Presentazione di PowerPoint

1

1. METODI FILOGENETICI CON MATRICI DI DISTANZA

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).
2
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 lalbero più corto tra tutti (più basso
valore di S) viene selezionata. Come con lUPGMA
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.
3
(No Transcript)
4

1. IL TIPO DI DATI USATI COME INPUT

• 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
  dellantenato.

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
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
5

1. METODI FILOGENETICI BASATI SULLO STATO DEI
   CARATTERI

6
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
dallanalisi di restrizione di 182 tipi di mtDNA
attuale di diversi continenti (da Wilson e Cann,
1992)
7
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
allevoluzione 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 allantenato 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).
8
(No Transcript)
9
(No Transcript)
10
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
11
VALORI DI BOOTSTRAP definiscono 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 consenso contenente i gruppi monofiletici che
si presentano più frequentemente e la loro
frequenza è utilizzata come intervallo fiduciale.
12
(No Transcript)
13
(No Transcript)
14
(No Transcript)
15

1. METODI FILOGENETICI BASATI SULLO STATO DEI
   CARATTERI

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.
16
NETWORK 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 dellaffinità 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.
17
(No Transcript)
18
MSN (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.
19
RMN e MJN (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, lassenza di
ricombinazione, risultando quindi particolarmente
adatto nel trattamento di sequenza di DNA
mitocondriale.
20
Esempio Median Joining Network
Lalgoritmo 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.
21
(No Transcript)
22
METODI UTILIZZATI NELLANALISI STATISTICA METODI UTILIZZATI NELLANALISI STATISTICA METODI UTILIZZATI NELLANALISI STATISTICA
Metodo Software URL
Parametri di variabilità interna Distanze genetiche Arlequin Lgb.unige.ch/arlequin
MultiDimensional Scaling Componenti Principali Analisi di corrispondenza SPSS Statistica Non disponibile sul web
Neighbor Joining Phylip, Mega evolution.genetics.washington.edu/phylip.html
Network Network www.fluxus-engineering.com