METODI FILOGENETICI CON MATRICI DI DISTANZA
Download
1 / 22

NJM (Neighbour-Joining Method) - PowerPoint PPT Presentation


  • 184 Views
  • Uploaded on

METODI FILOGENETICI CON MATRICI DI DISTANZA. NJM (Neighbour-Joining Method).

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' NJM (Neighbour-Joining Method) ' - lucas


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

NJM

(Neighbour-Joining Method)

NEIGHBOR-JOINING clustering method, crea un albero con il minimo valore di S = shortest sum of branch lenghts. Basato sul principio di “minimum evolution”, il miglior albero che si può ottenere da una matrice è quello con la somma della lunghezza dei rami minore (Cavalli Sforza and Edwards, 1967).

Questo modello non richiede che le diverse linee filetiche si siano evolute con un tasso costante.

L'algoritmo NJ opera sulla matrice di distanza tra le varie OTU e fornisce un albero non radicato (network) che può essere rappresentato con una stella (star phylogeny).


NJM

Inizialmente tutti i taxa (A-H) sono collegati da una singola politomia, formando un albero noto come star phylogeny . Poi tutte le coppie sono estratte a turno da questo albero e la coppia che dà l’albero più corto tra tutti (più basso valore di S) viene selezionata. Come con l’UPGMA questa coppia viene considerata come un solo taxon e le distanze tra questo taxon composto e tutti gli altri taxa vengono ricalcolate come la media delle distanze tra i singoli taxon costituenti.

Coppie di taxa vengono quindi selezionate sequenzialmente in questo modo fino a che vengono trovati tutti i rami interni.


NEIGHBOR-JOINING TREE

Amerindiani

Nuova Guinea

Chukchi

Siberia

  • L'albero presenta cinque clusters ben definiti corrispondenti ad altrettante regioni geografiche: Europa, Asia centrale e sud-orientale, Asia settentrionale, Nuova Guinea e America.

  • Le quattro popolazioni dell’Asia Centrale esaminate clusterizzano con quelle Tibetane e del Sud-est Asiatico, differenziandosi da Mongoli e Siberiani.

Mongolia

Toscani

Asia Centrale

Tibet

Nord Europa

SE-Asia


  • I caratteri sono unità discrete di evoluzione, sia sostituzioni di singole basi in una sequenza nucleotidica che cambi nel numero di ripetizioni di un micro o minisatellite.

  • I metodi basati sullo stato dei caratteri ci permettono di fare inferenze sul carattere dell’antenato.

Dati microsatelliti (STRs) di 5 individui

Alpha 15 / 10 / 14 / 24 / 9 / 16

Beta 15 / 11 / 16 / 24 / 9 / 16

Gamma 14 / 11 / 18 / 22 / 9 / 16

Delta 14 / 12 / 18 / 22 / 9 / 16

Epsilon 13 / 12 / 18 / 24 / 10 / 18

Dati microsatelliti (STRs) di 5 individui

Alpha 15 / 10 / 14 / 24 / 9 / 16

Beta 15 / 11 / 16 / 24 / 9 / 16

Gamma 14 / 11 / 18 / 22 / 9 / 16

Delta 14 / 12 / 18 / 22 / 9 / 16

Epsilon 13 / 12 / 18 / 24 / 10 / 18

Sequenze nucleotidiche di 5 individui

Alpha AACGTGGCCACAT

Beta AAGGTCGCCACAC

Gamma CAGTTCGCCACAA

Delta GAGATTTCCGCCT

Epsilon GAGATCTCCGCCC

Dati binari (RFLPs) di 5 individui

Alpha 110110

Beta 110000

Gamma 100110

Delta 001001

Epsilon 001110

Dati binari (RFLPs) di 5 individui

Alpha 110110

Beta 110000

Gamma 100110

Delta 001001

Epsilon 001110

Sequenze nucleotidiche di 5 individui

Alpha AACGTGGCCACAT

Beta AAGGTCGCCACAC

Gamma CAGTTCGCCACAA

Delta GAGATTTCCGCCT

Epsilon GAGATCTCCGCCC


MAXIMUM PARSIMONY

Metodo per scegliere il miglior albero filogenetico da un insieme di alternative sulla base del minor numero di cambiamenti evolutivi

MAXIMUM LIKELIHOOD

Metodo per scegliere il miglior albero filogenetico da un insieme di alternative sulla base della maggiore probabilità di ottenere i dati osservati

  • METODI FILOGENETICI BASATI SULLO STATO DEI CARATTERI


MASSIMA PARSIMONIA

I caratteri sono rappresentati dai siti nucleotidici omologhi e lo stato dei caratteri è dato dalla base nucleotidica osservata in ciascuna posizione, ammettendo che ciascuno stato possa mutare direttamente in uno degli altri stati possibili.

Considera i “siti informativi”, siti polimorfici con almeno due alleli presenti in almeno due individui.

Albero di massima parsimonia ottenuto dall’analisi di restrizione di 182 tipi di mtDNA attuale di diversi continenti

(da Wilson e Cann, 1992)


Per la costruzione dell'albero viene scelto IL PERCORSO PIÙ BREVE CHE COLLEGA I VARI SITI, OVVERO IL NUMERO MINIMO DI TRASFORMAZIONI DELLO STATO DI UN CARATTERE IN UN ALTRO (NUMERO MINIMO DI PASSAGGI EVOLUTIVI IPOTIZZABILI).

Il metodo di MP per i dati carattere equivale perciò all’evoluzione minima per i metodi con le matrici di distanza.

La minimizzazione della lunghezza totale dell'albero consiste quindi nella ricerca degli alberi che richiedono la quantità minima di omoplasia (similarità non direttamente attribuibile all’antenato comune e dovuta a convergenza, evoluzione parallela e/o inversione evolutiva).

Si assume che la presenza dello stesso stato del carattere in due o più taxa sia dovuta solamente all'eredità da un antenato comune (omologia).


INDIVIDUAZIONE DEGLI ALBERI PIÙ PARSIMONIOSI MEDIANTE APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.

In ogni caso è possibile trovare più di un albero con il percorso evolutivo minimo.

ALBERI CONSENSO

BOOTSTRAPPING

TEST PER VERIFICARE IL GRADO DI ATTENDIBILITÀ STATISTICA


VALORI DI APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.BOOTSTRAPdefiniscono quelli che possono essere i limiti fiduciali degli alberi.

Nel bootstrap un insieme di n caratteri viene campionato r volte con sostituzioni e duplicazioni di stringhe (serie) di dati, generando r insiemi di dati contenenti n caratteri.

Per ciascun set di dati viene quindi stimata la filogenesi secondo i procedimenti standard di parsimonia o di distanza.

Per le r filogenesi ottenute viene determinato un albero di consensocontenente i gruppi monofiletici che si presentano più frequentemente e la loro frequenza è utilizzata come intervallo fiduciale.


Ci sono alcuni processi biologici che complicano le rappresentazioni filogenetiche.

Ad es. la ricombinazione tende a riunire aplotipi inizialmente divergenti, mentre il flusso genico recente tra due popolazioni può introdurre alleli più giovani rispetto al punto di divergenza delle due popolazioni.

Questi processi possono portare a reticolazioni o cicli e tali tipi di filogenie prendono il nome di NETWORKS.


NETWORK: APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.

topologia tale per cui non è individuabile un punto principale di divergenza, ma che illustra una distribuzione spaziale con un percorso che si svolge fra i due oggetti più distanti e, lungo il quale, troviamo il resto degli oggetti a seconda dell’affinità con i più prossimi.

Può essere costruito sia da matrici di distanza (split decomposition) che da caratteri (minimum spanning networks e median networks).

Un singolo network riassume in sé molti alberi e quindi contiene maggiori informazioni rispetto agli alberi.


Network APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.

Metodi per l’analisi di dati molecolari intraspecifici, che nonassumono uno schema evolutivo gerarchico strettamente dicotomico.

Permettono l’inclusione nell’albero e la rappresentazione grafica di processi quali la ricombinazione, il flusso genico, le mutazioni ricorrenti

Formazione di reticolazioni

Rappresentazione di più alberi contemporaneamente

Maggior quantità di informazione (se due alberi sono ugualmente supportati dai dati, non devo sceglierne uno solo ma li posso considerare entrambi contemporaneamente)


MSN APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.

(Minimum Spanning Network)

Metodo che consente di collegare i taxa con tutte le possibili combinazioni.

Partendo da una matrice di distanza (numero di differenze/step mutazionali tra taxa) si uniscono prima i taxa separati da una singola differenza, quindi quelli separati da 2 e così via. Alla fine si otterrà un network che riassume tutti i possibili alberi di parsimonia, cioè tutti i possibili PERCORSI EVOLUTIVI.


RMN e MJN APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.

(Reduced Median Network e Median Joining network)

Il metodo è simile a quello utilizzato per il MSN, ma in questo caso vengono inferiti anche i nodi ancestrali (median vector) non presenti nel dataset.

Richiede, per la sua applicazione, l’assenza di ricombinazione, risultando quindi particolarmente adatto nel trattamento di sequenza di DNA mitocondriale.


Esempio: Median Joining Network APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.

L’algoritmo con cui è costruito consiste di due fasi:

1. inizia combinando tutti i minimum spanning trees (MSTs) in un unico network, generando in tal modo un minimum spanning network;

(un MST è un albero che connette tutte le sequenze del campione senza creare reticolazioni e senza introdurre nuovi nodi, costruito in modo tale che la lunghezza totale dei rami sia minima)

2. successivamente, seguendo un criterio parsimonioso, vengono aggiunti alcuni median vectors (mv), che sono sequenze consenso di tre sequenze vicine, e vengono costruite considerando una tripletta alla volta. Vengono esclusi dal calcolo quei mv che hanno basse probabilità di apparire come nodi intermedi di un albero costruito con il metodo della massima parsimonia. I mv possono essere interpretati biologicamente come possibili sequenze non campionate o come sequenze ancestrali estinte.


ESEMPIO L1c APPROSSIMAZIONE PER TENTATIVI SUCCESSIVI.

RETICOLAZIONE

MEDIAN VECTORS


ad