„Statystycznie to można badać średnią krajową, a nie zbieżność ideowości”

Tym razem zająłem się wynikami ankiety, które wśród kandydatów na posłanki i posłów przeprowadził świetny portal Mam Prawo Wiedzieć. Ankietę dobrowolnie wypełniło ponad 700 posłów, a spora liczba pytań z ankiety polega na wybraniu jednej z dostępnych opcji — zatem można je poddać łatwej analizie statystycznej. Tym razem, obok PCA, zastosuję „uczenie nadzorowane” (supervised machine learning).

Głównym problemem w analizie danych z ankiety jest jej podział na części i to, że większość polityków odpowiadała na tylko na mniej niż sześć z szesnastu części ankiety. W dodatku różne partie odpowiadały w różnym stopniu na różne części ankiety, na przykład na pytania z części „Prawa i wolności obywatelskie” odpowiedziało 2/3 kandydatów RPP, ale mniej niż połowa kandydatów SLD. W tej sytuacji zastąpienie brakujących odpowiedzi np. zerem powoduje powstawanie istotnych artefaktów.

Jak już wspominałem, kandydaci odpowiadali działami. Jeśli wybrać do analizy tylko pojedyncze działy, najczęściej nie mamy dostatecznej liczby pytań do sensownej analizy. Tym niemniej jednak zaczniemy od wszystkich pytań, zastępując brakujące odpowiedzi zerem, które najczęściej oznacza „nie mam zdania”.

Po lewej lewica, po prawej PiS, u góry Korwin-Mikke. A pośrodku gęsto. PC1 to głównie rozdział kościoła od państwa, eutanazja, legalizacja miękkich narkotyków, ograniczenie swobód obywatelskich w imię walki z przestępczością, związki partnerskie, religia w szkołach, religia i uroczystości państwowe, parytety i suwaki. PC2 to głównie różnice między JKM a resztą. Zastanawia tutaj gęste centrum — czy kandydaci w centrum ilustracji nie wybrali działu, którego dotyczą pytania, czy może są inne powody? Wybieram do analizy tylko tych posłów, którzy odpowiedzieli na większość z pierwszych 20 pytań znaczących w komponencie PC1 plus pierwszych 20 w komponencie PC2 na powyższym diagramie. Pozostaje 302 posłów i 33 pytań.

Chociaż w miarę lewica oddziela się od szeroko pojętej prawicy, nadal nie można mówić o jakimś bardzo wyrazistym podziale; kandydaci różnych ugrupowań zachodzą na siebie. Odstaje właściwie tylko JKM.

Są jednak dwa działy, na które odpowiadali wszyscy posłowie: „Motywy kandydowania i planowana działalność” (takie trochę blabla) oraz „Ustrój państwa i funkcjonowanie instytucji publicznych”.

Nie ma tu wyraźnych podziałów, ale widać różnice (mało intuicyjnie, lewica jest po prawej stronie PC1). W PC1, głównie chodzi o parytety (dwa pytania: o podniesienie i o zniesienie), suwak (na listach na przemian kobiety i mężczyźni) i finansowanie partii z datków (tutaj wyróżnia się RPP i JKM, gdzie prawie wszyscy są za; PSL, PJN i PO raczej za, a PiS raczej przeciw; SLD pół na pół). W PC2 (oś pionowa) dominują kwestie obniżenia progu wyborczego (JKM za, PO, PiS, PSL i SLD przeciw, RPP pół na pół, PJN raczej przeciw), zniesienie parytetów, finansowanie partii z datków i jednomandatowe okręgi wyborcze (większość partii jest w dużej mierze za, wyjątkiem są PiS i… SLD).

Byłem zaskoczony, jak duża jest rozpiętość poglądów w obrębie ugrupowań, zważywszy na wyraźne podziały w głosowaniach, jakie posłowie zademonstrowali w poprzedniej kadencji Sejmu.

Niestety, nie da się przeprowadzić PCA dla wszystkich działów pytań jednocześnie. Pewnym kompromisem jest grupowanie działów. Na przykład, spośród ponad 700 kandydatów, 134 odpowiedziało na pytania z trzech działów: „Prawa i wolności obywatelskie”, „Edukacja” oraz „Polityka społeczna i rynek pracy”. Dodatkowo znalazły się też odpowiedzi na niektóre pytania z innych grup, na które większość z tych kandydatów odpowiedziała. Wyniki PCA są takie, jak można się spodziewać:

W PC1, po lewej Palikot i SLD, po prawej PiS, PO pośrodku. W PC2, od wszystkich odstają korwiniści. PC1, jak można się spodziewać, opisuje głównie odpowiedzi na pytania o związki partnerskie, eutanazję, legalizację miękkich narkotyków, in vitro itd., oraz parytety. Korwiniści w PC1 są pośrodku, bo np. są przeważnie za legalizacją miękkich narkotyków, pół na pół gdy idzie o eutanazję, i zdecydowanie przeciw związkom partnerskim. W osi PC2 dominują poglądy na politykę społeczną i rynek pracy oraz edukację. Tutaj JKM się wyróżnia, np. jest przeciwko prowadzeniu przez państwo polityki zwiększającej liczbę urodzin oraz świadczeniom społecznym, uważają, że kodeks pracy powinien być elastyczniejszy (w pozostałych ugrupowaniach zdanie jest tu podzielone) i że szkoły nie powinny być wyłącznie publiczne.

Kolejna przebadana grupa odpowiedzi to „Uczestnictwo obywateli w sprawowaniu władzy” oraz „Polityka gospodarcza”. Tutaj różnice nie rzucają się w oczy:

W PC1 na powyższym obrazku słabo widać różnicę między lewicą a prawicą. Chodzi głównie o zwalczanie bezrobocia za wszelką cenę (w PJN i PO, a także w RPP zdania są podzielone, PiS raczej przeciw, JKM zdecydowanie przeciw, SLD zdecydowanie za), prywatyzację wszystkich przedsiębiorstw (JKM za, PO i PJN raczej za, RPP raczej przeciw, SLD jeszcze bardziej, ale nie zdecydowanie przeciw, PiS zdecydowanie przeciw) oraz napływ zagranicznego kapitału (wszyscy za, ale PiS i PJN w większym stopniu „raczej”, a reszta — „zdecydowanie za”).

Ponieważ nie jest to blog polityczny, wykorzystam aktualny temat żeby zaprezentować kolejną rodzinę metod, które można stosować w tego typu analizach, czyli „supervised machine learning algorithms”. Tego typu algorytmy uczą się na pewnym zestawie danych, a następnie wykorzystują swoją „wiedzę” by dokonywać kolejnych przewidywań. Na przykład wykorzystuje się je w diagnostyce chorób na podstawie jakiejś licznej grupy biomarkerów (dajmy na to, poziomu różnych substancji we krwi).

Jednym z algorytmów w tej grupie, i zdecydowanie mój ulubiony nazywa się „random forests” (nazwa pochodzi od sposobu działania algorytmu, którego tutaj nie będę opisywał). Ma on trzy ogromne zalety.

Po pierwsze, w przeciwieństwie do niektórych innych algorytmów (jak np. support vector machines), umożliwia stosowanie więcej niż dwu kategorii (a więc np. nie tylko „chory/zdrowy”, ale też np. „chory/zainfekowany/zdrowy”).

Po drugie, można łatwo sprawdzić, jakie ze zmiennych wejściowych mają dla tego algorytmu znaczenie (co w przypadku np. sieci neuronowych jest bardzo trudne). To ma olbrzymie znaczenie, jeśli chcemy zrozumieć, co właściwie się dzieje. Dajmy na to, wyuczymy algorytm, żeby rozróżniał SLD od Palikota; algorytm udowadnia nam (mniejsza jak), że całkiem nieźle się nauczył. Ale na czym te różnice polegają? Które różnice są istotne dla rozróżnienia tych dwóch ugrupowań? Algorytm RF dostarcza tych odpowiedzi automatycznie.

Po trzecie, z bootstrapping jest integralną częścią algorytmu i nie ma potrzeby dokonywać go zewnętrznie, co jest bardzo czasochłonne. Bootstrapping (patrz poprzednia notka) to technika której zazwyczaj używa się do sprawdzania efektywności wyuczonego algorytmu (tzn. jak dobrze algorytm potrafi rzeczywiście przewidywać klasyfikację).

W dalszej części zajmę się kilkoma konkretnymi porównaniami.

Różnice między SLD a RPP

W analizie brałem pod uwagę tylko pytania o „Ustrój państwa i funkcjonowanie instytucji publicznych” oraz „Prawa i wolności obywatelskie” (30 kandydatów z SLD i 64 z RPP odpowiedziało na obie te części ankiety).

Analiza random forests wskazała na trzy lub cztery pytania, które rozróżniały te dwa ugrupowania. Po pierwsze, możliwość finansowania z budżetu (Tak:Nie wiem:Nie, SLD: 37:14:42, RPP: 156:6:5), dalej jednomandatowe okręgi (SLD: 30:10:53, RPP: 113:34:20) oraz legalizacja miękkich narkotyków — co prawda, liczba kandydatów SLD którzy odpowiadali na to pytania z tego działu była niewielka, ale odpowiedzi rozkładały się po równo, tymczasem w RPP zdecydowana większość kandydatów opowiadała się za legalizacją.

Różnice między PO a SLD i RPP.

Wybrałem tylko te 244 głosowania, w których przynajmniej 100 posłów z tych formacji udzieliło odpowiedzi, a następnie ograniczyłem liczbę posłów do 273, którzy udzielili odpowiedzi na przynajmniej 100 spośród 244 pytań. PCA pokazuje nam różnice między ugrupowaniami w obu komponentach: PC1 to SLD+RPP vs PO, PC2 to RPP vs SLD+PO.

Wyniki RF są frapujące. Otóż RF rzadko myli kandydatów PO z innymi (63 zaklasyfikowanych poprawnie, 13 wziętych za lewicę). Również RPP najczęściej jest klasyfikowane prawidłowo (18 błędnie, 115 prawidłowo). Natomiast kandydaci SLD (prawidłowo zaklasyfikowani: 24) są często brani za RPP (30), a nawet PO (10)! Ponieważ różnice między SLD i RPP już omówiliśmy, wrzucę teraz SLD i RPP do jednego wora.

Ciekawe; teraz to posłowie PO bywają błędnie klasyfikowani (31 jako lewica, 45 jako PO), natomiast lewica jest klasyfikowana poprawnie. Główne wyróżniki to nauczanie religii w szkołach (PO: 20 za, 13 przeciw, 9 się wstrzymało), obniżenie progu wyborczego (RPP się wyróżnia), wieszanie krzyży w urzędach (PO; 26 za, 11 wstrzymało się, 5 przeciw), udział duchownych w państwowych uroczystościach (znów, w PO wielu się wstrzymało), rozdział kościoła i polityki (PO w sumie też jest za, ale częściej odpowiada „raczej” niż lewica, która zawsze odpowiada „zdecydowanie”) i związki partnerskie (tutaj PO jest podzielone, a lewica zdecydowanie za).

Różnice między PO a PiSem.

Po odfiltrowaniu (podobnie jak powyżej) pozostało 210 kandydatów i 68 pytań, głównie dotyczących edukacji i ustroju państwa. PCA prawie tylko w pierwszej komponencie pokazuje na różnice między PO a PiSem:

Analizę RF zrobiłem na całym zestawie pytań, zastępując brakujące odpowiedzi zerem, które w pytaniach oznacza „nie mam zdania”. Klasyfikacja wyszła całkiem przyzwoita (błąd ogólny na poziomie 10%, dużo lepiej niż w przypadku klasyfikacji lewica vs. PO). Ciekawe są główne kryteria wyróżniające obie partie: wprowadzenie głosowania przez internet (PO niemal jednomyślnie za, PiS raczej przeciw), zmiana finansowania partii (PiS przeciw, PO raczej za), jednomandatowe okręgi wyborcze, szkoła dla sześciolatków (PiS przeciw, PO raczej za), zezwolenie funkcjonariuszom PRL na zajmowanie wysokich stanowisk (PiS przeciw, PO pół na pół), i wreszcie bezwzględny zakaz aborcji (PiS 28 za, 14 przeciw; PO 3 za, 39 przeciw).

Podsumowując, najbardziej w tych analizach zaskoczyło mnie to, do jakiego stopnia deklarowane poglądy kandydatów z różnych formacji mogą się pokrywać. Jestem też zaskoczony tym, że kwestia aborcji nie staje się głównym wyróżnikiem (ani wszyscy na lewicy nie są za całkowitą dopuszczalnością, ani wszyscy w PiSie czy JKM nie są za całkowitym zakazem). Ciekawe jest też to, że główne różnice w deklarowanych odpowiedziach dotyczą światopoglądu, stosunku do kościoła itp., a wyjąwszy JKM nie dotyczą spraw gospodarki, edukacji i całego mnóstwa spraw.

To ostatnie wynika po części też z faktu, że posłowie rzadziej wybierali te dziedziny do odpowiedzi (więc w mniejszym stopniu można zaobserwować różnice). Jest to niestety efekt sposobu w jakim przeprowadzono ankietę. Ledwie 151 kandydatów (z 718, których mam w zestawie danych) odpowiadało na pytania o politykę zagraniczną albo sprawy europejskie; tylko 129 na pytania o rolnictwo, 122 na pytania o energetykę, 76 na pytania o politykę migracyjną. Ochrona zdrowia? Odpowiedziało 220 kandydatów. Racja, przecież to taki niezbyt ciekawy temat (w analizie PCA tego działu główna komponenta odpowiada jednemu tylko pytaniu: o finansowaniu służby zdrowia ze środków prywatnych).

Co zrobić, przecież nie można wymagać od kandydata czy kandydatki na posła Sejmu RP, żeby informowali swoich potencjalnych wyborców o wszystkich swoich poglądach na różne sprawy — bądź ich braku.

Jeszcze by ich nie wybrali.

• jakie grupy wyznaczają głosowania, czy odzwierciedlają przynależność partyjną, czy może też inne rzeczy
• czy badając głosowania można dostrzec zmiany zachodzące w obrębie partii, albo powstawanie nowych partii?
• którzy posłowie zbliżają się swymi głosowaniami do partii, do których nie należą

Tekst jest tl;dr, ale na końcu jest film i trochę pornografii. Niestety, oglądanie większości obrazków ma sens jedynie w powiększeniu, więc proszę klikać jeślik to zehce po rady.

Zebrane dane potraktowałem analizą PCA (komponentów głównych), która ma jedną wadę i jedną zaletę. Wada PCA to konieczność używania danych numerycznych (a nie np. kategorycznych). Nie można też w łatwy sposób oznaczyć nieobecności posła. Zaleta jest taka, że chodzi o jedną z najprostszych metod wielowariancyjnych, niemalże — trick obliczeniowy, i prawie każdy, kto miał do czynienia ze statystyką, zetknął się już z tą metodą.

Pierwsze wyniki

Wyniki analizy PCA dla wszystkich posłów i wszystkich głosowań wyglądają tak:

Każdy punkt / symbol to jeden poseł. Osie to tzw. komponenty główne — sztucznie utworzone „wypadkowe” głosowań, które zawierają większość różnic między posłami. I tak, oś pozioma, czyli komponenta pierwsza (PC1), opisuje głównie różnice między koalicją rządzącą (niebieski: PO, zielony: PSL) a PiSem (ciemnoszary). Oś pionowa (PC2) opisuje różnice między obozem lewicy (LiD, a później SLD et consortes, różne odcienie czerwonego) a całą resztą. Bardzo ładnie widać różnice między partiami i trzy główne bieguny polskiej polityki: koalicja, opozycja narodowo-konserwatywna i lewica.

Wnioski z tej ilustracji:

• wyraźne trzy bieguny polityki, niebieski, czarny i czerwony
• w ogólności i pomijając pewne niewygodne założenia, koalicja rządząca różni się zarówno od PiSu, jak i lewicy, nie widać np. „frakcji Gowina i Niesiołowskiego”.
• (autotematyczny) prościutka analiza PCA umożliwia wizualizacje politycznego rozkładu sił w Sejmie — utworzenie „politycznej mapy” sejmu ciekawszej niż jednowymiarowy rozkład prawica-lewica.

Komponentów jest więcej, a każdy kolejny ma mniejsze znaczenie. I tak na przykład na poniższej ilustracji trzecia i czwarta komponenta opisują odpowiednio różnice między PJN a grupą złożoną z lewicy, PiS i PO, oraz (PC4) różnice między PSL-em (zielone punkty) a resztą posłów.

Czyli — PSL także tworzy własny biegun, a raczej — biegunek (głosując w niektórych głosowaniach inaczej niż wszystkie pozostałe partie).

Noale

Tutaj trzeba jeszcze zauważyć kilka rzeczy. Po pierwsze, liczne nieobecności wielu polityków — zwłaszcza rządowych i liderów partii — wpływają na ich pozycję na diagramie. Powyżej te same dwa diagramy, lecz tym razem wielkość symbolu odpowiada liczbie nieobecności danego posła:

Na diagramie pokazującym składowe PC1 i PC2 widać, że posłowie z dużą liczbą nieobecności grupują się razem. Wynika to po części z mojego lenistwa — zamiast kombinować, zastąpiłem każdą nieobecność posła zerem, które w moim zestawie danych oznacza wstrzymanie się od głosu. Niestety, bardzo ciężko zrobić to inaczej, a chciałem zachować w obliczeniach prostotę. Pewnym rozwiązaniem jest ustalanie limitu nieobecności — co jednak prowadzi do tego, że pewne osoby (np. Donald Tusk albo posłowie, którzy pełnili swą funkcję tylko przez część kadencji) nie pojawiają się na niektórych wykresach. W kolejnych wykresach będę stosował tę metodę progu nieobecności.

Druga sprawa to dyscyplina klubowa. Ktoś może powiedzieć: jak możemy zauważyć rożnice w obrębie partii, skoro głosowania, które w PCA okażą się „najważniejsze”, to zarazem takie, w których w obrębie jednej partii posłowie głosowali unisono? To źle lub dobrze, zależnie od tego, czy interesujemy się różnicami w obrębie partii, czy różnicami pomiędzy partiami. Jeśli interesują nas różnice w obrębie partii, to można np. zastosować PCA tylko do jednej partii (i wtedy mogą wyjść różnice, jedną czy dwie omówię za chwilę), chociaż lepiej byłoby zaprząc jakieś bardziej złożone metody statystyczne — na co nie mam czasu. Niestety, głosowań, w których któraś z głównych partii nie głosowałaby niemal jednomyślnie jest bardzo mało.

Przy okazji — z ponad ośmu tysięcy głosowań usunąłem podczas wstępnej obróbki danych ponad połowę, w której Sejm głosował niemal jednomyślnie (mniej niż 20 głosów odbiegających od sejmowej większości).

Struktura klubów: PiS

OK, a czy w ogóle widać rozdziały wewnątrz klubów? Trochę tak. Poniżej ilustracja analizy PCA dla klubu PiS w przeciągu ostatnich 200 głosowań. Usunąłem posłów, którzy byli nieobecni więcej niż 20 razy (wskutek czego pozostaje 100 posłów PiS).

Niestety (nie „polityczne niestety”, tylko niestety wzięte analitycznie) — ten podział wynika z ledwie przygarści głosowań i nie widać go w innych okresach. Na przykład, analizując głosowania między kwietniem a lipcem 2011, widać inny podział:

Też widać dwie grupy, ale to nie są te same grupy, co poprzednio. Okazuje się, że o tym grupowaniu decyduje głównie (choć nie wyłącznie) głosowanie z 09-06-2011, godz. 19:21. Frakcja ok. 30 posłów PiS głosowała przeciw, tak jak rząd i lewica. O co chodziło w tym głosowaniu? Nie mam pojęcia. Należałoby w tym miejscu systematycznie przejść przez całą kadencję szukając takich podziałów, i dla każdego z nich sprawdzić (i) w jakim okresie się utrzymuje oraz (ii) jakie głosowania poróżniły posłów. Chociaż interpretacja wyników i ich drobiazgowe sprawdzanie to najważniejsza część każdej takiej analizy, to równocześnie jest to część najbardziej pracochłonna. Za darmo — nie da rady.

Natomiast możemy zrobić dwie rzeczy. Pierwsza, to przyjrzeć się posłom, którzy odstają od silnego „centrum” partii w perspektywie całej kadencji. Znowu zacznę od PiS, wykluczając posłów o dużej liczbie nieobecności.

Co nam to mówi? Ano, na przykład, że posłanka Beata Kempa to nie jest samo centrum PiS (możnaby sprawdzić, w jakich głosowaniach odbiegała od reszty, ale duh).

Kla(j)strujmy

Druga sprawa, to zrobić analize klastrów — czyli narysować drzewko, w którym posłowie są blisko siebie, jeśli głosują podobnie. Na poniższej ilustracji zrobiłem klastrowanie wszystkich posłów PiS (bez względu na nieobecności). Na początek, i żeby sprawdzić metodę, dodałem też osoby, które obecnie są w PJN. Oprócz tego usunąłem głosowania, w których ten zestaw posłów głosował w 80% lub więcej „za” albo „przeciw” — zostało mniej niż 500 głosowań.

Kolorowe liczby oznaczają pewność (osiągniętą dzięki metodzie zwanej bootstrapem) jaką mamy co do konkretnego klastra („grupy”); zielony i czerwony to dwa różne oszacowania tej pewności; im liczba bliższa 100, tym pewność większa. Wyraźnie widzimy, że posłowie PJN tworzą oddzielny klaster (grupa po prawej), w którym są również posłowie dawnej „Polski Plus” (Selin, Ujazdowski, Polaczek), obecnie PiS. A teraz to samo, ale bez PJN:

Widać wyraźną grupę (klaster po prawej) z Ziobrą, nieodłącznym Kurskim i Zytą Gilowską (są tam też Wassermann, Zyta Gilowska i śp Gosiewski).Kaczyński ma własny klaster, do którego należą Mariusz Błaszczak, Krzysztof Tchórzewski, Marek Kuchciński, Beata Mazurek, Małgorzata Sadurska i parę innych osób. Trzeba jednak ostrożnie, bo i tu nieobecności mogą być decydujące; na przykład, Zyta Gilowska głosowała ledwie parę razy, więc jej głosowania (użyte do porównania jej z innymi osobami) są raczej mało reprezentatywne. Poza tym pojawiają się posłowie, którzy odeszli Sejmu w trakcie kadencji. Jeśli wziąć pod uwagę tylko posłów, którzy do końca kadencji byli w Sejmie i klubie PiS, to klaster jednak Zyty Gilowskiej nadal istnieje (chociaż bez Gilowskiej, Ziobry i Kurskiego).

Struktura klubów: PO

Zacząłem od PiSu, ale jak to jest w obecnym PO? Na początek trzeba wyłączyć posła Arłukowicza, który przez większość kadencji głosował jak lewica, i w związku z tym zaburza analizę. Jednak jak się poszpera, to i w tym przypadku widać dwie „frakcje”. Poniżej PCA dla ostatnich 500 głosowań, komponenty PC3 i PC4.

Ten podział jest jednak stosunkowo nowy. Buszując po danych, odkryć możemy inne podziały, ale ciężko powiedzieć, by były bardzo stabilne.

W analizie klastrów dla całej kadencji nie widać wyraźnych grup, poza spadochroniarzami z PJN (Kluzik-Rostkowska, Kilian, Tomczak). Jeśli uwzględnimy tylko osoby, które były w PO zarówno podczas pierwszego, jak i ostatniego głosowania, i uwzględnimy tylko te głosowania, w których co najwyżej 80% posłów PO głosowało „za” lub „przeciw”, to otrzymamy poniższy diagram:

Widać, że nie ma jakichś znaczniejszych frakcji, a już na pewno ciężko mówić o „skrzydle Gowina”.

Struktura klubów: lewica

Klastry: jeśli zbadać posłów, których najnowszą afiliacją jest „SLD”, „SDPL” albo „Lewica”, to widać wyraźnie, że „SDPL” odstaje od reszty, natomiast Lewica Olejniczaka wpisuje się we frakcję SLD:

Pomijając SDPL, które trochę bruździ w analizie, oraz „Lewicy”, bo ich już nie ma (a liczne pozorne nieobecności mogą wywoływać artefakty), pozostaje bardzo klarowny obraz kto z kim w SLD:

Jak widać, bootstrapy (focus on czerwone cyferki) są bardzo przyzwoite, da się wyróżnić parę grup (ciekawe, jak bardzo podobnie głosują Kalisz i Napieralski).

Analiza PCA nie daje nam ładnych odpowiedzi, ale potwierdza wnioski z analizy klastrów (np. że Balicki i Widacki odstają od reszty):

Zmiany w czasie

Kolejny interesujący wątek to pozycje zajmowane przez poszczególnych posłów. Dla każdego z 520 posłów w moim zestawie danych utworzyłem ilustrację ukazującą jak — wedle głosowań — każdy poseł głosował w przeciągu całej kadencji i podczas ostatnich 200 głosowań, a także — które osoby głosowały podobnie. Pełny wykaz jest tutaj. Niestety, obraz dla niektórych posłów jest zatarty przez nieobecności przy głosowaniach — stąd makabryczny diagram przedstawiający głosowania posła Gosiewskiego w jesieni 2011. Dla posłów związanych z dużymi partiami ten obrazek jest mało ciekawy; natomiast warto się przyjrzeć posłom z małych ugrupowań albo „niezależnym”.

Przykład: pani posłanka Ciemniak z SDPL, która w ostatnich głosowaniach „weszła” do koalicji rządzącej. Grażyna Ciemniak została wybrana w 2007 z listy LiDu, ale z niejasnych powodów pierwsze głosowanie, w którym wzięła udział jako „niezależna” jeszcze (bo LiD się rozpadł) jest dopiero na jesieni 2009. Potem wstąpiła do SLD. Poniżej trzy obrazki, które ilustrują systematyczną drogę Grażyny Ciemniak z obozu lewicy do obozu koalicji. Od góry do dołu: lato 2009, zima 2010/2011 i jesień 2011.

I rzeczywiście. W wyborach 2011 Grażyna Ciemniak startuje z listy PO. Natomiast ani Bartosz Arłukowicz, ani Grzegorz Pisalski takiej drogi nie odbyli, zaczęli głosować tak jak PO dopiero wtedy, gdy do PO przeszli.

Film! Film!

Wreszcie — ostatnia sprawa. Otóż do tej pory pokazywałem dane zebrane z niemal całej VI kadencji Sejmu (konkretnie do połowy września 2011). Ale jeszcze ciekawiej przyjrzeć się jak zmieniał się obraz na politycznej mapie sejmu w ciągu kadencji. Oto cztery obrazki, każdy powstał w oparciu o dwieście głosowań. Obrazki przedstawiają polityczną mapę sejmu na początku kadencji, po katastrofie smoleńskiej, po wyborach prezydenckich, i na jesieni 2011. Kolory i symbole odpowiadają obecnym afiliacjom posłanek i posłów. W każdym przedziale dopuściłem 25% nieobecności.

Początek kadencji: lewica stoi tam, gdzie stoi PiS. Przynajmniej, jeśli idzie o PC1:

Katastrofą smoleńska: lewica przeniosła się na środek osi koalicja-PiS.

Po wyborze Komorowskiego na prezydenta widać nie tylko wstępny podział w PiS (którego rezultatem jest PJN), ale też podział w PO i między PO a PSL:

Trochę później: PJN w samym środeczku, oddzieliło się od PiS, ale jeszcze nie jest w PO.

Warto spojrzeć na trzecią komponentę powyższej ilustracji: PJN faktycznie tworzy wyrazisty „czwarty biegun”, głosując (w niektórych sprawach) inaczej niż wszystkie pozostałe partie.

Ostatnie 200 głosowań: lewica dystansuje się coraz bardziej od reszty.

Wszystko razem w animacji (próg nieobecności 33%, co pozostawia jakichś 400 posłów i posłanek; każdy kadr to dwieście głosowań):

Na koniec jeszcze jeden filmik i jeszcze jeden wniosek. W poniższym filmiku afiliacje posłów, reprezentujące ich kolory i symbole odpowiadają ich afiliacjom z czasu, którego dotyczy dany kadr. Widać na tym filmie bardzo wyraźnie jedną rzecz: dopiero w momencie, gdy jakaś grupa tworzy nowy klub, wyrywa się głosowaniami z poprzedniego klubu i zyskuje własną tożsamość. Tak jest w przypadku różnych formacji lewicy na początku filmu, tak jest z Polską Plus, i z PJN pod koniec.

Co to oznacza? Że płonne są nadzieje na to, że jakaś mniejszościowa frakcja w którymś z klubów jest w stanie myśleć i działać niezależnie od większości w tym klubie. Być może tak jest w konkretnych, kluczowych głosowaniach; być może przez pracę na posiedzeniach klubu; ale w szerszej perspektywie to klubowa większość narzuca głosowanie. Jeśli myślicie, że w obrębie PO dojdzie do głosu czy to centrolewica, czy to Gowin, to chyba się mylicie.

Pornografia.

Obiecałem pornografię. Jaki blog, taka pornografia. Proszę: oto kopulacja jaszczurek.

Trochę o metodach:

PCA, czyli principal component analysis, analiza komponentów głównych, to bardzo podstawowa metoda analiz wielowariancyjnych. Wyobraźcie sobie fajkę (taką do palenia tytoniu fajkowego). Jeśli zrobicie zdjęcie fajki od przodu, to widać tylko główkę, a nie widać cybucha i ustnika. Żeby zobaczyć i główkę, i cybuch, i ustnik, trzeba popatrzeć na fajkę z boku. PCA jest metodą, która właśnie to umożliwia: znalezienie takiego kąta, z którego patrzymy na jakiś zestaw danych, żeby zobaczyć możliwie wiele różnic. Umożliwia to redukcję wymiarów: fajka jest trójwymiarowa, jej zdjęcie — dwuwymiarowe. PCA znajduje nam taki kąt zrobienia zdjęcia, żeby to zdjęcie dostarczało nam jak najwięcej informacji o fajce. Tyle, że w wypadku głosowań nie mamy do czynienia z obiektem trójwymiarowym, a 8407-wymiarowym, bo było 8407 (czy jakoś podobnie) głosowań.

Brzmi skomplikowanie, ale matematycznie jest to dość proste (jak na statystykę) przekształcenie. Gdzie poprzednio były głosowania, teraz są „komponenty główne” (principal components, PC), posortowane od tej komponenty, która opisuje najwięcej zmienności między zestawami danych, do tej, która opisuje jej najmniej. W przykładzie z fajką, PC1 będzie odpowiadać linii od główki do cybucha, a PC2 — linię prostopadłą do PC1, a idącą wzdłuż cybucha. Razem wyznaczą płaszczyznę optymalnego „zdjęcia” fajki.

Klastrowanie.

Do analizy klastrów używam pakietu pvclust, który umożliwia bootstrapping danych, najlepszą moim zdaniem metodę sprawdzania jakości tworzonych klastrów. Bootstrapping to bardzo ogólna technika statystyczna. Nazwa wzięła się z angielskiego idiomu „pull oneself by the bootstraps”, czyli wyciągnąć się samemu (z błota np.) za szlufki od butów (albo jak Münchhausen za harcap). Chodzi o to, że istotność statystyczną pewnego zestawu danych badamy losując wiele razy pewne podzbiory tego zestawu i sprawdzając, jak interesująca nas wielkość (np. średnia albo podział na klastry) zmienia się przy każdym losowaniu. Powiedzmy, że zmierzyliśmy wzrost grupy stu osób i chcemy wiedzieć, jaki jest rozrzut (wariancja) średniego wzrostu w tej grupie. Można do tego podejść przy pomocy klasycznego estymatora rozkładu średniej, a można przy pomocy bootstrapów: brać losowe próbki z całego zestawu, liczyć średni wzrost w danej próbce, a potem sprawdzać, jaki jest rozrzut policzonych średnich. Ma to jedną olbrzymią zaletę: działa zawsze, niezależnie od rozkładu (w przypadku wzrostu mamy „dobrze zachowującą się” statystykę, normalną i wszystko; w przypadku podziału na klastry — cholera wie co) i wybranej statystyki.

EDIT: dane wykorzystane do analizy można ściągnąć tutaj.

A dzieci pani ma? Jak ma, to musimy je tak naenergetyzować, żeby zmienić im kod genetyczny. Tak, żeby nigdy nie dostały nowotworu

- To kod genetyczny można zmienić?

- Można, można. Jak jest się silnym bioenergoterapeutą, to wszystko można

Andżelika G. Urodziła się z niedorozwojem lewej ręki – ręka kończyła się w połowie przedramienia, dłoni nie było. Po zabiegach ręka zaczęła widocznie rosnąć, babcia dziewczynki wystraszyła się tego i przestała korzystać z zabiegów.

(…)

Sebastian z Kielc. Po ciężkim zatruciu płynem „Borygo” żyje i jest zdrowy.

BTW. Czy ktoś kiedykolwiek spotkał się z lekarzem, który dosłownie „nie dawał szans na przeżycie”?

WPISUJCIE MIASTA KTURE SOM ZA!!!one

Żeby przywrócić oznaki życia, studenci cztery razy musieli użyć defibrylatora. Wszystko działo się na oczach pasażerów tramwaju. Gdy przyjechała karetka, wysiadł z niej lekarz i… – Zaczął obrzucać tych młodych ludzi wyzwiskami, twierdził, że mogli tę kobietę zabić – relacjonował „Gazecie” oburzony zachowaniem lekarza świadek zdarzenia.

Szanse na przeżycie SCA są niewielkie, coś jak jeden do dwudziestu (Nichol et al. 1999). Jeśli jednak SCA wywołane zostało migotaniem komór (jak to jest w większości wypadków), można uratować życie natychmiastową defibrylacją. Natychmiastową, bo z każdą minutą szanse na przeżycie maleją wykładniczo: jeśli defibrylacja zostanie przeprowadzona natychmiast, szanse przeżycia wynoszą 50%; po dwudziestu minutach w praktyce maleją do zera (Holmberg et al. 1999). Po paru minutach (4-6) bez krążenia mózg zaczyna obumierać. Natychmiastowa reanimacja może mniej więcej dwukrotnie (z kilku na kilkanaście procent) zwiększyć szanse na przeżycie, ale użycie defibrylatora jest nieporównywanie bardziej skuteczne.

Szanse, że lekarz z defibrylatorem dotrą w ciągu pierwszych minut są jednak bardzo małe. Dlatego wymyślono automatyczne defibrylatory (AED), które podobnie jak apteczki czy gaśnice powinny być łatwo dostępne i proste w obsłudze — także dla osób, które nie są lekarzami.

Taki w pełni automatyczny AED wygląda tak:

…i może go obsługiwać w zasadzie każdy.

Automatyczny defibrylator zazwyczaj wszystko robi sam. Po pierwsze, mówi co ma robić — zupełnie dosłownie wydaje głosowe instrukcje („teraz przyklej elektrody…”). Po drugie, wykonuje EKG i na jego podstawie podejmuje decyzję, czy pacjent ma prawidłowe tętno, a jeśli nie, to czy chodzi o taki rodzaj zaburzenia (jak np. VF), na które może poradzić defibrylacja. Defibrylacja jest przeprowadzana tylko jeśli jest konieczna — nie ma obawy, że porazi się prądem kogoś, kto po prostu zemdlał i ma słaby puls. W zasadzie obsługujący urządzenie nie ma nic do roboty poza przyklejeniem elektrod i wciśnięciem guzika (albo nawet i to nie). Po udanej defibrylacji, aparat dalej kieruje akcją reanimacyjną („naciskaj, naciskaj, naciskaj”).

Ale problemem z AED jest nie tylko ich dostępność — ale także samo to, żeby znalazła się osoba gotowa takiego defibrylatora użyć. Pamiętacie przypadek Marty? Nawet sztucznego oddychania nie miał kto zrobić. Możecie więc teraz w pełni docenić bucerkę lekarza, który nakrzyczał na studentów.

Lepiej zapamiętać: AED może użyć każdy. Przy pomocy AED nie zrobi się nikomu krzywdy, ale można uratować komuś życie.

Literatura

Nichol G, Stiell IG, Laupacis A, Pham B, De Maio VJ, & Wells GA (1999). A cumulative meta-analysis of the effectiveness of defibrillator-capable emergency medical services for victims of out-of-hospital cardiac arrest. Annals of emergency medicine, 34 (4 Pt 1), 517-25 PMID: 10499952

Holmberg M, Holmberg S, & Herlitz J (1999). The problem of out-of-hospital cardiac-arrest prevalence of sudden death in Europe today. The American journal of cardiology, 83 (5B) PMID: 10089847

Priori SG, Bossaert LL, Chamberlain DA, Napolitano C, Arntz HR, Koster RW, Monsieurs KG, Capucci A, & Wellens HH (2004). Policy statement: ESC-ERC recommendations for the use of automated external defibrillators (AEDs) in Europe. Resuscitation, 60 (3), 245-52 PMID: 15050755

Gorgels AP, Gijsbers C, de Vreede-Swagemakers J, Lousberg A, & Wellens HJ (2003). Out-of-hospital cardiac arrest–the relevance of heart failure. The Maastricht Circulatory Arrest Registry. European heart journal, 24 (13), 1204-9 PMID: 12831814

Capucci A, Aschieri D, Piepoli MF, Bardy GH, Iconomu E, & Arvedi M (2002). Tripling survival from sudden cardiac arrest via early defibrillation without traditional education in cardiopulmonary resuscitation. Circulation, 106 (9), 1065-70 PMID: 12196330

Najlepszym dowodem na to, że naukowcy nie są przeciętnie mądrzejsi od nie-naukowców jest to, że spam skierowany do naukowców potrafi być równie głupi, co każdy inny.

Najczęstszym przykładem takiego spamu jest spam konferencyjny — zaproszenia na niewiele znaczące konferencje w różnych ładnych miejscach. Regularnie chcą mnie powitać w Dubaju (rejestracja tylko 1500$, no ale mnie to wali, bo nie ja płacę, tylko moja uczelnia, prawda?).

Raz nawet dostałem zaproszenie do rejestracji anala. E-mail o tytule „Register Now for Anal & Bioanal 2010″ zawierał reklamę konferencji o nazwie „International Conference and Exhibition on Analytical and Bioanalytical Techniques: Pharmaceutical R & D Summit”, w skrócie „Anal & Bioanal 2010″. Z tym, że to akurat jest chyba prawdziwa konferencja (chyba).

Dziś zaś dostałem rozbrajającego mejla o tytule „Dear Professor [LastName], About your invite paper”. Nie jestem profesorem Lastnejmem, ale w środku też był ładny kawałek:

University of Cambridge is the most important university and we are proud that the major WSEAS Conferences are now under the umbrella of Cambridge. These medical conferences were very successful last year attracting much interest from our medical community.

Konferencje WSEAS reklamują się głównie ładnymi zdjęciami z miejsc, w których się odbywają (Singapur, Grecja, Floryda, Cambridge w którym jest Najważniejszy Uniwersytet etc). Nie udało mi się nigdy wyguglać niczego znaczącego o naukowcach, którzy podobno biorą w nich udział. O konferencjach WSEAS można sobie przeczytać tu:

On Tuesday, January 15, Nikos Mastorakis, executive director of WSEAS, called Lance very angry about the November posts and comments. Mastorakis wanted us to remove the offending statements about WSEAS. (…) Mastorakis called Lance back the next day, still very angry and unhappy with our decision and threatened to complain to the „president of the United States”. At which point Lance hung up on him.

Tego typu konferencje nazywane są „spamferences”. Ktoś, kto naiwnie wziął w niej udział, lepiej niech się do tego nie przyznaje i w liście publikacji materiałów z WSEAS (albo, co gorsza, WMSCI, znanej z tego, że przyjęła abstrakt wygenerowany przez automat), bo to obciach. Prawdopodobnie taka publikacja w CV zmniejsza szanse na dostanie nowej pracy. Ach, chyba, że ma się stałą posadę na jakiejś uczelni, wtedy to nie ma znaczenia. Zwłaszcza, na przykład, posadę rektora, profesora czy docenta (tu: zabawa dla czytelników).

Albo jest się psem (not really).
]]> http://biokompost.wordpress.com/2010/12/03/register-now-for-anal/feed/ 7 ztrewq spamReg http://biokompost.wordpress.com/2010/11/30/cytat-na-dzis-karmiac-dzieci-prezerwatywami/ http://biokompost.wordpress.com/2010/11/30/cytat-na-dzis-karmiac-dzieci-prezerwatywami/#comments Tue, 30 Nov 2010 11:49:15 +0000 January http://biokompost.wordpress.com/?p=2842 ]]> Nie da się karmić dzieci prezerwatywami. Czy widział pan jakieś dziecko, które wyleczyło się po połknięciu prezerwatywy. Albo najadło się gumą?

Mogłaby z tego być copypasta: „Czy widział pan jakieś dziecko, które wyleczyło się po połknięciu podręcznika?” itp.

EDIT: szerzej jeszcze napisał Eli Wurman.

Rumianek

Nie samochody, tylko rowery…

W 2001 pierwszym wprowadzono dyrektywę 2001/83/EG, która dotyczyła ogólnoeuropejskich zasad dopuszczania do sprzedaży leków. Obejmowała również leki ziołowe (nie ziółka w potocznym rozumieniu, ale preparaty lecznicze), ale państwa członkowskie wprowadziły najróżniejsze „ulgi” dla lokalnych tradycyjnych preparatów.

W 2004 to zmieniono — chodzi o dyrektywę 2004/24/EC, która właśnie dopiero w przyszłym roku ma wejść w życie. Ma ona ujednolicić przepisy (tak, żeby umożliwić wolny obrót tymi preparatami wewnątrz Unii), a ponadto uprościć dopuszczanie do obrotu tradycyjnych preparatów.

Czyli: lecznicze preparaty z roślin mają być traktowane jak wszystkie inne leki (dyrektywa z 2001). Mają być bezpieczne, mają mieć kontrolowaną jakość i skład, mają mieć ulotkę. I takie tam.

Ach. Prawda. Leki muszą się wykazać udokumentowanym działaniem.

OMG! Skandal!!!oneoneone CHCĄ NAM ODEBRAĆ RUMIANEK!…

…not. Nawet, jeśli preparat ziołowy (preparat, przypominam, nie herbatka ziołowa albo kupowana na targu szałwia) nie może się pochwalić udokumentowanym działaniem (a wiele przecież może!), o ile tylko był przynajmniej od trzydziestu lat (w tym piętnastu na terenie EU) sprzedawany i używany, to dopuszczenie do obrotu następuje w wyniku specjalnego, przyspieszonego i uproszczonego postępowania.

Nawet jak nie działa. (i to jest właśnie clou nowego przepisu z 2004, który teraz wchodzi w życie^[1]).

Innymi słowy — herbatki ziołowe, rumianki itp. w ogóle nie mają problemu, bo to po pierwsze nie są preparaty lecznicze. A po drugie, to nawet jeśli są — nie muszą przechodzić procesu dopuszczania do obiegu, który musi przejść byle aspiryna, że o testach klinicznych nie wspomnę. Ba! Unia sama zebrała monografie na temat całego mnóstwa ziół (wszelkie dziurawce, anyżki, szałwie, rumianki itp), tak żeby producenci naprawdę tradycyjnych, „zwykłych” preparatów ziołowych w ogóle nie musieli się namęczyć (Silano et al. 2004).

Ale widać, kogo i gdzie boli, nespa? No bo, jeśli z następującego tekstu:

W przypadku gdy wnioskodawca może wykazać, na podstawie szczegółowo przedstawionych odniesień do opublikowanych pozycji literatury naukowej, że składnik lub składniki produktu leczniczego ma lub mają określone zastosowanie lecznicze i uznaną skuteczność oraz możliwy do zaakceptowanie poziom bezpieczeństwa w rozumieniu dyrektywy 2001/83/WE, nie podlega on wymogowi przedstawienia wyników badań przedklinicznych lub wyników badań klinicznych. [2004/24/WE]

…ma wynikać, że zakażą jakichś „produktów leczniczych”, to protestujący producent „produktów leczniczych” najwyraźniej nie potrafi udowodnić, że te produkty lecznicze (a) leczą oraz (b) są bezpieczne. A nawet, że są (c) tradycyjne. I pies go trącał.

Czy może coś źle to rozumiem?

^[1] Ściślej mówiąc — dyrektywa już weszła w życie, a do 31.kwietnia 2011 firmy miały czas, żeby rejestrować swoje leki jako „tradycyjne”.

Literatura

• Silano, M. (2004). The new European legislation on traditional herbal medicines: main features and perspectives Fitoterapia, 75 (2), 107-116 DOI: 10.1016/j.fitote.2004.01.001

Pochwalę się: wykładam w budynku, w którym mieszka ptak z tego zdjęcia.

Nemo miał kiluset braci i sióstr. Albo więcej. Całe rodzeństwo plus mamusię zjadła barakuda.

Skądinąd barakuda nie jest tak straszna, jak beznose, Voldemortowate twarze Nemo i Marlina.

Penis gupika

Niestety, trzymanie jajeczek w buzi nie tylko budzi u niektórych gołoskórych małp nieadekwatne skojarzenia, ale na dodatek nie jest ochroną doskonałą. Takie na przykład gupiki opanowały sztukę zapłodnienia wewnętrznego, dzięki któremu potomstwo jest od razu bezpieczne, bo w ogóle nie opuszcza ciała matki aż do momentu wyklucia się z jajeczek — gupiki są jajożyworodne. Ale żeby mieć zapłodnienie wewnętrzne, to trzeba też mieć penisa; niestety, pielęgnice penisów nie miewają. U pielęgnic samica musi więc wpierw złożyć jajeczka, a te z kolei zostają zapłodnione przez samca tak, jak u większości innych ryb: samiec spryskuje jaja swoją spermą. Po opuszczeniu ciała matki jajeczka są jednak bezbronne i wydane na łaskę drapieżników, tak że im szybciej znajdą się w pyszczku własnej mamy, tym lepiej. No ale trzeba je jeszcze zapłodnić, nespa.

Wyraźnie widać trzy jajokształtne plamki na płetwie odbytowej -- "egg-dummies"

Jeżeli rozwiązanie tego problemu u Haplochromini to wynik inteligentnego projektu, no to kochani — niezła jazda. Jak bowiem wygląda to rozwiązanie? Czy może pojawiło się zapłodnienie wewnętrzne, jak u gupików? Nope. Samice po złożeniu jajek natychmiast starają się je zebrać do pyszczka, jeszcze zanim jajeczka zostaną zapłodnione. Samce mają tymczasem na jednej ze swojej płetw — najczęściej odbytowej — wyraźne, dość skomplikowane plamki wyglądem przypominające jajeczka. Samica się nimi interesuje, zbliża się do nich i próbuje je złapać — a wówczas samczyk tryska jej spermą z sąsiadującego z płetwą otworu genitalnego wprost do pyszczka, zapładniając znajdujące się w nim jajeczka.

Dokładnie jak to działa w tym konkretnym wypadku, nie wiadomo, ale znanych jest dosyć podobnych systemów, żeby można było się domyślić. Ta część białka, która odpowiada za wyłapywanie sygnałów, zawiera tzw. domeny przypominające immunoglobuliny (ig-like domain), a przykładów takich sygnalizacyjnych białek znamy sporo (Barclay 2003).

Pomysł, że csfr1a może odgrywać jakąś rolę w tworzeniu tych jajokształtnych plamek wziął się stąd, że u danio (rybki popularnej tak wśród biologów, jak i wśród akwarystów) uszkodzenie tego genu zaburza rozwój charakterystycznych dla danio pasków i brakuje im ksantoforów, czyli komórek z żółtym barwnikiem (Parichy et al. 2000). Gen csfr1a, zwany u danio fms, jest zresztą szeroko rozpowszechniony u kręgowców, i to w wielu kopiach. Jednym z jego wariantów jest gen kit, również odpowiedzialny za pigmentację. I wszystkie te geny można znaleźć u kręgowców — od ryb do ludzi. Z tym, że u ludzi na przykład gen ma nieco inną funkcję: jest owszem receptorem określonych sygnałów na powierzchni komórek, ale komórek układu odpornościowego — makrofagów. Mechanizm działania jest podobny (czujnik na powierzchni komórki), ale efekt tego działania zgoła różny.

Po lewej: zwykły danio. Po prawej: danio-mutant bez pasków z uszkodzonym genem fms, czyli inaczej csf1r

Salzburger i kol. przede zaczęli od pokazania, że ekspresja genu (tzn. wytwarzanie mRNA) następuje dokładnie w tych obszarach płetw, w których później pojawiają się plamy. To się nazywa hybrydyzacja in situ i wygląda tak, że używa się specjalnej sondy — znakowanej cząstki RNA „pasującej” do poszukiwanego mRNA genu csf1ra, ale zmodyfikowanej tak, że można ją wykryć specjalnym barwnikiem. Bierze się następnie kawałek tkanki (np. płetwy), trochę się maltretuje (żeby RNA nie uległo degradacji, a jednocześnie było dostępne dla sondy), dodaje tego sondę, i po pewnym czasie tam, gdzie znajduje się mRNA genu csf1ra pojawiają się niebieskie plamy. Krótko mówiąc, tam, gdzie jakieś komórki produkują poszukiwany gen, tam robi się niebiesko.

Hybrydyzacja in situ. W drugiej kolumnie pokazane są prawdziwe niby-jaja. W trzeciej i czwartej widać, że na niebiesko barwią się te obszary, w których występują plamy u dorosłych osobników.

Inaczej rzecz się ma z mutacjami, które zmieniają sekwencję aminokwasów (mutacje zmiany sensu). Nie wszystkie takie mutacje muszą objawiać się w fenotypie; może być tak, że jeden aminokwas zostanie zastąpiony podobnym, albo że zmiana będzie dotyczyć mało ważnej części białka, jakiejś pętli, która nie ma znaczenia dla pozostałej struktury. Tak się jednak składa, że akurat mutacje w domenie ig-like (tej, która odpowiada za odbieranie sygnałów) zmieniają specyficzność interakcji tej domeny z innymi białkami. Innymi słowy, decydują o tym, w jaki sposób i na jakie sygnały receptor reaguje.

Kod genetyczny. Większość aminokwasów kodowana jest przez więcej niż jeden kodon, dlatego mutacje zamieniające jedną trójkę nukleotydów w inną, która koduje ten sam aminokwas, nie zmieniają sekwencji czy struktury białek.

No i tu dochodzimy do clou tej historii. Otóż pielęgnice, zwłaszcza z grupy Haplochromini uległy gwałtownej radiacji adaptatywnej — tzn. z jednej populacji założycielskiej (najprawdopodobniej) rozwinęło się całe multum gatunków zasiedlających nowo powstałe nisze w nowo powstałych jeziorach afrykańskich. Analizy morfologiczne wskazują na to, że ewolucja konkretnego sposobu rozrodu (z poligynią i opieką macierzyńską) wyewoluowały tylko raz. Pytania były dwa. Po pierwsze, jeśli istniejące gen csf1ra został zaadaptowany do nowej funkcji — plamek na płetwie odbytowej, których wcześnie nie było — to podlegał doborowi kierunkowemu (w przeciwieństwie do doboru oczyszczającego, który przeciwdziała zmianom). Czy da się to wykryć? Po drugie: czy plamki wyewoluowały raz, czy wiele razy?

Odpowiedzi na pierwsze pytanie dostarcza właśnie porównanie liczby mutacji synonimowych z mutacjami zmiany sensu. Jeżeli mutacje są kompletnie losowe, a ewolucja neutralna, to oczekujemy pewnej liczby mutacji synonimowych, i pewnej, nieco mniejszej liczby mutacji zmiany sensu (szczegóły zależą już od np. częstości występowania konkretnych kodonów). Jeśli mutacji zmiany sensu jest mniej niżbyśmy oczekiwali, to znaczy to, że dobór naturalny eliminuje wszelkie zmiany. Tak się nierzadko dzieje w przypadku najważniejszych dla funkcjonowania komórki białek — rybosomalnych, polimerazy DNA itp. To są bardzo stare, bardzo sprawnie działające białka — a wszelkie zmiany mogą tylko pogorszyć ich działanie.

Odwrotnie ma się rzecz z wieloma szybko ewoluującymi białkami, takimi jak antygeny odpowiedzialne za interakcję pasożyta lub patogenu z gospodarzem. Gospodarz albo populacja gospodarza szybko nabiera odporności, i patogeny ze zmienioną strukturą białkową na powierzchni swojej komórki łatwiej mogą się rozprzestrzeniać. A więc dobór naturalny promuje zmiany — mowa wtedy o doborze kierunkowym. A wówczas mutacje zmieniające sens mają większe szanse na utrzymanie się w populacji, i po jakimś czasie proporcjonalnie jest ich więcej, niż byśmy oczekiwali.

Struktura białkowego produktu genu csf1ra (poniżej) i wykres pokazujący stosunek liczby mutacji zmieniających sens do mutacji synonimowych.

I taki właśnie dobór kierunkowy, zgodnie z oczekiwaniami, zaobserwowali autorzy pracy u Haplochromini. Również zgodnie z oczekiwaniami, zmiany zaobserwowano właśnie w tym rejonie, który odpowiada na sygnały, czyli domenie ig-like. Oprócz tego analiza filogenetyczna pokazała, że adaptacja genu csf1ra do tworzenia charakterystycznych jajopodobnych plamek nastąpiła najprawdopodobniej raz w historii Haplochromini.

Konwergencja w ewolucji: u O. ventralis niby-jaja są na końcach płetw piersiowych. Ten sam gen, ale inaczej wyewoluował.

U samczyków z gatunku O. ventralis, pielęgnicy z grupy Ectodini, końcówki płetw piersiowych są zaokrąglone i zabarwione na żółto — w wyniku działania genu csf1ra. Terytorialne samce wabią samice; te składają jajeczka i zaraz biorą je do pyszczka, po czym łapią także końce płetw piersiowych samca. Samiec zaś tak kieruje płetwami piersiowymi, żeby nakierować pyszczek samicy w okolice swojego otworu płciowego.

Podsumowując — bardzo fajna praca, i jeszcze dość przystępnie napisana, polecam. Podejrzewam, że etykietka „haha seks oralny u ryb” może jej nawet bardziej zaszkodzić niż pomóc.

^[1] Wikipedia podaje, że Haplochromini to plemię, czyli wyżej niż rodzaj (genus), a niżej niż rodzina (familia). W tym wypadku rodziną są pielęgnicowate (Cichlidae), a grupa Haplochromini obejmuje kilka blisko ze sobą spokrewnionych rodzajów, m.in. rodzaj od którego pochodzi nazwa grupy, mianowicie Haplochromis. Ale ja tam w taksonomię nie wierzę, więc umówmy się, że chodzi po prostu o grupę blisko spokrewnionych ze sobą pielęgnic, bez wdawania się w niepotrzebne szczegóły.

Literatura:

• Salzburger, W., Braasch, I., & Meyer, A. (2007). Adaptive sequence evolution in a color gene involved in the formation of the characteristic egg-dummies of male haplochromine cichlid fishes BMC Biology, 5 (1) DOI: 10.1186/1741-7007-5-51
• Barclay, A. (2003). Membrane proteins with immunoglobulin-like domains—a master superfamily of interaction molecules Seminars in Immunology, 15 (4), 215-223 DOI: 10.1016/S1044-5323(03)00047-2
• Parichy DM, Ransom DG, Paw B, Zon LI, & Johnson SL (2000). An orthologue of the kit-related gene fms is required for development of neural crest-derived xanthophores and a subpopulation of adult melanocytes in the zebrafish, Danio rerio. Development (Cambridge, England), 127 (14), 3031-44 PMID: 10862741

P.S. Dziękuję serdecznie wszystkim, którzy dali mi się namówić i podpisali się pod obywatelskim projektem zmiany ustawy o parkach narodowych.