Öffnen - eDiss - Georg-August-Universität Göttingen
Öffnen - eDiss - Georg-August-Universität Göttingen Öffnen - eDiss - Georg-August-Universität Göttingen
Methoden - Kapitel 3.4. Exkurs: Analysis of molecular variance (AMOVA) Diese Methode erlaubt die Untersuchung der in einer Population und zwischen Populationen angetroffenen Variation der genetischen Struktur auf molekularer Ebene (Excoffier et al. 1992). Das Verfahren berücksichtigt dabei nicht nur die Frequenz von Variationen, sondern auch deren molekulare Beziehung. Unterscheiden sich zwei Haplotypen z.B. nur in einem Locus um eine Wiederholungseinheit, sind sie sich sehr ähnlich. Diese Ähnlichkeit wird nicht berücksichtigt, wenn nur die identischen Haplotypen betrachtet werden. Die AMOVA basiert auf Wrights F-Statistik (Wright 1950), dem am häufigsten verwendeten Modell zum Testen von Hypothesen bezüglich Genfluss und Isolation innerhalb von Spezies. Auf Basis der F-Werte wurden mehrere Analoge dazu entwickelt, die speziell die evolutive Dynamik der untersuchten Marker berücksichtigen. Für mitochondriale Haplotypen wurde von Excoffier 1992 ein F-Analogon, die sogenannten φ-Werte, vorgeschlagen. Das Modell beruht auf der sogenannten single step mutation-Annahme (Ohta und Kimura 1973): Die durchschnittliche Entfernung des Haplotypes eines Individuums wird von jedem anderen analysierten Individuum in Form von 1-Schritt-Mutations-Unterschieden berechnet und durch die gesamte molekulare Varianz σ 2 beschrieben. Durch die Berücksichtigung des Ähnlichkeits- Kriteriums ist es möglich, genaue Aussagen über Populationen auf Basis der Haplotypen zu erbringen. Der verwendete Signifikanztest ermöglicht es, die Unterschiede in der Varianz zweier Populationen statistisch zu bewerten: nicht-signifikante Unterschiede zeigen an, dass sich zwei Populationen aufgrund der gefundenen Varianz sehr ähnlich sind, was auf engere Verwandtschaft hindeutet. Das Modell setzt eine kontinuierliche Mutationsrate voraus und berücksichtigt keine Rückmutationsereignisse. Daher ist diese Grundannahme für mt-Haplogruppen nur eingeschränkt für STR- Systeme anwendbar, da diese mit gleicher Wahrscheinlichkeit sowohl eine Wiederholungseinheit länger als auch kürzer werden können. Ohta und Kimura schlugen 1973 ein weiteres Modell vor, das stepwise mutation-Modell, das die Dynamik dieser Systemen besser beschreibt. Basierend darauf entwickelte Slatkin 1995 daher eine abgewandelte Form der φ-Werte, die R-Werte. Insgesamt kann die Varianz-Korrelation für drei Ebenen ermittelt werden (analog zu den F-Werten von Excoffier et al. 1992): • Die Varianz innerhalb von Populationen relativ zum Gesamtdatensatz (R ST ) • Die Korrelation der Varianz von Populationen einer definierten Gruppe relativ zum Gesamtdatensatz (R CT ) • Die Korrelation der Varianz von Populationen relativ zu der Varianz von zufälligen Datensätzen einer Region (R SC ) 62
Methoden - Kapitel 3.4. Die AMOVA wurde mit Hilfe der Website www.yhrd.org berechnet. Die Website ermöglicht eine Berechnung von paarweisen R ST -Werten von maximal zehn dort erfassten Populationen mit 10.000 Permutationen. Die R ST -Werte liegen in der Regel zwischen 0 für identische Populationen und 1 für sich absolut unterscheidende Populationen. Bei sehr nahverwandten Populationen können die Werte auch leicht negativ sein. Auf Grundlage der erhaltenen Distanzmatrizen wurden die Abstände für eine bessere Interpretation in einem Baumdiagramm dargestellt, dazu wurde die Neighbor Joining-Methode (NJ) gewählt (Saitou u. Nei 1987). Im Gegensatz zur UPGMA-Methode wird hierbei nicht nur ein Ausgangspunkt für alle Populationen berechnet, sondern auch die genauen Beziehungen untereinander. NJ basiert auf dem minimum evolution-Kriterium (Cavalli-Sforza u. Edwards 1967), setzt jedoch keine molekulare Uhr voraus, so dass ein unbalancierter Baum entsteht. Aufgrund der Einschränkungen bei der AMOVA über das Website- Tool können als Grundlage für die Bäume nur die Distanzmatrices genutzt werden, was zur Folge hat, dass keine bootstrap-Werte berechnet werden können. Da bei der NJ-Methode nicht alle möglichen Bäume berechnet werden, kann es möglich sein, dass nicht der optimale Baum dargestellt wird. Die Bäume wurden mit Hilfe der Website http://mobyle.pasteur.fr/cgi-bin/portal.py?form=quicktree erstellt. 63
- Seite 15 und 16: Einleitung - Kapitel 1.3. in Sonder
- Seite 17 und 18: Einleitung - Kapitel 1.3. beinhalte
- Seite 19 und 20: Einleitung - Kapitel 1.3. Abweichun
- Seite 21 und 22: Einleitung - Kapitel 1.3. Erkrankun
- Seite 23 und 24: Einleitung - Kapitel 1.3. Populatio
- Seite 25 und 26: Einleitung - Kapitel 1.3. Y-Chromos
- Seite 27 und 28: Einleitung - Kapitel 1.3. Kollegen
- Seite 29 und 30: Einleitung - Kapitel 1.3. Abbildung
- Seite 31 und 32: Einleitung - Kapitel 1.3. zug auf m
- Seite 33 und 34: Einleitung - Kapitel 1.3. Bauchhaut
- Seite 35 und 36: Einleitung - Kapitel 1.3. eine epit
- Seite 37 und 38: Einleitung - Kapitel 1.4. Short Tan
- Seite 39 und 40: Einleitung - Kapitel 1.4. Tabelle 1
- Seite 41 und 42: Material - Kapitel 2. 2. Material H
- Seite 43 und 44: Material - Kapitel 2. Positivkontro
- Seite 45 und 46: Methoden - Kapitel 3.1. der Femurco
- Seite 47 und 48: Methoden - Kapitel 3.2. Tabelle 3.1
- Seite 49 und 50: Methoden - Kapitel 3.4. 3.4. DNA-An
- Seite 51 und 52: Methoden - Kapitel 3.4. SDS notwend
- Seite 53 und 54: Methoden - Kapitel 3.4. 3.4.3. Prim
- Seite 55 und 56: Methoden - Kapitel 3.4. Die Cycling
- Seite 57 und 58: Methoden - Kapitel 3.4. 3.4.6. Ampl
- Seite 59 und 60: Methoden - Kapitel 3.4. Tabelle 3.8
- Seite 61 und 62: Methoden - Kapitel 3.4. 3.4.8. Ausw
- Seite 63 und 64: Methoden - Kapitel 3.4. Nach der Au
- Seite 65: Methoden - Kapitel 3.4. Um zu einer
- Seite 69 und 70: Ergebnisse - Kapitel 4.1. Das häuf
- Seite 71 und 72: Ergebnisse - Kapitel 4.1. Bei der s
- Seite 73 und 74: Ergebnisse - Kapitel 4.1. Ind. D13S
- Seite 75 und 76: Ergebnisse - Kapitel 4.2. 4.2. Gesc
- Seite 77 und 78: Ergebnisse - Kapitel 4.3. 4.3. Alte
- Seite 79 und 80: Ergebnisse - Kapitel 4.3. Tabelle 4
- Seite 81 und 82: Ergebnisse - Kapitel 4.4. 4.4. Kör
- Seite 83 und 84: Ergebnisse - Kapitel 4.5. 4.5. Abwe
- Seite 85 und 86: Ergebnisse - Kapitel 4.5. Von 930 Z
- Seite 87 und 88: Ergebnisse - Kapitel 4.5. 10 Schäd
- Seite 89 und 90: Ergebnisse - Kapitel 4.5. Zweimal k
- Seite 91 und 92: Ergebnisse - Kapitel 4.6. 4.6. Geog
- Seite 93 und 94: TH01 Ergebnisse - Kapitel 4.6. Die
- Seite 95 und 96: Ergebnisse - Kapitel 4.6. D18S51 Di
- Seite 97 und 98: Ergebnisse - Kapitel 4.6. 4.6.2. Au
- Seite 99 und 100: Ergebnisse - Kapitel 4.6. Ind. 389I
- Seite 101 und 102: Ergebnisse - Kapitel 4.6. Die stati
- Seite 103 und 104: Ergebnisse - Kapitel 4.6. Der Test
- Seite 105 und 106: Ergebnisse - Kapitel 4.6. Aufbauend
- Seite 107 und 108: Ergebnisse - Kapitel 4.7. 4.7. Nach
- Seite 109 und 110: Ergebnisse - Kapitel 4.7. Trotz kü
- Seite 111 und 112: Ergebnisse - Kapitel 4.7. Zur Über
- Seite 113 und 114: Ergebnisse - Kapitel 4.8. bei wenig
- Seite 115 und 116: Diskussion - Kapitel 5.1. 5. Diskus
Methoden - Kapitel 3.4.<br />
Exkurs: Analysis of molecular variance (AMOVA)<br />
Diese Methode erlaubt die Untersuchung der in einer Population und zwischen Populationen<br />
angetroffenen Variation der genetischen Struktur auf molekularer Ebene<br />
(Excoffier et al. 1992). Das Verfahren berücksichtigt dabei nicht nur die Frequenz<br />
von Variationen, sondern auch deren molekulare Beziehung. Unterscheiden sich<br />
zwei Haplotypen z.B. nur in einem Locus um eine Wiederholungseinheit, sind sie<br />
sich sehr ähnlich. Diese Ähnlichkeit wird nicht berücksichtigt, wenn nur die identischen<br />
Haplotypen betrachtet werden.<br />
Die AMOVA basiert auf Wrights F-Statistik (Wright 1950), dem am häufigsten verwendeten<br />
Modell zum Testen von Hypothesen bezüglich Genfluss und Isolation innerhalb<br />
von Spezies. Auf Basis der F-Werte wurden mehrere Analoge dazu entwickelt,<br />
die speziell die evolutive Dynamik der untersuchten Marker berücksichtigen.<br />
Für mitochondriale Haplotypen wurde von Excoffier 1992 ein F-Analogon, die sogenannten<br />
φ-Werte, vorgeschlagen. Das Modell beruht auf der sogenannten single step<br />
mutation-Annahme (Ohta und Kimura 1973): Die durchschnittliche Entfernung des<br />
Haplotypes eines Individuums wird von jedem anderen analysierten Individuum in<br />
Form von 1-Schritt-Mutations-Unterschieden berechnet und durch die gesamte molekulare<br />
Varianz σ 2 beschrieben. Durch die Berücksichtigung des Ähnlichkeits-<br />
Kriteriums ist es möglich, genaue Aussagen über Populationen auf Basis der Haplotypen<br />
zu erbringen. Der verwendete Signifikanztest ermöglicht es, die Unterschiede<br />
in der Varianz zweier Populationen statistisch zu bewerten: nicht-signifikante Unterschiede<br />
zeigen an, dass sich zwei Populationen aufgrund der gefundenen Varianz<br />
sehr ähnlich sind, was auf engere Verwandtschaft hindeutet. Das Modell setzt eine<br />
kontinuierliche Mutationsrate voraus und berücksichtigt keine Rückmutationsereignisse.<br />
Daher ist diese Grundannahme für mt-Haplogruppen nur eingeschränkt für STR-<br />
Systeme anwendbar, da diese mit gleicher Wahrscheinlichkeit sowohl eine Wiederholungseinheit<br />
länger als auch kürzer werden können. Ohta und Kimura schlugen<br />
1973 ein weiteres Modell vor, das stepwise mutation-Modell, das die Dynamik dieser<br />
Systemen besser beschreibt. Basierend darauf entwickelte Slatkin 1995 daher eine<br />
abgewandelte Form der φ-Werte, die R-Werte.<br />
Insgesamt kann die Varianz-Korrelation für drei Ebenen ermittelt werden (analog zu<br />
den F-Werten von Excoffier et al. 1992):<br />
• Die Varianz innerhalb von Populationen relativ zum Gesamtdatensatz (R ST )<br />
• Die Korrelation der Varianz von Populationen einer definierten Gruppe relativ<br />
zum Gesamtdatensatz (R CT )<br />
• Die Korrelation der Varianz von Populationen relativ zu der Varianz von<br />
zufälligen Datensätzen einer Region (R SC )<br />
62