Valkompasser är som roulettehjul

Personligen ser jag inte särskilt mycket fram emot det kommande valet. Jag misstänker att resultatet kommer att skapa ett regeringskaos utan dess like.

Hur som helst har jag precis flyttat till den lilla byn Sikfors med knappt ett par hundra invånare. Det innebär i praktiken att jag bytt kommun från Älvsbyn till Piteå. Eftersom jag råkade ändra folkbokföringsadressen precis den dag det fastställs i vilken kommun man får rösta så är det alltså i Piteå jag ska rösta. Men jag har ingen aning om vad Piteå har för partier i kommunfullmäktige eller vilka frågor som drivs där, och jag har inte den minsta lust att engagera mig i årets valrörelse, så jag tänkte att jag skulle ta en genväg och göra den lokala Piteå-Tidningens valkompass. Den visade sig för övrigt vara identisk med SVT:s lokala valkompass.

Det första jag kunde konstatera var att om de frågor som ställdes i den lokala valkompassen faktiskt är de politiska frågor som anses vara de viktigaste i Piteå undrar jag vad sjutton de håller på med i kommunfullmäktige egentligen. Vinnaren i den valkompassen var hur som helst KD (!) tätt följd av MP på andra plats. Den kombinationen är i sig tillräcklig för att göra en något misstänksam mot kvaliteten på valkompassen.

Hur som helst testade jag även flera olika valkompasser på riksnivå. Jag gjorde alla valkompasser jag hittade med vanlig enkel googling och som fungerade på mobilen. Åtminstone 4 olika partier från alla möjliga delar av de politiska skalan visade sig vara vinnare i diverse olika valkompasser (jag kan ha glömt någon ytterligare). MP var det enda parti som hamnade på medaljplats i samtliga valkompasser så de får väl i någon mån anses vara testets vinnare, även om MP faktiskt bara kom på första plats i ett par av valkompasserna.

Men den enda slutsats jag tycker man kan dra av detta lilla experiment är att valkompasser verkar kunna ge vilket resultat som helst. Ska man gå på resultatet från dem när man röstar kan man lika gärna dra lott mellan partierna. Eller helt enkelt fortsätta göra valkompasser tills man hittar en som ger ett resultat man gillar, vilket ju liksom gör hela övningen ganska meningslös.

Uppföljning: DNA-analys bekräftar det jag redan vet

Som uppföljning av resultatet av företaget Family Tree DNA:s analys myOrigins som jag tidigare skrivit om testade jag att göra liknande analyser med några av de olika beräkningsmetoder och referenspopulationer som finns att välja på hos Gedmatch. Enligt myOrigins är jag, som ni kanske kommer ihåg, 46 procent skandinav och 46 procent finländare och resten av min ”etnicitet” är öst- och sydösteuropé (5 respektive 4 procent).

Jag valde analysmetoder hos Gedmatch som jämför mitt DNA med DNA från nutida referenspopulationer i Europa och andra delar av världen. Den här gången valde jag bort analysmetoder som jämför mitt DNA med arkeologiska prover. Jag valde även bort analysmetoder som främst eller endast jämför mitt DNA med nutida människor från andra världsdelar än Europa samt metoder som endast fokuserar på att analysera judiska befolkningsgrupper. Allt tyder nämligen på att mina förfäder och förmödrar under det senaste årtusendet var européer, möjligen med viss asiatisk inblandning, och det finns inget som tyder på att jag har något judiskt påbrå. Analysmetoder som är specifikt designade för icke-européer eller för judar är därför opålitliga för analys av mitt DNA och troligen skulle ge resultat som är helt orelevant och inte stämmer.

Resultatet bekräftar i princip det jag redan känner till, nämligen att jag huvudsakligen härstammar från nordeuropéer. Analyserna är inte särskilt detaljerade, huvudsakligen för att det är mycket svårt att få ihop tillräckligt många och tillräckligt representativa prover från varje grupp om man försöker dela upp mänskligheten i för små populationer. Definitionen av en population är egentligen alla individer av en viss art som befinner sig inom ett visst område vid ett visst tillfälle, men människor har av någon anledning mycket svårt att tillämpa det biologiska populationsbegreppet på sin egen art. När olika mänskliga populationer i praktiken ska provtas och analyseras tenderar därför ordet population snarare att betyda alla personer som bor i, eller möjligen härstammar från, ett visst område eller kanske alla personer som är medborgare i ett visst land eller möjligen alla personer som är erkända medlemmar av en specifik befolkningsgrupp. Det kan därför vara ganska svårt att definiera vem som egentligen tillhör respektive inte tillhör en viss mänsklig population. Så mycket mer än att jag är nordeuropé, vilket jag ju redan visste, går därför egentligen inte att säga utifrån resultaten. Inga stora överraskningar med andra ord.

Den enda av analysmetoderna nedan som gör en mer detaljerad uppdelning som för min del kan direkt jämföras med resultatet från myOrigins är Eurogenes K36, som dock anger en betydligt längre andel (44 procent) för Fennoskandia (som inkluderar Norge, Sverige, Finland, Kolahalvön och Karelen) än vad myOrigins angav för Skandinavien+Finland tillsammans (92 procent). Sammantaget är dessa resultat en påminnelse om att DNA-analyser av ”etnisk sammansättning” ska tas med en rejäl nypa salt. Och ju mer detaljerade svar analysen påstår sig ge desto större nypa salt bör resultatet betraktas med.

Eurogenes K13 (13 referenspopulationer):
Baltic: 41,21%
North Atlantic: 39,97%
Western Mediterranean: 7,73%
Sibirian: 3,24%
Eastern Mediterranean: 2,15%
West Asian: 1,86%
Oceanian: 1,38%
South Asian: 1,04%

Eurogenes EUtest V2 K15 (15 referenspopulationer):
North Sea: 34,27%
Baltic: 20,76%
Atlantic: 19,52%
East European: 15,47%
Western Mediterranean: 4,80%
Siberian: 2,47%
Oceanian: 1,13%

Eurogenes K12 (12 referenspopulationer):
North Sea: 33,33%
South Baltic: 22,26%
West European: 19,99%
Volga-Ural: 14,59%
Mediterranean: 5,32%
Siberian: 2,74%

Eurogenes K36 (36 referenspopulationer):
Fennoscandian: 44,09%
North Atlantic: 11,29%
North Sea: 10,69%
East Central European: 9,68%
Eastern European: 9,59%
Italian: 7,67%
Central European: 3,09%
French: 1,86%

MDLP World (12 referenspopulationer):
North and East European: 51,49%
South and West European: 37,19%
Caucaus Parsia: 4,71%
North Asian: 3,63%
Middle East: 1,30%

Dodecad World9 (9 referenspopulationer):
Atlantic Baltic: 76,64%
Caucasus Gedrosia: 11,70%
Southern: 5,04%
Siberian: 4,56%

Resultat för populationer som är mindre än 1% visas inte.

Uppföljning: Mer än hälften jägare-samlare?

Som uppföljning av resultatet av företaget Family Tree DNA:s analys Ancient European Origins som jag tidigare skrivit om testade jag att göra liknande analyser med de analysmetoder och referenspopulationer som finns att välja på hos Gedmatch. Jag valde analysmetoder som jämför mitt DNA med arkeologiska prover (ancient DNA) från olika delar av världen istället för de som använder DNA från moderna människor i olika delar av världen som referenspopulationer.

Resultatet att mitt DNA är mer likt de tidiga jägare-samlarna (hunter-gatherer) än stenåldersbönderna (neolithic farmer) verkar hålla. Faktum är att dessa beräkningsmetoder konsekvent anger att jag till ännu högre andel härstammar från populationer som uttryckligen klassificeras som jägare-samlare (omkring 70 procent) än Ancient European Origins-analysen gjorde (51 procent).

När man jämför resultaten av de olika analysmetoderna märks betydelsen både av vad den som skapat metoden har använt för referensmaterial och hur den har klassificerat referensmaterialet och betydelsen av hur själva beräkningen utförs. Detta är anledningen till att ingen av analyserna ger ett exakt identiskt resultat trots att alla utgår från samma data, nämligen mitt autosomala DNA. Det är därför inte helt lätt att jämföra resultatet av analyserna.

MDLP K11 Modern:
West European Hunter-Gatherer (WHG): 43,77%
Eastern Hunter-Gatherer (EHG): 25,30%
Neolithic: 25,02%
Sibirian: 4,42%

Eurogenes Hunter_Gatherer vs. Farmer:
Baltic Hunter-Gatherer: 71,90%
Mediterranian Farmer: 19,10%
Anatolian Farmer: 3,44%
North Eurasian Hunter-Gatherer: 3,12%
Oceanian Hunter-Gatherer: 1,11%

Eurogenes_ANE K7:
Western Hunter-Gatherer/Unknown Hunter-Gatherer (WHG-UHG): 68,47%
Ancient North Eurasian (ANE): 17,97%
Early Neolithic Farmer (ENF): 6,73%
East Eurasian: 3,44%
Ancient/Ancestral South Eurasian (ASE): 2,21%

puntDNAL K10 Ancient:
West European Hunter-Gatherer (WHG): 49,90%
Caucasus Hunter-Gatherer (CHG): 22,21%
Early Neolithic Farmer (ENF): 19,51%
Ancient/Ancestral South Indian (ASI): 3,77%
Beringian: 1,79%
Siberian: 1,69%
Oceanian: 1,13%

puntDNAL K12 Ancient:
European Hunter-Gatherer: 47,11%
Anatolian Neolithic Farmer : 28,08%
Caucasus Hunter-Gatherer (CHG): 18,50%
Siberian: 1,98%
South Asian: 1,81%
Beringian: 1,46%
Oceanian: 1,06%

Ancient Eurasia K6:
West European Hunter-Gatherer: 45,35%
Natufian: 31,43%
Ancient North Eurasian (ANE): 18,69%
East Asian: 4,28%

Hur man gör
För att använda Gedmatch måste du först och främst ha beställt ett DNA-test för släktforskning som analyserar autosomalt DNA (Y-kromosom eller mtDNA kan inte användas) hos något av alla de företag som erbjuder detta och som tillåter att du laddar ner din DNA-sekvens som en fil till din egen dator (obs! låt bli att öppna eller packa upp filen utan låt den vara som den är när du laddar ner den). Skapa ett konto hos Gedmatch och ladda upp resultatfilen som du laddat ner från företaget. Följ instruktionerna på Gedmatch om vilken variant av de olika typerna av nedladdningsfiler du ska välja om företaget erbjuder flera olika. Du kommer ett tag efter att du laddat upp din DNA-fil att få ett Kit Number hos Gedmatch (som inte är samma kitnummer som du har hos företaget som sekvenserade ditt DNA) och kan då börja använda verktygen hos Gedmatch. Hos Gedmatch kan du först och främst jämföra ditt DNA med resultatet hos de som valt andra företag för sin DNA-analys än du själv gjorde vilket kan vara givande för din släktforskning. Det finns även möjlighet att ladda upp sitt släktträd så att andra kan se det om man vill. Dessutom finns där alla möjliga, mer eller mindre vetenskapliga, analyser man kan göra. Man kan bland annat se hur likt ens eget DNA är olika arkeologiska DNA-prover, räkna ut om dina föräldrar var släkt med varandra eller inte och räkna ut vilken ögonfärg du själv borde ha. De analysmetoder jag har använt här hittar du under Admixture (Heritage) där du först väljer metodtillverkare (=projekt) och kryssar för defaultalternativet Admixture Proportions (With link to Oracle). På nästa sida anger du ditt Gedmatch kit nummer och vilken av den tillverkarens beräkningsmodeller du vill använda för analysen. Strunta i rutan där det står att man kan ange sin etnicitet, tryck på continue och vänta sedan på resultatet. För vissa av analyserna ges en sammanfattning av vad resultatet betyder på resultatsidan, men inte för alla. Enbart andelar som överskrider 1% redovisas i graferna, och i mitt resultat ovan. En sammanfattning av skillnaderna mellan de olika metoderna och vad förkortningarna betyder finns här: http://genealogical-musings.blogspot.com/2017/04/finally-gedmatch-admixture-guide.html. I mitt resultat ovan har jag för tydlighetens skull skrivit ut vad förkortningarna står för. K i namnen på metoderna verkar normalt ange många referenspopulationer som används vid beräkningen.

I centrum av Wikipedia

Jag såg för någon dag sedan ett TED-föredrag som hävdade att om du klickar på den första länken i vilken artikel som helst på engelskspråkiga Wikipedia och sedan fortsätter göra samma sak kommer du nästan alltid till slut att hamna på artikeln Philosophy. Om du sedan fortsätter göra samma sak ska du efter en loop komma tillbaka till Philosophy.

Det är en intressant och rätt kul övning som är unik för uppslagsverk som Wikipedia som skapas på nätet av vem som helst som vill bidra och som saknar egentlig redaktör. Detta system verkar nämligen ha resulterat i att extremt många ord (även vanliga och vardagliga ord) i artiklarna länkar till en annan Wikipediaartikel. Samma övning kan mycket sällan göras för traditionella uppslagsverk. Traditionella uppslagsverk har nämligen redaktörer som tenderar att förutsätta att läsarna själva vet hur de gör för att slå upp ett ord som de hittat i en artikel. Annars hade ju läsarna inte hittat den första artikeln till att börja med.

De äldsta referenserna på nätet till idén att första länken i nästan alla engelskspråkiga Wikipediaartiklar förr eller senare leder till Philosophy verkar vara från i maj 2011 enligt vad jag kan hitta med google (exempel). Det finns så klart en Wikipediaartikel om fenomenet där det anges att det upptäcktes senast i maj 2008. Där anges hur man ska göra:

  1. Klicka på den första icke-kursiverade länken i artikeltexten som inte står inuti en parentes.
  2. Ignorera externa länkar, länkar till den sida du är på och röda länkar som leder till sidor som inte existerar.
  3. Stanna när du når ”Philosophy”, en sida som saknar länkar, en sida som inte existerar eller när du når en loop där du efter några sidor kommer tillbaka till en tidigare sida i kedjan.

Så jag testade att göra övningen med tio slumpmässigt utvalda ord på den engelskspråkiga Wikipedia och bara ett av dem ledde till Philosophy, vilket inte är så övertygande. Däremot hamnade jag för många av orden (inklusive för Philosophy, som alltså inte alls ledde tillbaka till själv själv) i denna loop av artiklar:

Science -> Knowledge -> Fact -> Reality -> Existence -> Universe -> Space -> Physical Body -> Physics -> Natural science -> Branches of science -> Science

Eftersom Wikipedia hela tiden uppdateras ändras länkkedjor över tid, men mitt (inte särskilt vetenskapliga) resultat tyder ändå på att det spontant verkar uppstå någon sorts kärna som har något med människors grundläggande förståelse av den fysiska världen att göra.

För skojs skull testade jag samma övning på svenskspråkiga Wikipedia. Där hamnade jag för fler än hälften av de ord jag testade i loopen:

Kunskap -> Teori -> Kontemplation -> Filosofi -> Intellektuell -> Intelligens -> Tänkande -> Medvetenhet -> Kunskap

Den loopen inkluderar ju faktiskt sidan Filosofi, som dessutom till och med loopar tillbaka till sig själv. Så för närvarande verkar idén att filosofi ligger i centrum för Wikipedia faktiskt fungera bättre på svenska än på engelska. Den svenskspråkiga loopen från kunskap verkar dessutom inte vara lika kopplad till förståelse av den fysiska världen utan handla mer om människors medvetenhet om det egna tänkandet.

Betyder skillnaden något i praktiken? Knappast. Men det är ändå kul att utforska vilka skillnader som uppstår mellan Wikipedia på olika språk.

Jag vill kunna blunda med öronen

Att människan skulle vara skapelsens, eller evolutionens, krona har du nog hört förr. Struntprat!

Om människokroppen vore perfekt designad av en skicklig designer skulle vi kunna blunda med öronen precis som vi kan blunda med ögonen. Men det kan vi inte.

Den som vill blunda för ljud måste släpa med sig verktyg som öronproppar eller hörselkåpor. De är varken diskreta, bekväma eller praktiska.

Fler sätt att använda pengarna till något bra i jul

När nu befolkningen tydligen slår nytt rekord i att göra av med pengar även denna jul kan jag ju även passa på att tipsa om de tre hjälporganisationer som jag själv stödjer regelbundet med en slant varje månad:

Majblomman – som arbetar mot barnfattigdom i Sverige

Sverige för UNHCR – som samlar in pengar till FN:s flyktingorgan UNHCR

WaterAid – som arbetar för att alla ska få tillgång till rent vatten, toaletter och hygien

Vanlig och ovanlig på samma gång

Som jag tidigare nämnde har jag beställt en analys av både mitt autosomala DNA, för att identifiera släktingar, och mitt mitokondrieDNA, för att undersöka min raka mödralinjes ursprung, från företaget Family Tree DNA i USA som ett komplement till min släktforskning. Mitt mitokondrieDNA (mtDNA) visade sig tillhöra en haplogrupp som heter H1. Intressant nog en sort som visade sig vara både mycket vanlig och mycket ovanlig på en och samma gång.

MtDNA finns inne i cellerna inuti en speciell del som heter mitokondrier. Mitokondrier finns inne i alla celler hos eukaryoter som växter, svampar och djur. Mitokondrien var ursprungligen, för några miljarder år sedan, en bakterie som en gång i tiden invaderade den cell som blev förmoder till alla eukaryoter. Bakterien blev kvar där inne, förlorade med tiden förmågan att klara sig själv och blev till slut en integrerad del av den eukaryota cellen. Utan mitokondrier skulle vi omedelbums dö eftersom mitokondrierna sköter cellandningen. En del av de mest ökända gifterna som bland annat används som kemiska stridsmedel dödar just genom att de stoppar mitokondriernas cellandning.

Poängen med mitokondrier ur genealogiskt perspektiv är att eftersom mitokondrien en gång var en frilevande bakterie har mitokondrier fortfarande en egen uppsättning DNA som är skild från det mänskliga DNA:t på kromosomerna (så kallat automsomalt DNA) – du vet, det där DNA:t du ärver hälften av från din mamma och hälften från din pappa. Mitokondrier kan inte hoppa från spermierna in i ägget. Dina mitokondrier härstammar därför endast från de mitokondrier som fanns i ägget vid befruktningen. Med andra ord, ditt mtDNA kommer endast från din mamma. Det gäller oavsett om du själv är kvinna eller man.

Alla mitokondrier i alla nu levande människor härstammar från mitokondrierna hos den för länge sedan döda kvinna som var den sista gemensamma förmodern till alla nu levande människor (på den rent kvinnliga linjen). Hon levde någonstans på den afrikanska kontinenten, troligen för ungefär 200 000 år sedan, och brukar ofta kallas för Eva eller mitokondrie-Eva. Namnet är naturligtvis en, på typiskt vetenskapligt manér, lite skämtsam hänvisning till Bibelns Eva. Observera att mitokondrie-Eva inte var den första människan. Människor fanns redan långt tidigare. Olika människors mtDNA-sekvenser skiljer sig åt idag eftersom olika mutationer har uppstått och ansamlats i de olika släktlinjerna under de många årtusenden som har gått sedan Evas tid.

Alla mtDNA-sekvenser jämförs med en referenssekvens. Utifrån exakt vilka avvikelser från referenssekvensen som man hittar i olika mtDNA-sekvenser delas dessa sekvenser sedan in i grupper, kallade haplogrupper, som antas härstamma från en gemensam förmoder* för den gruppen. Varje haplogrupp delas sedan in i mindre undergrupper.

Mitt mtDNA har jag alltså ärvt från min mormors sida av familjen. Min mamma, mormor, mormors mor, mormors mormor, mormors mormors mor och så vidare flera tusen år tillbaka i tiden hade alla mtDNA som tillhörde haplogruppen H1. Observera att det utifrån mitt mtDNA inte går att säga något om vilken mtDNA-haplogrupp  alla mina andra anmödrar och anfäder tillhörde. Kvinnorna på den rena mödralinjen utgör en mycket, mycket liten del av alla mina förfäder och förmödrar genom tiderna!

Mitt mtDNA tillhör som sagt H1, vilket är en undergrupp till haplogruppen H. I litteraturen förekommer uppskattningar som anger upp till halva befolkningen i Europa tros ha mtDNA som tillhör haplogruppen H. Även undergruppen H1 är mycket vanlig i Europa, särskilt i Spanien. H1 var en av de första undergrupperna till haplogruppen H som definierades år 2001 i en artikel av Saara Finnilä, Mervi S. Lehtonen och Kari Majamaa baserat på mtDNA från finnar.

Kvinnor med haplotypen H har fått barn i södra Europa under istiden och deras ättlingar har sedan spridit sig norrut. Men detta anses inte vara den främsta anledningen till att haplogruppen H är så vanlig i Europa. Haplogruppen H, som ofta kallas för Helena i populärvetenskapliga sammanhang, associeras istället främst med den invandring från mellanöstern som förde med sig jordbruket till Europa för några tusen år sedan. Förekomsten av haplogruppen H verkar då ha spridit sig norrut genom östra Europa och i samband med detta ha ökat kraftigt i den europeiska befolkningen. Detta kan man läsa mer om i vetenskapsjournalisten Karin Bojs bok ”Min europeiska familj de senaste 54 000 åren”. Karins eget mtDNA tillhör haplogruppen U men hennes farmors mtDNA tillhörde en av undergrupperna till H1.

Men där tar vanligheten slut. Mitt mtDNA stämmer nämligen inte med någon av de många hittills identifierade undergrupperna till H1 (se www.phylotree.org). Men sekvensen är inte helt unik för i Family Tree DNA:s databas finns (till och med idag) 12 st mtDNA-sekvenser som är identiska med min. Majoriteten av dessa (8 st) kommer från folk som i databasen anger att deras tidigaste kända anmoder på den rent kvinnliga linjen bodde i nuvarande Finland. En anger att hens tidigaste kända anmoder på den rent kvinnliga linjen bodde i Sverige och en härstammar på kvinnosidan från en kvinna med europeiskt namn i USA på 1700-talet. För de resterande 2 finns det ingen information i databasen om deras släkt. Hittills verkar jag inte dela någon gemensam historiskt känd förmoder med någon av dessa personer vilket innebär att min mtDNA-sekvens måste ha uppstått för mer än 300 år sedan. De hittills 7 st mtDNA-sekvenserna i Family Tree DNA:s databas som endast skiljer sig på 1 punkt från min verkar alla komma från personer som, på den rent kvinnliga linjen, härstammar från dagens Finland eller Sverige. I den stora vetenskapliga sekvensdatabasen GenBank (där alla sekvenser som förekommer i vetenskapliga publikationer offentliggörs) finns än så länge bara en enda mtDNA sekvens som är identisk med min, och den kommer från en man i Finland. Kanske tillhör min mtDNA-sekvens en liten finsk undergrupp till H1?

 

*Denna idé bygger på antagandet att varje mutation i mtDNA:t är unik och bara har uppstått i en enda kvinna vid ett enda tillfälle. Problemet är att det ibland händer att samma mutation uppstår i olika kvinnors mtDNA oberoende av varandra vilket krånglar till det för de forskare som försöker reda ut mtDNA-sekvensernas släktträd.