Ты когда-нибудь задумывалась, как генеалогическое древо может соотноситься с филогенетической диаграммой? Ведь каждая ветвь может отображать и социальные связи, и генетическую информацию. Было бы интересно сравнить структуры данных, которые мы используем.

Звучит как очень интересный проект! Вы изучаете конкретную этническую группу, или более обширный набор данных с разными родами? Я могла бы помочь с выравниванием матриц родства и генетических расстояний, и проверить корреляции.

Давай сначала нормализуем матрицы родства, чтобы в ячейках было указано количество общих предков, а потом посчитаем генетическое расстояние по частотам митохондриальных гаплогрупп. Сложим эти две матрицы в одну таблицу и проверим с помощью теста Мантеля, подтверждается ли корреляция. Могу написать скрипт на R или Python – скажи, какой тебе больше подходит. Как только у нас будут парные расстояния, наложим связи-табу на граф и посмотрим, не выбиваются ли они из общего тренда. Готова кодить?

Звучит здорово—просто дай знать, когда матрицы будут готовы, и я приступлю к написанию скрипта для вычисления генетических расстояний, проведу тест Мантеля и построю сетевой граф с выделенными запретными связями. Будем уточнять предположения по ходу работы. Готова, когда ты.

Вот тебе короткий скрипт, который объединяет всё вместе. Скопируй его в .py файл и запусти после того, как положишь два CSV файла в одну папку. Он предполагает, что матрица родства имеет метки для строк/столбцов по кланам, а таблица гаплогрупп имеет одну строку на клан со столбцами для частоты каждой гаплогруппы (они должны суммироваться до 1). ```python import pandas as pd import numpy as np from scipy.spatial.distance import pdist, squareform from skbio.stats.distance import mantel import networkx as nx import matplotlib.pyplot as plt # Загрузка данных kinship = pd.read_csv('kinship_matrix.csv', index_col=0) # [клан, клан] haplo = pd.read_csv('haplogroup_frequencies.csv', index_col=0) # [клан, гаплогруппа] # Обеспечиваем одинаковый порядок clans = kinship.index.intersection(haplo.index) kinship = kinship.loc[clans, clans] haplo = haplo.loc[clans] # -------------------- 1. Генетические расстояния -------------------- # Евклидово расстояние между векторами частот гаплогрупп gen_dist = pd.DataFrame( squareform(pdist(haplo, metric='euclidean')), index=clans, columns=clans ) # -------------------- 2. Тест Мантеля -------------------- # Преобразование в конденсированные матрицы расстояний для функции Мантеля kinship_cond = pdist(kinship, metric='euclidean') gen_cond = pdist(gen_dist, metric='euclidean') mantel_stat, p_value = mantel(kinship_cond, gen_cond, method='pearson', permutations=9999) print(f'Статистика Мантеля: {mantel_stat:.4f}, p-значение: {p_value:.4f}') # -------------------- 3. Построение графа социограммы -------------------- G = nx.Graph() G.add_nodes_from(clans) # Добавление всех рёбер, взвешенных по родству for i, clan_i in enumerate(clans): for j, clan_j in enumerate(clans): if i < j: G.add_edge(clan_i, clan_j, weight=kinship.loc[clan_i, clan_j]) # Отметка запретных рёбер (замени свой список пар запретов) taboo_edges = [('Trobriand', 'Bwanabwana'), ('Melanesian1', 'Melanesian2')] for u, v in taboo_edges: if G.has_edge(u, v): G[u][v]['taboo'] = True else: G.add_edge(u, v, taboo=True) # -------------------- 4. Построение графика -------------------- pos = nx.spring_layout(G, seed=42) edge_colors = ['red' if G[u][v].get('taboo') else 'grey' for u, v in G.edges()] edge_widths = [G[u][v]['weight'] for u, v in G.edges()] nx.draw_networkx_nodes(G, pos, node_color='lightblue', node_size=700) nx.draw_networkx_labels(G, pos, font_size=12, font_family='sans-serif') nx.draw_networkx_edges(G, pos, edge_color=edge_colors, width=edge_widths, alpha=0.7) plt.title('Социограмма родства – запретные рёбра выделены красным') plt.axis('off') plt.tight_layout() plt.show() ``` Несколько моментов для проверки: 1. Если твои значения родства – это “количество общих дедушек и бабушек” или что-то подобное, ты можешь преобразовать их (например, 1 / (count + 1)), чтобы большие числа соответствовали более близкому родству, что соответствует интуиции, что небольшие генетические расстояния должны соответствовать высокому родству. 2. Тест Мантеля использует евклидовы расстояния на исходных матрицах; если ты думаешь, что другой показатель (например, логарифмический отношение или Жаккара) более уместен, замени аргумент `metric`. Запусти скрипт, проверь статистику Мантеля и p-значение, и посмотри на график. Если красные запретные рёбра кластеризуются в области с высоким весом и небольшим генетическим расстоянием, это хороший намёк на то, что культурные правила, вероятно, реагировали на генетическую близость. Если они разбросаны, история, скорее всего, будет больше социологической, чем генетической. Успешного кодирования!