Yöntemler: PCA, ADMIXTURE, f-istatistikleri, qpAdm ve ötesi

Bir makalede “Türkiye örneği iki kaynağın karışımı olarak modellenebilir” ya da “karışım 30 kuşak önce oldu” yazıyorsa, bu cümlenin arkasında belirli varsayımları olan belirli bir yöntem vardır. Yöntemi bilmek, sonucun neyi söylediğini ve neyi söylemediğini ayırmanın tek yoludur.

1. Bir bakışta

2. PCA

Temel bileşen analizi (PCA), yüz binlerce genetik belirteçteki farkları birkaç eksene indirger. Her nokta bir bireydir; birbirine benzeyen bireyler yakın düşer. En çok farkı açıklayan eksenler rastgele olmayan nüfus yapısını gösterir ve kaç eksenin anlamlı olduğu istatistiksel olarak sınanabilir^[1]. Yoğun örneklenmiş Avrupa verisinde PCA grafiği şaşırtıcı biçimde coğrafi haritaya benzer; Türkiye ve Kıbrıs bu haritada ayrı bir alan olarak görünür^[2]. Bir bireyin konumu, öteki bireylerle ortalama ortak ata zamanını yansıtır^[3].

Yanlış okumalar.

• İki kümenin arasında duran bir birey karışık olabilir, ama karışmamış üçüncü bir nüfus da arada görünebilir^[3]. Ara konum karışımla uyumludur; karışımı kanıtlamak için f3 ya da qpAdm gibi biçimsel testler gerekir.
• Eksenlerin yönü ve uzunluğu, hangi nüfusların ne kadar örneklendiğine bağlıdır^{[3, 1]}. Aynı bireyler farklı bir referans setiyle başka bir yerde çıkabilir.
• Grafikteki eğimler ve dalgalanmalar belirli göçlerin kanıtı sayılamaz; mekâna yayılmış verilerde matematiksel olarak da ortaya çıkarlar^[4].

Lazaridis ve ark. bugünkü Türkiye örneğini PCA’da Bizans dönemi Anadolu ile MS 500–1500 arası Orta Asyalılar arasında bulur; ama karışım sonucunu PCA’ya değil, ADMIXTURE ve DATES analizlerine dayandırır^[5]. Doğru kullanım budur.

3. ADMIXTURE

ADMIXTURE her bireyi K tane varsayımsal kaynağın oranlarıyla açıklar; daha eski STRUCTURE programının modelini kullanır ama çok daha hızlıdır^[6]. K sayısını araştırmacı seçer; genellikle çapraz doğrulama hatasının en düşük olduğu değer alınır^[7]. Kars ve ark. Türkiye içindeki yapıyı incelerken K=4’ü bu yolla seçti; Orta Asya katkısını ise küresel referanslarla yapılan ayrı bir ADMIXTURE analizinden %9,6 olarak hesapladı^[8].

Yanlış okumalar. Lawson ve ark.’nın gösterdiği gibi, çok farklı üç tarih (yakın bir karışım, örneği olmayan bir “hayalet” nüfusla karışım ve yakın bir darboğaz) neredeyse aynı ADMIXTURE grafiğini verebilir^[9]. Bu yüzden:

• Her renk gerçek, bir zamanlar yaşamış bir nüfus değildir; modelin kurduğu bir bileşendir.
• “Doğru” bir K yoktur; gerçek veride bu varsayım her zaman yanlıştır^[9].
• Oranlar örneklemden bağımsız değildir. Antik bir birey modern nüfuslarla birlikte çözümlendiğinde çoğu zaman modern nüfusların karışımı gibi görünür^[9].

Türkiye için iki büyük çalışmanın verdiği %9–10 Orta Asya bileşeni^{[8, 5]} birbirine çok yakındır, ama ikisi de ADMIXTURE’dan gelir (Lazaridis’inki iki bileşenli denetimsiz bir analizden). İki bağımsız yöntemin uyumu sayılmamalıdır.

4. f-istatistikleri

f-istatistikleri nüfusların alel frekanslarını karşılaştırarak bir soy ağacının dallarını ölçer: f2 iki nüfus arasındaki sürüklenmeyi, f3 üç nüfusta bir dalın uzunluğunu, f4 dört nüfusta bir iç dalın varlığını^[10].

• f3(Hedef; A, B) anlamlı biçimde negatifse, hedefin tarihi basit bir ağaçla açıklanamaz. Patterson ve ark.’na göre anlamlı negatif f3 hedefin karışım geçirdiğini gösterir ve karışımın başlıca biçimsel işaretidir^[11]. Peter ise çok güçlü bir alt yapının da nadiren aynı sinyali üretebileceğini gösterdi^[10].
• f3 pozitifse karışım olmadığı sonucu çıkmaz: hedef nüfus karışımdan sonra güçlü bir sürüklenme (kurucu etkisi, darboğaz) geçirdiyse sinyal kaybolabilir^{[10, 11]}.
• f4 (ya da D) dört nüfusun bir ağaca uyup uymadığını sınar: ağaç doğruysa beklenen değer sıfırdır^[10]. İşaretin ne anlama geldiği dörtlünün hangi sırayla yazıldığına bağlıdır; “pozitif şu, negatif bu demektir” diye tek bir kural yoktur.
• f4-oranı karışım oranını tahmin eder, ama varsayımsız bir “doğrudan ölçüm” değildir; soy ağacı hakkında daha çok varsayım ister^[11].

Anlamlılık eşiği de evrensel değildir. Örneğin Jeong ve ark. −3 standart hata eşiğini kullanır^[12]; ama tek yönlü %5 düzeyinde −1,64 ya da çoklu test düzeltmesinden sonra −4,89 gibi eşikler de kullanılır^[13].

Sitedeki Türk halkları arasında akrabalık dosyasının dayandığı iki çalışma f3 kullanır. Jeong ve ark. Çuvaş, Başkurt ve Yakutların da aralarında bulunduğu kuzeydeki yedi grubun Nganasanlarla, ötekilerin ise Ulçilerle daha negatif f3 verdiğini bulur^[12]. Buradaki referans nüfuslar gerçek kaynaklar değil, onların bugünkü vekilleridir.

5. qpAdm

qpAdm bir hedef nüfusu, seçilen birkaç kaynağın karışımı olarak modeller. Kaynaklar arasındaki ilişkinin tam ağacını bilmeyi gerektirmez; bunun yerine bir dış grup (referans) kümesiyle f4 istatistiklerini kullanır^[14]. Sonuç iki şeydir: karışım oranları ve modelin verilerle çelişip çelişmediğini söyleyen bir p değeri.

Yanlış okumalar. Harney ve ark. yöntemin geniş bir benzetim sınamasını yaptı^[15]:

• p > 0,05 modeli kanıtlamaz; yalnız reddedilemediğini söyler. Aynı veriyle birden fazla model reddedilmeyebilir ve bunların çoğu doğru değildir.
• p değeri modelin doğru olma olasılığı değildir. “En yüksek p’li model en iyisidir” ilkesi de güvenilir değildir: benzetimlerde en uygun model en yüksek p’yi durumların yalnız %48’inde aldı.
• Çok sayıda referans nüfus doğru modeli de reddettirebilir; uzun süre devam eden gen akışında ve antik ile modern veriyi birlikte kullanırken sonuçlar yanıltıcı olabilir.

Jeong ve ark. Türk dilli halkların da aralarında bulunduğu İç Avrasya nüfusları için çok sayıda qpAdm modelini sistematik olarak sınadı^[12]. Bu tür sonuçlar, Harney ve ark.’nın uyarıları göz önünde tutularak, tek bir “doğru model” değil, verilerle çelişmeyen modeller kümesi olarak okunmalıdır.

6. Karışımı tarihlemek: ALDER ve DATES

İki nüfus karıştığında, çocukların kromozomları iki kaynaktan gelen uzun parçalardan oluşur. Her kuşakta rekombinasyon bu parçaları kısaltır. ALDER, karışımın yarattığı bu bağlantının genetik uzaklıkla ne hızla azaldığını ölçerek karışımın kaç kuşak önce olduğunu tahmin eder^[16]; öncülü ROLLOFF’tur^[17]. DATES aynı mantığı tek bir bireyin genomuna uygular; bu yüzden az örnekli, düşük kapsamlı antik DNA için uygundur. İlk kez 2019’da kullanıldı^{[18, 19]}.

Yanlış okumalar.

• Tarih, karışımın başladığı an değildir. İki yöntem de tek bir karışım anı varsayar. Karışım birkaç yüzyıla yayıldıysa sonuç başlangıç ile bitiş arasında bir ara tarihtir^{[16, 19]}.
• Kuşaktan yıla çeviri bir varsayımdır. Çalışmalar 28, 29 ya da 30 yıl kullanır^{[5, 20, 13]}. Lazaridis ve ark.’nın bugünkü Türkiye için bulduğu 30,6 kuşak 28 yılla yaklaşık 857, 30 yılla yaklaşık 918 yıl eder.
• Uzun menzilli bağlantı her zaman karışım demek değildir. Yakın bir darboğaz ya da uzun süreli küçük nüfus da benzer bir sinyal üretir; ALDER bunu ön testlerle elemeye çalışır^[16].

Jeong ve ark.’nın tarihleri bireylerin radyokarbon yaşına kuşak sayısı eklenerek bulunur; bu yüzden bireylerin kendi tarihlerine de bağlıdır. Lazaridis ve ark.’nın Muğla Çapalıbağ bireyleri için bulduğu 12,2 kuşak da bu bireylerin kendi zamanından geriye sayılır, bugünden değil^[5].

7. Geçmiş nüfus büyüklüğü: PSMC ve MSMC

PSMC tek bir kişinin genomundaki iki kromozom kopyasını karşılaştırır. İki kopyanın ortak atasının ne zaman yaşadığı genom boyunca değişir ve bu değişimin dağılımı geçmişteki etkin nüfus büyüklüğü hakkında bilgi verir^[21]. Avrupalı ve Çinli genomlarda yaklaşık 60–10 bin yıl önce yaşanan güçlü darboğaz bu yöntemle gösterildi; aralığın yakın ucu yöntemin güvenilir olmadığı bölgeye düşer^[21]. MSMC birkaç genomu birlikte kullanır ve yakın geçmişi daha iyi çözer: yaklaşık 2 bin yıl öncesine kadar bilgi verir^[22].

• PSMC yaklaşık 20 bin yıldan yakın ve 3 milyon yıldan eski dönemlerde güvenilir değildir; ani değişimleri zamana yayılmış gösterir^[21].
• En sık yanlış yorum: eğrideki her düşüşü gerçek bir darboğaz sanmak. Nüfus büyüklüğü hiç değişmese bile, alt gruplar arasında sınırlı göç olan yapılı bir nüfus sahte boyut değişimleri üretir^[23].
• Sık alıntılanan “en az 18× kapsama” ölçütü insan değil sinekkapan kuşları üzerindeki bir yöntem değerlendirmesinden gelir^[24]. Düşük kapsamlı antik genomlarda PSMC zaten kullanılmaz.

8. Antik DNA nasıl doğrulanır?

Bir antik genomun güvenilirliği iki ayrı soruya bağlıdır: DNA gerçekten o bireye mi ait, ve birey gerçekten söylenen döneme mi ait? İkincisi radyokarbon tarihlemesiyle cevaplanır; sitede “radyokarbonla tarihli” bireylerin ayrıca vurgulanması bu yüzdendir. Birincisi için laboratuvar ve hesaplama denetimleri vardır.

• Hasar izi. Ölümden sonra DNA’daki sitozin bazları kimyasal olarak bozulur ve dizilemede “C→T” değişimi olarak görünür. Bu değişimler DNA parçalarının uçlarında yoğunlaşır^[25]. Uçlarda belirgin bir yükselme yoksa örnek bugünkü bir kirlenme olabilir. Bu desen mapDamage gibi araçlarla ölçülür^[26].
• Hasar yaş ölçüsü değildir. Hasar oranı örneğin yaşıyla ilişkilidir ama kesin bir yaş vermez; ısıl işlem ya da koruma kimyasalları oranı yükseltebilir^[27]. Oran ayrıca kütüphane hazırlama yöntemine bağlıdır: “yarım-UDG” işlemi hasarı uçlarda bırakıp iç kısımdan temizler, böylece aynı kütüphane hem doğrulama hem analiz için kullanılır^[28].
• Kirliliği önlemek. Ayrı ve denetimli antik DNA laboratuvarları ve sahada başlayan kurallar, hesaplama yöntemlerinin kirliliği tam ayıramadığı sürece merkezî kalır^{[29, 30]}.
• Kirliliği ölçmek. Erkek bireylerde X kromozomundaki beklenmedik çeşitlilik^[31], mitokondride hasar ve parça boyu dağılımı^[32] kirliliği tahmin etmeye yarar.
• Doğru kemik. İç kulağı çevreleyen petroz kemiğin yoğun bölümü, öteki kemiklerden çok daha yüksek oranda bireyin kendi DNA’sını verir^{[33, 34]}. Ama korunma koşulları belirleyicidir: sıcak (kurak ya da nemli) bölgelerde petroz kemik bile düşük verim verebilir^[34].
• Laboratuvar yenilikleri. Tek iplikli kütüphane yöntemi çift iplikli yöntemin kaçırdığı kısa ve hasarlı molekülleri yakalar^{[35, 36]}. Son on yılın antik DNA çalışmalarının çoğu yaklaşık 1,2 milyon SNP’yi hedefleyen “1240K” yakalama yöntemini kullandı^[37]; yöntemin dayandığı sonda setleri Fu ve ark.’nın çalışmasında da kullanılmıştı^[38]; bu sitenin AADR tabanlı sayımları da bu veriye dayanır.

9. Bunu söylemek doğru değil

Bu sitenin eski sürümündeki yöntem sayfasında “gerçek örnek” diye verilen f3, f4 ve qpAdm değerleri (ör. Z = −15,4; Model A/B/C) hiçbir yayında bulunamadı ve kaldırıldı. Bu sayfadaki bütün sayılar kaynaklıdır; simülasyonlar ise açıkça öğretici kurgudur.

Açık sorular

İlgili