ત્રિ-પરિમાણીય સપાટી હોમોલોજી મોડેલના વિશ્લેષણ દ્વારા આધુનિક માનવ ખોપરીના આકારશાસ્ત્રનું વર્ણન કરતી વૈશ્વિક પેટર્ન.

Nature.com ની મુલાકાત લેવા બદલ આભાર. તમે જે બ્રાઉઝરનો ઉપયોગ કરી રહ્યા છો તેના વર્ઝનમાં મર્યાદિત CSS સપોર્ટ છે. શ્રેષ્ઠ પરિણામો માટે, અમે તમારા બ્રાઉઝરના નવા વર્ઝનનો ઉપયોગ કરવાની ભલામણ કરીએ છીએ (અથવા ઇન્ટરનેટ એક્સપ્લોરરમાં સુસંગતતા મોડ બંધ કરો). આ દરમિયાન, ચાલુ સપોર્ટ સુનિશ્ચિત કરવા માટે, અમે સ્ટાઇલિંગ અથવા JavaScript વિના સાઇટ બતાવી રહ્યા છીએ.
આ અભ્યાસમાં વિશ્વભરના 148 વંશીય જૂથોના સ્કેન ડેટાના આધારે ભૌમિતિક હોમોલોજી મોડેલનો ઉપયોગ કરીને માનવ ક્રેનિયલ મોર્ફોલોજીમાં પ્રાદેશિક વિવિધતાનું મૂલ્યાંકન કરવામાં આવ્યું હતું. આ પદ્ધતિ ટેમ્પલેટ ફિટિંગ ટેકનોલોજીનો ઉપયોગ કરીને પુનરાવર્તિત નજીકના બિંદુ અલ્ગોરિધમનો ઉપયોગ કરીને બિન-કઠોર પરિવર્તનો કરીને હોમોલોગસ મેશ ઉત્પન્ન કરે છે. 342 પસંદ કરેલા હોમોલોગસ મોડેલો પર મુખ્ય ઘટક વિશ્લેષણ લાગુ કરીને, દક્ષિણ એશિયાની નાની ખોપરી માટે એકંદર કદમાં સૌથી મોટો ફેરફાર જોવા મળ્યો અને સ્પષ્ટપણે પુષ્ટિ મળી. બીજો સૌથી મોટો તફાવત ન્યુરોક્રેનિયમનો લંબાઈથી પહોળાઈનો ગુણોત્તર છે, જે આફ્રિકનોની વિસ્તરેલ ખોપરી અને ઉત્તરપૂર્વ એશિયાઈઓની બહિર્મુખ ખોપરી વચ્ચેનો વિરોધાભાસ દર્શાવે છે. એ નોંધવું યોગ્ય છે કે આ ઘટકનો ચહેરાના કોન્ટૂરિંગ સાથે બહુ ઓછો સંબંધ છે. ઉત્તરપૂર્વ એશિયાઈઓમાં બહાર નીકળેલા ગાલ અને યુરોપિયનોમાં કોમ્પેક્ટ મેક્સિલરી હાડકાં જેવા જાણીતા ચહેરાના લક્ષણોને ફરીથી પુષ્ટિ આપવામાં આવી હતી. આ ચહેરાના ફેરફારો ખોપરીના કોન્ટૂર સાથે ગાઢ રીતે સંબંધિત છે, ખાસ કરીને આગળના અને ઓસિપિટલ હાડકાંના ઝોકની ડિગ્રી. ખોપરીના એકંદર કદની તુલનામાં ચહેરાના પ્રમાણમાં એલોમેટ્રિક પેટર્ન જોવા મળ્યા હતા; મોટી ખોપરીઓમાં ચહેરાના રૂપરેખા લાંબા અને સાંકડા હોય છે, જેમ કે ઘણા મૂળ અમેરિકનો અને ઉત્તરપૂર્વ એશિયાઈઓમાં દર્શાવવામાં આવ્યું છે. જોકે અમારા અભ્યાસમાં પર્યાવરણીય ચલો પરનો ડેટા શામેલ નથી જે ક્રેનિયલ મોર્ફોલોજીને પ્રભાવિત કરી શકે છે, જેમ કે આબોહવા અથવા આહારની પરિસ્થિતિઓ, હાડપિંજરના ફેનોટાઇપિક લાક્ષણિકતાઓ માટે વિવિધ સમજૂતીઓ શોધવામાં હોમોલોગસ ક્રેનિયલ પેટર્નનો મોટો ડેટા સેટ ઉપયોગી થશે.
માનવ ખોપરીના આકારમાં ભૌગોલિક તફાવતોનો લાંબા સમયથી અભ્યાસ કરવામાં આવ્યો છે. ઘણા સંશોધકોએ પર્યાવરણીય અનુકૂલન અને/અથવા કુદરતી પસંદગીની વિવિધતાનું મૂલ્યાંકન કર્યું છે, ખાસ કરીને આબોહવા પરિબળો1,2,3,4,5,6,7 અથવા પોષણની પરિસ્થિતિઓ5,8,9,10, 11,12 પર આધાર રાખીને ચાવવાની કામગીરી. 13. વધુમાં, કેટલાક અભ્યાસોએ તટસ્થ જનીન પરિવર્તન14,15,16,17,18,19,20,21,22,23 દ્વારા થતી અવરોધ અસરો, આનુવંશિક પ્રવાહ, જનીન પ્રવાહ અથવા સ્ટોકેસ્ટિક ઉત્ક્રાંતિ પ્રક્રિયાઓ પર ધ્યાન કેન્દ્રિત કર્યું છે. ઉદાહરણ તરીકે, વિશાળ અને ટૂંકા ક્રેનિયલ વોલ્ટના ગોળાકાર આકારને એલનના નિયમ24 અનુસાર પસંદગીયુક્ત દબાણના અનુકૂલન તરીકે સમજાવવામાં આવ્યો છે, જે ધારે છે કે સસ્તન પ્રાણીઓ શરીરના સપાટીના ક્ષેત્રફળને વોલ્યુમ2,4,16,17,25 ની તુલનામાં ઘટાડીને ગરમીનું નુકસાન ઘટાડે છે. વધુમાં, બર્ગમેનના નિયમ26 નો ઉપયોગ કરીને કેટલાક અભ્યાસોએ ખોપરીના કદ અને તાપમાન3,5,16,25,27 વચ્ચેના સંબંધને સમજાવ્યો છે, જે સૂચવે છે કે ગરમીના નુકશાનને રોકવા માટે ઠંડા પ્રદેશોમાં એકંદર કદ મોટું હોય છે. ખેડૂતો અને શિકારી-સંગ્રહકર્તાઓ વચ્ચે રાંધણ સંસ્કૃતિ અથવા નિર્વાહ તફાવતોના પરિણામે આહાર પરિસ્થિતિઓના સંબંધમાં ક્રેનિયલ વોલ્ટ અને ચહેરાના હાડકાંના વિકાસ પેટર્ન પર ચાવવાના તણાવના યાંત્રિક પ્રભાવ પર ચર્ચા કરવામાં આવી છે8,9,11,12,28. સામાન્ય સમજૂતી એ છે કે ચાવવાના દબાણમાં ઘટાડો ચહેરાના હાડકાં અને સ્નાયુઓની કઠિનતા ઘટાડે છે. ઘણા વૈશ્વિક અભ્યાસોએ ખોપરીના આકારની વિવિધતાને મુખ્યત્વે પર્યાવરણીય અનુકૂલનને બદલે તટસ્થ આનુવંશિક અંતરના ફેનોટાઇપિક પરિણામો સાથે જોડી છે21,29,30,31,32. ખોપરીના આકારમાં ફેરફારો માટેનો બીજો ખુલાસો આઇસોમેટ્રિક અથવા એલોમેટ્રિક વૃદ્ધિ6,33,34,35 ની વિભાવના પર આધારિત છે. ઉદાહરણ તરીકે, મોટા મગજમાં "બ્રોકાના કેપ" ક્ષેત્રમાં પ્રમાણમાં પહોળા આગળના લોબ્સ હોય છે, અને આગળના લોબ્સની પહોળાઈ વધે છે, જે એક ઉત્ક્રાંતિ પ્રક્રિયા છે જેને એલોમેટ્રિક વૃદ્ધિના આધારે ગણવામાં આવે છે. વધુમાં, ખોપરીના આકારમાં લાંબા ગાળાના ફેરફારોની તપાસ કરતા એક અભ્યાસમાં ઊંચાઈમાં વધારો સાથે બ્રેકીસેફાલી (ખોપરીનું વધુ ગોળાકાર બનવાનું વલણ) તરફ એલોમેટ્રિક વલણ જોવા મળ્યું છે.
ક્રેનિયલ મોર્ફોલોજીના સંશોધનના લાંબા ઇતિહાસમાં ક્રેનિયલ આકારોની વિવિધતાના વિવિધ પાસાઓ માટે જવાબદાર અંતર્ગત પરિબળોને ઓળખવાના પ્રયાસોનો સમાવેશ થાય છે. ઘણા પ્રારંભિક અભ્યાસોમાં ઉપયોગમાં લેવાતી પરંપરાગત પદ્ધતિઓ બાયવેરિયેટ રેખીય માપન ડેટા પર આધારિત હતી, ઘણીવાર માર્ટિન અથવા હોવેલ વ્યાખ્યાઓનો ઉપયોગ કરતી હતી36,37. તે જ સમયે, ઉપરોક્ત ઘણા અભ્યાસોમાં અવકાશી 3D ભૌમિતિક મોર્ફોમેટ્રી (GM) ટેકનોલોજી5,7,10,11,12,13,17,20,27,34,35,38 પર આધારિત વધુ અદ્યતન પદ્ધતિઓનો ઉપયોગ કરવામાં આવ્યો હતો. 39. ઉદાહરણ તરીકે, બેન્ડિંગ એનર્જી મિનિમાઇઝેશન પર આધારિત સ્લાઇડિંગ સેમીલેન્ડમાર્ક પદ્ધતિ, ટ્રાન્સજેનિક બાયોલોજીમાં સૌથી વધુ ઉપયોગમાં લેવાતી પદ્ધતિ રહી છે. તે વળાંક અથવા સપાટી38,40,41,42,43,44,45,46 સાથે સ્લાઇડ કરીને દરેક નમૂના પર નમૂનાના અર્ધ-સીમાચિહ્નો પ્રોજેક્ટ કરે છે. આવી સુપરપોઝિશન પદ્ધતિઓ સહિત, મોટાભાગના 3D GM અભ્યાસો આકારોની સીધી સરખામણી અને ફેરફારોને કેપ્ચર કરવાની મંજૂરી આપવા માટે સામાન્યકૃત પ્રોક્રસ્ટેસ વિશ્લેષણ, પુનરાવર્તિત નજીકના બિંદુ (ICP) અલ્ગોરિધમ 47 નો ઉપયોગ કરે છે. વૈકલ્પિક રીતે, પાતળા પ્લેટ સ્પ્લિન (TPS)48,49 પદ્ધતિનો ઉપયોગ મેશ-આધારિત આકારોમાં સેમીલેન્ડમાર્ક ગોઠવણીને મેપ કરવા માટે બિન-કઠોર પરિવર્તન પદ્ધતિ તરીકે પણ વ્યાપકપણે થાય છે.
20મી સદીના અંતથી વ્યવહારુ 3D આખા શરીરવાળા સ્કેનર્સનો વિકાસ થતાં, ઘણા અભ્યાસોએ કદ માપન માટે 3D આખા શરીરવાળા સ્કેનર્સનો ઉપયોગ કર્યો છે50,51. સ્કેન ડેટાનો ઉપયોગ શરીરના પરિમાણો કાઢવા માટે થતો હતો, જેમાં સપાટીના આકારોને બિંદુ વાદળોને બદલે સપાટી તરીકે વર્ણવવાની જરૂર પડે છે. પેટર્ન ફિટિંગ એ કમ્પ્યુટર ગ્રાફિક્સના ક્ષેત્રમાં આ હેતુ માટે વિકસાવવામાં આવેલી એક તકનીક છે, જ્યાં સપાટીના આકારનું વર્ણન બહુકોણીય જાળીદાર મોડેલ દ્વારા કરવામાં આવે છે. પેટર્ન ફિટિંગમાં પ્રથમ પગલું ટેમ્પલેટ તરીકે ઉપયોગ કરવા માટે મેશ મોડેલ તૈયાર કરવાનું છે. પેટર્ન બનાવે છે તે કેટલાક શિરોબિંદુઓ સીમાચિહ્નો છે. ત્યારબાદ ટેમ્પલેટને વિકૃત કરવામાં આવે છે અને સપાટીને અનુરૂપ બનાવવામાં આવે છે જેથી ટેમ્પલેટની સ્થાનિક આકાર સુવિધાઓને સાચવીને ટેમ્પલેટ અને બિંદુ વાદળ વચ્ચેનું અંતર ઓછું થાય. ટેમ્પલેટમાં લેન્ડમાર્ક્સ બિંદુ વાદળમાં સીમાચિહ્નોને અનુરૂપ છે. ટેમ્પલેટ ફિટિંગનો ઉપયોગ કરીને, બધા સ્કેન ડેટાને સમાન સંખ્યામાં ડેટા પોઇન્ટ અને સમાન ટોપોલોજી સાથે મેશ મોડેલ તરીકે વર્ણવી શકાય છે. જોકે ચોક્કસ હોમોલોજી ફક્ત લેન્ડમાર્ક સ્થિતિઓમાં જ અસ્તિત્વમાં છે, એવું માની શકાય છે કે જનરેટ થયેલા મોડેલો વચ્ચે સામાન્ય હોમોલોજી છે કારણ કે ટેમ્પલેટ્સની ભૂમિતિમાં ફેરફારો નાના છે. તેથી, ટેમ્પ્લેટ ફિટિંગ દ્વારા બનાવેલા ગ્રીડ મોડેલોને ક્યારેક હોમોલોજી મોડેલ્સ કહેવામાં આવે છે52. ટેમ્પ્લેટ ફિટિંગનો ફાયદો એ છે કે ટેમ્પ્લેટને લક્ષ્ય ઑબ્જેક્ટના વિવિધ ભાગોમાં વિકૃત અને ગોઠવી શકાય છે જે અવકાશી રીતે સપાટીની નજીક હોય છે પરંતુ તેનાથી દૂર હોય છે (ઉદાહરણ તરીકે, ઝાયગોમેટિક કમાન અને ખોપરીના ટેમ્પોરલ પ્રદેશ) એકબીજાને અસર કર્યા વિના. વિકૃતિ. આ રીતે, ટેમ્પ્લેટને ધડ અથવા હાથ જેવા શાખાવાળા પદાર્થોમાં સુરક્ષિત કરી શકાય છે, ખભાને સ્થાયી સ્થિતિમાં રાખીને. ટેમ્પ્લેટ ફિટિંગનો ગેરલાભ એ પુનરાવર્તિત પુનરાવર્તનોનો ઉચ્ચ ગણતરી ખર્ચ છે, જો કે, કમ્પ્યુટર પ્રદર્શનમાં નોંધપાત્ર સુધારાને કારણે, આ હવે કોઈ સમસ્યા નથી. મુખ્ય ઘટક વિશ્લેષણ (PCA) જેવી મલ્ટિવેરિયેટ વિશ્લેષણ તકનીકોનો ઉપયોગ કરીને મેશ મોડેલ બનાવતા શિરોબિંદુઓના સંકલન મૂલ્યોનું વિશ્લેષણ કરીને, વિતરણમાં કોઈપણ સ્થાને સમગ્ર સપાટીના આકાર અને વર્ચ્યુઅલ આકારમાં ફેરફારોનું વિશ્લેષણ કરવું શક્ય છે. પ્રાપ્ત કરી શકાય છે. ગણતરી કરો અને વિઝ્યુઅલાઈઝ કરો53. આજકાલ, ટેમ્પ્લેટ ફિટિંગ દ્વારા જનરેટ થયેલા મેશ મોડેલ્સનો ઉપયોગ વિવિધ ક્ષેત્રોમાં આકાર વિશ્લેષણમાં વ્યાપકપણે થાય છે52,54,55,56,57,58,59,60.
ફ્લેક્સિબલ મેશ રેકોર્ડિંગ ટેકનોલોજીમાં પ્રગતિ, CT કરતા વધુ રીઝોલ્યુશન, ગતિ અને ગતિશીલતા પર સ્કેન કરવા સક્ષમ પોર્ટેબલ 3D સ્કેનીંગ ઉપકરણોના ઝડપી વિકાસ સાથે, સ્થાનને ધ્યાનમાં લીધા વિના 3D સપાટી ડેટા રેકોર્ડ કરવાનું સરળ બનાવી રહી છે. આમ, જૈવિક માનવશાસ્ત્રના ક્ષેત્રમાં, આવી નવી તકનીકો ખોપરીના નમૂનાઓ સહિત માનવ નમૂનાઓનું પ્રમાણ અને આંકડાકીય વિશ્લેષણ કરવાની ક્ષમતામાં વધારો કરે છે, જે આ અભ્યાસનો હેતુ છે.
સારાંશમાં, આ અભ્યાસ ટેમ્પ્લેટ મેચિંગ (આકૃતિ 1) પર આધારિત અદ્યતન 3D હોમોલોજી મોડેલિંગ ટેકનોલોજીનો ઉપયોગ કરે છે જેથી વિશ્વભરની 148 વસ્તીમાંથી પસંદ કરાયેલા 342 ખોપરીના નમૂનાઓનું મૂલ્યાંકન કરી શકાય. ક્રેનિયલ મોર્ફોલોજીની વિવિધતા (કોષ્ટક 1). ખોપરીના મોર્ફોલોજીમાં ફેરફારોને ધ્યાનમાં લેવા માટે, અમે જનરેટ કરેલા હોમોલોજી મોડેલના ડેટા સેટમાં PCA અને રીસીવર ઓપરેટિંગ લાક્ષણિકતા (ROC) વિશ્લેષણ લાગુ કર્યું. આ તારણો ક્રેનિયલ મોર્ફોલોજીમાં વૈશ્વિક ફેરફારોની વધુ સારી સમજણમાં ફાળો આપશે, જેમાં પ્રાદેશિક પેટર્ન અને પરિવર્તનનો ઘટતો ક્રમ, ક્રેનિયલ સેગમેન્ટ્સ વચ્ચે સહસંબંધિત ફેરફારો અને એલોમેટ્રિક વલણોની હાજરીનો સમાવેશ થાય છે. જોકે આ અભ્યાસ આબોહવા અથવા આહાર પરિસ્થિતિઓ દ્વારા રજૂ કરાયેલ બાહ્ય ચલોના ડેટાને સંબોધિત કરતું નથી જે ક્રેનિયલ મોર્ફોલોજીને પ્રભાવિત કરી શકે છે, અમારા અભ્યાસમાં દસ્તાવેજીકૃત ક્રેનિયલ મોર્ફોલોજીના ભૌગોલિક પેટર્ન ક્રેનિયલ વિવિધતાના પર્યાવરણીય, બાયોમિકેનિકલ અને આનુવંશિક પરિબળોનું અન્વેષણ કરવામાં મદદ કરશે.
કોષ્ટક 2 342 હોમોલોગસ ખોપરીના મોડેલોના 17,709 શિરોબિંદુઓ (53,127 XYZ કોઓર્ડિનેટ્સ) ના અમાન્ય ડેટાસેટ પર લાગુ કરાયેલા ઇજેનવેલ્યુ અને PCA યોગદાન ગુણાંક દર્શાવે છે. પરિણામે, 14 મુખ્ય ઘટકો ઓળખવામાં આવ્યા હતા, જેનું કુલ ભિન્નતામાં યોગદાન 1% કરતા વધુ હતું, અને ભિન્નતાનો કુલ હિસ્સો 83.68% હતો. 14 મુખ્ય ઘટકોના લોડિંગ વેક્ટર પૂરક કોષ્ટક S1 માં નોંધાયેલા છે, અને 342 ખોપરીના નમૂનાઓ માટે ગણતરી કરાયેલ ઘટક સ્કોર પૂરક કોષ્ટક S2 માં રજૂ કરવામાં આવ્યા છે.
આ અભ્યાસમાં 2% થી વધુ યોગદાન ધરાવતા નવ મુખ્ય ઘટકોનું મૂલ્યાંકન કરવામાં આવ્યું છે, જેમાંથી કેટલાક ક્રેનિયલ મોર્ફોલોજીમાં નોંધપાત્ર અને નોંધપાત્ર ભૌગોલિક ભિન્નતા દર્શાવે છે. આકૃતિ 2 મુખ્ય ભૌગોલિક એકમો (દા.ત., આફ્રિકન અને બિન-આફ્રિકન દેશો વચ્ચે) માં નમૂનાઓના દરેક સંયોજનને લાક્ષણિકતા આપવા અથવા અલગ કરવા માટે સૌથી અસરકારક PCA ઘટકો દર્શાવવા માટે ROC વિશ્લેષણમાંથી ઉત્પન્ન થયેલા વળાંકોને પ્લોટ કરે છે. આ પરીક્ષણમાં ઉપયોગમાં લેવાતા નાના નમૂના કદને કારણે પોલિનેશિયન સંયોજનનું પરીક્ષણ કરવામાં આવ્યું ન હતું. ROC વિશ્લેષણનો ઉપયોગ કરીને ગણતરી કરાયેલ AUC અને અન્ય મૂળભૂત આંકડાઓમાં તફાવતોના મહત્વ અંગેનો ડેટા પૂરક કોષ્ટક S3 માં દર્શાવવામાં આવ્યો છે.
342 પુરુષ હોમોલોગસ ખોપરીના મોડેલો ધરાવતા શિરોબિંદુ ડેટાસેટના આધારે નવ મુખ્ય ઘટક અંદાજો પર ROC વણાંકો લાગુ કરવામાં આવ્યા હતા. AUC: 0.01% મહત્વ પર વળાંક હેઠળનો વિસ્તાર દરેક ભૌગોલિક સંયોજનને અન્ય કુલ સંયોજનોથી અલગ પાડવા માટે વપરાય છે. TPF સાચું ધન (અસરકારક ભેદભાવ) છે, FPF ખોટું ધન (અમાન્ય ભેદભાવ) છે.
ROC વળાંકનું અર્થઘટન નીચે સારાંશ આપવામાં આવ્યું છે, જે ફક્ત એવા ઘટકો પર ધ્યાન કેન્દ્રિત કરે છે જે સરખામણી જૂથોને મોટા અથવા પ્રમાણમાં મોટા AUC અને 0.001 ની નીચે સંભાવના સાથે ઉચ્ચ સ્તરના મહત્વ દ્વારા અલગ કરી શકે છે. દક્ષિણ એશિયન સંકુલ (આકૃતિ 2a), જેમાં મુખ્યત્વે ભારતના નમૂનાઓનો સમાવેશ થાય છે, તે અન્ય ભૌગોલિક રીતે મિશ્ર નમૂનાઓથી નોંધપાત્ર રીતે અલગ છે કારણ કે પ્રથમ ઘટક (PC1) માં અન્ય ઘટકોની તુલનામાં નોંધપાત્ર રીતે મોટું AUC (0.856) છે. આફ્રિકન સંકુલ (આકૃતિ 2b) ની એક વિશેષતા PC2 (0.834) નું પ્રમાણમાં મોટું AUC છે. ઓસ્ટ્રો-મેલાનેશિયનો (આકૃતિ 2c) એ પ્રમાણમાં મોટા AUC (0.759) સાથે PC2 દ્વારા સબ-સહારન આફ્રિકનો માટે સમાન વલણ દર્શાવ્યું હતું. યુરોપિયનો (આકૃતિ 2d) PC2 (AUC = 0.801), PC4 (AUC = 0.719) અને PC6 (AUC = 0.671) ના સંયોજનમાં સ્પષ્ટપણે અલગ છે, ઉત્તરપૂર્વ એશિયાઈ નમૂના (આકૃતિ 2e) PC4 થી નોંધપાત્ર રીતે અલગ છે, પ્રમાણમાં વધારે 0.714 સાથે, અને PC3 થી તફાવત નબળો છે (AUC = 0.688). નીચેના જૂથોને નીચા AUC મૂલ્યો અને ઉચ્ચ મહત્વ સ્તરો સાથે પણ ઓળખવામાં આવ્યા હતા: PC7 (AUC = 0.679), PC4 (AUC = 0.654) અને PC1 (AUC = 0.649) ના પરિણામો દર્શાવે છે કે મૂળ અમેરિકનો (આકૃતિ 2f) આ ઘટકો સાથે સંકળાયેલ ચોક્કસ લાક્ષણિકતાઓ સાથે, દક્ષિણપૂર્વ એશિયનો (આકૃતિ 2g) PC3 (AUC = 0.660) અને PC9 (AUC = 0.663) માં ભિન્ન હતા, પરંતુ મધ્ય પૂર્વ (આકૃતિ 2h) (ઉત્તર આફ્રિકા સહિત) ના નમૂનાઓ માટે પેટર્ન અનુરૂપ હતું. અન્યની તુલનામાં બહુ તફાવત નથી.
આગળના પગલામાં, ખૂબ જ સહસંબંધિત શિરોબિંદુઓનું દૃષ્ટિની રીતે અર્થઘટન કરવા માટે, 0.45 કરતા વધારે ઊંચા લોડ મૂલ્યો ધરાવતા સપાટીના વિસ્તારોને આકૃતિ 3 માં બતાવ્યા પ્રમાણે, X, Y અને Z કોઓર્ડિનેટ માહિતી સાથે રંગીન કરવામાં આવે છે. લાલ વિસ્તાર X-અક્ષ કોઓર્ડિનેટ્સ સાથે ઉચ્ચ સહસંબંધ દર્શાવે છે, જે આડી ત્રાંસી દિશાને અનુરૂપ છે. લીલો પ્રદેશ Y અક્ષના વર્ટિકલ કોઓર્ડિનેટ્સ સાથે ખૂબ જ સહસંબંધિત છે, અને ઘેરો વાદળી પ્રદેશ Z અક્ષના સેગિટલ કોઓર્ડિનેટ્સ સાથે ખૂબ જ સહસંબંધિત છે. આછો વાદળી પ્રદેશ Y કોઓર્ડિનેટ્સ અક્ષો અને Z કોઓર્ડિનેટ્સ અક્ષો સાથે સંકળાયેલ છે; ગુલાબી - X અને Z કોઓર્ડિનેટ્સ અક્ષો સાથે સંકળાયેલ મિશ્ર વિસ્તાર; પીળો - X અને Y કોઓર્ડિનેટ્સ અક્ષો સાથે સંકળાયેલ વિસ્તાર; સફેદ વિસ્તારમાં પ્રતિબિંબિત X, Y અને Z કોઓર્ડિનેટ્સ અક્ષનો સમાવેશ થાય છે. તેથી, આ લોડ મૂલ્ય થ્રેશોલ્ડ પર, PC 1 મુખ્યત્વે ખોપરીની સમગ્ર સપાટી સાથે સંકળાયેલ છે. આ ઘટક અક્ષની વિરુદ્ધ બાજુ પર 3 SD વર્ચ્યુઅલ ખોપરીના આકારને પણ આ આકૃતિમાં દર્શાવવામાં આવ્યો છે, અને PC1 માં એકંદર ખોપરીના કદના પરિબળો છે તેની દૃષ્ટિની પુષ્ટિ કરવા માટે પૂરક વિડિઓ S1 માં વિકૃત છબીઓ રજૂ કરવામાં આવી છે.
PC1 સ્કોર્સનું આવર્તન વિતરણ (સામાન્ય ફિટ વળાંક), ખોપરીની સપાટીનો રંગ નકશો PC1 શિરોબિંદુઓ સાથે ખૂબ જ સંબંધિત છે (આ અક્ષની વિરુદ્ધ બાજુઓની તીવ્રતા 3 SD ની સાપેક્ષ રંગોની સમજૂતી. સ્કેલ 50 મીમી વ્યાસ ધરાવતો લીલો ગોળો છે.
આકૃતિ 3 9 ભૌગોલિક એકમો માટે અલગથી ગણતરી કરાયેલ વ્યક્તિગત PC1 સ્કોર્સના ફ્રીક્વન્સી ડિસ્ટ્રિબ્યુશન પ્લોટ (સામાન્ય ફિટ કર્વ) દર્શાવે છે. ROC કર્વ અંદાજો (આકૃતિ 2) ઉપરાંત, દક્ષિણ એશિયાઈઓના અંદાજો અમુક અંશે ડાબી બાજુ નોંધપાત્ર રીતે વળેલા છે કારણ કે તેમની ખોપરી અન્ય પ્રાદેશિક જૂથો કરતા નાની છે. કોષ્ટક 1 માં દર્શાવ્યા મુજબ, આ દક્ષિણ એશિયાઈઓ ભારતમાં આંદામાન અને નિકોબાર ટાપુઓ, શ્રીલંકા અને બાંગ્લાદેશ સહિત વંશીય જૂથોનું પ્રતિનિધિત્વ કરે છે.
PC1 પર પરિમાણીય ગુણાંક જોવા મળ્યો. અત્યંત સહસંબંધિત પ્રદેશો અને વર્ચ્યુઅલ આકારોની શોધના પરિણામે PC1 સિવાયના ઘટકો માટે ફોર્મ પરિબળો સ્પષ્ટ થયા; જોકે, કદ પરિબળો હંમેશા સંપૂર્ણપણે દૂર થતા નથી. ROC વણાંકો (આકૃતિ 2) ની સરખામણી કરીને બતાવ્યા પ્રમાણે, PC2 અને PC4 સૌથી વધુ ભેદભાવપૂર્ણ હતા, ત્યારબાદ PC6 અને PC7 આવે છે. PC3 અને PC9 નમૂના વસ્તીને ભૌગોલિક એકમોમાં વિભાજીત કરવામાં ખૂબ અસરકારક છે. આમ, ઘટક અક્ષોની આ જોડી યોજનાકીય રીતે PC સ્કોર્સના સ્કેટરપ્લોટ્સ અને રંગ સપાટીઓ દરેક ઘટક સાથે ખૂબ જ સહસંબંધિત દર્શાવે છે, તેમજ 3 SD ની વિરુદ્ધ બાજુઓના પરિમાણો સાથે વર્ચ્યુઅલ આકાર વિકૃતિઓ દર્શાવે છે (આકૃતિઓ 4, 5, 6). આ પ્લોટમાં રજૂ કરાયેલા દરેક ભૌગોલિક એકમમાંથી નમૂનાઓનું બહિર્મુખ હલ કવરેજ લગભગ 90% છે, જોકે ક્લસ્ટરોમાં અમુક અંશે ઓવરલેપ છે. કોષ્ટક 3 દરેક PCA ઘટકની સમજૂતી પૂરી પાડે છે.
નવ ભૌગોલિક એકમો (ટોચ) અને ચાર ભૌગોલિક એકમો (નીચે) ના ક્રેનિયલ વ્યક્તિઓ માટે PC2 અને PC4 સ્કોર્સના સ્કેટરપ્લોટ્સ, શિરોબિંદુઓના ખોપરીની સપાટીના રંગના પ્લોટ દરેક PC (X, Y, Z ની સાપેક્ષમાં) સાથે ખૂબ જ સંબંધિત છે. અક્ષોનું રંગ સમજૂતી: ટેક્સ્ટ જુઓ), અને આ અક્ષોની વિરુદ્ધ બાજુઓ પર વર્ચ્યુઅલ સ્વરૂપનું વિરૂપતા 3 SD છે. સ્કેલ 50 મીમી વ્યાસ ધરાવતો લીલો ગોળો છે.
નવ ભૌગોલિક એકમો (ટોચ) અને બે ભૌગોલિક એકમો (નીચે) ના ક્રેનિયલ વ્યક્તિઓ માટે PC6 અને PC7 સ્કોર્સના સ્કેટરપ્લોટ્સ, શિરોબિંદુઓ માટે ક્રેનિયલ સપાટીના રંગ પ્લોટ દરેક PC (X, Y, Z ની સાપેક્ષમાં) સાથે ખૂબ જ સંબંધિત છે. અક્ષોનું રંગ સમજૂતી: ટેક્સ્ટ જુઓ), અને આ અક્ષોની વિરુદ્ધ બાજુઓ પર વર્ચ્યુઅલ સ્વરૂપનું વિરૂપતા 3 SD છે. સ્કેલ 50 મીમી વ્યાસ ધરાવતો લીલો ગોળો છે.
નવ ભૌગોલિક એકમો (ટોચ) અને ત્રણ ભૌગોલિક એકમો (નીચે) ના ક્રેનિયલ વ્યક્તિઓ માટે PC3 અને PC9 સ્કોર્સના સ્કેટરપ્લોટ્સ, અને શિરોબિંદુઓના ખોપરીની સપાટી (X, Y, Z અક્ષોની તુલનામાં) ના રંગ પ્લોટ દરેક PC રંગ અર્થઘટન સાથે ખૂબ જ સંબંધિત છે: સેમી. ટેક્સ્ટ), તેમજ 3 SD ની તીવ્રતા સાથે આ અક્ષોની વિરુદ્ધ બાજુઓ પર વર્ચ્યુઅલ આકાર વિકૃતિઓ. સ્કેલ 50 મીમી વ્યાસ ધરાવતો લીલો ગોળો છે.
PC2 અને PC4 ના સ્કોર્સ દર્શાવતા ગ્રાફમાં (આકૃતિ 4, પૂરક વિડિઓઝ S2, S3 વિકૃત છબીઓ દર્શાવે છે), જ્યારે લોડ મૂલ્ય થ્રેશોલ્ડ 0.4 કરતા વધારે સેટ કરવામાં આવે છે ત્યારે સપાટીનો રંગ નકશો પણ પ્રદર્શિત થાય છે, જે PC1 કરતા ઓછો છે કારણ કે PC2 મૂલ્ય કુલ લોડ PC1 કરતા ઓછો છે.
Z-અક્ષ (ઘેરો વાદળી) સાથે ધનુરાશિ દિશામાં આગળના અને ઓસીપીટલ લોબ્સનું વિસ્તરણ અને ગુલાબી રંગ પર કોરોનલ દિશામાં (લાલ) પેરિએટલ લોબ, ઓસીપુટ (લીલો) ના Y-અક્ષ અને કપાળના Z-અક્ષ (ઘેરો વાદળી). આ ગ્રાફ વિશ્વભરના તમામ લોકો માટે સ્કોર્સ દર્શાવે છે; જો કે, જ્યારે મોટી સંખ્યામાં જૂથો ધરાવતા બધા નમૂનાઓ એકસાથે પ્રદર્શિત થાય છે, ત્યારે મોટી માત્રામાં ઓવરલેપને કારણે સ્કેટરિંગ પેટર્નનું અર્થઘટન ખૂબ મુશ્કેલ છે; તેથી, ફક્ત ચાર મુખ્ય ભૌગોલિક એકમો (એટલે ​​કે, આફ્રિકા, ઑસ્ટ્રેલિયા-મેલાનેશિયા, યુરોપ અને ઉત્તરપૂર્વ એશિયા) માંથી, નમૂનાઓ PC સ્કોર્સની આ શ્રેણીમાં 3 SD વર્ચ્યુઅલ ક્રેનિયલ ડિફોર્મેશન સાથે ગ્રાફની નીચે વિખેરાયેલા છે. આકૃતિમાં, PC2 અને PC4 સ્કોર્સની જોડી છે. આફ્રિકનો અને ઑસ્ટ્રો-મેલાનેશિયનો વધુ ઓવરલેપ થાય છે અને જમણી બાજુએ વિતરિત થાય છે, જ્યારે યુરોપિયનો ઉપર ડાબી બાજુએ વિખેરાયેલા છે અને ઉત્તરપૂર્વ એશિયનો નીચલા ડાબી બાજુએ ક્લસ્ટર થવાનું વલણ ધરાવે છે. PC2 ની આડી ધરી દર્શાવે છે કે આફ્રિકન/ઓસ્ટ્રેલિયન મેલાનેશિયનોમાં અન્ય લોકો કરતા પ્રમાણમાં લાંબુ ન્યુરોક્રેનિયમ હોય છે. PC4, જેમાં યુરોપિયન અને ઉત્તરપૂર્વ એશિયન સંયોજનો છૂટાછવાયા રીતે અલગ પડે છે, તે ઝાયગોમેટિક હાડકાંના સંબંધિત કદ અને પ્રક્ષેપણ અને કેલ્વેરિયમના બાજુના સમોચ્ચ સાથે સંકળાયેલું છે. સ્કોરિંગ યોજના દર્શાવે છે કે યુરોપિયનોમાં પ્રમાણમાં સાંકડી મેક્સિલરી અને ઝાયગોમેટિક હાડકાં, ઝાયગોમેટિક કમાન દ્વારા મર્યાદિત એક નાની ટેમ્પોરલ ફોસા જગ્યા, ઊભી રીતે ઉંચુ આગળનું હાડકું અને સપાટ, નીચું ઓસિપિટલ હાડકું હોય છે, જ્યારે ઉત્તરપૂર્વ એશિયનોમાં પહોળા અને વધુ અગ્રણી ઝાયગોમેટિક હાડકાં હોય છે. આગળનો લોબ નમેલો હોય છે, ઓસિપિટલ હાડકાનો આધાર ઊંચો હોય છે.
PC6 અને PC7 (આકૃતિ 5) પર ધ્યાન કેન્દ્રિત કરતી વખતે (પૂરક વિડિઓઝ S4, S5 વિકૃત છબીઓ દર્શાવે છે), રંગ પ્લોટ 0.3 કરતા વધારે લોડ મૂલ્ય થ્રેશોલ્ડ દર્શાવે છે, જે દર્શાવે છે કે PC6 મેક્સિલરી અથવા મૂર્ધન્ય મોર્ફોલોજી (લાલ: X અક્ષ અને લીલો). Y અક્ષ), ટેમ્પોરલ હાડકાનો આકાર (વાદળી: Y અને Z અક્ષ) અને ઓસિપિટલ હાડકાના આકાર (ગુલાબી: X અને Z અક્ષ) સાથે સંકળાયેલ છે. કપાળની પહોળાઈ (લાલ: X-અક્ષ) ઉપરાંત, PC7 પેરિટોટેમ્પોરલ પ્રદેશ (ઘેરો વાદળી) ની આસપાસ અગ્રવર્તી મેક્સિલરી એલ્વિઓલી (લીલો: Y-અક્ષ) અને Z-અક્ષના માથાના આકાર સાથે પણ સંબંધિત છે. આકૃતિ 5 ના ટોચના પેનલમાં, બધા ભૌગોલિક નમૂનાઓ PC6 અને PC7 ઘટક સ્કોર્સ અનુસાર વિતરિત કરવામાં આવ્યા છે. કારણ કે ROC સૂચવે છે કે PC6 માં યુરોપ માટે અનન્ય સુવિધાઓ છે અને PC7 આ વિશ્લેષણમાં મૂળ અમેરિકન સુવિધાઓનું પ્રતિનિધિત્વ કરે છે, આ બે પ્રાદેશિક નમૂનાઓ ઘટક અક્ષોની આ જોડી પર પસંદગીપૂર્વક પ્લોટ કરવામાં આવ્યા હતા. મૂળ અમેરિકનો, જોકે નમૂનામાં વ્યાપકપણે સમાવિષ્ટ છે, ઉપલા ડાબા ખૂણામાં પથરાયેલા છે; તેનાથી વિપરીત, ઘણા યુરોપિયન નમૂનાઓ નીચલા જમણા ખૂણામાં સ્થિત હોય છે. PC6 અને PC7 જોડી યુરોપિયનોની સાંકડી મૂર્ધન્ય પ્રક્રિયા અને પ્રમાણમાં પહોળી ન્યુરોક્રેનિયમનું પ્રતિનિધિત્વ કરે છે, જ્યારે અમેરિકનો સાંકડી કપાળ, મોટી મેક્સિલા અને પહોળી અને ઊંચી મૂર્ધન્ય પ્રક્રિયા દ્વારા વર્ગીકૃત થયેલ છે.
ROC વિશ્લેષણ દર્શાવે છે કે દક્ષિણપૂર્વ અને ઉત્તરપૂર્વ એશિયાઈ વસ્તીમાં PC3 અને/અથવા PC9 સામાન્ય હતા. તે મુજબ, સ્કોર જોડીઓ PC3 (y-અક્ષ પર લીલો ઉપલા ચહેરો) અને PC9 (y-અક્ષ પર લીલો નીચલો ચહેરો) (આકૃતિ 6; પૂરક વિડિઓઝ S6, S7 મોર્ફ કરેલી છબીઓ પ્રદાન કરે છે) પૂર્વ એશિયાઈઓની વિવિધતાને પ્રતિબિંબિત કરે છે. , જે ઉત્તરપૂર્વ એશિયાઈઓના ઉચ્ચ ચહેરાના પ્રમાણ અને દક્ષિણપૂર્વ એશિયાઈઓના નીચા ચહેરાના આકાર સાથે તીવ્રપણે વિરોધાભાસી છે. આ ચહેરાના લક્ષણો ઉપરાંત, કેટલાક ઉત્તરપૂર્વ એશિયાઈઓની બીજી લાક્ષણિકતા ઓસિપિટલ હાડકાનો લેમ્બડા ઝુકાવ છે, જ્યારે કેટલાક દક્ષિણપૂર્વ એશિયાઈ લોકો ખોપરીના પાયાને સાંકડી રાખે છે.
ઉપરોક્ત મુખ્ય ઘટકોનું વર્ણન અને PC5 અને PC8 નું વર્ણન અવગણવામાં આવ્યું છે કારણ કે નવ મુખ્ય ભૌગોલિક એકમોમાં કોઈ ચોક્કસ પ્રાદેશિક લાક્ષણિકતાઓ મળી નથી. PC5 એ ટેમ્પોરલ હાડકાની માસ્ટોઇડ પ્રક્રિયાના કદનો ઉલ્લેખ કરે છે, અને PC8 ખોપરીના એકંદર આકારની અસમપ્રમાણતાને પ્રતિબિંબિત કરે છે, બંને નવ ભૌગોલિક નમૂના સંયોજનો વચ્ચે સમાંતર ભિન્નતા દર્શાવે છે.
વ્યક્તિગત-સ્તરના PCA સ્કોર્સના સ્કેટરપ્લોટ્સ ઉપરાંત, અમે એકંદર સરખામણી માટે જૂથ માધ્યમોના સ્કેટરપ્લોટ્સ પણ પ્રદાન કરીએ છીએ. આ માટે, 148 વંશીય જૂથોના વ્યક્તિગત હોમોલોજી મોડેલોના શિરોબિંદુ ડેટા સેટમાંથી સરેરાશ ક્રેનિયલ હોમોલોજી મોડેલ બનાવવામાં આવ્યું હતું. PC2 અને PC4, PC6 અને PC7, અને PC3 અને PC9 માટેના સ્કોર સેટના બાયવેરિયેટ પ્લોટ પૂરક આકૃતિ S1 માં દર્શાવવામાં આવ્યા છે, જે બધા 148 વ્યક્તિઓના નમૂના માટે સરેરાશ ખોપરી મોડેલ તરીકે ગણવામાં આવે છે. આ રીતે, સ્કેટરપ્લોટ્સ દરેક જૂથમાં વ્યક્તિગત તફાવતોને છુપાવે છે, જે અંતર્ગત પ્રાદેશિક વિતરણોને કારણે ખોપરીની સમાનતાઓનું સ્પષ્ટ અર્થઘટન કરવાની મંજૂરી આપે છે, જ્યાં પેટર્ન ઓછા ઓવરલેપ સાથે વ્યક્તિગત પ્લોટમાં દર્શાવવામાં આવેલા સાથે મેળ ખાય છે. પૂરક આકૃતિ S2 દરેક ભૌગોલિક એકમ માટે એકંદર સરેરાશ મોડેલ દર્શાવે છે.
PC1 ઉપરાંત, જે એકંદર કદ (પૂરક કોષ્ટક S2) સાથે સંકળાયેલું હતું, એકંદર કદ અને ખોપરીના આકાર વચ્ચેના એલોમેટ્રિક સંબંધોની તપાસ સેન્ટ્રોઇડ પરિમાણો અને બિન-સામાન્યકૃત ડેટામાંથી PCA અંદાજોના સેટનો ઉપયોગ કરીને કરવામાં આવી હતી. મહત્વ પરીક્ષણમાં એલોમેટ્રિક ગુણાંક, સતત મૂલ્યો, t મૂલ્યો અને P મૂલ્યો કોષ્ટક 4 માં દર્શાવવામાં આવ્યા છે. P < 0.05 સ્તર પર કોઈપણ ક્રેનિયલ મોર્ફોલોજીમાં એકંદર ખોપરીના કદ સાથે સંકળાયેલા કોઈ નોંધપાત્ર એલોમેટ્રિક પેટર્ન ઘટકો મળ્યા નથી.
નોન-નોર્મલાઇઝ્ડ ડેટા સેટ્સના આધારે પીસી અંદાજમાં કેટલાક કદ પરિબળોનો સમાવેશ થઈ શકે છે, તેથી અમે સેન્ટ્રોઇડ કદ અને સેન્ટ્રોઇડ કદ દ્વારા નોર્મલાઇઝ્ડ ડેટા સેટનો ઉપયોગ કરીને ગણતરી કરાયેલ પીસી સ્કોર વચ્ચેના એલોમેટ્રિક વલણની વધુ તપાસ કરી (પીસીએ પરિણામો અને સ્કોર સેટ પૂરક કોષ્ટકો S6 માં રજૂ કરવામાં આવ્યા છે). , C7). કોષ્ટક 4 એલોમેટ્રિક વિશ્લેષણના પરિણામો દર્શાવે છે. આમ, PC6 માં 1% સ્તરે અને PC10 માં 5% સ્તરે નોંધપાત્ર એલોમેટ્રિક વલણો જોવા મળ્યા. આકૃતિ 7 લોગ સેન્ટ્રોઇડ કદના બંને છેડે ડમી (±3 SD) સાથે પીસી સ્કોર્સ અને સેન્ટ્રોઇડ કદ વચ્ચેના આ લોગ-રેખીય સંબંધોના રીગ્રેશન ઢોળાવ દર્શાવે છે. PC6 સ્કોર ખોપરીની સંબંધિત ઊંચાઈ અને પહોળાઈનો ગુણોત્તર છે. જેમ જેમ ખોપરીના કદમાં વધારો થાય છે, ખોપરી અને ચહેરો ઊંચો થાય છે, અને કપાળ, આંખના સોકેટ્સ અને નસકોરા બાજુની બાજુમાં એકબીજાની નજીક હોય છે. નમૂના વિખેરવાની પેટર્ન સૂચવે છે કે આ પ્રમાણ સામાન્ય રીતે ઉત્તરપૂર્વ એશિયનો અને મૂળ અમેરિકનોમાં જોવા મળે છે. વધુમાં, PC10 ભૌગોલિક ક્ષેત્રને ધ્યાનમાં લીધા વિના મધ્યપૃષ્ઠ પહોળાઈમાં પ્રમાણસર ઘટાડા તરફ વલણ દર્શાવે છે.
કોષ્ટકમાં સૂચિબદ્ધ નોંધપાત્ર એલોમેટ્રિક સંબંધો માટે, આકાર ઘટકના PC પ્રમાણ (સામાન્યકૃત ડેટામાંથી મેળવેલ) અને સેન્ટ્રોઇડ કદ વચ્ચે લોગ-રેખીય રીગ્રેશનનો ઢાળ, વર્ચ્યુઅલ આકાર વિકૃતિ 4 ની રેખાની વિરુદ્ધ બાજુએ 3 SD નું કદ ધરાવે છે.
હોમોલોગસ 3D સપાટી મોડેલોના ડેટાસેટ્સના વિશ્લેષણ દ્વારા ક્રેનિયલ મોર્ફોલોજીમાં ફેરફારોની નીચેની પેટર્ન દર્શાવવામાં આવી છે. PCA નો પહેલો ઘટક એકંદર ખોપરીના કદ સાથે સંબંધિત છે. લાંબા સમયથી એવું માનવામાં આવે છે કે દક્ષિણ એશિયાઈ લોકોની નાની ખોપરીઓ, જેમાં ભારત, શ્રીલંકા અને આંદામાન ટાપુઓ, બાંગ્લાદેશના નમૂનાઓનો સમાવેશ થાય છે, તેમના નાના શરીરના કદને કારણે છે, જે બર્ગમેનના ઇકોજીઓગ્રાફિક નિયમ અથવા ટાપુ નિયમ613,5,16,25,27,62 સાથે સુસંગત છે. પહેલું તાપમાન સાથે સંબંધિત છે, અને બીજું ઇકોલોજીકલ વિશિષ્ટ સ્થાનની ઉપલબ્ધ જગ્યા અને ખાદ્ય સંસાધનો પર આધાર રાખે છે. આકારના ઘટકોમાં, સૌથી મોટો ફેરફાર ક્રેનિયલ તિજોરીની લંબાઈ અને પહોળાઈનો ગુણોત્તર છે. આ લક્ષણ, જેને PC2 તરીકે નિયુક્ત કરવામાં આવ્યું છે, તે ઓસ્ટ્રો-મેલાનેશિયનો અને આફ્રિકનોની પ્રમાણસર વિસ્તરેલ ખોપરીઓ વચ્ચેના ગાઢ સંબંધ તેમજ કેટલાક યુરોપિયનો અને ઉત્તરપૂર્વ એશિયનોની ગોળાકાર ખોપરીઓથી તફાવતોનું વર્ણન કરે છે. આ લાક્ષણિકતાઓ સરળ રેખીય માપન37,63,64 પર આધારિત ઘણા અગાઉના અભ્યાસોમાં નોંધવામાં આવી છે. વધુમાં, આ લક્ષણ બિન-આફ્રિકનોમાં બ્રેકીસેફાલી સાથે સંકળાયેલું છે, જેની લાંબા સમયથી એન્થ્રોપોમેટ્રિક અને ઓસ્ટિઓમેટ્રિક અભ્યાસોમાં ચર્ચા કરવામાં આવી છે. આ સમજૂતી પાછળની મુખ્ય પૂર્વધારણા એ છે કે ટેમ્પોરલિસ સ્નાયુના પાતળા થવા જેવા ચાવવાના ઘટાડાથી બાહ્ય ખોપરી પર દબાણ ઘટે છે5,8,9,10,11,12,13. બીજી પૂર્વધારણામાં માથાના સપાટીના ક્ષેત્રફળને ઘટાડીને ઠંડા વાતાવરણમાં અનુકૂલનનો સમાવેશ થાય છે, જે સૂચવે છે કે એલનના નિયમો16,17,25 અનુસાર, વધુ ગોળાકાર ખોપરી ગોળાકાર આકાર કરતાં સપાટીના ક્ષેત્રફળને વધુ સારી રીતે ઘટાડે છે. વર્તમાન અભ્યાસના પરિણામોના આધારે, આ પૂર્વધારણાઓનું મૂલ્યાંકન ફક્ત ક્રેનિયલ સેગમેન્ટ્સના ક્રોસ-સહસંબંધના આધારે કરી શકાય છે. સારાંશમાં, અમારા PCA પરિણામો એ પૂર્વધારણાને સંપૂર્ણપણે સમર્થન આપતા નથી કે ક્રેનિયલ લંબાઈ-પહોળાઈ ગુણોત્તર ચાવવાની સ્થિતિઓથી નોંધપાત્ર રીતે પ્રભાવિત થાય છે, કારણ કે PC2 (લાંબા/બ્રેચીસેફાલિક ઘટક) લોડિંગ ચહેરાના પ્રમાણ (સંબંધિત મેક્સિલરી પરિમાણો સહિત) સાથે નોંધપાત્ર રીતે સંબંધિત નહોતું. અને ટેમ્પોરલ ફોસાની સંબંધિત જગ્યા (ટેમ્પોરલિસ સ્નાયુના જથ્થાને પ્રતિબિંબિત કરે છે). અમારા વર્તમાન અભ્યાસમાં ખોપરીના આકાર અને તાપમાન જેવી ભૂસ્તરશાસ્ત્રીય પર્યાવરણીય પરિસ્થિતિઓ વચ્ચેના સંબંધનું વિશ્લેષણ કરવામાં આવ્યું નથી; જોકે, ઠંડા આબોહવાવાળા પ્રદેશોમાં બ્રેકીસેફાલોનને સમજાવવા માટે એલનના નિયમ પર આધારિત સમજૂતીને ઉમેદવાર પૂર્વધારણા તરીકે ધ્યાનમાં લેવા યોગ્ય હોઈ શકે છે.
ત્યારબાદ PC4 માં નોંધપાત્ર તફાવત જોવા મળ્યો, જે સૂચવે છે કે ઉત્તરપૂર્વ એશિયાઈ લોકોમાં મેક્સિલા અને ઝાયગોમેટિક હાડકાં પર મોટા, અગ્રણી ઝાયગોમેટિક હાડકાં હોય છે. આ શોધ સાઇબેરીયનોની જાણીતી વિશિષ્ટ લાક્ષણિકતા સાથે સુસંગત છે, જેમને ઝાયગોમેટિક હાડકાંની આગળની ગતિ દ્વારા અત્યંત ઠંડા વાતાવરણમાં અનુકૂલન કરવામાં આવ્યું હોવાનું માનવામાં આવે છે, જેના પરિણામે સાઇનસનું પ્રમાણ વધે છે અને ચહેરો ચપટો બને છે 65. અમારા હોમોલોગસ મોડેલમાંથી એક નવી શોધ એ છે કે યુરોપિયનોમાં ગાલ લટકાવવું એ આગળના ઢાળમાં ઘટાડો, તેમજ ચપટા અને સાંકડા ઓસિપિટલ હાડકાં અને નુચલ અંતર્મુખતા સાથે સંકળાયેલું છે. તેનાથી વિપરીત, ઉત્તરપૂર્વ એશિયાઈ લોકોમાં ઢાળવાળા કપાળ અને ઉંચા ઓસિપિટલ પ્રદેશો હોય છે. ભૌમિતિક મોર્ફોમેટ્રિક પદ્ધતિઓનો ઉપયોગ કરીને ઓસિપિટલ હાડકાના અભ્યાસો35 દર્શાવે છે કે એશિયન અને યુરોપિયન ખોપરીઓમાં આફ્રિકનોની તુલનામાં નુચલ વળાંક અને ઓસિપુટની નીચી સ્થિતિ હોય છે. જોકે, PC2 અને PC4 અને PC3 અને PC9 જોડીઓના અમારા સ્કેટરપ્લોટ્સ એશિયનોમાં વધુ ભિન્નતા દર્શાવે છે, જ્યારે યુરોપિયનો ઓસીપુટના સપાટ આધાર અને નીચલા ઓસીપુટ દ્વારા વર્ગીકૃત થયેલ હતા. અભ્યાસો વચ્ચે એશિયન લાક્ષણિકતાઓમાં અસંગતતાઓ ઉપયોગમાં લેવાતા વંશીય નમૂનાઓમાં તફાવતને કારણે હોઈ શકે છે, કારણ કે અમે ઉત્તરપૂર્વ અને દક્ષિણપૂર્વ એશિયાના વ્યાપક સ્પેક્ટ્રમમાંથી મોટી સંખ્યામાં વંશીય જૂથોના નમૂના લીધા હતા. ઓસીપિટલ હાડકાના આકારમાં ફેરફાર ઘણીવાર સ્નાયુ વિકાસ સાથે સંકળાયેલા હોય છે. જો કે, આ અનુકૂલનશીલ સમજૂતી કપાળ અને ઓસીપુટ આકાર વચ્ચેના સહસંબંધ માટે જવાબદાર નથી, જે આ અભ્યાસમાં દર્શાવવામાં આવ્યું હતું પરંતુ તે સંપૂર્ણપણે દર્શાવવામાં આવ્યું હોવાની શક્યતા નથી. આ સંદર્ભમાં, શરીરના વજન સંતુલન અને ગુરુત્વાકર્ષણ કેન્દ્ર અથવા સર્વાઇકલ જંકશન (ફોરામેન મેગ્નમ) અથવા અન્ય પરિબળો વચ્ચેના સંબંધને ધ્યાનમાં લેવા યોગ્ય છે.
મોટી પરિવર્તનશીલતા ધરાવતો બીજો એક મહત્વપૂર્ણ ઘટક મેસ્ટિકેટરી ઉપકરણના વિકાસ સાથે સંબંધિત છે, જે મેક્સિલરી અને ટેમ્પોરલ ફોસી દ્વારા રજૂ થાય છે, જેનું વર્ણન PC6, PC7 અને PC4 સ્કોર્સના સંયોજન દ્વારા કરવામાં આવે છે. ક્રેનિયલ સેગમેન્ટમાં આ નોંધપાત્ર ઘટાડો યુરોપિયન વ્યક્તિઓને અન્ય કોઈપણ ભૌગોલિક જૂથ કરતાં વધુ લાક્ષણિકતા આપે છે. કૃષિ અને ખોરાક તૈયાર કરવાની તકનીકોના પ્રારંભિક વિકાસને કારણે ચહેરાના આકારશાસ્ત્રની સ્થિરતામાં ઘટાડો થવાના પરિણામે આ લક્ષણનું અર્થઘટન કરવામાં આવ્યું છે, જેના કારણે શક્તિશાળી મેસ્ટિકેટરી ઉપકરણ 9,12,28,66 વિના મેસ્ટિકેટરી ઉપકરણ પર યાંત્રિક ભાર ઓછો થયો. મેસ્ટિકેટરી ફંક્શન પૂર્વધારણા અનુસાર, 28 આ ખોપરીના પાયાના વળાંકમાં વધુ તીવ્ર ક્રેનિયલ કોણ અને વધુ ગોળાકાર ક્રેનિયલ છતમાં ફેરફાર સાથે છે. આ દ્રષ્ટિકોણથી, કૃષિ વસ્તીમાં કોમ્પેક્ટ ચહેરા, મેન્ડિબલનું ઓછું બહાર નીકળવું અને વધુ ગોળાકાર મેનિન્જીસ હોય છે. તેથી, આ વિકૃતિ યુરોપિયનોની ખોપરીના બાજુના આકારની સામાન્ય રૂપરેખા દ્વારા સમજાવી શકાય છે જેમાં ઓછા મેસ્ટિકેટરી અંગો હોય છે. જોકે, આ અભ્યાસ મુજબ, આ અર્થઘટન જટિલ છે કારણ કે ગ્લોબોઝ ન્યુરોક્રેનિયમ અને ચાવવાના ઉપકરણના વિકાસ વચ્ચેના મોર્ફોલોજિકલ સંબંધનું કાર્યાત્મક મહત્વ ઓછું સ્વીકાર્ય છે, જેમ કે PC2 ના અગાઉના અર્થઘટનમાં ધ્યાનમાં લેવામાં આવ્યું હતું.
PC3 અને PC9 માં બતાવ્યા પ્રમાણે, ઉત્તરપૂર્વ એશિયાઈઓ અને દક્ષિણપૂર્વ એશિયાઈઓ વચ્ચેના તફાવતો ઢાળવાળા ઓસિપિટલ હાડકાવાળા ઊંચા ચહેરા અને સાંકડા ખોપરીના પાયાવાળા ટૂંકા ચહેરા વચ્ચેના વિરોધાભાસ દ્વારા દર્શાવવામાં આવ્યા છે. ભૂ-પર્યાવરણીય ડેટાના અભાવને કારણે, અમારો અભ્યાસ આ શોધ માટે ફક્ત મર્યાદિત સમજૂતી પ્રદાન કરે છે. એક સંભવિત સમજૂતી અલગ આબોહવા અથવા પોષણની પરિસ્થિતિઓમાં અનુકૂલન છે. ઇકોલોજીકલ અનુકૂલન ઉપરાંત, ઉત્તરપૂર્વ અને દક્ષિણપૂર્વ એશિયામાં વસ્તીના ઇતિહાસમાં સ્થાનિક તફાવતોને પણ ધ્યાનમાં લેવામાં આવ્યા હતા. ઉદાહરણ તરીકે, પૂર્વીય યુરેશિયામાં, ક્રેનિયલ મોર્ફોમેટ્રિક ડેટા67,68 પર આધારિત શરીરરચનાત્મક રીતે આધુનિક માનવો (AMH) ના વિખેરનને સમજવા માટે બે-સ્તરનું મોડેલ બનાવવામાં આવ્યું છે. આ મોડેલ મુજબ, "પ્રથમ સ્તર", એટલે કે, લેટ પ્લેઇસ્ટોસીન AMH વસાહતીઓના મૂળ જૂથો, આધુનિક ઓસ્ટ્રો-મેલાનેશિયનો (પૃ. પ્રથમ સ્તર) જેવા પ્રદેશના સ્વદેશી રહેવાસીઓમાંથી વધુ કે ઓછા સીધા વંશના હતા. , અને પછીથી ઉત્તરપૂર્વ એશિયાઈ લાક્ષણિકતાઓ (બીજા સ્તર) ધરાવતા ઉત્તરીય કૃષિ લોકોનું મોટા પાયે મિશ્રણ (લગભગ 4,000 વર્ષ પહેલાં) આ પ્રદેશમાં અનુભવાયું. દક્ષિણપૂર્વ એશિયાઈ ક્રેનિયલ આકારને સમજવા માટે "બે-સ્તર" મોડેલનો ઉપયોગ કરીને જનીન પ્રવાહ મેપ કરવાની જરૂર પડશે, કારણ કે દક્ષિણપૂર્વ એશિયાઈ ક્રેનિયલ આકાર સ્થાનિક પ્રથમ-સ્તરના આનુવંશિક વારસા પર આંશિક રીતે આધાર રાખી શકે છે.
હોમોલોગસ મોડેલોનો ઉપયોગ કરીને મેપ કરેલા ભૌગોલિક એકમોનો ઉપયોગ કરીને ક્રેનિયલ સમાનતાનું મૂલ્યાંકન કરીને, આપણે આફ્રિકાની બહારના દૃશ્યોમાં AMF ના અંતર્ગત વસ્તી ઇતિહાસનું અનુમાન લગાવી શકીએ છીએ. હાડપિંજર અને જીનોમિક ડેટાના આધારે AMF ના વિતરણને સમજાવવા માટે ઘણા જુદા જુદા "આફ્રિકાની બહાર" મોડેલો પ્રસ્તાવિત કરવામાં આવ્યા છે. આમાંથી, તાજેતરના અભ્યાસો સૂચવે છે કે આફ્રિકાની બહારના વિસ્તારોનું AMH વસાહતીકરણ આશરે 177,000 વર્ષ પહેલાં શરૂ થયું હતું69,70. જો કે, આ સમયગાળા દરમિયાન યુરેશિયામાં AMF નું લાંબા અંતરનું વિતરણ અનિશ્ચિત રહે છે, કારણ કે આ પ્રારંભિક અવશેષોના રહેઠાણો આફ્રિકાની નજીક મધ્ય પૂર્વ અને ભૂમધ્ય સમુદ્ર સુધી મર્યાદિત છે. સૌથી સરળ કેસ આફ્રિકાથી યુરેશિયા તરફ સ્થળાંતર માર્ગ પર એક જ વસાહત છે, જે હિમાલય જેવા ભૌગોલિક અવરોધોને બાયપાસ કરે છે. બીજું મોડેલ સ્થળાંતરના બહુવિધ તરંગો સૂચવે છે, જેમાંથી પ્રથમ હિંદ મહાસાગરના કિનારે આફ્રિકાથી દક્ષિણપૂર્વ એશિયા અને ઓસ્ટ્રેલિયા સુધી ફેલાયું હતું, અને પછી ઉત્તરીય યુરેશિયામાં ફેલાયું હતું. આમાંના મોટાભાગના અભ્યાસો પુષ્ટિ કરે છે કે AMF લગભગ 60,000 વર્ષ પહેલાં આફ્રિકાથી ઘણી આગળ ફેલાયું હતું. આ સંદર્ભમાં, ઑસ્ટ્રેલિયન-મેલાનેશિયન (પાપુઆ સહિત) નમૂનાઓ હોમોલોજી મોડેલોના મુખ્ય ઘટકોના વિશ્લેષણમાં અન્ય કોઈપણ ભૌગોલિક શ્રેણી કરતાં આફ્રિકન નમૂનાઓ સાથે વધુ સમાનતા દર્શાવે છે. આ શોધ એ પૂર્વધારણાને સમર્થન આપે છે કે યુરેશિયાના દક્ષિણ કિનારે પ્રથમ AMF વિતરણ જૂથો આફ્રિકામાં સીધા જ ઉદ્ભવ્યા હતા22,68 ચોક્કસ આબોહવા અથવા અન્ય નોંધપાત્ર પરિસ્થિતિઓના પ્રતિભાવમાં નોંધપાત્ર મોર્ફોલોજિકલ ફેરફારો વિના.
એલોમેટ્રિક વૃદ્ધિ અંગે, સેન્ટ્રોઇડ કદ દ્વારા સામાન્ય કરાયેલા અલગ ડેટા સેટમાંથી મેળવેલા આકાર ઘટકોનો ઉપયોગ કરીને વિશ્લેષણ કરવાથી PC6 અને PC10 માં નોંધપાત્ર એલોમેટ્રિક વલણ દર્શાવવામાં આવ્યું છે. બંને ઘટકો કપાળના આકાર અને ચહેરાના ભાગો સાથે સંબંધિત છે, જે ખોપરીના કદમાં વધારો થતાં સાંકડા થાય છે. ઉત્તરપૂર્વ એશિયનો અને અમેરિકનોમાં આ લક્ષણ હોય છે અને તેમની ખોપરી પ્રમાણમાં મોટી હોય છે. આ શોધ અગાઉ અહેવાલ કરાયેલ એલોમેટ્રિક પેટર્નનો વિરોધાભાસ કરે છે જેમાં મોટા મગજમાં કહેવાતા "બ્રોકાના કેપ" ક્ષેત્રમાં પ્રમાણમાં પહોળા ફ્રન્ટલ લોબ હોય છે, જેના પરિણામે ફ્રન્ટલ લોબ પહોળાઈ વધે છે34. આ તફાવતો નમૂના સેટમાં તફાવતો દ્વારા સમજાવવામાં આવે છે; અમારા અભ્યાસમાં આધુનિક વસ્તીનો ઉપયોગ કરીને એકંદર ક્રેનિયલ કદના એલોમેટ્રિક પેટર્નનું વિશ્લેષણ કરવામાં આવ્યું છે, અને તુલનાત્મક અભ્યાસો મગજના કદ સંબંધિત માનવ ઉત્ક્રાંતિમાં લાંબા ગાળાના વલણોને સંબોધિત કરે છે.
ચહેરાના એલોમેટ્રી અંગે, બાયોમેટ્રિક ડેટા78 નો ઉપયોગ કરીને કરવામાં આવેલા એક અભ્યાસમાં જાણવા મળ્યું છે કે ચહેરાના આકાર અને કદ થોડો સહસંબંધિત હોઈ શકે છે, જ્યારે અમારા અભ્યાસમાં જાણવા મળ્યું છે કે મોટી ખોપરીઓ ઊંચા, સાંકડા ચહેરાઓ સાથે સંકળાયેલી હોય છે. જો કે, બાયોમેટ્રિક ડેટાની સુસંગતતા અસ્પષ્ટ છે; ઓન્ટોજેનેટિક એલોમેટ્રી અને સ્ટેટિક એલોમેટ્રીની તુલના કરતા રીગ્રેશન પરીક્ષણો અલગ પરિણામો દર્શાવે છે. વધેલી ઊંચાઈને કારણે ગોળાકાર ખોપરીના આકાર તરફ એલોમેટ્રિક વલણ પણ નોંધાયું છે; જો કે, અમે ઊંચાઈના ડેટાનું વિશ્લેષણ કર્યું નથી. અમારો અભ્યાસ દર્શાવે છે કે ક્રેનિયલ ગ્લોબ્યુલર પ્રમાણ અને એકંદર ક્રેનિયલ કદ વચ્ચે સહસંબંધ દર્શાવતો કોઈ એલોમેટ્રિક ડેટા નથી.
જોકે અમારો વર્તમાન અભ્યાસ આબોહવા અથવા આહારની પરિસ્થિતિઓ દ્વારા રજૂ થતા બાહ્ય ચલોના ડેટા સાથે વ્યવહાર કરતો નથી જે ક્રેનિયલ મોર્ફોલોજીને પ્રભાવિત કરી શકે છે, આ અભ્યાસમાં ઉપયોગમાં લેવાતા હોમોલોગસ 3D ક્રેનિયલ સપાટી મોડેલોનો મોટો ડેટા સેટ સહસંબંધિત ફેનોટાઇપિક મોર્ફોલોજિકલ ભિન્નતાનું મૂલ્યાંકન કરવામાં મદદ કરશે. પર્યાવરણીય પરિબળો જેમ કે આહાર, આબોહવા અને પોષણની પરિસ્થિતિઓ, તેમજ સ્થળાંતર, જનીન પ્રવાહ અને આનુવંશિક પ્રવાહ જેવા તટસ્થ દળો.
આ અભ્યાસમાં 9 ભૌગોલિક એકમોમાં 148 વસ્તીમાંથી એકત્રિત કરાયેલા નર ખોપરીના 342 નમૂનાઓનો સમાવેશ થાય છે (કોષ્ટક 1). મોટાભાગના જૂથો ભૌગોલિક રીતે મૂળ નમૂનાઓ છે, જ્યારે આફ્રિકા, ઉત્તરપૂર્વ/દક્ષિણપૂર્વ એશિયા અને અમેરિકાના કેટલાક જૂથો (ત્રાંસા અક્ષરોમાં સૂચિબદ્ધ) વંશીય રીતે વ્યાખ્યાયિત છે. સુનેહિકો હનિહારા દ્વારા પૂરી પાડવામાં આવેલ માર્ટિન ક્રેનિયલ માપન વ્યાખ્યા અનુસાર ક્રેનિયલ માપન ડેટાબેઝમાંથી ઘણા ક્રેનિયલ નમૂનાઓ પસંદ કરવામાં આવ્યા હતા. અમે વિશ્વના તમામ વંશીય જૂથોમાંથી પ્રતિનિધિ પુરુષ ખોપરીઓ પસંદ કરી. દરેક જૂથના સભ્યોને ઓળખવા માટે, અમે તે જૂથના તમામ વ્યક્તિઓ માટે જૂથ સરેરાશમાંથી 37 ક્રેનિયલ માપનના આધારે યુક્લિડિયન અંતરની ગણતરી કરી. મોટાભાગના કિસ્સાઓમાં, અમે સરેરાશથી સૌથી નાના અંતરવાળા 1-4 નમૂનાઓ પસંદ કર્યા (પૂરક કોષ્ટક S4). આ જૂથો માટે, કેટલાક નમૂનાઓ રેન્ડમલી પસંદ કરવામાં આવ્યા હતા જો તેઓ હાહારા માપન ડેટાબેઝમાં સૂચિબદ્ધ ન હતા.
આંકડાકીય સરખામણી માટે, કોષ્ટક 1 માં બતાવ્યા પ્રમાણે, 148 વસ્તી નમૂનાઓને મુખ્ય ભૌગોલિક એકમોમાં જૂથબદ્ધ કરવામાં આવ્યા હતા. "આફ્રિકન" જૂથમાં ફક્ત ઉપ-સહારન પ્રદેશના નમૂનાઓનો સમાવેશ થાય છે. ઉત્તર આફ્રિકાના નમૂનાઓને "મધ્ય પૂર્વ" માં પશ્ચિમ એશિયાના નમૂનાઓ સાથે સમાન પરિસ્થિતિઓ સાથે સમાવવામાં આવ્યા હતા. ઉત્તરપૂર્વ એશિયાઈ જૂથમાં ફક્ત બિન-યુરોપિયન વંશના લોકોનો સમાવેશ થાય છે, અને અમેરિકન જૂથમાં ફક્ત મૂળ અમેરિકનોનો સમાવેશ થાય છે. ખાસ કરીને, આ જૂથ ઉત્તર અને દક્ષિણ અમેરિકન ખંડોના વિશાળ વિસ્તારમાં, વિવિધ વાતાવરણમાં વિતરિત થયેલ છે. જો કે, અમે આ એક ભૌગોલિક એકમમાં યુએસ નમૂનાને ધ્યાનમાં લઈએ છીએ, બહુવિધ સ્થળાંતરને ધ્યાનમાં લીધા વિના, ઉત્તરપૂર્વ એશિયાઈ મૂળના માનવામાં આવતા મૂળ અમેરિકનોના વસ્તી વિષયક ઇતિહાસને ધ્યાનમાં રાખીને 80.
અમે ઉચ્ચ-રિઝોલ્યુશન 3D સ્કેનર (EinScan Pro by Shining 3D Co Ltd, ન્યૂનતમ રિઝોલ્યુશન: 0.5 mm, https://www.shining3d.com/) નો ઉપયોગ કરીને આ વિરોધાભાસી ખોપરીના નમૂનાઓનો 3D સપાટી ડેટા રેકોર્ડ કર્યો અને પછી એક મેશ જનરેટ કર્યો. મેશ મોડેલમાં આશરે 200,000–400,000 શિરોબિંદુઓ હોય છે, અને સમાવિષ્ટ સોફ્ટવેરનો ઉપયોગ છિદ્રો ભરવા અને ધારને સરળ બનાવવા માટે થાય છે.
પ્રથમ પગલામાં, અમે કોઈપણ ખોપરીમાંથી સ્કેન ડેટાનો ઉપયોગ કરીને 4485 શિરોબિંદુઓ (8728 બહુકોણીય ચહેરાઓ) ધરાવતું સિંગલ-ટેમ્પલેટ મેશ ખોપરી મોડેલ બનાવ્યું. સ્ફેનોઇડ હાડકા, પેટ્રસ ટેમ્પોરલ હાડકા, તાળવું, મેક્સિલરી એલ્વિઓલી અને દાંતનો સમાવેશ કરતી ખોપરીના પ્રદેશનો આધાર ટેમ્પલેટ મેશ મોડેલમાંથી દૂર કરવામાં આવ્યો. કારણ એ છે કે આ રચનાઓ ક્યારેક અપૂર્ણ હોય છે અથવા પેટરીગોઇડ સપાટીઓ અને સ્ટાઇલોઇડ પ્રક્રિયાઓ, દાંતના ઘસારો અને/અથવા દાંતના અસંગત સમૂહ જેવા પાતળા અથવા પાતળા તીક્ષ્ણ ભાગોને કારણે પૂર્ણ કરવી મુશ્કેલ હોય છે. ફોરેમેન મેગ્નમની આસપાસ ખોપરીના આધાર, જેમાં આધારનો સમાવેશ થાય છે, તેને રિસેક્ટ કરવામાં આવ્યો ન હતો કારણ કે આ સર્વાઇકલ સાંધાના સ્થાન માટે શરીરરચનાત્મક રીતે મહત્વપૂર્ણ સ્થાન છે અને ખોપરીની ઊંચાઈનું મૂલ્યાંકન કરવું આવશ્યક છે. બંને બાજુ સપ્રમાણતાવાળા ટેમ્પલેટ બનાવવા માટે મિરર રિંગ્સનો ઉપયોગ કરો. બહુકોણીય આકારોને શક્ય તેટલા સમભુજ બનાવવા માટે આઇસોટ્રોપિક મેશિંગ કરો.
આગળ, HBM-Rugle સોફ્ટવેરનો ઉપયોગ કરીને ટેમ્પલેટ મોડેલના શરીરરચનાત્મક રીતે અનુરૂપ શિરોબિંદુઓને 56 સીમાચિહ્નો સોંપવામાં આવ્યા હતા. લેન્ડમાર્ક સેટિંગ્સ લેન્ડમાર્ક સ્થિતિની ચોકસાઈ અને સ્થિરતા સુનિશ્ચિત કરે છે અને જનરેટ થયેલ હોમોલોજી મોડેલમાં આ સ્થાનોની હોમોલોજી સુનિશ્ચિત કરે છે. પૂરક કોષ્ટક S5 અને પૂરક આકૃતિ S3 માં બતાવ્યા પ્રમાણે, તેમની ચોક્કસ લાક્ષણિકતાઓના આધારે તેમને ઓળખી શકાય છે. બુકસ્ટેઇનની વ્યાખ્યા81 અનુસાર, આમાંના મોટાભાગના સીમાચિહ્નો ત્રણ માળખાના આંતરછેદ પર સ્થિત પ્રકાર I સીમાચિહ્નો છે, અને કેટલાક મહત્તમ વક્રતાના બિંદુઓ સાથે પ્રકાર II સીમાચિહ્નો છે. માર્ટિનની વ્યાખ્યા 36 માં રેખીય ક્રેનિયલ માપન માટે વ્યાખ્યાયિત બિંદુઓમાંથી ઘણા સીમાચિહ્નો સ્થાનાંતરિત કરવામાં આવ્યા હતા. અમે 342 ખોપરીના નમૂનાઓના સ્કેન કરેલા મોડેલો માટે સમાન 56 સીમાચિહ્નો વ્યાખ્યાયિત કર્યા હતા, જે આગામી વિભાગમાં વધુ સચોટ હોમોલોજી મોડેલો જનરેટ કરવા માટે શરીરરચનાત્મક રીતે અનુરૂપ શિરોબિંદુઓને મેન્યુઅલી સોંપવામાં આવ્યા હતા.
પૂરક આકૃતિ S4 માં બતાવ્યા પ્રમાણે, સ્કેન ડેટા અને ટેમ્પ્લેટનું વર્ણન કરવા માટે એક હેડ-સેન્ટ્રીક કોઓર્ડિનેટ સિસ્ટમ વ્યાખ્યાયિત કરવામાં આવી હતી. XZ પ્લેન એ ફ્રેન્કફર્ટ આડી પ્લેન છે જે ડાબી અને જમણી બાહ્ય શ્રાવ્ય નહેરોના ઉપલા ધારના ઉચ્ચતમ બિંદુ (માર્ટિનની વ્યાખ્યા: ભાગ) અને ડાબી ભ્રમણકક્ષાના નીચલા ધારના સૌથી નીચલા બિંદુ (માર્ટિનની વ્યાખ્યા: ભ્રમણકક્ષા)માંથી પસાર થાય છે. . X અક્ષ એ ડાબી અને જમણી બાજુઓને જોડતી રેખા છે, અને X+ જમણી બાજુ છે. YZ પ્લેન ડાબી અને જમણી ભાગોની મધ્યમાંથી અને નાકના મૂળમાંથી પસાર થાય છે: Y+ ઉપર, Z+ આગળ. સંદર્ભ બિંદુ (મૂળ: શૂન્ય કોઓર્ડિનેટ) YZ પ્લેન (મધ્યમ પ્લેન), XZ પ્લેન (ફ્રેન્કફોર્ટ પ્લેન) અને XY પ્લેન (કોરોનલ પ્લેન) ના આંતરછેદ પર સેટ થયેલ છે.
અમે HBM-Rugle સોફ્ટવેર (મેડિક એન્જિનિયરિંગ, ક્યોટો, http://www.rugle.co.jp/) નો ઉપયોગ કરીને 56 લેન્ડમાર્ક પોઈન્ટ્સ (આકૃતિ 1 ની ડાબી બાજુ) નો ઉપયોગ કરીને ટેમ્પલેટ ફિટિંગ કરીને હોમોલોગસ મેશ મોડેલ બનાવવા માટે કર્યો. મૂળરૂપે જાપાનમાં ઇન્સ્ટિટ્યૂટ ઓફ એડવાન્સ્ડ ઇન્ડસ્ટ્રિયલ સાયન્સ એન્ડ ટેકનોલોજી ખાતે સેન્ટર ફોર ડિજિટલ હ્યુમન રિસર્ચ દ્વારા વિકસાવવામાં આવેલ મુખ્ય સોફ્ટવેર ઘટકને HBM કહેવામાં આવે છે અને તે લેન્ડમાર્કનો ઉપયોગ કરીને ટેમ્પલેટ ફિટ કરવા અને પાર્ટીશનિંગ સપાટીઓનો ઉપયોગ કરીને ફાઇન મેશ મોડેલ બનાવવા માટે કાર્ય કરે છે82. અનુગામી સોફ્ટવેર સંસ્કરણ (mHBM) 83 એ ફિટિંગ કામગીરી સુધારવા માટે લેન્ડમાર્ક વિના પેટર્ન ફિટિંગ માટે એક સુવિધા ઉમેરી. HBM-Rugle mHBM સોફ્ટવેરને વધારાની વપરાશકર્તા-મૈત્રીપૂર્ણ સુવિધાઓ સાથે જોડે છે જેમાં કોઓર્ડિનેટ સિસ્ટમ્સને કસ્ટમાઇઝ કરવા અને ઇનપુટ ડેટાનું કદ બદલવાનો સમાવેશ થાય છે. અસંખ્ય અભ્યાસોમાં સોફ્ટવેર ફિટિંગ ચોકસાઈની વિશ્વસનીયતાની પુષ્ટિ કરવામાં આવી છે52,54,55,56,57,58,59,60.
લેન્ડમાર્ક્સનો ઉપયોગ કરીને HBM-Rugle ટેમ્પ્લેટ ફિટ કરતી વખતે, ICP ટેકનોલોજી (ટેમ્પ્લેટ અને ટાર્ગેટ સ્કેન ડેટાને અનુરૂપ લેન્ડમાર્ક્સ વચ્ચેના અંતરના સરવાળાને ઘટાડીને) પર આધારિત કઠોર નોંધણી દ્વારા ટેમ્પ્લેટના મેશ મોડેલને લક્ષ્ય સ્કેન ડેટા પર સુપરઇમ્પોઝ કરવામાં આવે છે, અને પછી મેશના બિન-કઠોર વિકૃતિ દ્વારા ટેમ્પ્લેટને લક્ષ્ય સ્કેન ડેટા સાથે અનુકૂલિત કરવામાં આવે છે. ફિટિંગની ચોકસાઈ સુધારવા માટે બે ફિટિંગ પરિમાણોના વિવિધ મૂલ્યોનો ઉપયોગ કરીને આ ફિટિંગ પ્રક્રિયા ત્રણ વખત પુનરાવર્તિત કરવામાં આવી હતી. આ પરિમાણોમાંથી એક ટેમ્પ્લેટ ગ્રીડ મોડેલ અને ટાર્ગેટ સ્કેન ડેટા વચ્ચેનું અંતર મર્યાદિત કરે છે, અને બીજું ટેમ્પ્લેટ લેન્ડમાર્ક્સ અને ટાર્ગેટ લેન્ડમાર્ક્સ વચ્ચેનું અંતર દંડિત કરે છે. ત્યારબાદ વિકૃત ટેમ્પ્લેટ મેશ મોડેલને ચક્રીય સપાટી સબડિવિઝન અલ્ગોરિધમ 82 નો ઉપયોગ કરીને વિભાજિત કરવામાં આવ્યું હતું જેથી 17,709 શિરોબિંદુઓ (34,928 બહુકોણ) ધરાવતું વધુ શુદ્ધ મેશ મોડેલ બનાવવામાં આવે. અંતે, વિભાજિત ટેમ્પ્લેટ ગ્રીડ મોડેલ હોમોલોજી મોડેલ જનરેટ કરવા માટે લક્ષ્ય સ્કેન ડેટા સાથે ફિટ થાય છે. લેન્ડમાર્ક સ્થાનો લક્ષ્ય સ્કેન ડેટામાંના સ્થાનોથી થોડા અલગ હોવાથી, હોમોલોજી મોડેલને અગાઉના વિભાગમાં વર્ણવેલ હેડ ઓરિએન્ટેશન કોઓર્ડિનેટ સિસ્ટમનો ઉપયોગ કરીને તેનું વર્ણન કરવા માટે ફાઇન-ટ્યુન કરવામાં આવ્યું હતું. બધા નમૂનાઓમાં અનુરૂપ હોમોલોગસ મોડેલ લેન્ડમાર્ક અને લક્ષ્ય સ્કેન ડેટા વચ્ચેનું સરેરાશ અંતર <0.01 mm હતું. HBM-Rugle ફંક્શનનો ઉપયોગ કરીને ગણતરી કરવામાં આવે તો, હોમોલોગસી મોડેલ ડેટા પોઇન્ટ અને લક્ષ્ય સ્કેન ડેટા વચ્ચેનું સરેરાશ અંતર 0.322 mm હતું (પૂરક કોષ્ટક S2).
ક્રેનિયલ મોર્ફોલોજીમાં ફેરફારોને સમજાવવા માટે, ઇન્સ્ટિટ્યૂટ ઓફ એડવાન્સ્ડ ઇન્ડસ્ટ્રિયલ સાયન્સ એન્ડ ટેકનોલોજી ખાતે સેન્ટર ફોર ડિજિટલ હ્યુમન સાયન્સ દ્વારા બનાવેલ HBS સોફ્ટવેરનો ઉપયોગ કરીને મુખ્ય ઘટક વિશ્લેષણ (PCA) દ્વારા બધા સમાન મોડેલોના 17,709 શિરોબિંદુઓ (53,127 XYZ કોઓર્ડિનેટ્સ) નું વિશ્લેષણ કરવામાં આવ્યું. , જાપાન (વિતરણ ડીલર: મેડિક એન્જિનિયરિંગ, ક્યોટો, http://www.rugle.co.jp/). ત્યારબાદ અમે અનનોર્મલાઇઝ્ડ ડેટા સેટ અને સેન્ટ્રોઇડ કદ દ્વારા સામાન્ય ડેટા સેટ પર PCA લાગુ કરવાનો પ્રયાસ કર્યો. આમ, બિન-માનક ડેટા પર આધારિત PCA નવ ભૌગોલિક એકમોના ક્રેનિયલ આકારને વધુ સ્પષ્ટ રીતે દર્શાવી શકે છે અને પ્રમાણિત ડેટાનો ઉપયોગ કરીને PCA કરતાં ઘટક અર્થઘટનને સરળ બનાવી શકે છે.
આ લેખ કુલ ભિન્નતાના 1% થી વધુ યોગદાન સાથે શોધાયેલ મુખ્ય ઘટકોની સંખ્યા રજૂ કરે છે. મુખ્ય ભૌગોલિક એકમોમાં જૂથોને અલગ પાડવામાં સૌથી અસરકારક મુખ્ય ઘટકો નક્કી કરવા માટે, 2% 84 થી વધુ યોગદાન સાથે મુખ્ય ઘટક (PC) સ્કોર્સ પર રીસીવર ઓપરેટિંગ લાક્ષણિકતા (ROC) વિશ્લેષણ લાગુ કરવામાં આવ્યું હતું. આ વિશ્લેષણ વર્ગીકરણ કામગીરી સુધારવા અને ભૌગોલિક જૂથો વચ્ચે પ્લોટની યોગ્ય રીતે તુલના કરવા માટે દરેક PCA ઘટક માટે સંભાવના વળાંક ઉત્પન્ન કરે છે. ભેદભાવ શક્તિની ડિગ્રીનું મૂલ્યાંકન વક્ર (AUC) હેઠળના ક્ષેત્ર દ્વારા કરી શકાય છે, જ્યાં મોટા મૂલ્યોવાળા PCA ઘટકો જૂથો વચ્ચે ભેદભાવ કરવામાં વધુ સારી રીતે સક્ષમ છે. ત્યારબાદ મહત્વના સ્તરનું મૂલ્યાંકન કરવા માટે ચી-સ્ક્વેર પરીક્ષણ કરવામાં આવ્યું. એક્સેલ સોફ્ટવેર (સંસ્કરણ 3.21) માટે બેલ કર્વનો ઉપયોગ કરીને માઇક્રોસોફ્ટ એક્સેલમાં ROC વિશ્લેષણ કરવામાં આવ્યું હતું.
ક્રેનિયલ મોર્ફોલોજીમાં ભૌગોલિક તફાવતોની કલ્પના કરવા માટે, પીસી સ્કોર્સનો ઉપયોગ કરીને સ્કેટરપ્લોટ્સ બનાવવામાં આવ્યા હતા જે મુખ્ય ભૌગોલિક એકમોથી જૂથોને સૌથી અસરકારક રીતે અલગ પાડે છે. મુખ્ય ઘટકોનું અર્થઘટન કરવા માટે, મુખ્ય ઘટકો સાથે ખૂબ જ સંબંધિત મોડેલ શિરોબિંદુઓની કલ્પના કરવા માટે રંગ નકશાનો ઉપયોગ કરો. વધુમાં, મુખ્ય ઘટક સ્કોર્સના ±3 માનક વિચલનો (SD) પર સ્થિત મુખ્ય ઘટક અક્ષોના છેડાના વર્ચ્યુઅલ રજૂઆતોની ગણતરી કરવામાં આવી હતી અને પૂરક વિડિઓમાં રજૂ કરવામાં આવી હતી.
PCA વિશ્લેષણમાં મૂલ્યાંકન કરાયેલ ખોપરીના આકાર અને કદ પરિબળો વચ્ચેના સંબંધને નક્કી કરવા માટે એલોમેટ્રીનો ઉપયોગ કરવામાં આવ્યો હતો. આ વિશ્લેષણ 1% થી વધુ યોગદાન ધરાવતા મુખ્ય ઘટકો માટે માન્ય છે. આ PCA ની એક મર્યાદા એ છે કે આકાર ઘટકો વ્યક્તિગત રીતે આકાર સૂચવી શકતા નથી કારણ કે નોન-નોર્મલાઇઝ્ડ ડેટા સેટ બધા પરિમાણીય પરિબળોને દૂર કરતું નથી. નોન-નોર્મલાઇઝ્ડ ડેટા સેટનો ઉપયોગ કરવા ઉપરાંત, અમે 1% થી વધુ યોગદાન ધરાવતા મુખ્ય ઘટકો પર લાગુ કરાયેલ નોર્મલાઇઝ્ડ સેન્ટ્રોઇડ કદ ડેટાના આધારે PC અપૂર્ણાંક સેટનો ઉપયોગ કરીને એલોમેટ્રિક વલણોનું પણ વિશ્લેષણ કર્યું.
એલોમેટ્રિક વલણોનું પરીક્ષણ Y = aXb 85 સમીકરણનો ઉપયોગ કરીને કરવામાં આવ્યું હતું જ્યાં Y એ આકાર ઘટકનો આકાર અથવા પ્રમાણ છે, X એ સેન્ટ્રોઇડ કદ છે (પૂરક કોષ્ટક S2), a એ સ્થિર મૂલ્ય છે, અને b એ એલોમેટ્રિક ગુણાંક છે. આ પદ્ધતિ મૂળભૂત રીતે એલોમેટ્રિક વૃદ્ધિ અભ્યાસને ભૌમિતિક મોર્ફોમેટ્રી78,86 માં રજૂ કરે છે. આ સૂત્રનું લોગરીધમિક રૂપાંતર છે: log Y = b × log X + log a. a અને b ની ગણતરી કરવા માટે ઓછામાં ઓછા ચોરસ પદ્ધતિનો ઉપયોગ કરીને રીગ્રેશન વિશ્લેષણ લાગુ કરવામાં આવ્યું હતું. જ્યારે Y (સેન્ટ્રોઇડ કદ) અને X (PC સ્કોર્સ) લોગરીધમિક રીતે રૂપાંતરિત થાય છે, ત્યારે આ મૂલ્યો હકારાત્મક હોવા જોઈએ; જો કે, X માટેના અંદાજોના સમૂહમાં નકારાત્મક મૂલ્યો હોય છે. ઉકેલ તરીકે, અમે દરેક ઘટકમાં દરેક અપૂર્ણાંક માટે સૌથી નાના અપૂર્ણાંક વત્તા 1 ના સંપૂર્ણ મૂલ્યમાં ગોળાકાર ઉમેર્યો અને બધા રૂપાંતરિત હકારાત્મક અપૂર્ણાંકોમાં લોગરીધમિક પરિવર્તન લાગુ કર્યું. બે-પૂંછડીવાળા વિદ્યાર્થીના t પરીક્ષણનો ઉપયોગ કરીને એલોમેટ્રિક ગુણાંકનું મહત્વ મૂલ્યાંકન કરવામાં આવ્યું. એલોમેટ્રિક વૃદ્ધિ ચકાસવા માટે આ આંકડાકીય ગણતરીઓ એક્સેલ સોફ્ટવેર (સંસ્કરણ 3.21) માં બેલ કર્વ્સનો ઉપયોગ કરીને કરવામાં આવી હતી.
વોલ્પોફ, એમએચ હાડપિંજરના નસકોરા પર આબોહવાની અસરો. હા. જે. ફિઝ. હ્યુમનિટી. 29, 405–423. https://doi.org/10.1002/ajpa.1330290315 (1968).
બીલ્સ, કેએલ માથાનો આકાર અને આબોહવા તણાવ. હા. જે. ફિઝ. માનવતા. 37, 85–92. https://doi.org/10.1002/ajpa.1330370111 (1972).