Page 1 of 2 12 LastLast
Results 1 to 10 of 14

Thread: Eurogenes Matrice de f3-statistiques

  1. #1
    Moderator
    Posts
    5,605
    Sex
    Location
    Normandy
    Ethnicity
    northwesterner
    Y-DNA
    U152>L2>Z367
    mtDNA
    H5a1

    Normandie Netherlands Friesland Finland Orkney

    Eurogenes Matrice de f3-statistiques

    Ce fil va être tout entier dédié à la dernière proposition de David sur Eurogenes, résumée dans son dernier post: http://eurogenes.blogspot.com/2019/0...-approach.html
    Avant de passer aux choses sérieuses, je me débarrasse de deux questions de pur protocole:
    1) CQ sur son blog va me traiter de lèche-cul ("arse-licking fan"). Qu'il le fasse, je m'en fous.
    2) La logique voudrait que je poste directement sur Eurogenes. Je ne le fais pas pour trois raisons. D'abord le format blog est peu propice aux débats techniques. Ensuite je me suis interdit d'intervenir ailleurs que sur AG tant que je serai modérateur sur AG. Donc je devrais changer d'identité, ce qui m'ennuie. Enfin je sais que David lira ce post, ce qui est l'essentiel.

    Bon. Vous avez lu le dernier post d'Eurogenes, téléchargé la matrice de f3-stats concoctée par David. Et vous vous demandez ce que vous pouvez en faire. Il y a j'imagine beaucoup de réponses à cette question. Je vais proposer une méthode. J'ignore si c'est la meilleure, j'ignore même si elle est bonne, elle est simplement pour moi la plus naturelle. Si vous n'avez pas d'autre idée à exploiter, je vous propose de la mettre à l'épreuve, avant que peut-être nous la proposions à l'ensemble de la communauté. Il va de soi que si David lui-même juge cette approche idiote, je mangerai mon chapeau et fermerai ce fil. Non parce que je suis un lèche-cul, mais parce que la priorité doit toujours être donnée à celui qui a donné l'impulsion.

    Méthode.
    1) Ouvrir la matrice avec Past3 (séparateur virgule, noms de lignes, noms de colonnes)
    2) Sélectionner tout.
    3) Faire calculer le PCA
    4) Copier les composantes (il y en a bien sûr autant que de lignes-colonnes, donc un peu moins de 300) et coller sur une page vierge ouverte sur un éditeur de texte quelconque.
    5) Sauver sous extension .csv (par exemple) avec la virgule pour séparateur.
    6) Ouvrir ce fichier avec un tableur (pour moi open-office), et garder un nombre raisonnable de composantes. Au vu des valeurs propres, il m'a paru sensé d'en garder 30, mais ce choix peut évidemment être contesté. Ce nouveau fichier va être la matrice de base pour l'application de nMonte. Je l'ai appelé PCA_f3.csv

    Je n'ai eu le temps que de quelques expérimentations, le but étant de comparer avec des modèles qpAdm. Je vous en montre une.

    Exemple d'utilisation
    Soit à modéliser Iberia_C_CA_Stp. Il faut d'abord travailler un peu avec le tableur.
    Ouvrir PCA_f3.csv
    1) En extraire la ligne d'en-tête (PC1, ..., PC30) et la ligne des composantes de Iberia_C_CA_Stp, les copier sur un classeur vierge, le sauver sous le nom target_Iberia_C_CA_Stp.csv (ou .txt), toujours avec la virgule comme séparateur.
    2) Supprimer de PCA_f3.csv la ligne de Iberia_C_CA_Stp, sauver sous le nom PCA_f3_Iberia_C_CA_Stp.csv (par exemple), (virgule sep)

    Voilà, tout est prêt pour réveiller nMonte. On met tout cela dans un dossier, et on lance nMonte ( sempiternelles questions, scaled-unscaled, pen ou pas pen... Pour moi c'est unscaled, je n'ai pas encore essayé pen=0)

    Donc: getMonte('PCA_f3_Iberia_C_CA_Stp.csv','target_Iber ia_C_CA_Stp.csv'). On patiente un peu et on obtient évidemment un modèle idiot qui ne répond à aucune question sensée. Car il faut évidemment avant tout poser une question sensée. Mais au moins on sait qu'on a bien travaillé sur le matrices, et que cela fonctionne. On va donc, comme le savent bien ici tous ceux qui ont travaillé avec G25, garder les références ayant une chance de répondre aux questions que nous posons.

    Je ne me pose qu'une question ce soir: quel modèle cette méthode donne-t-elle si je ne choisis pour références que Beaker_Germany et iberia_ChL?
    Pourquoi cette question? Parce que Olalde nous donne dans les infos suppl. de son dernier texte un modèle qpAdm, avec lequel nous pourrons comparer. Beaker_Germany sera ici remplacé par Beaker_Bavaria, et Iberia_CA par Iberia_ChL. Comme les références ne coincident peut-être pas exactement, il faudra peut-être avoir l'esprit large. Donc on ouvre la matrice PCA_f3_Iberia_C_CA_Stp.csv, on ne garde que nos deux références, et on sauve sous un nom quelconque, par exemple hypothese_Olalde.csv. Et roulez:

    > getMonte('hypothese_Olalde.csv','target_Iberia_C_C A_Stp.csv') ... résultat:

    [1] "distance%=8.8046"

    Iberia_Central_CA_Stp

    Beaker_Bavaria,60
    Iberia_ChL,40



    Et on retourne au texte d'Olalde, pour lire:

    Capture.JPG

    J'avoue que je suis tombé de ma chaise. Evidemment, c'est peut-être un hasard heureux. Il faut faire d'autres expériences, peut-être beaucoup, peut-être choisir un autre nombre de composantes. Mais ce n'est pas être imprudent que d'avancer que nous avons là quelque chose de prometteur.
    En North alom, de North venom
    En North fum naiz, en North manom

    (Roman de Rou, Wace, 1160-1170)

  2. The Following 5 Users Say Thank You to anglesqueville For This Useful Post:

     Camulogène Rix (03-17-2019),  JMcB (03-17-2019),  kerbal (03-20-2019),  Ruderico (03-17-2019),  Theconqueror (03-18-2019)

  3. #2
    Registered Users
    Posts
    394
    Sex
    Location
    Bretagne
    Y-DNA
    R-DF27-FGC23071
    mtDNA
    T1a1

    France Bretagne France France Bretagne Kroaz Du
    haaa ouais....trop tard ce soir, mais je sais ce que je vais faire demain AM

  4. The Following 2 Users Say Thank You to fabrice E For This Useful Post:

     anglesqueville (03-16-2019),  JMcB (03-17-2019)

  5. #3
    Moderator
    Posts
    5,605
    Sex
    Location
    Normandy
    Ethnicity
    northwesterner
    Y-DNA
    U152>L2>Z367
    mtDNA
    H5a1

    Normandie Netherlands Friesland Finland Orkney
    Deuxième banc d'essai: les beakers néerlandais. Rappel: j'ai pour eux un très correct qpAdm, avec une sélection de cordés allemands (CWC_germany1):

    Beaker_The_Netherlands = CWC_Germany1 (0.897) + France_MLN (0.103) avec les erreurs standards 0.025 et tail_prob = 0.62

    Là il ne faut pas s'attendre à un miracle, car les cordés allemands, choisis pour optimiser l'ajustement, représentent (de mémoire) 5 sur 11 individus. Avec le PCA_f3 je suis dans l'obligation de travailler avec les composantes obtenues pour tout le groupe. La question, bien posée, est donc: les modèles PCA_f3 vont-ils être en opposition avec ce qpAdm. Je ne répète pas la procédure et vais directement à la conclusion:

    première proposition:

    [1] "distance%=12.0454"

    Beaker_The_Netherlands

    CWC_Germany,82.2
    Blatterhole_MN,9
    France_MLN,8.8

    seconde:

    [1] "distance%=11.8758"

    Beaker_The_Netherlands

    CWC_Germany,75
    France_MLN,25

    On voit clairement que les deux méthodes font signe dans la même direction, et que décidément cela vaut la peine de poursuivre le travail. Il va falloir maintenant introduire le troisième larron, à savoir G25+nMonte, et peut-être voir aussi si le choix de 30 composantes pour PCA-f3 (qui n'a pas été très réfléchi) peut être réduit.
    En North alom, de North venom
    En North fum naiz, en North manom

    (Roman de Rou, Wace, 1160-1170)

  6. The Following 5 Users Say Thank You to anglesqueville For This Useful Post:

     Camulogène Rix (03-17-2019),  Helgenes50 (03-17-2019),  JMcB (03-17-2019),  palamede (03-17-2019),  Theconqueror (03-18-2019)

  7. #4
    Moderator
    Posts
    5,605
    Sex
    Location
    Normandy
    Ethnicity
    northwesterner
    Y-DNA
    U152>L2>Z367
    mtDNA
    H5a1

    Normandie Netherlands Friesland Finland Orkney
    J'ai réduit à 10 composantes principales. J'obtiens:

    [1] "distance%=6.1438"

    Beaker_The_Netherlands

    CWC_Germany,81.8
    France_MLN,18.2


    La même réduction sur les Ibériques modifie les coefficients de manière très sensible:

    [1] "distance%=4.843"

    Iberia_Central_CA_Stp

    Beaker_Bavaria,71
    Iberia_ChL,29

    Au passage, que ce soit avec 30 ou 10 composantes principales, les pauvres autochtonistes espagnols (ou basques) ont bien de la peine... Sérieusement, il faut réfléchir.
    En North alom, de North venom
    En North fum naiz, en North manom

    (Roman de Rou, Wace, 1160-1170)

  8. The Following 5 Users Say Thank You to anglesqueville For This Useful Post:

     Camulogène Rix (03-17-2019),  Helgenes50 (03-17-2019),  JMcB (03-17-2019),  palamede (03-18-2019),  Theconqueror (03-18-2019)

  9. #5
    Registered Users
    Posts
    394
    Sex
    Location
    Bretagne
    Y-DNA
    R-DF27-FGC23071
    mtDNA
    T1a1

    France Bretagne France France Bretagne Kroaz Du
    Quote Originally Posted by anglesqueville View Post

    On voit clairement que les deux méthodes font signe dans la même direction, et que décidément cela vaut la peine de poursuivre le travail. Il va falloir maintenant introduire le troisième larron, à savoir G25+nMonte, et peut-être voir aussi si le choix de 30 composantes pour PCA-f3 (qui n'a pas été très réfléchi) peut être réduit.
    Avec G25 scaled et pen=0 En travaillant avec des moyennes, le résultat est bien plus marqué

    "distance%=1.9026"
    Iberia_Central_CA_Stp
    Beaker_Bavaria,74.4
    Iberia_ChL,25.6

    Si je fais des essais avec des groupes d'individu c'est encore plus marqué
    "distance%=1.3612"

    Iberia_Central_CA_Stp:EHU001

    Beaker_Bavaria,93.2
    Iberia_ChL,6.8

    Dans g25, EHU001 est extrêmement proche de Beaker_Bavaria:I5835 (2.7)

    Bon, j'ai réussi, je crois, à me dépatouiller du truc f3 pour jouer avec nmonte, ça a l'air sympa. Moi, ma question serait : "Mais qui est donc scott_LBA ! ?"
    je reste sur les 30 composants pour le moment

  10. The Following 4 Users Say Thank You to fabrice E For This Useful Post:

     anglesqueville (03-17-2019),  Helgenes50 (03-17-2019),  JMcB (03-17-2019),  palamede (03-18-2019)

  11. #6
    Moderator
    Posts
    5,605
    Sex
    Location
    Normandy
    Ethnicity
    northwesterner
    Y-DNA
    U152>L2>Z367
    mtDNA
    H5a1

    Normandie Netherlands Friesland Finland Orkney
    J'imagine que Scot_LBA désigne tout ou partie du mini cluster I2860, I2861, I3130 utilisé pour G25. Détails par exemple sur https://amtdb.org/records/ .
    De mon côté j'ai continué à expérimenter. En particulier j'ai testé la transitivité des pourcentages sur un cline conjecturable (CW_Germany --> beaker_NL --> Neaker_Southern-France -->Iberia_C_CA_Stp). Cela marche bien avec 10 composantes, j'imagine que cela doit marcher encore mieux avec plus. D'un autre côté l'adéquation avec qpAdm ne semble pas si emballante, et je ne suis pas sûr que cet outil aura le dessus sur le désormais classique G25 (smartpca). Mais pas de panique, j'imagine que d'autres sont en train de travailler, et peut-être avec d'autres modes d'utilisation de la matrice f3 (encore que je 'imagine pas trop quoi).
    En North alom, de North venom
    En North fum naiz, en North manom

    (Roman de Rou, Wace, 1160-1170)

  12. The Following 4 Users Say Thank You to anglesqueville For This Useful Post:

     Camulogène Rix (03-17-2019),  fabrice E (03-17-2019),  JMcB (03-17-2019),  Theconqueror (03-18-2019)

  13. #7
    Registered Users
    Posts
    394
    Sex
    Location
    Bretagne
    Y-DNA
    R-DF27-FGC23071
    mtDNA
    T1a1

    France Bretagne France France Bretagne Kroaz Du
    oui et plus particulièrement I3130...c'est la proximité et le rapport avec York 3 et par extension avec mon petit groupe (dont tu fais partie) germano-scottish qui m'intéresse
    oui,à voir pour ce nouvel outil mais c'est une alternative qui peut-être intéressante

  14. The Following User Says Thank You to fabrice E For This Useful Post:

     JMcB (03-20-2019)

  15. #8
    Moderator
    Posts
    5,605
    Sex
    Location
    Normandy
    Ethnicity
    northwesterner
    Y-DNA
    U152>L2>Z367
    mtDNA
    H5a1

    Normandie Netherlands Friesland Finland Orkney
    Test du classique trivium pour quelques moyennes modernes, et 25 composantes principales:

    [1] "distance%=18.579"

    French

    Barcin_N,45.6
    Yamnaya_Samara,39.6
    WHG,14.8

    [1] "distance%=24.9064"

    English_Kent

    Barcin_N,42
    Yamnaya_Samara,41.8
    WHG,16.2


    English_Cornwall

    Yamnaya_Samara,42.4
    Barcin_N,41.6
    WHG,16

    [1] "distance%=19.3145"

    Scottish

    Yamnaya_Samara,47.2
    Barcin_N,36.2
    WHG,16.6

    [1] "distance%=19.6689"

    Irish

    Yamnaya_Samara,48.4
    Barcin_N,35.2
    WHG,16.4

    [1] "distance%=19.3573"

    German

    Yamnaya_Samara,42.4
    Barcin_N,40.6
    WHG,17

    [1] "distance%=18.7402"

    Italian_Bergamo

    Barcin_N,58.4
    Yamnaya_Samara,29.8
    WHG,11.8

    [1] "distance%=20.9722"

    Italian_Tuscan

    Barcin_N,59.6
    Yamnaya_Samara,31.4
    WHG,9

    [1] "distance%=20.0931"

    Basque_French

    Barcin_N,50.2
    Yamnaya_Samara,29.4
    WHG,20.4

    [1] "distance%=21.8156"

    Spanish

    Barcin_N,51.8
    Yamnaya_Samara,33.8
    WHG,14.4

    [1] "distance%=17.5945"

    Hungarian

    Barcin_N,43
    Yamnaya_Samara,42.2
    WHG,14.8

    Au passage, j'aurais dû depuis le début publier la liste des contributions des PCs. Je répare cet oubli:

     

    PC Eigenvalue % variance
    1 0.146206 20.735
    2 0.0208447 2.9562
    3 0.0102163 1.4489
    4 0.00743423 1.0543
    5 0.00422607 0.59934
    6 0.00376166 0.53348
    7 0.00316764 0.44923
    8 0.00298128 0.4228
    9 0.00289628 0.41075
    10 0.00257113 0.36464
    11 0.00251147 0.35618
    12 0.00235191 0.33355
    13 0.0022269 0.31582
    14 0.00218382 0.30971
    15 0.00216568 0.30714
    16 0.00211581 0.30006
    17 0.00208368 0.29551
    18 0.00207135 0.29376
    19 0.00205478 0.29141
    20 0.00203887 0.28915
    21 0.00201424 0.28566
    22 0.00199527 0.28297
    23 0.00197852 0.28059
    24 0.00196625 0.27885
    25 0.00195205 0.27684
    26 0.00192722 0.27332
    27 0.00192125 0.27247
    28 0.00192058 0.27238
    29 0.00190949 0.2708
    30 0.00190672 0.27041
    31 0.00190218 0.26977
    32 0.00189572 0.26885
    33 0.0018903 0.26808
    34 0.00188974 0.268
    35 0.00188728 0.26765
    36 0.00188381 0.26716
    37 0.00188334 0.2671
    38 0.0018801 0.26664
    39 0.00187736 0.26625
    40 0.00187651 0.26613
    41 0.00187283 0.2656
    42 0.00187125 0.26538
    43 0.00187026 0.26524
    44 0.00186578 0.2646
    45 0.00186489 0.26448
    46 0.00186434 0.2644
    47 0.00186243 0.26413
    48 0.00185944 0.26371
    49 0.0018572 0.26339
    50 0.001855 0.26308
    51 0.0018531 0.26281
    52 0.00185226 0.26269
    53 0.0018507 0.26247
    54 0.00184972 0.26233
    55 0.00184858 0.26216
    56 0.00184688 0.26192
    57 0.00184563 0.26175
    58 0.00184441 0.26157
    59 0.00184235 0.26128
    60 0.00184075 0.26106
    61 0.00183925 0.26084
    62 0.0018383 0.26071
    63 0.00183689 0.26051
    64 0.00183549 0.26031
    65 0.00183477 0.26021
    66 0.00183286 0.25994
    67 0.00183154 0.25975
    68 0.00183006 0.25954
    69 0.00182917 0.25941
    70 0.00182802 0.25925
    71 0.00182685 0.25908
    72 0.00182573 0.25892
    73 0.00182444 0.25874
    74 0.00182369 0.25863
    75 0.00182324 0.25857
    76 0.00182174 0.25836
    77 0.00182138 0.25831
    78 0.00181924 0.258
    79 0.00181808 0.25784
    80 0.00181756 0.25777
    81 0.00181663 0.25763
    82 0.00181613 0.25756
    83 0.00181418 0.25729
    84 0.00181357 0.2572
    85 0.00181219 0.257
    86 0.00181106 0.25684
    87 0.00181053 0.25677
    88 0.00181018 0.25672
    89 0.00180925 0.25659
    90 0.00180727 0.25631
    91 0.00180416 0.25587
    92 0.00180393 0.25583
    93 0.00180314 0.25572
    94 0.00180159 0.2555
    95 0.00180109 0.25543
    96 0.00180088 0.2554
    97 0.00180029 0.25532
    98 0.00179838 0.25505
    99 0.00179742 0.25491
    100 0.00179728 0.25489
    101 0.00179592 0.2547
    102 0.0017936 0.25437
    103 0.00179305 0.25429
    104 0.00179166 0.25409
    105 0.00179125 0.25404
    106 0.00179087 0.25398
    107 0.00178959 0.2538
    108 0.00178769 0.25353
    109 0.00178648 0.25336
    110 0.00178586 0.25327
    111 0.00178504 0.25315
    112 0.00178422 0.25304
    113 0.0017839 0.25299
    114 0.00178312 0.25288
    115 0.00178262 0.25281
    116 0.00178069 0.25254
    117 0.00177876 0.25226
    118 0.00177787 0.25214
    119 0.00177691 0.252
    120 0.0017756 0.25182
    121 0.00177332 0.25149
    122 0.00177243 0.25137
    123 0.00177148 0.25123
    124 0.00177101 0.25116
    125 0.001769 0.25088
    126 0.00176776 0.2507
    127 0.00176772 0.2507
    128 0.00176665 0.25055
    129 0.00176543 0.25037
    130 0.00176464 0.25026
    131 0.00176442 0.25023
    132 0.00176397 0.25017
    133 0.00176222 0.24992
    134 0.00176155 0.24982
    135 0.001759 0.24946
    136 0.00175876 0.24943
    137 0.00175826 0.24936
    138 0.00175666 0.24913
    139 0.00175637 0.24909
    140 0.00175563 0.24898
    141 0.00175488 0.24888
    142 0.00175404 0.24876
    143 0.00175352 0.24868
    144 0.00175271 0.24857
    145 0.0017512 0.24835
    146 0.00175059 0.24827
    147 0.00174983 0.24816
    148 0.00174876 0.24801
    149 0.00174766 0.24785
    150 0.0017466 0.2477
    151 0.00174591 0.2476
    152 0.00174533 0.24752
    153 0.00174449 0.2474
    154 0.00174309 0.2472
    155 0.0017423 0.24709
    156 0.00174156 0.24699
    157 0.00174096 0.2469
    158 0.00174053 0.24684
    159 0.00173967 0.24672
    160 0.0017392 0.24665
    161 0.00173822 0.24651
    162 0.00173719 0.24637
    163 0.00173647 0.24627
    164 0.00173537 0.24611
    165 0.00173487 0.24604
    166 0.00173405 0.24592
    167 0.00173339 0.24583
    168 0.00173311 0.24579
    169 0.00173198 0.24563
    170 0.00173097 0.24549
    171 0.00172969 0.2453
    172 0.00172936 0.24526
    173 0.00172875 0.24517
    174 0.00172742 0.24498
    175 0.00172716 0.24494
    176 0.00172596 0.24478
    177 0.00172566 0.24473
    178 0.0017247 0.2446
    179 0.00172444 0.24456
    180 0.00172382 0.24447
    181 0.00172328 0.2444
    182 0.00172155 0.24415
    183 0.00172076 0.24404
    184 0.00172042 0.24399
    185 0.00171892 0.24378
    186 0.00171846 0.24371
    187 0.0017174 0.24356
    188 0.00171685 0.24348
    189 0.00171667 0.24346
    190 0.00171526 0.24326
    191 0.00171459 0.24316
    192 0.00171358 0.24302
    193 0.00171341 0.243
    194 0.00171289 0.24292
    195 0.00171161 0.24274
    196 0.00171098 0.24265
    197 0.00171004 0.24252
    198 0.00170965 0.24246
    199 0.00170851 0.2423
    200 0.00170798 0.24222
    201 0.00170687 0.24207
    202 0.00170556 0.24188
    203 0.00170515 0.24182
    204 0.00170457 0.24174
    205 0.00170387 0.24164
    206 0.00170274 0.24148
    207 0.00170128 0.24127
    208 0.00170094 0.24123
    209 0.00169968 0.24105
    210 0.0016985 0.24088
    211 0.0016975 0.24074
    212 0.00169708 0.24068
    213 0.00169636 0.24058
    214 0.00169546 0.24045
    215 0.00169444 0.24031
    216 0.00169209 0.23997
    217 0.00169065 0.23977
    218 0.0016891 0.23955
    219 0.00168886 0.23951
    220 0.00168835 0.23944
    221 0.00168732 0.23929
    222 0.00168666 0.2392
    223 0.00168625 0.23914
    224 0.0016848 0.23894
    225 0.00168283 0.23866
    226 0.00168217 0.23857
    227 0.00168098 0.2384
    228 0.00168021 0.23829
    229 0.00167825 0.23801
    230 0.00167766 0.23793
    231 0.0016759 0.23768
    232 0.00167477 0.23752
    233 0.00167376 0.23737
    234 0.00167265 0.23722
    235 0.00167165 0.23707
    236 0.00167068 0.23694
    237 0.00166965 0.23679
    238 0.00166866 0.23665
    239 0.00166788 0.23654
    240 0.00166654 0.23635
    241 0.00166526 0.23617
    242 0.00166471 0.23609
    243 0.0016639 0.23597
    244 0.00166299 0.23585
    245 0.00166047 0.23549
    246 0.00165992 0.23541
    247 0.00165912 0.2353
    248 0.00165724 0.23503
    249 0.00165614 0.23487
    250 0.00165473 0.23467
    251 0.00165427 0.23461
    252 0.00165235 0.23434
    253 0.0016498 0.23397
    254 0.00164963 0.23395
    255 0.00164826 0.23376
    256 0.0016475 0.23365
    257 0.00164594 0.23343
    258 0.00164471 0.23325
    259 0.00164379 0.23312
    260 0.00164325 0.23305
    261 0.00164093 0.23272
    262 0.0016383 0.23234
    263 0.00163613 0.23204
    264 0.00163524 0.23191
    265 0.00163116 0.23133
    266 0.00162907 0.23103
    267 0.00162758 0.23082
    268 0.00162436 0.23037
    269 0.00162063 0.22984
    270 0.0016185 0.22954
    271 0.0016146 0.22898
    272 0.0016136 0.22884
    273 0.00160816 0.22807
    274 0.00160255 0.22727
    275 0.0015999 0.2269
    276 0.00159279 0.22589
    277 0.00158045 0.22414
    278 0.00157389 0.22321
    279 0.00156255 0.2216
    280 0.00155729 0.22085
    281 0.00154718 0.21942
    282 0.00153631 0.21788
    283 0.00151866 0.21538
    284 0.00151202 0.21443
    285 0.00150094 0.21286
    286 0.00148975 0.21128
    287 0.00147987 0.20988
    288 0.0014669 0.20804
    289 0.00146094 0.20719
    290 0.00145879 0.20689
    291 0.00143505 0.20352
    292 0.00141865 0.20119
    293 0.00137835 0.19548
    294 0.00136377 0.19341
    295 0.00133001 0.18862
    296 0.00131063 0.18587


    En North alom, de North venom
    En North fum naiz, en North manom

    (Roman de Rou, Wace, 1160-1170)

  16. The Following 4 Users Say Thank You to anglesqueville For This Useful Post:

     Camulogène Rix (03-19-2019),  fabrice E (03-19-2019),  JMcB (03-20-2019),  Ruderico (03-20-2019)

  17. #9
    Registered Users
    Posts
    2,393
    Sex
    Location
    Paris
    Ethnicity
    Western European
    Y-DNA
    R1b-DF27>ZZ12>ZZ39
    mtDNA
    K1a4a1

    Italy 1861-1946 France-Ile-de-France Lorraine
    Impressionnant le WHG chez les Basques.
    Aurignaciens? Gravetiens?

  18. The Following 3 Users Say Thank You to Camulogène Rix For This Useful Post:

     anglesqueville (03-19-2019),  JMcB (03-20-2019),  Ruderico (03-20-2019)

  19. #10
    Moderator
    Posts
    5,605
    Sex
    Location
    Normandy
    Ethnicity
    northwesterner
    Y-DNA
    U152>L2>Z367
    mtDNA
    H5a1

    Normandie Netherlands Friesland Finland Orkney
    Quote Originally Posted by Camulogène Rix View Post
    Impressionnant le WHG chez les Basques.
    Aurignaciens? Gravetiens?
    Comme ma femme me le dit depuis tant d'années, je suis lent. Peut-être parce que je vis dans un pays où il y a plus de vaches que d'humains. En tout cas tu es bien trop rapide pour moi. Je n'en suis encore qu'à comparer ces chiffres avec ceux de G25 (l'autre, smartpca).

    [1] "distance%=3.3453"

    Basque_French

    Barcin_N,55.2
    Yamnaya_Samara,30.4
    WHG,14.4

    [1] "distance%=2.1552"

    French

    Barcin_N,48
    Yamnaya_Samara,45
    WHG,7

    [1] "distance%=2.9407"

    English

    Yamnaya_Samara,53.8
    Barcin_N,39
    WHG,7.2



    [1] "distance%=3.0858"

    English_Cornwall

    Yamnaya_Samara,53.6
    Barcin_N,39.6
    WHG,6.8


    Scottish

    Yamnaya_Samara,56
    Barcin_N,37.4
    WHG,6.6

    [1] "distance%=3.0669"

    Irish

    Yamnaya_Samara,57.2
    Barcin_N,36.2
    WHG,6.6

    [1] "distance%=2.2158"

    German

    Yamnaya_Samara,51
    Barcin_N,42
    WHG,7

    [1] "distance%=1.7715"

    Italian_Bergamo

    Barcin_N,60
    Yamnaya_Samara,35.8
    WHG,4.2

    [1] "distance%=1.1981"

    Italian_Tuscan

    Barcin_N,59.2
    Yamnaya_Samara,38
    WHG,2.8

    Zut, j'ai oublié les Hongrois et les Espagnols. Tant pis. Clairement ce PCA_f3 gonfle les scores de WHG en respectant les différentiels:

    whg_plot.jpg

    Donc, si l'on se tient à des interprétations internes à chaque outil d'analyse, rien de nouveau sous le soleil. C'est déjà ça. Quant à savoir d'où les Basques tirent leur WHG, j'imagine qu'il y a un tas de gars savants qui peuvent répondre. Moi je n'en sais rien.

    La question que je me pose, et à laquelle je ne suis pas capable de répondre, est: ce f3-pca-nMonte est-il effectivement plus sensible que smartpca-nMonte à des affinités génétiques très éloignées? Comme toujours... prudence.
    Last edited by anglesqueville; 03-19-2019 at 10:14 PM.
    En North alom, de North venom
    En North fum naiz, en North manom

    (Roman de Rou, Wace, 1160-1170)

  20. The Following 4 Users Say Thank You to anglesqueville For This Useful Post:

     Camulogène Rix (03-20-2019),  fabrice E (03-20-2019),  JMcB (03-20-2019),  Ruderico (03-20-2019)

Page 1 of 2 12 LastLast

Similar Threads

  1. My eurogenes 13k
    By ikol in forum Autosomal (auDNA)
    Replies: 4
    Last Post: 02-10-2019, 07:11 PM
  2. Eurogenes _ ANE K7
    By ZephyrousMandaru in forum Autosomal (auDNA)
    Replies: 564
    Last Post: 10-11-2018, 06:38 PM
  3. Help me with eurogenes
    By RORROB in forum Autosomal (auDNA)
    Replies: 1
    Last Post: 08-20-2018, 01:47 AM
  4. Eurogenes ANE K7?
    By Crom in forum Autosomal (auDNA)
    Replies: 34
    Last Post: 02-14-2018, 08:17 PM
  5. eurogenes steppe k10
    By Arbogan in forum Autosomal (auDNA)
    Replies: 185
    Last Post: 01-07-2018, 06:09 AM

Posting Permissions

  • You may not post new threads
  • You may not post replies
  • You may not post attachments
  • You may not edit your posts
  •