<p style="margin-top:0px;margin-right:0px;margin-bottom:0px;margin-left:0px;font:normal normal normal 13px/normal Arial"><font class="Apple-style-span" face="Helvetica"><span class="Apple-style-span" style="font-size:12px">

















</span></font></p><p class="MsoNormal"><font class="Apple-style-span" face="Helvetica">Dear Thibaut and DAPC users,</font></p><font class="Apple-style-span" face="Helvetica">

<p class="MsoNormal"> </p>

<p class="MsoNormal">I've been exploring DAPC for the past week on a 10
microsatellite dataset with 114 individuals from 3 geographically distinct
locations. I've used individual based modeling (Structure) and genetic
differentiation indices (Fst, Rst, Dest) to explore the structuring of these
populations (not exclusively). As expected, I found no structure at all (it's a crustacean
species with a huge larval dispersion capacity). I wanted to use DAPC to
confirm these results and graphically represent the absence of divergence among
such populations, but it consistently fails to present a valid output. I'll try
to explain briefly my line of procedure:</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">I've performed analysis on two difference ways…one by using
find.clusters and the other by assuming the number of clusters equal to my
sampled locations (which are geographically separated).</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">1. Using find.clusters</p>

<p class="MsoNormal">I've retained all PCs (110) and got the lowest BIC for K =
2, with individuals from each actual group (ori) being ~equally divided among
the two inferred groups (inf) (I guess that such evidence would be enough to
considered my populations undifferentiated…but let's move forward...)</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">I've used the 2 inferred groups to perform a DAPC and
selected 1/3 number of individuals of PCs (PCs = 38) (~60% cumulative
variance…too much information missed). With two clusters I get one single
discriminant function (one eigenvalue). If I the scatter the DAPC I obtain the
density of the individuals for the single discriminant function and get perfect
differentiated clusters!!</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">1.a) I understand that I've lost a bit of information by
selecting few PCs but still shouldn't I get enough to observe undifferentiated
populations?</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">1. b) Is there any limitation in find.clusters that impedes
one to get K=1 and therefore the only K to work upon is K =2? Even if such
method splits roughly half of the ori samples to each cluster? Is such
inconsistency with original groups a sign of lack of structure?</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">2. Using populations as prior groups (3 clusters)</p>

<p class="MsoNormal">Number of PCs retained = 70; chosen as to capture a large
amount of the variation<span style>  </span>~95%. All
discriminate functions were retained (n.da = 2). As the number of retained PCs
of PCA is too large >N/3, the DAPC outcome shows overfitting of the descriminant
functions and perfectly (wrongly) differentiate the three clusters. At this
point, I've taken a look at the a-score to the previous DAPC. I got 37 as an
optimal number of PCs. Nevertheless, a-score mean was 0.07…a very low number,
with the highest proportion for the optimal number of PCs of 0.11. Is this a
clear sign of poor fitting? When performing the DAPC retaining the 37 PCs, I
still get a perfect discrimination of clusters.</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">2.a) Is it possible to get a visual representation of
unstructured populations using DAPC!?</p>

<p class="MsoNormal"><br></p>

<p class="MsoNormal">I might be trying to do an impossible DAPC visualization, and
skipping a lot of methodological constrains…and I do apologize for this huge
text!! </p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">Thanks in advance for your help.</p>

<p class="MsoNormal"> </p>

<p class="MsoNormal">Best Regards</p>

<p class="MsoNormal"><br></p><p class="MsoNormal">João Faria</p><p class="MsoNormal">PhD student</p><p class="MsoNormal">University of Azores</p>

</font><p></p>