37 Bamshad et al. “Genetic Evidence”; I. Thanseem et al. “Genetic Affinities Among the Lower Castes and Tribal Groups of India: Inference from Y Chromosome and Mitochondrial DNA”, BMC Genetics 7 (2006): 42.

38 M. Kayser. “The Human Genetic History of Oceania: Near and Remote Views of Dispersal”, Current Biology 20 (2010): R194–201; P. Skoglund et al. “Genomic Insights into the Peopling of the Southwest Pacific”, Nature 538 (2016): 510–513.

39 F. M. Jordan, R. D. Gray, S. J. Greenhill, R. Mace. “Matrilocal Residence Is Ancestral in Austronesian Societies”, Proceedings of the Royal Society B – Biological Sciences 276 (2009): 1957–1964.

40 Skoglund et al. “Genomic Insights”.

41 I. Lazaridis, D. Reich. “Failure to Replicate a Genetic Signal for Sex Bias in the Steppe Migration into Central Europe”, Proceedings of the National Academy of Sciences of the U.S.A. 114 (2017): E3873–74.

Глава 11. Геномика рас и национальностей

1 Центр профилактики и контроля заболеваний: “Prostate Cancer Rates by Race and Ethnicity”, https://www.cdc.gov/cancer/prostate/ statistics/race.htm

2 N. Patterson et al. “Methods for High-Density Admixture Mapping of Disease Genes”, American Journal of Human Genetics 74 (2004): 979–1000; M. W. Smith et al. “A High-Density Admixture Map for Disease Gene Discovery in African Americans”, American Journal of Human Genetics 74 (2004): 1001–1013.

3 M. L. Freedman et al. “Admixture Mapping Identifies 8q24 as a Prostate Cancer Risk Locus in African-American Men”, Proceedings of the National Academy of Sciences of the U.S.A. 103 (2006): 14068–14073.

4 C. A. Haiman et al. “Multiple Regions within 8q24 Independently Affect Risk for Prostate Cancer”, Nature Genetics 39 (2007): 638–644.

5 Freedman et al. “Admixture Mapping Identifies 8q24”.

6 M. F. Ashley Montagu. Man’s Most Dangerous Myth: The Fallacy of Race (New York: Columbia University Press, 1942).

7 R. C. Lewontin. “The Apportionment of Human Diversity”, Evolutionary Biology 6 (1972): 381–398.

8 J. M. Stevens. “The Feasibility of Government Oversight for NIH-Funded Population Genetics Research”, in Revisiting Race in a Genomic Age (Studies in Medical Anthropology), ed. Barbara A. Koenig, Sandra Soo-Jin Lee, Sarah S. Richardson (New Brunswick, NJ: Rutgers University Press, 2008), 320–341; J. Stevens. “Racial Meanings and Scientific Methods: Policy Changes for NIH-Sponsored Publications Reporting Human Variation”, Journal of Health Policy, Politics and Law 28 (2003): 1033–1087.

9 N. A. Rosenberg et al. “Genetic Structure of Human Populations”, Science 298 (2002): 2381–2385.

10 D. Serre, S. Pääbo. “Evidence for Gradients of Human Gene tic Diversity Within and Among Continents”, Genome Research 14 (2004): 1679–1685; F. B. Livingstone. “On the Non-Existence of Human Races”, Current Anthropology 3 (1962): 279.

11 J. Dreyfuss. “Getting Closer to Our African Origins”, The Root, October 17, 2011, www.theroot.com/getting-closer-to-our-african- origins-1790866394

12 N. A. Rosenberg et al. “Clines, Clusters, and the Effect of Study Design on the Inference of Human Population Structure”, PLoS Genetics 1 (2005): e70.

13 E. G. Burchard et al. “The Importance of Race and Ethnic Background in Biomedical Research and Clinical Practice”, New England Journal of Medicine 348 (2003): 1170–75.

14 J. F. Wilson et al. “Population Genetic Structure of Variable Drug Response”, Nature Genetics 29 (2001): 265–269.

15 D. Fullwiley. “The Biologistical Construction of Race: ‘Admixture’ Technology and the New Genetic Medicine”, Social Studies of Science 38 (2008): 695–735.

16 Lewontin. “The Apportionment of Human Diversity”; A. R. Templeton. “Biological Races in Humans”, Studies in History and Philosophy of Biological and Biomedical Science 44 (2013): 262–271.

17 Razib Khan, www.razib.com/wordpress

18 Dienekes’ Anthropology Blog, dienekes.blogspot.com.

19 Eurogenes Blog, http://eurogenes.blogspot.com.

20 L. Poliakov. The Aryan Myth: A History of Racist and Nationalist Ideas in Europe (New York: Basic Books, 1974).

21 B. Arnold. “The Past as Propaganda: Totalitarian Archaeology in Nazi Germany”, Antiquity 64 (1990): 464–478.

22 J. K. Pritchard, J. K. Pickrell, G. Coop. “The Genetics of Human Adaptation: Hard Sweeps, Soft Sweeps, and Polygenic Adaptation”, Current Biology 20 (2010): R208–15; R. D. Hernandez et al. “Classic Selective Sweeps Were Rare in Recent Human Evolution”, Science 331 (2011): 920–924.

23 M. C. Turchin et al. “Evidence of Widespread Selection on Standing Variation in Europe at Height-Associated SNPs”, Nature Genetics 44 (2012): 1015–1019.

24 Y. Field et al. “Detection of Human Adaptation During the Past 2000 Years”, Science 354 (2016): 760–764.

25 A. Okbay et al. “Genome-Wide Association Study Identifies 74 Loci Associated with Educational Attainment”, Nature 533 (2016): 539–542.

26 В 2016 году Бенджамин с коллегами предложили модель, связывающую определенные генетические аллели и время, потраченное на образование. Используя эту модель, я подсчитал, сколько времени должны потрать на учебу верхние и нижние 5 % индивидов из модельного распределения (то есть те, кто по генетическим вариантам должен получить минимальное образование или, наоборот, максимальное). Для этого я провел следующие расчеты. (1) Время учебы в проанализированной Бенджамином выборке равно 14,3 ± 3,7 лет. Стандартное отклонение 3,7 года получается из указанной в работе величины отклонения в размерности неделя/аллель “0,014 – 0,048 стандартных отклонений на аллель (2,7–9,0 недель учебы)”. Эти значения дают от 188 (=9,0/0,048) до 193 (=2,7 / 0,014) недель. Так как в году 52 недели, отклонение составит 3,7 года. (2) Бенджамин с коллегами указывают, что генетическая модель объясняет 3,2 % дисперсии данного признака (время учебы). Это означает, что корреляция между ожидаемым и реальным значением равна √0,032 = 0,18. Это следует из математических моделей двумерного нормального распределения. (3) У индивида, попавшего по своим генетическим характеристикам в нижние 5 % (то есть более 1,64 стандартных отклонения левее среднего), вероятность проучиться больше 12 лет рассчитывается как число людей в этих 5 % распределения, соотнесенное с числом тех из них, кто учился больше 12 лет (то есть нужно взять площадь под кривой распределения левее 5 % распределения), а затем разделить на 0,05. Это дает вероятность 60 %. Ту же процедуру проделаем с верхними 5 % и получим вероятность 84 %. (4) Бенджамин предположил, что, имея достаточно большую выборку, можно будет с помощью генетических признаков объяснить 20 % дисперсии вместо 3,2 %. Выполним те же расчеты, но только с этими 20 % дисперсии. И получится, что вероятность получить 12-летнее образование и продолжить его у нижних 5 % составит 37 %, а у тех, кто попал в правый 5-процентный хвост распределения, – 96 %.