MétaCan
Menu
Retour à la cohorte
Enregistrement W4229067331 · doi:10.1101/2022.05.04.490594

Population genomics of postglacial western eurasia

2022· preprint· en· W4229067331 sur OpenAlexfundno aff
Morten E. Allentoft, Martin Sikora, Alba Refoyo-Martínez, Evan K. Irving-Pease, Anders Fischer, William Barrie, Andrés Ingason, Jesper Stenderup, Karl-Göran Sjögren, Alice Pearson, Bárbara Sousa da Mota, Bettina Schulz Paulsson, Alma Halgren, Ruairidh Macleod, Marie Louise Schjellerup Jørkov, Fabrice Demeter, Lasse Sørensen, Poul Otto Nielsen, Rasmus Amund Henriksen, Tharsika Vimala, Hugh McColl, Ashot Margaryan, Melissa Ilardo, Andrew H. Vaughn, Morten Fischer Mortensen, Anne Birgitte Nielsen, Mikkel Ulfeldt Hede, Niels Nørkjær Johannsen, Peter Rasmussen, Lasse Vinner, Gabriel Renaud, Aaron J. Stern, Theis Zetner Trolle Jensen, Gabriele Scorrano, Hannes Schroeder, Per Lysdahl, Abigail Ramsøe, Andrew J. Schork, Anders Rosengren, Anthony Ruter, Alan K. Outram, Aleksey A. Timoshenko, Alexandra Buzhilova, Alfredo Coppa, А. В. Зубова, Ana María Silva, Anders J. Hansen, Andrey Gromov, Andrey Logvin, Anne Birgitte Gotfredsen, Bjarne Henning Nielsen, Borja González-Rabanal, Carles Lalueza‐Fox, Catriona J. McKenzie, Charleen Gaunitz, Concepción Blasco, Corina Liesau von Lettow‐Vorbeck, Cristina Martínez‐Labarga, Dmitri V. Pozdnyakov, David Cuenca-Solana, David Lordkipanidze, Dmitri En’shin, Domingo C. Salazar‐García, T. D. Price, Dušan Borić, Elena Kostyleva, Elizaveta Veselovskaya, Emma Usmanova, Enrico Cappellini, Erik Brinch Petersen, Esben Kannegaard, Francesca Radina, Fulya Eylem Yediay, Henri Duday, Igor Gutiérrez-Zugasti, I. Merts, Inna Potekhina, Irinа Shevnina, Isin Altinkaya, Jean Guilaine, Jesper Hansen, J. Emili Aura Tortosa, Joào Zilhão, Jorge R. Vega, Kristoffer Buck Pedersen, Krzysztof Tunia, Lei Zhao, Liudmila N. Mylnikova, Lars Larsson, Laure Metz, Levon Yepiskoposyan, Lisbeth Pedersen, Lucia Sarti, Ludovic Orlando, Ludovic Slimak, Lutz Klassen, Malou Blank, Manuel R. González Morales, Mara Silvestrini, Maria Vretemark, M.S. Nesterova, Marina P. Rykun, Mario Federico Rolfo, Marzena Szmyt, Marcin M. Przybyła, Mauro Calattini, Mikhail Sablin, Miluše Dobisíková, Morten Meldgaard, Morten Johansen, Natalia Berezina, Nick Card, Nikolai A. Saveliev, О.Е. Пошехонова, Olga Rickards, Olga Lozovskaya, Olivér Gábor, Otto Uldum, Paola Aurino, П. А. Косинцев, Patrice Courtaud, Patricia Ríos Mendoza, Peder Mortensen, Per Lotz, Per Persson, Pernille Bangsgaard, Peter de Barros Damgaard, Peter Vang Petersen, María Pilar Prieto Martínez, Piotr Włodarczak, Roman Viktorovich Smolyaninov, Rikke Maring, Roberto Menduiña, Ruben Badalyan, Rune Iversen, Ruslan Turin, Sergey Vasilyev, Sidsel Wåhlin, Svetlana Borutskaya, S.N. Skochina, Søren A. Sørensen, Søren H. Andersen, Thomas Martini Jørgensen, Yuri B. Serikov, В. И. Молодин, Václav Smrčka, Victor Merz, Vivek Appadurai, Vyacheslav Moiseyev, Yvonne Magnusson, Kurt H. Kjær, Niels Lynnerup, Daniel J. Lawson, Peter H. Sudmant, Simon Rasmussen, Thorfinn Sand Korneliussen, Richard Durbin, Rasmus Nielsen, Olivier Delaneau, Thomas Werge, Fernando Racimo, Kristian Kristiansen, Eske Willerslev

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueForensic and Genetic Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institute of General Medical SciencesH. Lundbeck A/SNovo Nordisk FondenNOMIS StiftungNational Institutes of HealthMinistry of Education and Science of the Republic of KazakhstanMinisterio de Ciencia e InnovaciónAarhus Universitets ForskningsfondNovo NordiskUral Branch, Russian Academy of SciencesLundbeckfondenWellcome TrustDanmarks GrundforskningsfondH2020 Marie Skłodowska-Curie ActionsÀrainneachd Eachdraidheil AlbaSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungMedical Research CouncilUral Federal UniversityVillum FondenGeneralitat ValencianaAarhus UniversitetSocial Sciences and Humanities Research Council of CanadaNational Research FoundationRiksbankens JubileumsfondMinisterio de Economía y CompetitividadNational Science Foundation
Mots-clésMesolithicCline (biology)GeographyHoloceneSubarctic climatePrehistoryPopulationBefore PresentSteppeHuman migrationHolocene climatic optimumAncient DNABeringiaArchaeologyEcologyBiologyPleistoceneDemography

Résumé

récupéré en direct d'OpenAlex

Summary Western Eurasia witnessed several large-scale human migrations during the Holocene 1–5 . To investigate the cross-continental impacts we shotgun-sequenced 317 primarily Mesolithic and Neolithic genomes from across Northern and Western Eurasia. These were imputed alongside published data to obtain diploid genotypes from >1,600 ancient humans. Our analyses revealed a ‘Great Divide’ genomic boundary extending from the Black Sea to the Baltic. Mesolithic hunter-gatherers (HGs) were highly genetically differentiated east and west of this zone, and the impact of the neolithisation was equally disparate. Large-scale ancestry shifts occurred in the west as farming was introduced, including near-total replacements of HGs in many areas, whereas no substantial ancestry shifts happened east of the zone during the same period. Similarly, relatedness decreased in the west from the Neolithic transition onwards, while east of the Urals relatedness remained high until ∼4,000 BP, consistent with persistence of localised HG groups. The boundary dissolved when Yamnaya-related ancestry spread across western Eurasia around 5,000 BP resulting in a second major turnover that reached most parts of Europe within a 1,000-year span. The genetic origin and fate of the Yamnaya have remained elusive but we demonstrate that HGs from the Middle Don region contributed ancestry to them. Yamnaya-groups later admixed with individuals associated with the Globular Amphora Culture before expanding into Europe. Similar turnovers occurred in western Siberia, where we report new genomic data from a ‘Neolithic steppe’ cline spanning the Siberian forest steppe to Lake Baikal. These prehistoric migrations had profound and lasting effects on the genetic diversity of Eurasian populations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,251
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetForensic and Genetic ResearchTravaux en français237 207