Къде са се дянали прабългарите?

[expeler]

Гледам по статиите за западна Евразия. PCA evec се прави за модерните популации(В този случай от западна Евразия) и после се мапват интересуващите ни проби как се отнасят към другите според този evec. WHG, EHG, CHG и EEF ги слагам само за ориентир. Кои към къде клонят и какви са разликите помежду им. Затова става PCA-a като в статиите.

[Кухулин 2.0]

Черняховци приличат повече на късни сармати от Унгария.

Като 100% панонски сармати може формално (p > 0.5) да се моделира популацията Ukraine_MigrationPeriod_Chernyakhiv_o.SG, която включва две стари черняховски проби. При това едната е много лоша (22к снипа) и явно прецакана. Става дума за последната база на Райх - v62.0.

Колкото до ПСА, това е много лош инструмент за определяне на близост. Не е проектиран за това. Математически при снижаването на броя измерения винаги се губи информация за обектите. ПСА е оптимизиран да запазва информация за разликите, а не за приликите. Грубо казано, два далечни обекта на ПСА са далечни и в реалността, но два близки обекта на ПСА може да не са близки в реалността.

Това ми напомни как навремето уважаемият д-р Чобанов акцентираше върху скитските проби, които на ПСА съвпадали с днешните българи

За плотиране на реални дистанции по принцип се използва МДС, обаче там нещата са антиинтуитивни и плотовете не са популярни.

https://en.wikipedia.org/wiki/Principal ... t_analysis
https://en.wikipedia.org/wiki/Multidimensional_scaling

Но тези неща са само половината от проблема...

[Кухулин 2.0]

Гледам по статиите за западна Евразия. PCA evec се прави за модерните популации(В този случай от западна Евразия) и после се мапват интересуващите ни проби как се отнасят към другите според този evec. WHG, EHG, CHG и EEF ги слагам само за ориентир. Кои към къде клонят и какви са разликите помежду им. Затова става PCA-a като в статиите.

Главните компоненти (осите в ПСА-плота) се изчисляват като "посоките", които съдържат най-голямото разнообразие в данните. Следователно те са функции от всички данни. Следователно се менят с добавянето на всяка нова популация.

Когато ти изчислиш ПСА върху модерните популации и пльоснеш отгоре старите проби, това не е ПСА на старите проби. Това е псевдоПСА, което е манджа с грозде и може да съдържа огромни грешки, но за сметка на това всеки път изглежда еднакво и дава някакви предварителни ориентири на средноподготвения читател.

Колкото по-малко популации участват в ПСА, толкова по-малка е редукцията в измеренията (от Х до 2), следователно загубите на данни при тази редукция също са по-малки.

Следователно, ако искаш да изследваш красиво и професионално отношенията между Х популации, правиш плот с Х популации, а не с цялото модерно разнообразие. И този плот е само ориентир за процесите.

[expeler]

Тогава защо така ги правят по статиите?

[expeler]

Гледам два туторияла. Единия е от workshop за генетици. Ти си си измислил някаква твоя си наука ве Кухулин.

[expeler]

In this lesson we’ll make a principal component plot. For that we will use the program smartpca, again from the Eigensoft package. The recommended way to perform PCA involving low coverage test samples, is to construct the Eigenvectors only from the high quality set of modern samples in the HO set, and then simply project the ancient or low coverage samples onto these Eigenvectors. This allows one to project even samples with as few as 10,000 SNPs into PCA plot (compare with ~600,000 SNPs for HO samples).

Трябва ли да превеждам?

https://gaworkshop.readthedocs.io/en/la ... a/pca.html

[Кухулин 2.0]

Тогава защо така ги правят по статиите?

Наложил се е такъв стандарт за визуализация - с един поглед да се схване ситуацията в общи линии. При това именно в общи линии. Никой не си аргументира изводите с ПСА, за това има други инструменти.

[Кухулин 2.0]

In this lesson we’ll make a principal component plot. For that we will use the program smartpca, again from the Eigensoft package. The recommended way to perform PCA involving low coverage test samples, is to construct the Eigenvectors only from the high quality set of modern samples in the HO set, and then simply project the ancient or low coverage samples onto these Eigenvectors. This allows one to project even samples with as few as 10,000 SNPs into PCA plot (compare with ~600,000 SNPs for HO samples).

Трябва ли да превеждам?

https://gaworkshop.readthedocs.io/en/la ... a/pca.html

Ако много държиш да градиш хипотези върху проби с по 10к снипа - успех. А ако ми кажеш защо трябва да проектираш така проби с по 600к снипа (средно качество), да не говорим за по-тлъстите, много ще ме впечатлиш.

[expeler]

Кое не разбра? HO пробите на модерните популации са с максимума за HO базата, защото са модерни. Взети са от живи хора, няма загуба на снипове. Затова се използват те за Eigenvectors в evec файла. После можеш да проектираш всякакви други дори да са с много загуби до 10,000 снипа.

[expeler]

Сефте виждам човек да се съмнява с стойността на автора на workshop-a. Без него нямаме читав SNP caller!

https://www.stephanschiffels.de/

[Кухулин 2.0]

Кое не разбра? HO пробите на модерните популации са с максимума за HO базата, защото са модерни. Взети са от живи хора, няма загуба на снипове. Затова се използват те за Eigenvectors в evec файла. После можеш да проектираш всякакви други дори да са с много загуби до 10,000 снипа.

Нещо бягаш по фланга

Пълното покритие на старите проби е 1240к снипа. Да не се окаже, че при една хубава секвенция трябва да проектираме HO върху нея

А че можем да проектираме всякакви проби, това е ясно. Въпросът не е дали можем, а защо да го правим, ако пробите са хубави.

По принцип има такава причина, която ирае в комерсиалните проекти (например в Г25). Но това е за сметка на научната стойност.

[expeler]

Ти бягаш по тъча. Има две бази едната е 1240к другата е 600к. Ползва се тази с 600к, защото в нея има по десет модерни проби от популация. А в тази с 1240к има по едва по 2 и не от всяка популация. А на нас ни трябват добро число проби без загуба на информация за читави eigenvectors. Иначе не сравняваме нищо.

https://dataverse.harvard.edu/dataset.x ... DVN/FFIDCW

[expeler]

"Наложил се е такъв стандарт за визуализация - с един поглед да се схване ситуацията в общи линии. При това именно в общи линии. Никой не си аргументира изводите с ПСА, за това има други инструменти."

Като те гледам как ползваш PCA. Не искам дори да си представям, как ползваш други инструменти.

[Кухулин 2.0]

Ти бягаш по тъча. Има две бази едната е 1240к другата е 600к. Ползва се тази с 600к, защото в нея има по десет модерни проби от популация. А в тази с 1240к има по едва по 2 и не от всяка популация. А на нас ни трябват добро число проби без загуба на информация за читави eigenvectors. Иначе не сравняваме нищо.

По тази причина Г25 има в заглавието си "25". Ако искаш да сториш "скелет" от много популации, което води до големи загуби на информация, трябва да работиш в много измерения, което пък снижава загубите. Изследванията показват, че сигнал се губи до 8-9 измерения без проекции. Значи 25 със запас при система с проекции.

Само че от многото измерения мозъкът прегаря

[Кухулин 2.0]

Като те гледам как ползваш PCA. Не искам дори да си представям, как ползваш други инструменти.

Добре или зле, но се мъча да ги ползвам с мисъл. Не е хубаво да изпадаме в карго-култове.

[expeler]

"Изследванията показват, че сигнал се губи до 8-9 измерения без проекции."

Дръгнкаш глупости. Кои изследвания? Едно само цитирай.

[Кухулин 2.0]

Дръгнкаш глупости. Кои изследвания? Едно само цитирай.

Стояне, ние с Тантин се кълнем в теб, а ти - глупости...

This reveals that the first two PCs do not capture all the genetic variation relevant for European population structure. Consequently, approximating F3 by the first two or even 10 PCs (figure 4b) only gives a coarse approximation of F3, and from figure 4c we see that many higher PCs contribute to F3 statistics.

https://pmc.ncbi.nlm.nih.gov/articles/PMC9014194/

Впрочем, бачо Тантин едно време бичеше по 40 измерения, не знам дали не му пукна някой капиляр от тия упражнения

[expeler]

И в тази статия е ползван population list за западна Евразия от модерни популации за PCA:

Abkhasian
Adygei
Albanian
Armenian
Balkar
Basque
BedouinA
BedouinB
Belarusian
Bulgarian
Canary_Islander
Chechen
Croatian
Cypriot
Czech
Druze
English
Estonian
Finnish
French
Georgian
Greek
Hungarian
Icelandic
Iranian
Italian_North
Italian_South
Jew_Ashkenazi
Jew_Georgian
Jew_Iranian
Jew_Iraqi
Jew_Libyan
Jew_Moroccan
Jew_Tunisian
Jew_Turkish
Jew_Yemenite
Jordanian
Kumyk
Lebanese
Lezgin
Lithuanian
Maltese
Mordovian
Ossetian
Norwegian
Orcadian
Palestinian
Russian
Sardinian
Saudi
Scottish
Sicilian
Spanish_North
Spanish
Syrian
Turkish
Ukrainian
Chuvash
Assyrian
Lebanese_Christian
Lebanese_Muslim
Romanian

https://zenodo.org/records/6424178

[Кухулин 2.0]

И в тази статия е ползван population list за западна Евразия от модерни популации за PCA

Точно така. Ползва се многомерен ПСА върху съвременни популации (без проекции!) и се оценява точността му при различна размерност спрямо пълните ф-статистики.

[expeler]

Двумерен е.