tantin
-
Брой отговори
6290 -
Регистрация
-
Последен вход
-
Days Won
20
Content Type
Профили
Форуми
Библиотека
Articles
Блогове
Отговори публикувано от tantin
-
-
On 30.05.2023 г. at 4:16, Кухулин said:
Тц-тц, мърлява работа. Почна да ми пищи скрипта, отварям анотацията - някакви мешаници по средата на файла. I21276 в ексел. Тия хора са го писали на ръка и после изобщо не са го проверявали. Харвард, разбираш ли. Пфф...
Анотационните файлове са така, копи пействали са от различни източници. А като стане един огромен файл никой не го проверява повече.
-
1
-
-
Преди 48 минути, Кухулин said:
BGR_Ryahovets_Mdv Mbuti.DG EHG CHG 0.00234 0.000562 4.17 0.0000310 429339
Преди 19 минути, Кухулин said:Bulgarian.HO Mbuti.DG EHG CHG 0.00176 0.000340 5.17 0.000000229 578104
Как го тълкуваш това? EHG е малко повече от CHG ?
-
Преди 23 часа, Кухулин said:
Мани майтапа, ама тоя qpAdm по три компонента е по-близо до Г25 и само по два - до ЮД
Мойта сметка:
target left weight se z <chr> <chr> <dbl> <dbl> <dbl> 1 BGR_Ryahovets_Mdv CHG 0.255 0.0815 3.13 2 BGR_Ryahovets_Mdv EHG 0.265 0.0746 3.56 3 BGR_Ryahovets_Mdv Levant_PPN 0.127 0.119 1.06 4 BGR_Ryahovets_Mdv SRB_Iron_Gates_HG 0.0317 0.0523 0.606 5 BGR_Ryahovets_Mdv TUR_Marmara_Barcin_N 0.321 0.120 2.68
За сравнение:
> extract_f2(prefix, my_f2_dir,
+ inds = NULL,
+ pops = mypops,
+ allsnps = TRUE,
+ blgsize = 0.05,
+ maxmem = 8000,
+ maxmiss = 0,
+ minmaf = 0,
+ maxmaf = 0.5,
+ pops2 = NULL,
+ outpop = NULL,
+ overwrite =T)
i Reading allele frequencies from packedancestrymap files...
i v54.1_1240K_public.geno has 16466 samples and 1233013 SNPs
i Calculating allele frequencies from 177 samples in 16 populations
i Expected size of allele frequency data: 296 MB
1233k SNPs read...
√ 1233013 SNPs read in total
! 31339 SNPs remain after filtering. 28723 are polymorphic.
i Allele frequency matrix for 31339 SNPs and 16 populations is 6 MB
i Computing pairwise f2 for all SNPs and population pairs requires 201 MB RAM without splitting
i Computing without splitting since 201 < 8000 (maxmem)...
i Data written to D:\temp/> mypops
[1] "CHG" "EHG" "IRN_Ganj_Dareh_N" "ISR_Natufian_EpiP" "Levant_PPN"
[6] "MAR_Taforalt_EpiP" "Mbuti.DG" "Mesopotamia" "RUS_AfontovaGora3" "RUS_MA1_HG"
[11] "SRB_Iron_Gates_HG" "TUR_C_Boncuklu_PPN" "TUR_Marmara_Barcin_N" "TUR_Pinarbasi_EpiP" "WHG"
[16] "I10548"pops_SA_right
[1] "IRN_Ganj_Dareh_N" "ISR_Natufian_EpiP" "MAR_Taforalt_EpiP" "Mbuti.DG" "Mesopotamia" "RUS_AfontovaGora3"
[7] "RUS_MA1_HG" "TUR_C_Boncuklu_PPN" "TUR_Pinarbasi_EpiP" "WHG"> pops_SA_left
[1] "CHG" "EHG" "Levant_PPN" "TUR_Marmara_Barcin_N" "SRB_Iron_Gates_HG"> results = qpadm (f2_blocks , pops_SA_left, pops_SA_right, "I10548" )
i Computing f4 stats...
i Computing admixture weights...
i Computing standard errors...
i Computing number of admixture waves...
> results$weights
# A tibble: 5 x 5
target left weight se z
<chr> <chr> <dbl> <dbl> <dbl>
1 I10548 CHG 0.164 0.114 1.44
2 I10548 EHG 0.231 0.0705 3.28
3 I10548 Levant_PPN 0.0895 0.433 0.207
4 I10548 TUR_Marmara_Barcin_N 0.483 0.350 1.38
5 I10548 SRB_Iron_Gates_HG 0.0319 0.0751 0.424-
1
-
-
Преди 48 минути, Кухулин said:
I10548 F BGR_Ryahovets_Mdv KK1_noUDG.SG M CHG SATP_noUDG.SG M CHG I0061 M EHG I0211 M EHG I0124 M EHGТова са образците, които ползва Лазаридис. UzOO77 също е ИЕЛС, но по някаква причина не го е включил в популацията.
Давам ти го Ряховеца на ПСА:
Виждаш го къде е набутан в средата, в калабалъка.. И двата компонента КЛС /ИеЛС са доста силни. Най-вероятно ИеЛС е по-силния. (понеже това представяне е силно разтегнато по отношение на ЗЕЛС.
-
1
-
-
По принцип Лазаридис си знае работата, но и грешки стават. Възможно да е окастрил много сниповете (според извадката) . Или пък в бързината нещо да са претупали. Мога и аз да превъртя същия тест с моите данни. Това какво ни дава или променя?
-
Преди 3 часа, Кухулин said:
Хммм. Формално ф4 също потвърждава, че Ряховец има по-висок ИЕЛС компонент, отколкото КЛС...
> f4 (dataset, "BGR_Ryahovets_Mdv", "Mbuti.DG", "EHG", "CHG") ℹ Getting population combinations... ℹ 1 population combinations found ℹ Computing from f4 from genotype data... ℹ Reading metadata... ℹ Computing block lengths for 1150639 SNPs... ℹ Computing 1 f4-statistics for block 713 out of 713... ℹ Summarize across blocks... # A tibble: 1 × 9 pop1 pop2 pop3 pop4 est se z p n <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> 1 BGR_Ryahovets_Mdv Mbuti.DG EHG CHG 0.00309 0.000515 6.01 0.00000000189 779763 >
Като гледам колко бързо напредваш, скоро може да се включваш в международния форум или да питаш директно Лазаридис. Аз също бих го тълкувал както казваш ти. Какъв е тоя от Ряховец? Ямненец вероятно?
-
Преди 11 минути, Кухулин said:
Викам чакай ще пробвам да възпроизведа компонентите на Лазаридис. Оказа се, че съм голям оптимист
# A tibble: 5 × 5 target left weight se z <chr> <chr> <dbl> <dbl> <dbl> 1 BGR_Ryahovets_Mdv CHG -0.573 1.36 -0.422 2 BGR_Ryahovets_Mdv EHG -0.556 1.72 -0.323 3 BGR_Ryahovets_Mdv Levant_PPN 2.26 2.90 0.780 4 BGR_Ryahovets_Mdv SRB_Iron_Gates_HG 0.204 1.11 0.185 5 BGR_Ryahovets_Mdv TUR_Marmara_Barcin_N -0.334 2.47 -0.135
Някакви идеи?
При тези модели това се случва много често. Разглеждаш го като вектори. Ряховеца е много близък до ТМБ и Левант. КХГ ЕХГ се ползват за корекция с обратен знак, един вид свалят излишни компоненти.
-
Преди 3 минути, Кухулин said:
Подобна история. Гледам на плота по-малки дистанции до съвременните и средновековните българи, отколкото до неолитните.
И не знам каква е тази история в публикациите пробите да са групирани по един начин, а в базата на Райх - по друг. Изкуствено се създават пречки пред възпроизводството на резултатите. Но нас това няма как да ни спре
Впрочем, нищо чудно някъде да седи .ind с оригиналните етикети, не съм търсил.
Има дори излишък на информация. Стига да ти се занимава виждаш как е . Бъркаш в кацата с мед и вадиш каквото и колкото си искаш...
Относно Давидски: мисля че ползва СмартПСА, обаче аз никога досега не съм успял да си го пусна тоя софтуер, обаче си ползвам друг начин за генериране на пса. Вече ПСА ни дава много удобства, видимост и всичко останало. Всичките екстри дето Давидски ги предлага идват от неговата ПСА база. А той понеже успява да "закрепи" основните компоненти, това му позволява да наблъсква в базата си колкото ще индивида. Може и 50 000 вече да ги е докарал на бройка. Но по-вероятно да е на около 20 000. Това закрепване обаче на принципните компоненти си идва с други минуси, получават се натрупвания на грешки и неточност.
Засега не се напъвай още да тълкуваш сложните казуси. Понаправи си някое друго упражнение с примерите дето ги дават по уъркшоповете, вкарвай в тях отвреме на време по някоя нова тестова популация и ще се ориентираш, ще добиеш сетивата в тая сложна и хлъзгава материя..
Между другото R-studioto гърми ако му зададеш много популации, или трябва да си на много мощен компютър с много памет. Ако нещо видиш разни странни грешки: рестартираш R-studioto, намаляш малко броя на популациите и на следващото изпълнение всичко може да си е наред. За тия цели с Адмикстоолс2 R studio на Уиндоус си е достатъчно. Но за разни други неща си трябва и на Линукс.
-
1
-
-
Преди 30 минути, Кухулин said:
А това са ф2/фст-дистанциите, които нито съответстват на аутгруп ф3, нито на реалния компонент ТМБ.
f2(f2_blocks, "TUR_Barcin_N", pops) # A tibble: 5 × 4 pop1 pop2 est se <chr> <chr> <dbl> <dbl> 1 TUR_Barcin_N BGR_Ezero_EBA 0.0856 0.00172 2 TUR_Barcin_N BGR_KA_EIA 0.00842 0.000675 3 TUR_Barcin_N BGR_Late_C 0.0143 0.00101 4 TUR_Barcin_N BGR_Ryahovets 0.137 0.00203 5 TUR_Barcin_N Bulgarian.HO 0.00966 0.000439
Имам чувството, че тези функции са много чувствителни към естеството на пробите (брой, качество и др.), докато в Г25 всички тези фактори са елиминирани. Затова там простите дистанции може би са по-достоверни. Евентуално. С уговорки.
Затова толкова хвалят Давидски, че знае как да ги филтрира и да ги гласи. Явно си е майсторлък.
Ето как са при мен Ф2 статистиките, само че аз ползвам Turkey_N щото тях имам в тая извадка:
Цитирай# A tibble: 57 x 4
pop1 pop2 est se
<chr> <chr> <dbl> <dbl>
1 Turkey_N Algeria_NumidoRoman_Berber.SG 0.0290 0.00806
2 Turkey_N BB7-240_noUDG 0.132 0.0105
3 Turkey_N Belgium_UP_GoyetQ116_1 0.149 0.0116
4 Turkey_N BIR.SG 0.0398 0.00484
5 Turkey_N BK-1653_noUDG 0.155 0.0123
6 Turkey_N Bulgaria_C 0.00111 0.00191
7 Turkey_N Bulgaria_EBA 0.00918 0.00288
8 Turkey_N Bulgaria_EBA_Yamnaya 0.0846 0.0106
9 Turkey_N Bulgaria_EIA 0.00296 0.00251
10 Turkey_N Bulgaria_MalakPreslavets_N 0.0536 0.00787
# ... with 47 more rows
Ф2 статистиките ни дават директните разтояния от индивид до индивид ( или от усреднената група към усреднена група/ или индивид).
В тоя пример с Турския Неолит виждаш кои са най-близко към Анатолия.
Обаче интересните за нас са Варненци и стария палеолит. Варненци, старите ловци събирачи, кавказките ловци събирачи се отталечават от Турския и Българския неолит. Прави ми впечатление в няколко справки че варненци отиват все към Натуфианците.
-
Слагам за последно и тази графика:
Вместо Сацубрила, ползваме другия кавказки ловец с кодовото име КК1. (почти като куклус клан, само дето е с някакво грузинско име дето трудно може да бъде изказано). Но по-интересното е че нашите български проби показват от най-високите нива на CHG.. Включително Варна.
ЦитирайСкрипта за тоя репорт: Кухулин може да го пробваш:
k = f4(f2_blocks, pop_for_admix_list[j] , pop_for_admix_list[B21] , pop_for_admix_list , pop_for_admix_list[i] )
където: (това са ми индексите в списъка с групите).. Ти ще си нагласиш твоите според листа ти..
i=19 ( злати кюн)
B21 = 1 # Chimp
j = 20 # KK1 -
Заради теста и заради големия интерес към аланите, направих ви още един репорт, справка:
Разяснителни бележки:
ЦитирайКъм вече разгледаните разнообразни групи добавяме малко алани и централно азиатци:
Russia_Alan.SG
Russia_SaltovoMayaki.SG
Kazakh.SG
Kazakhstan_Central_Saka.SG
Kazakhstan_Botai_EneolithicТова обаче си има цена. Ще трябва да се лишим от още няколко хиляди снипа, дето участват в съревнованието.
i v54.1_1240K_public.geno has 16466 samples and 1233013 SNPs
i Calculating allele frequencies from 1085 samples in 57 populations
i Expected size of allele frequency data: 700 MB
1233k SNPs read...
√ 1233013 SNPs read in total
! 422 SNPs remain after filtering. 405 are polymorphic.
i Allele frequency matrix for 422 SNPs and 57 populations is 0 MB
i Computing pairwise f2 for all SNPs and population pairs requires 26 MB RAM without splitting
i Computing without splitting since 26 < 8000 (maxmem)...
i Data written to D:\temp/
> f2_blocks = f2_from_precomp(my_f2_dir, pops = mypops) ### <--------required !!!!!! To update the blocks with results
i Reading precomputed data for 57 populations...
i Reading f2 data for pair 1653 out of 1653...---
И така, добавихме тези 5 групи. Сега в крайния резултат ще участват едва 422 снипа. Но и това си е нещо, не е като нищото.. Това естествено ще ни увеличи грешката и това се вижда на графиката . Съответно и някои групи ще си сменят мястото, щото работим вече с доста по-голяма очаквана грешка.
Вижда се че руските Алани са най-близко към Кавказкия ловец събирач Georgia_Satsurblia.SG .
-
Преди 11 минути, tantin said:
Ето за сравнение Ф4 със същите групи:
-
Ето и аз да дам един пример с CHG.
Цитирайi Reading allele frequencies from packedancestrymap files...
i v54.1_1240K_public.geno has 16466 samples and 1233013 SNPs
i Calculating allele frequencies from 1066 samples in 51 populations
i Expected size of allele frequency data: 641 MB
1233k SNPs read...
√ 1233013 SNPs read in total
! 5850 SNPs remain after filtering. 5681 are polymorphic.
i Allele frequency matrix for 5850 SNPs and 51 populations is 3 MB
i Computing pairwise f2 for all SNPs and population pairs requires 287 MB RAM without splitting
i Computing without splitting since 287 < 8000 (maxmem)...
i Data written to D:\temp/След филтрирането ни остават едвам 5800 снипа, но и това си е ОК за целта. Все пак това са 1066 индивида в 51 групи .
Резултати:
ЦитирайB21 = 1 # Chimp
j = 52 # "CHG
k = f3(f2_blocks, pop_for_admix_list[j] , pop_for_admix_list[B21] , pop_for_admix_list1 )
> k
# A tibble: 52 x 7
pop1 pop2 pop3 est se z p
<chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
1 Georgia_Satsurblia.SG Chimp.REF Algeria_NumidoRoman_Berber.SG 0.134 0.00542 24.7 3.26e-134
2 Georgia_Satsurblia.SG Chimp.REF BB7-240_noUDG 0.147 0.00602 24.5 1.29e-132
3 Georgia_Satsurblia.SG Chimp.REF Belgium_UP_GoyetQ116_1 0.139 0.00604 23.0 2.15e-117
4 Georgia_Satsurblia.SG Chimp.REF BIR.SG 0.139 0.00503 27.6 2.73e-167
5 Georgia_Satsurblia.SG Chimp.REF BK-1653_noUDG 0.139 0.00610 22.7 3.41e-114
6 Georgia_Satsurblia.SG Chimp.REF Bulgaria_C 0.136 0.00472 28.9 3.44e-183
7 Georgia_Satsurblia.SG Chimp.REF Bulgaria_EBA 0.130 0.00458 28.5 2.99e-178
8 Georgia_Satsurblia.SG Chimp.REF Bulgaria_EBA_Yamnaya 0.129 0.00562 23.0 2.36e-117
9 Georgia_Satsurblia.SG Chimp.REF Bulgaria_EIA 0.132 0.00460 28.7 1.26e-181
10 Georgia_Satsurblia.SG Chimp.REF Bulgaria_MalakPreslavets_N 0.135 0.00555 24.4 4.69e-131
# ... with 42 more rows -
Преди 6 часа, Кухулин said:
С ф3 в салтовците също излиза повече КЛС:
f3(f2_blocks, "Chimp.REF", "CHG.SG", pop) # A tibble: 2 × 7 pop1 pop2 pop3 est se z p <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> 1 Chimp.REF CHG.SG Russia_Alan_Core.SG 0.336 0.00198 170. 0 2 Chimp.REF CHG.SG Russia_SaltovoMayaki.SG 0.338 0.00209 162. 0
Значи, ако тълкуваме данните правилно, фст мери нещо друго.
Дотук много добре.
Щом си подкарал и Ф3 вече имаш почти всичко.
Относно тълкуването: Ф3(а,в,с) равно на (а-с)(в-с)
а - шимпанзето
в- Кавказкия ловец
с - тия дето тестваме.
По принцип колкото по в средата е "с" токова по-отрицателно трябва да стане ф3.
Обаче при теб вече са над нулата, тоест вече са се отклонили от средата.
Тоя с по- близкото до 0 е съответно по-близък до CHG. Тоест руските алани имат малко повечко Клс компонент.
-
Преди 54 минути, Кухулин said:
fst(prefix, pop1, c(pop3, pop4), adjust_pseudohaploid = FALSE)
.. сега забелязах нещо.. това вкарване вътре на c(pop3, pop4) - функция във функция може да не работи добре. Особено ако си пробвал по същия начин с Ф3.. За предпочитане да си ги сложиш в друга променлива и да ползваш новата променлива наместо функцията. Примерно:
pop_34 = c(pop3, pop4)
fst(prefix, pop1, pop_34, adjust_pseudohaploid = FALSE)
Най-вероятно затова Ф3 не е тръгнало.
-
Ето примерно как се прави изчисляването на тия precomp данни:
# първо задаваш си къде е директорията:
my_f2_dir = "C:/Users/Кухулин_123"
# после правиш самото изчисление на precomp данни с екстракт функцията:
extract_f2(prefix, my_f2_dir,
inds = NULL,
pops = mypops,
blgsize = 0.05,
maxmem = 8000,
maxmiss = 0,
minmaf = 0,
maxmaf = 0.5,
pops2 = NULL,
outpop = NULL,
overwrite =T)# Тука mypops = pop1 + pop2 + pop3 + pop4 - всичките трябва да ги има в тоя списък
# после ги четеш от директорията:f2_blocks = f2_from_precomp(my_f2_dir, pops = mypops)
# И после директно с тях си изчисляваш:
f4(f2_blocks, pop1, pop2, pop3, pop4 )
-
1
-
-
За утре имаш следната задача:
Вместо това: prefix
f4(prefix, pop1, "Chimp.REF", pop3, pop4)
Ще ползваш f2_from_precomp
Обаче трябва малко подготовка, да си подготвиш един фолдер дето да се запишат прочетените данни и ти оттам да ги ползваш наготово , а не всеки път да ги смяташ на ново и наново..
Има го добре обяснено в оня workshop.
f2_blocks = f2_from_precomp(my_f2_dir, pops = mypops)
вече като подкараш Ф4 с опцията f4(f2_blocks, pop1, pop2, pop3 ) ще видиш как стават другите неща.
-
Преди 2 минути, Кухулин said:
Така е, да. Три стандартни отклонения, по-известни като 3-сигма. Всичко под това е проява на доста лош вкус.
Едва ли.. При толкоз включени снипове: Computing block lengths for 1150639 SNPs...
Но да.. Вероятно си прав. Не знам точно какво търсиш или какво очакваш . Близост или раздалечаване?
Не забравяй че имаш и Ф3, която дори е по-лесна от Ф4. С Ф3 по-лесно можеш да докажеш близост, или кой е по средата. Зет се изчислява по същия начин.
f3(prefix, pop1, pop2 , pop3)
-
Преди 1 минута, Кухулин said:
f4(prefix, pop1, "Chimp.REF", pop3, pop4) ℹ Getting population combinations... ℹ 1 population combinations found ℹ Computing from f4 from genotype data... ℹ Reading metadata... ℹ Computing block lengths for 1150639 SNPs... ℹ Computing 1 f4-statistics for block 713 out of 713... ℹ Summarize across blocks... # A tibble: 1 × 9 pop1 pop2 pop3 pop4 est se z p n <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> 1 CHG.SG Chimp.REF Russia_Alan_Core.SG Russia_SaltovoMayaki.SG -0.00130 0.000832 -1.56 0.119 97493
Има някакъв прогрес в z, но си остава под 3. Ще мислим друго.
За момента не го мисли това със z, всяко нещо с времето си.
Z мисля че го изчисляваха като z= est/se . За днес това ти е предостатъчно. Запази някоя друга мозъчна клетка за утре.
-
Преди 20 минути, Кухулин said:
За кавказките алани първо трябва да усвоим техниките. Вероятно ни очакват доста страници "усвояване".
Сега бачо Кухулине, слушай внимателно: взимаш си файла: v54.1.p1_1240K_public.ind / да речем че с тая база работиш. Отваряш го с ноутпад.. И си избираш кой индивид искаш да провериш.
да речем за тия индивиди:
DA160_noUDG.SG F Russia_Alan.SG
DA162_noUDG.SG M Russia_Alan.SG
DA164_noUDG.SG F Russia_Alan.SG
DA243_noUDG.SG M Russia_Alan.SGНамираш ги във файла ти къде са: и ги заместваш по тоя начин:
DA160_noUDG.SG F DA160_noUDG.SG
DA162_noUDG.SG M DA162_noUDG.SG
DA164_noUDG.SG F DA164_noUDG.SG
DA243_noUDG.SG M DA243_noUDG.SGведнъж като го презапишеш тоя файл, (save), мошеж да си правиш проверката директно по индивид.
Няма нужда да ползваш груповото име Russia_Alan.SG , а ползваш индивидуланото име за съответния индивид.
Правиш си бакъп на оригиналния v54.1.p1_1240K_public.ind ако решиш да го ползваш пак с групата вместо по индивидите.
-
Преди 2 минути, Кухулин said:
А защо тогава ф4 ги смята перфектно?
F4 статистиките работят само с действителни снипове, където тия снипове са представени при всичките тествани популации. Ако липсват сниповете - то се прави филтриране на липсващите снипове и се махат същите от всичките тествани популации.
Докато Г25 и разни други методи правят изчисленията на базата дистанции. И после ти показват апроксимации.
Примерно само на базата на 1-ва хромозома ти можеш да дадеш приблизителна оценка къде е позицията на индивида по всичките 22 хромозоми. И при това едва ли ще имаш грешка в повече от 20 %.. Ф4 статистиките ни позволяват да си правим тестове с много окастрени данни, да сравним тия окастрени данни с окастрените данни от другите групи и да преценим взаимното им разположение едни спрямо други.
-
1
-
-
Преди 5 минути, Кухулин said:
Ако даваше вектор, халколитът щеше да е по-близо до неолита от желязото.
Ами виж сега, тия групи дето ги сравняваш са сбирщина, зависи само от хората на Райх кого са избрали да сложат към тях в списъка. В твоята извадка влизат 71 човека, разпределени в тия 4 групи. Както вече коментирахме подобно за Южнат дъга, оказва се че те ги групират по доста съмнителни критерии. Така че не им се предоверявай.. Като задобрееш малко ще ти помогна как да правиш проверки директно по индивидите.
В тая извадка която ползваш участват почти 950 000 снипа, което е огромно и премного. Резултатите ти показват също доколко тези групи са близко и е трудно да ги разграничим една от друга. Вземи вкарай накои монголци и индиянци и да видим какво ще ти покаже. И разбира се пробвай с ЗЕЛС. (Лошбур).
-
Преди 4 минути, Кухулин said:
Все още не съм постигнал вътрешно разбиране какво точно мери фст, но не мери това,което ми трябва:
Ами ето, вече мериш директно от първоизточника!
Fst ни дава директното разтояние от едната група до другата. Или ако работиш с индивидите: от един индивид до друг.
Ф4 ни дава същото разтояние, но вече като проекция на единия вектор върху другия. При Ф4 вече го дискутирахме, там си задаваш един дълъг огромен вектор и го ползваш като координатна ос, и върху тая ос проектираш малкия вектор или това което са Фст.
-
Преди 1 час, Кухулин said:
За сравнение Г25:
Distance to: GEO_CHG 0.03737405 Georgia_UP_Satsurblia_(CHG) 0.13411982 RUS_Saltovo-Mayaki_low_res 0.15454193 RUS_Alan_MA Distance to: Georgia_UP_Satsurblia_(CHG) 0.03737405 GEO_CHG 0.15861718 RUS_Saltovo-Mayaki_low_res 0.18118461 RUS_Alan_MA Чиста работа, няма z-та p-та
ако искаш да гледаш разтоянията, ползвай: fst()
примерно fst( data, pop1 = ALANS , pop2 = mypop ) , където mypop са всичките
ADMIXTOOLS 2 Playground
in Aрхеогенетика
Публикува
Този го нямям в ПСА базата ми. Не се е класирал, явно е с ниско покритие.
Доколкото гледам в публикацията за него е някакъв типичен анатолиец (анатолийка, щото е жена) от 5 хилядолетие пне.
https://www.cell.com/current-biology/pdfExtended/S0960-9822(16)30850-8
Евентуално с Ф4 статистиките може да се види спрямо кои анатолийци е най-близък, но така или иначе аз не очаквам нещо особено от такъв индивид.