Ручное построение дерева (wertner)

[I2a1a]

Циркулярная кладограмма с учетом длины ветвей.

[I2a1a]

График соотношения RI (индексов гомоплазии) между выявленными 2100 вероятными деревьями группы из 145  43-маркерных гаплотипов.

Среднеарифметическое значение индекса:0.17967889; медианное: 0.17454545  (n=2001  деревьев).

Под индексом ретенции в кладистике понимается доля очевидной синаморфии значений (в нашем случае локусных значений), которая присутствует в качестве синаморфии в построенном дереве). Формула расчета: RI= (g-s)/(g-M), где g-верхний порог значения, принимаемого локусом в любом построенном дереве, s- минимального количество шагов изменения значения локуса в дереве,  M-число шагов которое требуется в конкретном дереве.

[I2a1a]

Я вот еще что подумал, а нельзя ли использовать значения mppart (частоту партиций ветви среди всех найденных MP деревьев) в Мурки как некий аналог апостериорной вероятности, в то время как априорную вероятность при 66 маркерных гаплотипах вычислять как произведение вероятности не-мутаций  на вероятность мутации в тех локусах, которе Мурка показывает на ребрах отрезка графа между предковым гаплотипом  и гаплотипом потомка.

[I2a1a]

И еще, если я правильно понял, априорная вероятность равна мат.ожиданию апостериорной вероятности?

[wertner]

Я вот еще что подумал, а нельзя ли использовать значения mppart (частоту партиций ветви среди всех найденных MP деревьев) в Мурки как некий аналог апостериорной вероятности, в то время как априорную вероятность при 66 маркерных гаплотипах вычислять как произведение вероятности не-мутаций  на вероятность мутации в тех локусах, которе Мурка показывает на ребрах отрезка графа между предковым гаплотипом  и гаплотипом потомка.

Можно использовать аналог mppart, но со "взвешенным" участием каждого дерева пропорционально его вероятности.
Но для решения какой задачи Вы предлагаете использовать mppart и вероятность ветви (как произведения вероятности ребер)? Для принятия решения о правильности ветви?

И еще, если я правильно понял, априорная вероятность равна мат.ожиданию апостериорной вероятности?

Да, правильно.
Сначала из априорных вероятностей мутаций и предположения о возрасте предка получаем апостериорную вероятность каждой гипотезы, этим получаем распределение априорной вероятности.
Затем для удобства восприятия можем вычислить мат. ожидание распределения.

[Каржавин]

Сначала из априорных вероятностей мутаций и предположения о возрасте предка получаем апостериорную вероятность каждой гипотезы, этим получаем распределение априорной вероятности.
Затем для удобства восприятия можем вычислить мат. ожидание распределения.

Только надо осторожненько (это не к Вам, а к другим читателям, уважаемые Wertner и Vadim Verenich) с этими апостериорными вероятностями, чтобы нормировка распределений соблюдалась 

[zastrug]

Только надо осторожненько (это не к Вам, а к другим читателям)

Это точно, при чем уже при чтении. Проще исторический текст с английского перевести, чем понять о чем вы говорите

[I2a1a]

Да, для принятия решения о правильности (т.е. степени вероятности) ветви

Но для решения какой задачи Вы предлагаете использовать mppart и вероятность ветви (как произведения вероятности ребер)? Для принятия решения о правильности ветви?

[wertner]

Да, для принятия решения о правильности (т.е. степени вероятности) ветви

Но для решения какой задачи Вы предлагаете использовать mppart и вероятность ветви (как произведения вероятности ребер)? Для принятия решения о правильности ветви?

Тогда действительно можно использовать "взвешенный mpart".

При желании можно подумать о том, чтобы для каждого дерева определялось не только есть ли там эта ветвь или нет (0 или 1), но и оценивалось насколько на дереве ветви похожие на оцениваемую (какая-то метрика на отрезке [0, 1]). Правда, это довольно трудоемкое усложнение и скорей всего пока ненужное.

[Каржавин]

Проще исторический текст с английского перевести, чем понять о чем вы говорите

Дык и я собственные тексты через небольшой промежуток времени понимаю с трудом