных индивидов” представляют самую лучшую аппроксимацию древних генетических компонентов предпологаемых древних компонентов. В ходе применения простого моделирующего метода, нами были получены значимые результаты в ходе создания нового калькулятора. Сначала мы произвели unsupervisedAdmixture(при значении К = 22, т.е 22 кластера частот аллель или предковых компонентов). По выполнению анализа нами были получены оценки коэффициентов адмикса в каждой из этих 22 аллельных кластеров, а также частоты аллелей для всех SNP-ов в каждой из 22 родовых популяций.

Затем мы использовали мнемонические обозначения для каждого компонента (имена для каждого из компонентов выведены в порядке их появления). Нужно помнить, что обозначения этих компонентов носят скорее мнемонический условный характер:

Pygmy

West-Asian
North-European-Mesolithic
Tibetan
Mesomerican
Arctic-Amerind
South-America_Amerind
Indian
North-Siberean
Atlantic_Mediterranean_Neolithic
Samoedic
Proto-Indo-Iranian
East-Siberean
North-East-European
South-African
North-Amerind
Sub-Saharian
East-South-Asian
Near_East
Melanesian
Paleo-Siberean
Austronesian

Вышеупомянутые частоты аллель, вычисленные в ходе unsupervised(безнадзорного) анализа (AdmixtureK= 22) объединенного набора данных, были затем использованы для симуляции синтетических индивидов, по 10 индивидов на каждую из 22 предковых компонент. Это симуляционное моделирование проводилось с помощью PLINKкоманды -simulateРасстояние между между симулированными «искусствеными» индивидами было визуаилизировано с использованием многомерного масштабирования.

На следущем этапе, я включил группу смоделированных индивидов (220 индивидов) в новую эталонную популяцию. После чего я запустил новый анализ А, на этот раз в полном “поднадзорном” режиме для K= 22, причем полученные в ходе симуляционного моделирования фиктивные популяции фиктивных индивидов использовались в качестве новых референсных эталонных групп. На конвергенцию 22 априорно заданых предковых компонентов было затрачено 31 итераций (3 7773,1 сек) с окончательным loglikelihood: -188032005,430318 (ниже, на следущей странице, приведена таблица значений Fst между расчетными ‘предковыми’ популяциями):

Рисунок 1. FST-дистанции между компонентами

 

Приведенная выше матрица Fstдистанций была использована для определения наиболее вероятной топологии NJ-дерева всех 22 предковых компонентов ( примечание: в качестве outgroup-таксона использовался South-Africancomponent).

О «балтийских» корнях генофонда популяций эрзя и мокша

Анализ генома доисторических «шведов» (принадлежавших к готландской культуре ямочной керамики (Pitted Ware culture (около 3200 — 2300 гг. до н. э.)) показал, что они оказались в окружении плотного кольца из балтийских популяций. В эту группу вошли литовцы, белорусы, поляки, шведы, украинцы, русские (из Северной и Центральной России), мокша и эрзя. Это говорит о том, что у мокшан и эрзян сохранился генофонд старой Северной Европы.

 

 

Практические рекомендации по работе с данными древней ДНК – часть 3

В предыдущем посте я разместил  вторую часть примерных рекомендации по работе с данными древней ДНК с практическим примером директив программы Plink.

После проведения анализа я получил следующие данные о геномной «схожести» ДНК древних насельников Европы и cовременных популяций людей.

Итак, я начну с данных Этци-ледового человека из Тироля.

I.Этци

Данные схожи с результатами аналогичных вычислений в оригинальной статьей (в которой была показана близость Этци к современным сардинцам в ракурсе первых двух главных компонентов генетического разнообразия).  В нашей, более масштабной, выборке  Этци оказывается близок не только к сардинцам, но и к корсиканцам, северным итальянцам и тосканцам. Кроме того, в отличии от оригинальной статьи, видно что другие компоненты генетического разнообразия сближают Этци с ближневосточными популяциями, кавказцами и популяциями восточного Средиземноморья. Примечательно, что в программе fineStructure, где используются фазированные данные, Этци попадает в кластер пьемонтцев, — популяции наиболее близкой к местам в которых, как предполагается, жил Этци

Uzbeki_jew	Otzi	0.646834
Irani-jew	Otzi	0.645444
Azeri_jew	Otzi	0.645254
Kumyk	Otzi	0.644682
Algerian_Jew	Otzi	0.644546
Corsican	Otzi	0.6437835
Ashkenazi_Jew	Otzi	0.643497
Sardinian	Otzi	0.6430069
Cretan	Otzi	0.642585
Tuscan	Otzi	0.642299
Syrian_Jew	Otzi	0.6422305
GreeceThessaly2	Otzi	0.641938666666667
Bulgarian	Otzi	0.641346
Portugese	Otzi	0.640887333333333
Center-Italian	Otzi	0.64044025
Romanian	Otzi	0.6397932
French_Basque	Otzi	0.639631
Costanoan	Otzi	0.639535
Egyptan	Otzi	0.639511571428571
Azeri_Jew	Otzi	0.639471333333333
Cypriot	Otzi	0.639013
Bosnian	Otzi	0.639004857142857
Yemen_Jew	Otzi	0.638963
Toscanian	Otzi	0.63891
Macedonian	Otzi	0.638783625
Morocco_Jew	Otzi	0.638593307692308
Greek	Otzi	0.638391166666667
Gagauz	Otzi	0.6383745
Italian_Jew	Otzi	0.6382314
Spain	Otzi	0.638200666666667
Sephard	Otzi	0.637888105263158
North_Italian	Otzi	0.637741333333333
North_Greek	Otzi	0.637464333333333
Hungarian	Otzi	0.63745125
French	Otzi	0.63742736
Tunisian-jew	Otzi	0.63733325
South-Germanian	Otzi	0.637282482758621
Iraq_jew	Otzi	0.637247
Sicilian	Otzi	0.63712
Ashkenazi	Otzi	0.6370677
Libyan_Jew	Otzi	0.637057
Swede	Otzi	0.636882647058824
Center-Greek	Otzi	0.636866
North-Greek	Otzi	0.63681875
CEU	Otzi	0.6366755
Montenegrin	Otzi	0.636612
South-Greek	Otzi	0.636612
Czech	Otzi	0.6365207
Colville	Otzi	0.636485
Welsh	Otzi	0.636406111111111
Iberian	Otzi	0.636382375
German	Otzi	0.6363546
Iraqi-jew	Otzi	0.636351666666667
Georgian_Imereti	Otzi	0.6363372
Turk	Otzi	0.636294941176471
Syrian	Otzi	0.636126461538462
Sorb	Otzi	0.635990692307692
Belorusian	Otzi	0.635913
Yemen_jew	Otzi	0.635805285714286
Swiss	Otzi	0.635714047619048
British	Otzi	0.635675083333333
Jordanian	Otzi	0.635631333333333
Libyan	Otzi	0.635575538461538
Armenian	Otzi	0.635448428571429
Balkar	Otzi	0.635168333333333
Azeri	Otzi	0.635065857142857
Iran_jew	Otzi	0.6350402
Russian_cossack	Otzi	0.6349466
Druze	Otzi	0.634933818181818
Orcadian	Otzi	0.634880833333333
Romanian_Jew	Otzi	0.6348645
Libyan-jew	Otzi	0.6348278
Mordovian	Otzi	0.634652636363636
Slovenian	Otzi	0.6346172
North-Ossetian	Otzi	0.634498538461538
Croat	Otzi	0.6344835
Algerian-jew	Otzi	0.6344135
Tatar	Otzi	0.6344055
Georgian_Laz	Otzi	0.634376
France_Jew	Otzi	0.6343665
Khazar_jew	Otzi	0.634292242424242
Aleut	Otzi	0.634197
Pole	Otzi	0.634177428571429
Abhasian	Otzi	0.6340056875
Palestinian	Otzi	0.633990545454545
Tat	Otzi	0.6339235
Georgian	Otzi	0.633884785714286
Roma	Otzi	0.633635409090909
Tunisian_Jew	Otzi	0.63353
Ukrainian	Otzi	0.6335218
Serb	Otzi	0.633398909090909
Iraqi	Otzi	0.633383
Egyptian	Otzi	0.633367714285714

II. Gök и Ste7 — женщины-фермеры эпохи шведского позднего неолита (Культура воронковидных кубков, КВК (англ. Funnel Beaker culture, нем. Trichterbecherkultur, TRB) — мегалитическая культура (4000 — 2700 гг. до н. э.) эпохи позднего неолита.)

В отличие от нашего предыдущего анализа, где мы использовали только Gök, мы решили создать композитного индивида за счет слияния геномных данных Gök и Ste7 (см.предыдущие посты этой серии). Это было сделано с целью реконструировать аутосомные составляющие предковоой популяции культуры КВК. Из приведенной ниже таблицы становятся ясно, что:
1) большая часть генетического разнообразия у анализируемых индивидов не встречается ныне ни в одной из современных популяций, и именно это потерянное в результате дрейфа генетическое разнообразие объединяет носителей древней ДНК в общий красный кластер

2) у представителей культуры заметно влияние древних генетических контактов популяций Северной Европы и палеосибирских популяций, предковых по отношению к современным америндам (зеленый кластер).

3)  третья группа (обозначена синим цветом) аналогична одному из вышеупомянутых выше компоненту генетического разнообразия Этци. Она сближает древнее население КВК с современными популяциями западной и южной Европы. В этом компоненте нет существенных разногласий с исследованиями популяционных генетиков из Уппсальского университета Швеции.

SwedeTBK	Bra	0.905852
SwedePWC	SwedeTBK	0.866097
SwedeTBK	Otzi	0.807465
SwedeTBK	N._European	0.59325092
Athabask	SwedeTBK	0.588854
Hungarian	SwedeTBK	0.581786
Irani-jew	SwedeTBK	0.580844
North_Italian	SwedeTBK	0.580643
Kosovar	SwedeTBK	0.58033
Bulgarian	SwedeTBK	0.579557
East-Ukrainian	SwedeTBK	0.579557
Kusunda	SwedeTBK	0.5793
Colville	SwedeTBK	0.578864
French_Basque	SwedeTBK	0.578806818181818
Serb	SwedeTBK	0.577398818181818
Romanian	SwedeTBK	0.5773258
Mansi	SwedeTBK	0.5770508
CEU	SwedeTBK	0.577024142857143
GreeceThessaly2	SwedeTBK	0.576754333333333
Kumyk	SwedeTBK	0.576725
Iraqi	SwedeTBK	0.576398
SwedeTBK	Buryat	0.5757842
Costanoan	SwedeTBK	0.57571
Haida	SwedeTBK	0.57571
German	SwedeTBK	0.5753862
Nyshi	SwedeTBK	0.57530875
Ket	SwedeTBK	0.5750755
Bosnian	SwedeTBK	0.574970714285714
Portugese	SwedeTBK	0.574837
Welsh	SwedeTBK	0.574730333333333
Corsican	SwedeTBK	0.574707
North-Russian	SwedeTBK	0.574510043478261
West-Ukrainian	SwedeTBK	0.5742968
South-Russian	SwedeTBK	0.574150333333333
Croat	SwedeTBK	0.574003833333333
Karelian	SwedeTBK	0.573929692307692
Slovak	SwedeTBK	0.573892833333333
Tlingit	SwedeTBK	0.573607
Tunisian-jew	SwedeTBK	0.5735595
Syrian_Jew	SwedeTBK	0.5734265
Chuvash	SwedeTBK	0.573139533333333
Kalmyk	SwedeTBK	0.573079727272727
Center-Russian	SwedeTBK	0.572759636363636
SwedeTBK	Totonac	0.572689041666667
Macedonian	SwedeTBK	0.57251475
Center-Greek	SwedeTBK	0.572348
Russian_cossack	SwedeTBK	0.5723086
Mordovian	SwedeTBK	0.572217636363636
Vepsa	SwedeTBK	0.572191363636364
Brahmin_UttarPradesh	SwedeTBK	0.572158
Spain	SwedeTBK	0.572090666666667
Ecuadorian	SwedeTBK	0.572029375
France_Jew	SwedeTBK	0.571969833333333
Tatar	SwedeTBK	0.571906642857143
Mari	SwedeTBK	0.571502285714286
Saudi	SwedeTBK	0.5714354
Greek	SwedeTBK	0.571345
South-Greek	SwedeTBK	0.571232333333333
Mexican	SwedeTBK	0.57110925
Lahu	SwedeTBK	0.570989
Serrano	SwedeTBK	0.570978

III. Ajvs — древние жители культуры ямочной керамики (Культура ямочной керамики, Pitted Ware culture (около 3200 — 2300 гг. до н. э.) — культура охотников и собирателей эпохи неолита. Существовала на юге Скандинавии, в основном вдоль побережья Свеаланда, Гёталанда, Аландских островов, на северо-востоке Дании и на юге Норвегии. Была современницей, а в некоторых местах делила ареал с сельскохозяйственной культурой воронковидных кубков, а позднее — с сельскохозяйственной культурой шнуровой керамики.)

Также как и у представителей КВК, большая часть генетического разнообразия жителей у современных популяций Европы потеряна. Поэтому они попадают в общий кластер к другим древним исследованным европейским ДНК, и неспецифическому аутосомному фону Северной Европы.

Из современных популяциий наиболее близки к ним эстонцы, латыши,литовцы, а также ряд других популяций Балтийского  региона (обозначены фиолетовым цветом), а также ряду популяций западной и южной Европы.  Примечательно, что у Ajvs гораздо слабее выражен древний палеосибирский (квази-америндский компонент), и еще слабее типичный для Этци (I) и жителей культуры КВК (II) неолитический компонент, связывающий их с современными популяциями Ближнего Востока и Кавказа.
Здесь тоже нет существенных разногласиий с выводами группы Скоглунда, у которого (за отсутствием в выборке эстонцев, литовцев и латышей) самыми близкими к жителям культуры ямочной керамики оказываются поляки.

SwedePWC	Bra	0.908488
SwedePWC	SwedeTBK	0.866097
SwedePWC	Otzi	0.81501
SwedePWC	N._European	0.58268312
Estonian	SwedePWC	0.578113944444444
Russian	SwedePWC	0.577444333333333
Latvian	SwedePWC	0.57607
Lithuanian	SwedePWC	0.575179642857143
Orcadian	SwedePWC	0.575171333333333
Kosovar	SwedePWC	0.574342
Czech	SwedePWC	0.57363895
French	SwedePWC	0.57334168
South-Germanian	SwedePWC	0.572643965517241
Pole	SwedePWC	0.570919326530612
Haida	SwedePWC	0.570593
Sorb	SwedePWC	0.570527923076923
Center-Russian	SwedePWC	0.570395727272727
Karelian	SwedePWC	0.570175307692308
Swede	SwedePWC	0.570099
Corsican	SwedePWC	0.5696165
South-Russian	SwedePWC	0.569518
Vepsa	SwedePWC	0.569184181818182
CEU	SwedePWC	0.568893571428571
Swiss	SwedePWC	0.568845095238095
Komi	SwedePWC	0.568339363636364
SwedePWC	Totonac	0.568287625
Aleut	SwedePWC	0.568253
Sardinian	SwedePWC	0.5681032
North-Russian	SwedePWC	0.567888695652174
Bosnian	SwedePWC	0.567837857142857
French_Basque	SwedePWC	0.567750181818182
Mordovian	SwedePWC	0.567647363636364
Chuvash	SwedePWC	0.567504666666667
Serb	SwedePWC	0.567329090909091
Russian_North	SwedePWC	0.567027
Cretan	SwedePWC	0.5670035
German	SwedePWC	0.5669944
North-German	SwedePWC	0.566872769230769
SwedePWC	Samoan	0.566706384615385
Montenegrin	SwedePWC	0.566654333333333
East-Ukrainian	SwedePWC	0.56619975
Tatar	SwedePWC	0.566033785714286
Hungarian	SwedePWC	0.565851625
Ket	SwedePWC	0.5656705
Welsh	SwedePWC	0.565641444444444
SwedePWC	Irula	0.565603956521739
Bashkir	SwedePWC	0.565471333333333
Tuscan	SwedePWC	0.565401
Mexican	SwedePWC	0.5653275
West-Ukrainian	SwedePWC	0.5653062
Russian_Center	SwedePWC	0.565276
Mansi	SwedePWC	0.5651792
Macedonian	SwedePWC	0.56517625
Udmurd	SwedePWC	0.564932545454545
Balkar	SwedePWC	0.564865
Ukrainian	SwedePWC	0.5646252
Slovak	SwedePWC	0.564342833333333
Irani-jew	SwedePWC	0.564264
SwedePWC	AP_Madiga	0.5642395
Tsimsian	SwedePWC	0.564158
Center-Greek	SwedePWC	0.564144
Spain	SwedePWC	0.563930666666667
Bulgarian	SwedePWC	0.563776
Costanoan	SwedePWC	0.563768
Chenchus	SwedePWC	0.563652
North_Italian	SwedePWC	0.5636205
Mari	SwedePWC	0.563564857142857
Croat	SwedePWC	0.563453
Nenets	SwedePWC	0.563393583333333

IV. La Brana  — испанский мезолит, 7000 лет до настоящего времени.

Результаты близки к результатам древних жителей Ajvs (культуры ямочной керамики), c той лишь разницей, что у них практически полностью отсутствует генетическая вариация, присущая современным южным европейцам. Кроме того, их мезолитический генофонд подвергся вымыванию в еще большей степени, чем генофонд древних жителей неолита, о которых я писал выше.  Примечательно, что в отличии от Ajvs,  у La Brana незаметна балтийская доминанта, хотя ближайшей популяцией и оказываются латыши. В оригинальной статье было показано, что древние мезолитические жители Иберии — La Brana — оказываются «близки» к западно-европейцам, и та же картина заметна и в нашем анализе

SwedePWC	Bra	0.908488
SwedeTBK	Bra	0.905852
Bra	Otzi	0.843151
Bra	N._European	0.60332376
Latvian	Bra	0.576167975609756
North-German	Bra	0.576164846153846
Estonian	Bra	0.576057666666667
Lithuanian	Bra	0.570270535714286
Russian	Bra	0.569868833333333
Czech	Bra	0.5694441
Swede	Bra	0.569444029411765
Russian_North	Bra	0.568627
Pole	Bra	0.567495653061225
Orcadian	Bra	0.567451
Bulgarian	Bra	0.567146
South-Germanian	Bra	0.566648551724138
TN_Brahmin	Bra	0.566116
Swiss	Bra	0.565266142857143
CEU	Bra	0.564653642857143
Center-Russian	Bra	0.564325727272727
Komi	Bra	0.564082181818182
Belorusian	Bra	0.563804
Athabask	Bra	0.563369
Mordovian	Bra	0.562895181818182
Kosovar	Bra	0.56235
Corsican	Bra	0.5621705
French	Bra	0.56141128
Tsimsian	Bra	0.560916
Croat	Bra	0.560884666666667
Nguni	Bra	0.560649
Slovak	Bra	0.5605515
Hungarian	Bra	0.560269
Yukagir	Bra	0.559952
West-Ukrainian	Bra	0.5596024
NAN_Melanesian	Bra	0.559505
Chuvash	Bra	0.559285866666667
Welsh	Bra	0.559282666666667

 

Еще раз к проблеме генетической преемественности саамов и финнов

Одна из первых записей в этом дневнике была посвящена проблеме происхождения саамов. Поскольку все основные аргументы в споре генетиков, лингвистов и археологов были исчерпаны я решил не возвращаться к этой теме. Однако в середине мая со мной связался Андерс Полсен из генеографического проекта Fennoscandia . Нужно отметить необычайную активность Андерса, которая в последнее время особенно заметна на фоне бездеятельности остальных ведущих геномных блоггеров. В числе прочего следует упомянуть о ряде примечательных заметок Андерса, посвященных сравнительному анализу древнего ДНК останков из мезолитической испанской пещеры La Brana и  ДНК современных саамов. Эти заметки заслуживают дополнительного комментария. Анализом этно-популяционных компонентов ДНК  примерно год тому назад занимался Диенек Понтикос и автор этих строк. Понтикос отметил, в числе прочего, интересный момент:

В связи с небольшим числом извлеченных из останков снипов, я был вынужден создать композитный набор данных за счет слияния данных обеих генотипированных мезолитических индивидов; в моем калькуляторе K7b этот композитный индивид характеризуется наличием 9,3% африканских аллелей и 90,7% аллелей входящих в кластер Atlantic_Baltic, и этот расклад довольно точно соответствует положению этого композита на графике PCA … высокий процент компонента Atlantic_Baltic, согласуется с аналогичным высоким процентом Atlantic_Baltic, выявленным у  охотников-собирателей шведского неолита.

Поскольку география ареала распространения этого компонента, похоже, мало интересует Диенека, более он ничего не писал. Мой анализ показал несколько иную картину. Прежде всего, я использовал несколько иную группировку популяционных кластеров, определенных в ходе анализа чистот аллелей в разных популяциях. Во-вторых, в отличии Диенека, имеющего ограниченный сэмпл популяций балтийского и скандинавского регионов,  у меня была собрана солидная референсная группа эстонцев, шведов, латышей, финнов и саамов. Благодаря этому удалось показать, что ближе всего к La Brana находятся современные саамы, финны, латыши и эстонцы. Это геномная близость оказалась настолько явственной, что представляется возможным выделить компонент объединяющий все эти популяции и мезолитических испанцев в общий компонент, который я назвал палеоевропейским.

Эти выводы заинтересовали Андерса, поскольку в рамках своего проекта Фенноскандия, он уделяет особое внимание скандинавским популяциям, в том числе и саамам.  Месяц назад он написал мне письмо:

Я пытался  много раз проверить твои выводы (насчет близости саамов и мезолитических испанцев). Полученная в программе PLINK IBS матрица позволяет нам предположить, что  в абсолютном выражении, кратчайший путь от La Braña ведет к литовцам, и затем к  части финнов из северных регионов Финляндии. В программе Admixture, которая не учитывает перевес в пользу финнских и скандинавских образцов, финны и литовцы образовали  два разных кластера, а La Brana  попали в  общий кластер с финно-саамским компонентом, а не с литовцами. В другом запуске программы Admixture, я использовал равные по числу образцов выборки финнов и литовцев. В этом эксперимента я не обнаружил какого-либо расхождения между литовцами и финны, а La Brana попали целиком в этом общий финно-литовский компонент. Однако только что я завершил новый анализ структуры генофонда в программе fineStructure -Chromopainter. В размерности 4 «мирового» PCA La Brana  имеют одинаковую вариацию с двумя саамами и финном с небольшой примесью саамской крови.

В качестве ответа, я привел ряд своих собственных наблюдений насчет геномного сходства саамов.Я использовал совокупный набор данных для расчета матриц IBS и последующего импорта попарных IBS матриц в статистическое программное обеспечение R. Используя встроенные библиотеки программы R,  я вычислил средние значения наблюдений в наборе данных с попарными значениями IBS между образцами, включенными в анализ. Ниже приводится таблица с попарными значениями геномного сходства . Как видно,  в этот раз La Brana оказались гораздо более к балтийским популяциям:

Latvian	Bra	0,5762
North-German	Bra	0,5762
Estonian	Bra	0,5761
Lithuanian	Bra	0,5703
Russian	Bra	0,5699
Czech	Bra	0,5694
Swede	Bra	0,5694
Russian_North	Bra	0,5686
Pole	Bra	0,5675
Orcadian	Bra	0,5675
Bulgarian	Bra	0,5671
South-Germanian	Bra	0,5666
TN_Brahmin	Bra	0,5661
Swiss	Bra	0,5653
CEU	Bra	0,5647
Center-Russian	Bra	0,5643
Komi	Bra	0,5641
Belorusian	Bra	0,5638
Athabask	Bra	0,5634
Mordovian	Bra	0,5629
Kosovar	Bra	0,5624
Corsican	Bra	0,5622
French	Bra	0,5614
Tsimsian	Bra	0,5609
Croat	Bra	0,5609
Nguni	Bra	0,5606
Slovak	Bra	0,5606
Hungarian	Bra	0,5603
Yukagir	Bra	0,5600
West-Ukrainian	Bra	0,5596
NAN_Melanesian	Bra	0,5595
Chuvash	Bra	0,5593
Welsh	Bra	0,5593
Colombian	Bra	0,5592
Vepsa	Bra	0,5591
Karelian	Bra	0,5590
Miwok	Bra	0,5589
North-Russian	Bra	0,5587
Portugese	Bra	0,5583
German	Bra	0,5582
Macedonian	Bra	0,5579
Finn	Bra	0,5577
Russian_cossack	Bra	0,5577
Colville	Bra	0,5576
Russian_Center	Bra	0,5576
Bosnian	Bra	0,5571
Hakas	Bra	0,5570
South-Russian	Bra	0,5569
Lumbee	Bra	0,5568
Sardinian	Bra	0,5567
Selkup	Bra	0,5567
Nenets	Bra	0,5564
East-Ukrainian	Bra	0,5563
Hausa	Bra	0,5561
Tuva	Bra	0,5558
Meghawal	Bra	0,5556
Uzbeki_jew	Bra	0,5556
Bashkir	Bra	0,5555
Br	Bra	0,5554
Inuit-West	Bra	0,5552
Mexican	Bra	0,5551
Tatar	Bra	0,5550
Ukrainian	Bra	0,5550
Naxi	Bra	0,5548
Libyan-jew	Bra	0,5548
British	Bra	0,5548
North-Greek	Bra	0,5546
French_Basque	Bra	0,5545
Khant	Bra	0,5544
Ashkenazi_Jew	Bra	0,5543
Dharkar	Bra	0,5543
Miaozu	Bra	0,5542
Tatar_Lithuania	Bra	0,5542
Daur	Bra	0,5542
Spain	Bra	0,5541
Saami	Bra	0,5540
Romanian_Jew	Bra	0,5540
Brahmin	Bra	0,5537
Lezgin	Bra	0,5536
Slovenian	Bra	0,5536
Udmurd	Bra	0,5534
Mongola	Bra	0,5533
Sotho	Bra	0,5533
Tuscan	Bra	0,5533
Altaic	Bra	0,5532
Burusho	Bra	0,5529
North_Italian	Bra	0,5525
Nogay	Bra	0,5525
Azeri_Jew	Bra	0,5525
Balkar	Bra	0,5523
Adygei	Bra	0,5522
Kol	Bra	0,5520
Montenegrin	Bra	0,5520
Gagauz	Bra	0,5518
Hakkipikki	Bra	0,5518
South-Greek	Bra	0,5517
Han	Bra	0,5516
Indian_muslim	Bra	0,5516
Iberian	Bra	0,5515
Georgian_Imereti	Bra	0,5515
Greek_Azov	Bra	0,5515
She	Bra	0,5514
Yakut	Bra	0,5513
GreeceThessaly2	Bra	0,5512
Serb	Bra	0,5512
North-Ossetian	Bra	0,5511
Lak	Bra	0,5511
Chechen	Bra	0,5511
Dusadh	Bra	0,5511
Brahmin_UttarPradesh	Bra	0,5510
Tlingit	Bra	0,5507
Kalmyk	Bra	0,5506
Toscanian	Bra	0,5505
IndCan	Bra	0,5505
Greek	Bra	0,5504
Indian	Bra	0,5504
Egyptan	Bra	0,5503
Bengali	Bra	0,5503
Haida	Bra	0,5503
Ashkenazi	Bra	0,5503
Kazakh	Bra	0,5502
Mansi	Bra	0,5502
Burmese	Bra	0,5499
Georgian_Jew	Bra	0,5499
Tunisian_Jew	Bra	0,5496
Mongol	Bra	0,5496
Kusunda	Bra	0,5496
Turk	Bra	0,5495
Karitiana	Bra	0,5495
Uttar_Pradesh_scheduled_caste	Bra	0,5494
Romanian	Bra	0,5494
Kyrgyz	Bra	0,5493
Uzbek	Bra	0,5491
Roma	Bra	0,5491
Ecuadorian	Bra	0,5491
Xibo	Bra	0,5490
Armenian	Bra	0,5490
North_Greek	Bra	0,5489
Tujia	Bra	0,5489
Caribbean_Hispanic	Bra	0,5489
Gond	Bra	0,5488
Tatar_Crim	Bra	0,5487
Turkmen	Bra	0,5487
Iraqi-jew	Bra	0,5486
Kurumba	Bra	0,5486
Tu	Bra	0,5486
Sindhi	Bra	0,5484
Kshatriya	Bra	0,5483
Oroqen	Bra	0,5481
Aleut	Bra	0,5478
Brg	Bra	0,5478
Druze	Bra	0,5478
Tadjik	Bra	0,5477
Yizu	Bra	0,5477
Kanjar	Bra	0,5477
Naga	Bra	0,5476
Irani-jew	Bra	0,5476
Abhasian	Bra	0,5475
Brahui	Bra	0,5474
Georgian	Bra	0,5472
Dai	Bra	0,5471
Evenk	Bra	0,5470
Tamil_Brahmin	Bra	0,5470
Libyan	Bra	0,5469
Cypriot	Bra	0,5469
Mari	Bra	0,5468
Kumyk	Bra	0,5468
Hazara	Bra	0,5467
Moroccan	Bra	0,5467
Syrian	Bra	0,5467
Inkeri	Bra	0,5464
Azeri	Bra	0,5464
Iraq_jew	Bra	0,5464
Indian_Jew	Bra	0,5464
Saudian	Bra	0,5464
Lambadi	Bra	0,5463
Cretan	Bra	0,5462
Jordanian	Bra	0,5461
Parsi	Bra	0,5460
Ket	Bra	0,5460
PuertoRican	Bra	0,5460
Sephard	Bra	0,5459
Chenchus	Bra	0,5458
Nyshi	Bra	0,5458
Chukchi	Bra	0,5455
Shor	Bra	0,5455
Velama	Bra	0,5455
Lahu	Bra	0,5454
Hezhen	Bra	0,5454
Bedouin	Bra	0,5454
Mozabite	Bra	0,5452
Italian_Jew	Bra	0,5452
Tamil_Nadu	Bra	0,5450
Tharus	Bra	0,5449
Chamar	Bra	0,5448
Irani	Bra	0,5448
Kinh	Bra	0,5447
Yemen_jew	Bra	0,5446
Center-Italian	Bra	0,5445
Tunisian-jew	Bra	0,5444
Lebanese	Bra	0,5444
Balochi	Bra	0,5443
Pygmy	Bra	0,5442
Dolgan	Bra	0,5442
Serrano	Bra	0,5442
Palestinian	Bra	0,5441
Brahmin-TNBRAS	Bra	0,5441
Makrani	Bra	0,5440
Piramalai_Kallar	Bra	0,5439
Kalash	Bra	0,5439
Algerian	Bra	0,5438
Lemba	Bra	0,5435
Yemeni	Bra	0,5435
Fulani	Bra	0,5433
South-Han	Bra	0,5432
Uzbekistan_Jew	Bra	0,5432
Center-Greek	Bra	0,5432
Karakalpak	Bra	0,5431
Costanoan	Bra	0,5425
Morocco_Jew	Bra	0,5422
Gujarati	Bra	0,5420
Algerian-jew	Bra	0,5418
Tswana	Bra	0,5415
Iranian_Jew	Bra	0,5413
Yemen_Jew	Bra	0,5413
France_Jew	Bra	0,5412
Iran_jew	Bra	0,5409
Kurd_Jew	Bra	0,5407
Egyptian	Bra	0,5407
Afar	Bra	0,5406
Iraqi	Bra	0,5402
Chamat	Bra	0,5397
North-Han	Bra	0,5392
Khazar_jew	Bra	0,5391
!Kung	Bra	0,5390
Maya	Bra	0,5387
Saudi	Bra	0,5379
Tunisian	Bra	0,5377
Sicilian	Bra	0,5377
Georgian_Laz	Bra	0,5373
Indan_muslim	Bra	0,5370
Saharan	Bra	0,5369
Meena	Bra	0,5366
Azeri_jew	Bra	0,5364
Ethiopian_Jew	Bra	0,5362
Dogon	Bra	0,5360
Indian_jew	Bra	0,5357
Kongo	Bra	0,5347
Algerian_Jew	Bra	0,5337
Tat	Bra	0,5335
Syrian_Jew	Bra	0,5334
Madiga	Bra	0,5331
Papuan	Bra	0,5322
San	Bra	0,5309
Somali	Bra	0,5306
Dominican	Bra	0,5296
Australian	Bra	0,5296
Wolyata	Bra	0,5285
Libyan_Jew	Bra	0,5280
Bamoun	Bra	0,5279
Brong	Bra	0,5271
Bambaran	Bra	0,5271
Afro-American	Bra	0,5271
Tygray	Bra	0,5269
Koryak	Bra	0,5264
Sandawe	Bra	0,5262
Ethiopian	Bra	0,5259
Bulala	Bra	0,5248
Mada	Bra	0,5248
Amhara	Bra	0,5246
Kaba	Bra	0,5240
Hadza	Bra	0,5224
Biaka_Pygmies	Bra	0,5211
Oromo	Bra	0,5201
Bantu	Bra	0,5195
Yoruba	Bra	0,5171
Mandenka	Bra	0,5169
Igbo	Bra	0,5157
African-Caribbean	Bra	0,5154
Luhya	Bra	0,5152
Yourba	Bra	0,5127
Esomali	Bra	0,5116
Ari	Bra	0,5110
Fang	Bra	0,5086
Anuak	Bra	0,5077
Sudanese	Bra	0,5021
Gumuz	Bra	0,4993

Руководствуясь моими замечаниями, Андерс написал новую заметку в свой блог, и эта заметка настолько важна, что я решил ее перевести на русский целиком:

» Те, кто читал мой блог, или участвовал в  проекте Fennoscandia, уже привыкли к появлению на графике  PCA (анализа главных компонентов европейского генетического разнообразия) в программе Chromopainter-finesStructure  типичных фигур с формой напоминающей  символы  «>» или «<«. Обычно кластер располагается близко к корню в то время как популяции Центральной и Восточной Европе популяции оказываются на одной ветке или ребре этой V-образной фигуры, в то время как скандинавы, финны и саамы  — на другой.  Пример этой структуры приведен ниже:

Наверное, многие из моих читателей задавались вопросом, почему распределение популяций на графике PCA имеет именно эту геометрическую форму, а также вопросом касаемо того, сколько лет прошло с момента начала дивергенции двух вышеупомянутых группы популяций.  Чтобы ответить на этот вопрос я произвел анализ данных  по древней ДНК La Braña и MDS анализ  в программе PLINK.  Исходное число точечных мутаций -снипов было уменьшено до 69 000. В анализе я использовал всех участников проекта и референсных популяций. Как мы видим, нет * абсолютно * никаких сомнений, с кем именно кластеризуются древние La Braña в проекции двух основных компонентов генетического разнообразия.

Подобное расположение древних иберийских  La Braña, означает вероятно, что древние La Braña характеризовались определенными генетическими вариациями, вариациями которые напоминали генетические  вариации финнов и саамов  (и сегодня встречаются только в Фенноскандии). В западной и южной Европе эти генетические вариации отсутствуют. Кроме того, существуют вероятно компоненты, которые отделяют La Braña от финнов, и приближают их  к саамам.

Набор данных по La Braña включает в себя 183 000 снипа (эти снипы перекрываются набором данных из проекта 1000G) и мой текущий стандартный набор данных 289 000 снипа.   Интерсекция обеих наборов данных   дает в конечном итоге всего 4 000 снипа. Это явно небольшое количество полиморфизмов, недостаточное для полноценного анализа. Вместо этого я попытался посмотреть, если  другой способ решения этой проблемы, который позволяют произвести анализ с использованием всех 183 000 снипов La Braña. Тот факт, что оба набора данных в этом эксперименте — 183 000 снипа Lа Braña  и 288  000 cнипа  — полностью перекрываются снипами проекта 1000 геномов,  позволяет нам найти решение проблемы  путем импутации SNP-гаплотипов. Эта процедура определения снипов широко используется в генетических исследованиях  в тех случаях, когда объединенный набор данных был генотипирован на различных платформах с использованием общей референсной панели.

Импутация снипов была проnзведена в программе BEAGLE. После этого я сравнил  первоначальный набор данных с «импутированным» набором данных на предмет различий между. Поскольку большинство SNP-ов в данном анализе было определенно в ходе импутирования, то я заметил определенный » искусственный дрейф», состоящий в том, что индивиды с импутированными  снипами становятся более похожи друг на други, чем те же индивиды, но с первоначальными неимпутированными снипами 1000G Поэтому я исключил всех индивидов, чей набор данных содержал импутированные снипы (за исключением La Braña), предполагая что минимизаций фактора неопределенности приведет к тому, что неизбежные незначительные ошибки не будут столь значительно влиять на достоверность результатов. Все генотипы индивидов La Braña представляют собой реальные  генотипы (без использования импутации).

Как мы видим ниже, структура популяций определенная в программе Chromopainter-fineStructure, представляется релевантной как в мировом, так и  в паневропейском масштабе. Это доказывает надежность проведенной операции импутирования снипов,  поэтому эту методологию можно использовать для дальнейшего анализа.

На приведенных выше графиках видно, что отдельные компоненты аутосомных генетических вариаций La Braña сильно отделяет эту группу от остальной части современных европейцев, так же как и  в предыдущем посте с использованием неимпутированных гаплотипов. Причина этого феномена ясна: у индивидов La Braña африканское происхождение выражено более ярко, чем у остальных европейцев. Принадлежность к  восточно-азиатскому, сибирскому и индейскому кластеру, кажется, характерна для сегодняшних финнов.

В этой связи возникает закономерный вопрос: какая из современных нам популяций является самой близкой к La Brana?  При проведении простой IBS-кластеризации в PLINK, мною были получены величины Эвклидовой дистанции между геномными образцами. В режиме диплоидных данных наиболее близкими к La Brana оказываются литовцы и саамы, в  режиме гаплоидном режиме список возглавляют литовцы.

Однако по своему собственному опыту, я могу сказать что нельзя полностью доверять простым сравнениям IBS, поскольку на сходство могут повлиять очень многие факторы. С целью получения большей информации, я произвел новый анализ в  Chromopainter-fineStructure, — на этот раз с использованием только европейских популяций.

Как мы видим из вышеприведенной heatmap, cуществует определенная генетическая связь между литовцами, финнами и басками. В более отдаленной степени, в эту цепочку включаются и саамы.  Наличие большой асимметрии между полученными от других популяций хромосомными сегментами и хромосомными сегментами отданными в другие популяции в ходе процесса обмена генами, а также самый раннее ответвление    La Brana от остальной европейской панели, объясняется очевидно 10%  примеси африканских аллелей обнаруженных ранее.

Однако в анализ главных компонент PCA мы можем выделить влияние разных компонентов в генетическом наборе данных La Brana. В проекции 1 измерения PCA X-ASIS, мы наблюдаем значительную дисперсии отдельных популяций — La Braña находятся в крайне левом углу,  а литовцы — в дальнем правом. В перспективе 1 измерения    (размерности) главных компонентов генетического разнообразия нет никаких сомнений, что саамы находятся ближе всего к La Brana. В перспективе второго измерения 2,  дисперсия смещает La Brana к литовцам. Заметим, что здесь саамы и баски образуют противоположенные кластеры, которые отражают известную генетическую дихотомию-разделение Северо-Восточной  и Юго-Западной Европы.

В проекциях 1 и 3 измерения (Y-ось) мы видим, что La Braña наиболее близки к финнам и в некоторой степени также к пресловутым вологодским русским. В размерности 3 мы также видим, что баски и литовцы расходятся в противоположных направлениях, а  саамы появляется в качестве  промежуточное звена между ними.

Выводы: La Braña, судя по всему, отражают один из основных компонентов, которые в  самой значительной степени присутствуют среди современных популяциях у саамов, но практически отсутствует у остальных европейцев.  У саамы наблюдается и  второй значительный генетический компонент, который, кажется, отражает характерный градиент по направлению север-юг характерный  для  большой части финнов. Однако расположение La Braña в пространстве этого второго компонента нарушает общий тренд — они смещаются гораздо «южнее» от нижней части кластера литовцев в направлении кластера басков. Это означает, что у La Braña наблюдается значительный вклад южно-европейских предков. Оба доминирующих компонента в размерностях 1 и 2 на графики PCA достигают своего пика в северной части Европы (у саамов), причем второй компонент (который отсутствует у  La Braña) может указывать на аутентичный «северный» компонент, cвязанный с позднейшими миграциями. Интерпретация третьего компонента вызывает затруднения. Здесь присутствуют и финны, и русские из Вологда, в то время  как La Braña смещается ближе к литовцам, а  саамы —  в сторону кластера басков.

Заключение: Мезолитические жители Иберийского полуострова — La Brаna — характеризовались генетическими вариациями, которые в настоящее время встречаются среди саамов, и в то же время указывают на принадлежность к более южным популяциям, вроде литовцев и басков. Можно предположить, что оба компонента отражают «северный» и «южный» вклад в их родословную.

Наши наблюдения, по крайней мере частично, согласуются с  выводами Вадима Веренича впервые обнаружившим  связь между мезолитическими охотниками-собирателями Иберийского полуострова и саамами. Behind the Curtains: MDLP World 22 showcase

О неолитических тирольцах и шведах: опыт палеогентического анализа — часть 1

В мае прошлого года я провел три бессонные ночи, пытаясь извлечь SNP-ы из BAM файлов, любезно предоставленных профессором Уппсальского университета Понтусом Скоглундом — автором нашумевшего исследования древнего ДНК насельников шведского неолита.  Как мне представлялось, задача должна была оказаться несложной, особенно после того как в марте прошлого года я успешно произвел «выделение» геномных вариантов из аналогичных файлов содержащих информацию о геноме Эци.  Полученные на выходе файлы я намеривался соединить с имеющейся у меня базой данных SNP-ов современных евразийских популяций, а затем проанализировать в программе smartpca, входящей в пакет Eigenstrat.

Однако на поверку на эту процедуру пришлось потрать намного больше времени, в первую очередь из-за определенных трудностей с использованием vcftools, и определением надежных SNP-ов в сгенерированных в samtools pileup файлах.
Трудно описать мою радость, когда мне удалось взломать эти ‘крепкие геномные орешки’. После успешного определения SNP-ов, я произвел PCA-анализ с целью определения позиции неолитических фермеров (Gok4), охотников-собирателей (Ajv52, Ajv70) и Ötzi (Эци) на карте генетического вариативности населения западной части Евразии.

Мои эксперименты с Eigenstrat  частично подтвердили результаты аналогичныхз опытов Диэнека.

Как видно на приведенном графике, доисторические шведы Ajvs (принадлежавших к готландской культуре ямочной керамики (Pitted Ware culture (около 3200 — 2300 гг. до н. э.)) оказались на периферии современных северо-восточных европейских популяций.
Затем, по просьбе ряда посетителей форума ABF, я сделал PCA-график, на котором показаны обозначения популяций.

Как и прогнозировалось ранее, Ajv52 и Ajv70 оказались в окружении плотного кольца из балтийских популяций. В эту группу вошли литовцы, белорусы, поляки, шведы, украинцы, русские (из Северной и Центральной России) и мокша-эрзя. Однако, похоже,  в силу своего расположения на графике они также отдаленно связаны с современнами финнами и немцами

Генографическое размещение другого образца древнего ДНК — Gök4 (культура воронковидных кубков, КВК (англ. Funnel Beaker culture, нем. Trichterbecherkultur, TRB) — мегалитическая культура (4000 — 2700 гг. до н. э.)) — также оказалось весьма предсказуемым. Этот образце попал в один кластер с  тирольским Эци, популяциями средиземноморского региона (Vasconia, Iberia, Италия) и рядом западно-европейских популяций ( в том числе и из Франции).

Результаты аналогичны результатам из оригинальной статьи.

Воодушевившись столь замечательными результатами, я решил выполнить элементарный анализ IBS. Для расчетов использовалась примерно такая же метрика, что и при вычисление геномного сходства (genome-wide similarity) в клиентской базе данных 23andme . На первый взгляд результаты кажутся несколько иными, чем те, что приведены в работе Skoglund et al.2012 (результаты приведены ниже):

		Neolithic farmer	Hunter-gatherers	Long	Lat	chr.
Cyprus	Cyp	68.20%	68.21%	33	35	8
Greece	Gre	67.94%	68.51%	22	39	16
France	Fra	67.89%	68.80%	2	46	178
Netherlands	Net	67.88%	68.79%	5	52	34
Romania	Rom	67.84%	68.62%	25	46	28
Italy	Ita	67.81%	68.43%	12	42	438
Germany	Ger	67.80%	68.80%	10	51	142
Croatia	Cro	67.76%	68.67%	15	45	16
Portugal	Por	67.75%	68.59%	-8	39	256
Belgium	Bel	67.73%	68.78%	4	50	86
Spain	Spa	67.72%	68.59%	-4	40	272
Poland	Pol	67.71%	68.98%	20	52	44
Austria	Aus	67.69%	68.65%	13	47	28
United Kingdom	UK	67.68%	68.79%	-2	53	400
Serbia	Ser	67.67%	68.62%	20	44	88
Macedonia	Mac	67.62%	68.58%	22	41	8
Sweden	Swe	67.61%	68.84%	15	62	20
Ireland	Ire	67.61%	68.71%	-8	53	122
Hungary	Hun	67.60%	68.58%	20	47	38
Russian	Rus	67.56%	68.72%	37	55	12
Turkey	Tur	67.55%	67.98%	35	39	8
FIN	FIN	67.47%	68.77%	25	61	80
LSFIN	LSFIN	67.44%	68.79%	26	64	162
Bosnia	Bos	67.39%	68.81%	17	44	18
Scotland	Sco	67.35%	68.81%	-4	56	10

Различие с моими результатами может быть объяснены как различным числом используемых  SNP-ов (в исследовании Скоглунда их больше), так и отличием методологических подходов. Я использовал очень простой алгоритм в программе Plink для расчета IBS-матрицы, в то время как Скоглунд с соавторами использовал более сложный подход при расчете средней частоты аллелей.

Во всяком случае, с учетом вышесказанного, я все же хотел бы поделиться результатами IBS-анализа (ниже приведены только популяции с максимальным % общих аллелей, процентное соотношение выражено в виде дроби):

AJV70:

GOK4 0.85
AJV52 0.833333
Ötzi 0.7992
UKR 0.587516
BLR 0.586873
HNG 0.583655
RMN 0.583549
LTH 0.583012
LTH 0.583012
CEU 0.580438
FIN 0.580438

AJV52:

AJV70 0.833333
Ötzi 0.823864
GOK4 0.8
UKR 0.602506
HNG 0.596811
LTH 0.594533
RMN 0.593394
LTV 0.592818
CEU 0.592255
GER 0.592255
MR 0.591463

Ötzi

AJV52 0.823864
GOK4 0.813602
AJV70 0.7992
HNG 0.725414
NITAL 0.724004
NITAL 0,71989
LTH 0.718232
WUKR 0.718232
IBR 0.718162
RMN 0,71768
BLR 0.717367

GOK4

AJV70 0,85
Ötzi 0.813602
AJV52 0,8
НИУ 0.611345
NITAL 0.602941
CEU 0,60084
CEU 0,59979
NITAL 0.598739
RMN 0.598739
GBRORK 0.598309
RUS 0.595789

С другой стороны, если мы оставим в таблице только популяции Северной и Восточной Европы, результаты будут почти точно соответствовать таблице Скоглунда, и оба Ajvs будут наиболее близки к полякам.

Я должен подчеркнуть, что на самом деле мне удалось обнаружить SNP-ы и в образцах Ire8 и Ste7 (52322 SNP-а + инделов у Ire8 и 13175 вариантов у Ste7). Однако после слияния этих данных с общей базой данных, оказалось что большинство из генотипированных SNP-ов оказались либо новельными вариантами  либо находились за пределами современной генетической вариативности. Пересечение снипов Ste7 и Ire8 SNP  с моим основным наборов снипов дало 0, т. е. не существует никаких общих SNP-ов между моим текущим набором и набором данных у указанных выше образцов. Поэтому мне не оставалось ничего другого, как удалить Ste7/Ire8 из  конечной выборки.

fineStructure анализ популяций северо-восточной Европы: часть 1

Некоторое время тому назад в своем англоязычном блоге я разместил новый график, сделанный на основании анализа главных компонентов  генетического разнообразия в выборке, которая включала в себя ряд референсных евразийских популяций и анализируемую группу участников моего проекта MDLP. В совокупности, выборка включала в себя 900 индивидов, каждый из которых был типирован по 350 000 снипам.

В ходе экспериментального теста в ходе статистической обработки было выделенно 15 групп кластеров генетически близких популяций Как нам представляется, ключевым моментом для понимания принципов этого анализа, а также результатов, является понятие эффективной популяции или эффективный размер (Ne) популяции, которая  участвовала в репродукции или обмене генами в отдаленном прошлом. Chromopainter позволяет оценить этот размер, исходя из числа наблюдаемых рекомбинаторных гаплотипов и значений LD. Когда я производил оценку этого размера, то для каждой из 22 неполовых хромосом он получился разный, однако среднеарифметическое значение  составило  22 000.Это близко к значениям Ne рекомендованным к использованию профессионалами (например, авторами программы IMPUTE V2). Как видно из приведенных выше данных даже 22 000 для совокупности эффективного размера элементарных популяций — это более, чем достаточно. Например, численность эффективной популяции адыгов-шапсугов составляет по оценке попгенетиков всего 187 индивидов:

Почешхова, Э. А.  Структура миграций и дрейф генов в популяциях адыгов-шапсугов / Э. А. Почешхова // Медицинская генетика : ежемесячный научно-практический журнал. — Том 7,N 1. — Реферирована.  Важной  особенностью генофонда адыгов являются традиционная структура браков и  высокая эндогамия: 96,5% браков заключается в пределах своего этноса.  Одно из племен адыгов — шапсуги подразделено на две географически  изолированные группы. Шапсуги побережья Черного моря (от Туапсе до  Сочи), проживающие в районе наиболее интенсивного заселения пришлыми  народами, заключают 89% браков в пределах своей географической группы,  5% браков — с другими адыгами и лишь 6% браков — с представителями всех  остальных народов России и Закавказья. Шапсуги, переселенные в  Прикубанье (Западная Адыгея) и проживающие среди прочих племен адыгов,  заключают 77% браков в пределах своей географической группы, 21% браков —  с другими адыгами и 1,3% браков — с представителями иных этносов. Для  шапсугских аулов средний индекс эндогамии составил 0,40, гаметный индекс  — 0,7. Для элементарных популяций средний индекс эндогамии составляет  0,65. Малый генетически эффективный размер элементарных популяций  (Ne=187)

Или вот:

При оценке генного дрейфа на основе методов генетической демографии ключевыми параметрами являются эффективная численность Ne (размер, объем) популяции, составляющая примерно 30 % от общей численности, и миграция. Показано (Евсюков и др., 1996), что для коренных народов Сибири средний эффективный размер популяции равен 218, а для Северной Евразии в целом – 200, хотя изменчивость эффективного размера (Ne) популяций различалась на три порядка величин, как и их численность. Небольшая средняя величина Ne позволяет ожидать значительного эффекта генного дрейфа, если ему не противостоит миграция. Генный дрейф реализуется на уровне как популяции в целом, так и субпопуляций. В оригинальных исследованиях сибирских популяций получены следующие значения эффективного размера на уровне поселений(субпопуляций): алеуты Командорских островов – 75 чел. (Рычков, Шереметьева, 1972а, б), азиатские эскимосы и береговые чукчи – 70 и 61 чел. соответственно (Рычков, Шереметьева, 1972в), эвенки Нижней и Подкаменной Тунгуски – 27 чел. (Рычков и др., 1974б), коряки Камчатки – 71 чел. (Шереметьева, Горшков, 1982), северные ханты – 152 чел. (размах значений 98–348) (Пузырев и др., 1987). Эффективный размер сельских популяций Северной Евразии имеет клинальный тип изменчивости, убывая в направлении юго-запад – северо-восток, за исключением локального минимума в Средней Сибири у тунгусоязычных западных эвенков (Евсюков и др., 1996).

Из чего следует, что Ne размером в 22 000 человека или 1000 индивидов на кластер (а всего их выявленно 22 ) — это вполне достаточно для масштабирования частот рекомбинации гаплотипов. Можно прояснить смысл понятия эффективная популяция и другими словами. Во избежании ненужной путаницы необходимо сразу оговорить что понятие эффективной популяции носит сугубо теоретический характер, и в силу этого напрямую не имеет отношения к тому, каков был размер отдельной локальной популяции в определенный отдельно взятый промежуток времени.

Не имеет значения , так как речь идет о тех, кто внес свой вклад в генофонд существующих популяций.Причем эти все «отцы и матери-основатели» могут быть разнесены по времени на тысячелетия.

Собственно говоря, эффективная популяция — это даже не число уникальных предков, а математическая абстракция разброса гамет, размер которого оценивается исходя из разброса  числа гамет относительного к гамет, передаваемых родителям репродуктивного возраста следующему поколению. Он отличается от репродуктивоного объема Nr в той мере, в какой существует неравный вклад лиц родительского поколения в генофонд следующего поколения. Это создает разброс значений числа гамет к, того родителя относительно числа гамет к, передаваемых родителям следующему поколению (Wright, 1931, Li Ch. Ch., 1955).

Что касается размере эфективно-репродуктивной популяции для исходной популяции современных популяций Евразии, его достаточно легко вычислить исходя из аутосомного разнообразия. Например, соответствующие алгоритмы для вычисления Ne имплементированы в прогамме FineStructure.  По моим расчетам (близким к общепринятым) усредненный для всех хромосом размер эффективной популяции для всех задействованных мной евразийский популяций составил 14 000.

Исходя из общепринятого мнения, согласно которому размер Ne (эффективной популяции) в каждый синхронный период времени составляет примено 33% от общего размера популяции теоретически можно оценить величину популяции в момент времени, когда ее эффективный размер составлял 14 000 (это примерно 40 000).

Если бы мы знали, что все это родоначальники многобразия жили в одно время, тогда можно было бы интерполировать эти сведения для оценки это времени по обычной хронологической шкале. Но нет никаких оснований полагать, что они жили в одно и то же время.

«Effective size» of the population (commonly denoted as Ne in the population genetics literature) from which your dataset was sampled. This parameter scales the recombination rates that IMPUTE2  uses to guide its model of linkage disequilibrium patterns. When most  imputation runs were conducted with reference panels from HapMap  Phase 2, we suggested values of    11418    for imputation from HapMap CEU,    17469    for YRI, and     14269    for CHB+JPT.

Modern imputation analyses typically involve reference panels with  greater ancestral diversity, which can make it hard to determine the  «ideal» -Ne value for a particular study. Fortunately, we have found that imputation accuracy is highly robust to different -Ne values; within each of several human populations, we have obtained nearly identical accuracy levels for values between 10000 and25000. We suggest setting -Ne to 20000 in the majority of modern imputation analyses.

В качестве инструмента я использовал комбинацию нескольких программ из нового пакета биоинформатического программного обеспечения fineStructure/ChromoPainter. Как показали экспериментальные тесты  с использованием этого пакета, оптимизированный алгоритм обнаружения общих по происхождению сегментов в сравниваемых популяциях дает оптимальные результаты по разбивки индивидов на кластеры по признаку геномной близости (в качестве меры этого признака в данном случае я использовал число идентичных по происхождению геномных сегментов:  по полученным векторам признаков для каждого кластера производилось попарное сравнение и сортировка по мере близости в евклидовой метрике).

1. Финны оказались ближе к русским и поволжским финно-угорам (эрзя и мокша)
2. Все литовцы (участники проекта + референсы из статьи Бехара) и часть референсных белорусов образовали отдельный кластер, тесно примыкающий к кластеру белорусов, поляков, украинцев 
3. Следущим кластером является центрально-европейский кластер, представленный главным образом венграми, хорватами, а также частью немцев.
4. Ниже находится балканский кластер (румыны, болгары и часть венгров).
5. К этому кластеру примыкают турки и часть армян 
6. В центре плота находятся западноевропейцы из моего проекта (французы, немцы, бельгийцы и жители британских островов). 
7. Выше находятся два оркнейских кластера, в которых находится и часть скандинавских сэмплов.
8. Еще левее находится кластер образованный референсными северо-итальянцами и тосканцами.

9. Ниже находятся армяне и слево итало-иберийский кластер (часть итальянцев и испанцы).

10. Левее этой группы популяций находится кластер ашкеназов.

11. Наконец, самый крайний слева кластер представлен изолированной популяцией сардинцев.

12. Ниже итало-иберийского и армянского кластеров расположен целый ряд кавказский кластеров. Это прежде всего адыгейцы и абхазцы, затем северные осетины.

13. Вышеназванные кластеры частично перекрывают кластер ногайцев (что свидетельствует о наличии генетического обмена между северокавказскими популяциями и ногайцами)

14. Кластер ногайцев плавно переходит в кластер узбеков, который в свою очередь примыкает к изолированному кластеру чувашей

15. Наконец самым изолированным кластером является кластер французских басков (в нижнем левом углу плота).*

*—— Примечание

Такое поведение на плоте объясняется только изолированным положением популяции и небольшим числом эффективной популяции. То есть все эти баски являются многократными родственниками между собой. Классический генный дрейф, который можно наблюдать на карте.На самом деле положение басков на данном плоте не может ни подтвердить, ни опровергнуть гипотезу о континуитете баскской популяции , т.к PCA-координаты (eigenvalues и eigenvectors) вычислялись в Chromopainter исходя из количества shared DNA chunks между популяциями-донорами и популяциями-рецепиентами.То есть баски изоляты в том смысле, что уровень обмена ДНК между ними и другими популяцими ничтожен.Исходя из этого можно сделать вывод о том
1) что баски эта экстремально-эндогенная популяция изолянтов
2) генетическое разнообразие низко, т.к. размер эффективной популяции низок.

 

 

Вы не поняли. 

Каких десятков тысяч предков славян?
По оценке профи, занимающихся анализом полных геномов, эффективный размер популяции генетических предков для современных популяций всей Евразии с трудом достигает 2 десятков тысяч,  причем общий консенсус сдвигается в сторону 15 000.