Patterns of Early Migration In order to gain insight into various migrations that must have happened during movement of early humans into Asia and the subsequent populating of the largest continent on Earth, the HUGO Pan-Asian SNP Consortium (p. 1541 ) analyzed genetic variation in almost 2000 individuals representing 73 Asian and two non-Asian populations. The results suggest that there may have been a single major migration of people into Asia and a subsequent south-to-north migration across the continent. While most populations from the same linguistic group tend to cluster together in terms of relatedness, several do not, clustering instead with their geographic neighbors, suggesting either substantial recent mixing among the populations or language replacement. Furthermore, data from indigenous Taiwanese populations appear to be inconsistent with the idea of a Taiwan homeland for Austronesian populations.

Background: Resolving population genetic structure is challenging, especially when dealing with closely related or geographically confined populations. Although Principal Component Analysis (PCA)-based methods and genomic variation with single nucleotide polymorphisms (SNPs) are widely used to describe shared genetic ancestry, improvements can be made especially when fine-scale population structure is the target. Results: This work presents an R package called IPCAPS, which uses SNP information for resolving possibly fine-scale population structure. The IPCAPS routines are built on the iterative pruning Principal Component Analysis (ipPCA) framework that systematically assigns individuals to genetically similar subgroups. In each iteration, our tool is able to detect and eliminate outliers, hereby avoiding severe misclassification errors. Conclusions: IPCAPS supports different measurement scales for variables used to identify substructure. Hence, panels of gene expression and methylation data can be accommodated as well. The tool can also be applied in patient sub-phenotyping contexts. IPCAPS is developed in R and is freely available from http://bio3.giga.ulg.ac.be/ipcaps

ipADMIXTURE is an R package to infer clusters and their phylogeny based on Q matrices of genetic admixture analysis. It is the first software of its kind to infer not just only clusters, but also the hierarchy of sub-populations w.r.t. the minimum number of ancestors that split any pair of clusters apart. Since inputs of the package, Q matrices, can be obtained from well-known software (ADMIXTURE, STRUCTURE, etc.) and the Q matrices are mandatory information that are used in genetic population structure study, our package has a potential to help scientists and researchers to find deeper explanation of admixture analysis in their studies. Our package comes with a user-friendly interface to make the software accessible for everyone.

SNP-based information is used in several existing clustering methods to detect shared genetic ancestry or to identify population substructure. Here, we present a methodology for unsupervised clustering using iterative pruning to capture fine-scale structure called IPCAPS. Our method supports ordinal data which can be applied directly to SNP data to identify fine-scale population structure. We compare our method to existing tools for detecting fine-scale structure via simulations. The simulated data do not take into account haplotype information, therefore all markers are independent. Although haplotypes may be more informative than SNPs, especially in fine-scale detection analyses, the haplotype inference process often remains too computationally intensive. Therefore, our strategy has been to restrict attention to SNPs and to investigate the scale of the structure we are able to detect with them. We show that the experimental results in simulated data can be highly accurate and an improvement to existing tools. We are convinced that our method has a potential to detect fine-scale structure.

Highlights•These findings investigated both quantitative and qualitative detection of plasma cell-free DNA in a cost-effective manner which allowing patients to access the test and potentially prevent the development of cholangiocarcinoma.•ULP-WGS determined the SCNA in cholangiocarcinoma, revealing a pattern of chromosome 6 loss which belong the HLA locus.•The 94.44 % sensitivity and 100 % specificity were obtained when using a cut-off of >19.78 ng/ml for cfDNA concentration and loss of chromosome 6 to differentiate the cholangiocarcinoma from opisthorchiasis viverrini, and healthy individual.AbstractBackgroundTo prevent the development of cholangiocarcinoma, an effective screening Opisthorchiasis viverrini and/or differential diagnosis of and the cholangiocarcinoma is crucial needed. The level and quality of cfDNA in plasma are being investigated for their potential role as biomarkers in cholangiocarcinoma.MethodsThe study enrolled 43 healthy controls (N), 36 O. viverrini-infected subjects (OV), and 36 cholangiocarcinoma patients (CCA). Plasma cfDNA was quantified by fluorometry (Qubit 4), and qualified analysis, including % tumor fraction, circulating ctDNA, ploidy number, and somatic copy number alteration (SCNA), was conducted using ULP-WGS and analyzed by iChorCNA. The statistical analysis and comparison among the groups were performed.ResultsThe results showed that cfDNA could effectively differentiate between N and OV from CCA statistically both by DNA amount and quality. Using a cut-off of >20.94 ng/ml, the sensitivity and specificity of the cfDNA concentration were determined to be 86.11 % and 98.73 % for the differential diagnosis of cholangiocarcinoma, respectively. The ULP-WGS with iChorCNA indicated the % tumor fraction of cfDNA (P < 0.001) and the values of the ploidy number (P < 0.001) of the cholangiocarcinoma group and the other groups were statistically significant. Moreover, the SCNA of the cholangiocarcinoma group was shown to be significantly high in comparison to that of the healthy control group with an odds ratio of 11.688 (P < 0.001).ConclusionThe use of cfDNA concentration and ULP-WGS for analyzing DNA quality including %tumor fraction, ctDNA concentration, tumor ploidy, and SCNA are useful for the differential diagnosis of cholangiocarcinoma from opisthorchiasis viverrini and healthy individuals.Graphical abstract