Clase: Introducción a la Filogenia 2016
- 1. Introducción a la Filogenia Molecular Dr. Juan Pablo Cárdenas Astudillo Data Scientist, μBiome
- 2. Genoma Célula Genes Los genes contienen instrucciones para sintetizar RNA y proteínas Proteínas las proteínas actúan solas o en complejos para realizar las funciones celulares Cromosomas
- 6. ¿Qué nos puede decir este alineamiento sobre la relación evolutiva entre estas secuencias? http://en.wikipedia.org/wiki/Multiple_sequence_alignment
- 7. Filogenia Molecular Estudio de la historia evolutiva de los seres vivos (o sus genes y proteínas), realizado a partir de sus secuencias. Principal supuesto En estudios filogenético-moleculares, se asume que las secuencias a comparar son homólogas.
- 9. Cada posición reflejaría la variación de un residuo desde un ancestro común http://en.wikipedia.org/wiki/Multiple_sequence_alignment
- 10. Con raíz Sin raíz Representación de un árbol Nodo Clado Taxones Rama “Outgroup” (Grupo externo)
- 11. Relaciones filogenéticas: Ortología y Paralogía Ortólogos: generados por la transferencia vertical, producida por la especiación Parálogos: generados por duplicaciones dentro de una especie dada Baldauf SL, Trends Genet. 2003, 19(6):345-351
- 12. Relaciones filogenéticas: “Xenología”(HGT) Transferencia de genes entre diversos puntos (no directamente relacionados) del árbol de la vida Brown JR, Nat Rev Genet. 2003, 4(2):121-32
- 14. Cladograma Filograma Cladograma inclinado Representaciones filogenéticas
- 15. Árbol circular Árbol sin raíz Representaciones filogenéticas
- 16. ¿Cómo se construye un árbol filogenético? Selección de secuencias Elaboración y curación de un alineamiento múltiple Aplicación de métodos y modelos evolutivos Evaluación de la robustez de los clados Representación e interpretación
- 17. ¿Cómo se construye un árbol filogenético? Selección de secuencias Elaboración y curación de un alineamiento múltiple Aplicación de métodos y modelos evolutivos Evaluación de la robustez de los clados Representación e interpretación
- 18. Seleccionando secuencias • ¿Qué se desea hacer? ¿Cuál es el enfoque evolutivo? • Proteínas – Si se necesita evaluar evolución familias por función – Filogenia genómica (sets concatenados de genes conservados y/o proteínas ribosomales) • DNA – Evolución de regiones altamente variables (por ej: D- loop mitocondrial, región espaciadora entre genes de rRNA) – Marcadores para evolución de organismos (por ej: rRNA 16S / 18S
- 20. Una aproximación secuencia/especie: el árbol de la vida Woese & Fox, Proc Natl Acad Sci U S A. 1977;74(11):5088-5090 Woese et al., Proc Natl Acad Sci U S A. 1990;87(12):4576-4579 rRNA 16S / 18S
- 21. Filogenia para el análisis de familias de proteínas http://jcs.biologists.org/content/118/5/843
- 22. Árboles filogenómicos “…The tree was constructed from concatenated protein sequence alignments derived from 31 housekeeping genes…” Wu & Eisen, Genome Biology 2008; 9:R151
- 23. ¿Cómo se construye un árbol filogenético? Selección de secuencias Elaboración y curación de un alineamiento múltiple Aplicación de métodos y modelos evolutivos Evaluación de la robustez de los clados Representación e interpretación
- 25. • Clustal-Omega (Sievers et al., 2011) • T-COFFEE (Notredame et al., 2000) • MAFFT (Katoh et al., 2002) • COBALT (Papadopoulos & Agarwala, 2007) • MUSCLE (Edgar, 2004) • PROBCONS (Do et al., 2005) etc… Alineamiento múltiple
- 26. No es trivial cuál herrramienta usar Wong KM et al., Science. 2008;319(5862):473-476
- 27. Wong KM et al., Science. 2008;319(5862):473-476 No es trivial cuál herrramienta usar
- 28. ¿Cuál es el mejor? Golubchik T et al., Mol Biol Evol. 2007, 24(11):2433-2442.
- 29. Secuencias con alta divergencia muestran patrones de alineamiento ricos en gaps pueden señalar un error de método. Problemas en un alineamiento
- 30. Posible razón: presencia de secuencias fragmentadas (ricas en gaps) Posible razón: presencia de secuencias muy divergentes (no serían reales miembros de una familia) Problemas en un alineamiento
- 31. ¿Cómo se construye un árbol filogenético? Selección de secuencias Elaboración y curación de un alineamiento múltiple Aplicación de métodos y modelos evolutivos Evaluación de la robustez de los clados Representación e interpretación
- 32. Maximum Likelihood Maximum Parsimony Bayes inference Minimum Evolution Least Squares UPGMA “Neighbor-Joining” Fitch/Margoliash Métodos de inferencia filogenética Criterio por optimización Algoritmos de agrupamiento Distancias“Caracteres” Tipodeinformaciónusada Estrategia computacional utilizada
- 33. Métodos de inferencia filogenética UPGMA • Unweighted Pair Group Method with Arithmetic Mean • Asume estado de “reloj molecular”, o sea, que todas las secuencias evolucionan a una tasa constante (por lo tanto, no puede ofrecer largos de rama diferentes) • Utiliza promedios aritméticos, siempre entre pares http://www.southampton.ac.uk/~re1u06/teaching/upgma/
- 34. Métodos de inferencia filogenética UPGMA
- 35. A B C D E B 2 C 4 4 D 6 6 6 E 6 6 6 4 F 8 8 8 8 8 UPGMA
- 36. A B C D E B 2 C 4 4 D 6 6 6 E 6 6 6 4 F 8 8 8 8 8 UPGMA
- 37. A B C D E B 2 C 4 4 D 6 6 6 E 6 6 6 4 F 8 8 8 8 8 UPGMA dist(A,B),C = (distAC + distBC) / 2 = 4 dist(A,B),D = (distAD + distBD) / 2 = 6 dist(A,B),E = (distAE + distBE) / 2 = 6 dist(A,B),F = (distAF + distBF) / 2 = 8
- 38. A,B C D E C 4 D 6 6 E 6 6 4 F 8 8 8 8 UPGMA
- 39. A,B C D,E C 4 D,E 6 6 F 8 8 8 UPGMA
- 40. AB,C D,E D,E 6 F 8 8 UPGMA
- 41. ABC,DE F 8 UPGMA
- 42. Métodos de inferencia filogenética UPGMA Asumir un estado de “reloj” molecular puede conducir a topologías erradas
- 43. Métodos de inferencia filogenética Neighbor-Joining http://en.wikipedia.org/wiki/Neighbor_joining
- 44. Métodos de inferencia filogenética Neighbor-Joining 1. Elegir las hojas (secuencias) i, j tales que Dij - ui - uj sea la menor posible 2. Definir una nueva hoja k, cuyas distancias a i y j sean 3. Calcular la distancia desde k a cualquier otra hoja r 4. Omitir i y j Conectar las dos hojas por una rama cuya longitud sea Dij ( ) ( )ijijjk jiijik uuDd uuDd -+= -+= 2 1 2 1 2 1 2 1 ( )ijjrirkr DDDD -+= 2 1 Continuar hasta que sólo queden 2 hojas http://en.wikipedia.org/wiki/Neighbor_joining
- 45. Métodos de inferencia filogenética Máxima Parsimonia (Maximum parsimony, MP) • El concepto de parsimonia está en el corazón de todos los métodos basados en caracteres de la reconstrucción filogenética (por ejemplo, filogenia basada en fósiles). • Las 2 ideas fundamentales de la parsimonia biológica son: – Las mutaciones son eventos extremadamente raros – En cuanto más improbable sean los cambios que generan un árbol, más probable es que tal sea incorrecto. • Por lo tanto, el árbol que involucre el menor número de cambios es el más probable. Fitch, WM., Systematic Zoology. 1971; 20(4), 406-416
- 46. Posición 1 2 3 #1 T G C #2 T A C #3 A G G #4 A A G El mejor árbolà Fitch, WM., Systematic Zoology. 1971; 20(4), 406-416
- 47. Métodos de inferencia filogenética Máxima Parsimonia (Maximum parsimony, MP) http://evolution-textbook.org/content/free/figures/ch27.html El problema de la ”atracción de ramas largas”: cuando el árbol posee secuencias muy divergentes, MP infiere incorrectamente los clades
- 48. Métodos de inferencia filogenética Máxima Verosimilitud (Maximum likelihood, ML) • ML utiliza un criterio estadístico y computacionalmente intensivo para evaluar una hipótesis evolutiva: – Toma un alineamiento múltiple (observación) – Formula todos los árboles posibles para cada columna (partición) del alineamiento – Calcula la probabilidad de todas las topologías posibles, basándose en un modelo evolutivo seleccionado por el usuario – Combina la información para cada partición – Identifica el árbol con la mayor probabilidad general, cómo la filogenia más probable http://homes.cs.washington.edu/~ruzzo/courses/gs559/09wi/lectures/8A_likelihood.pdf
- 49. Métodos de inferencia filogenética Máxima Verosimilitud (Maximum likelihood, ML) • Entrada: un set de secuencias y un modelo de sustitución • Salida: El árbol que maximice la verosimilitud del set de datos • Verosimilitud: la probabilidad condicional de reproducir los datos, bajo un modelo dado. http://homes.cs.washington.edu/~ruzzo/courses/gs559/09wi/lectures/8A_likelihood.pdf
- 50. Métodos de inferencia filogenética Inferencia bayesiana • Al igual que ML, es puramente estadístico y computacionalmente intensivo • Se basa en la regla de Bayes: Puede introducir supuestos sobre la probabilidad inicial (”conocimiento previo”) • El método bayesiano utiliza parámetros aleatorios en el modelo aplicado al árbol, mientras que ML utiliza constantes fijadas y de valor desconocido • Utilizando MCMC (Markov Chain Monte Carlo), se genera una muestra de árboles que representan la distribución de las probabilidades posteriores. En cuanto más grande la muestra, más confiable el resultado. http://faculty.fortlewis.edu/mccauley_r/Ecol_mol/Archibald%20et%20al%202003%20Bayesian%20Inference.pdf
- 51. Métodos de inferencia filogenética Yang & Rannala, Nat Rev Genet. 2012; 13(5):303-314
- 52. Qué cosas consideran los modelos evolutivos Los modelos de sustitución de bases consideran diferencias entre las transiciones y transversiones Los modelos de sustitución de proteínas consideran cambios entre aminoácidos de similares y diferentes propiedades
- 53. Los modelos de sustitución de proteínas asignan diferente impacto a las substituciones entre aminoácidos de similares y diferentes propiedades Qué cosas consideran los modelos evolutivos Le & Gascuel, Mol Biol Evol. 2008;25(7):1307-1320
- 54. Algunos modelos consideran las sustituciones de acuerdo a cuál posición están dentro de un codón. Qué cosas consideran los modelos evolutivos
- 55. El valor numérico gamma (α): En cuanto más bajo, más baja es la variación de las tasas de sustitución entre los sitios. La aplicación de este criterio es particularmente útil en ML y Bayesiano Qué cosas consideran los modelos evolutivos Yang Z., Trends Ecol Evol. 1996; 11(9):367-372
- 56. Qué cosas consideran los modelos evolutivos Yang Z., Trends Ecol Evol. 1996; 11(9):367-372
- 57. ¿Cómo se construye un árbol filogenético? Selección de secuencias Elaboración y curación de un alineamiento múltiple Aplicación de métodos y modelos evolutivos Evaluación de la robustez de los clados Representación e interpretación
- 58. • Bootstrapping: un método de medición de la precisión que realiza un proceso repetitivo de construcción de árboles que se producen después de una alteración discreta de un mismo set de datos (generalmente, un re-arreglo de las columnas) Evaluación de los árboles filogenéticos
- 59. Bootstrapping Baldauf SL, Trends Genet. 2003, 19(6):345-351
- 60. Software para filogenia Yang & Rannala, Nat Rev Genet. 2012; 13(5):303-314
- 61. Taubenberger JK., Proc Am Philos Soc. 2006; 150(1):86-112 Nos ayuda a comprender cómo agentes infecciosos emergieron Filogenia de la hemaglutinina (segmento HA1) de la Influenza
- 62. Nos ayuda a comprender la evolución y diversidad de las especies Woese & Fox, Proc Natl Acad Sci U S A. 1977;74(11):5088-5090 Woese et al., Proc Natl Acad Sci U S A. 1990;87(12):4576-4579 rRNA 16S / 18S
- 64. Hug LA et al., Nat Microbiol. 2016; 1:16048 El mundo incultivable
- 65. Hug LA et al., Nat Microbiol. 2016; 1:16048 El mundo incultivable Un sector completo del Árbol de la Vida (recuperado por reconstrucción metagenómica) permanece sin cultivar
- 66. Spang A. et al., Nature. 2015; 521(7551):173-179 El caso de Lokiarchaeota Nos ayuda a comprender la evolución y diversidad de las especies
- 67. Spang A. et al., Nature. 2015; 521(7551):173-179 El caso de Lokiarchaeota Nos ayuda a comprender la evolución y diversidad de las especies
- 68. Spang A. et al., Nature. 2015; 521(7551):173-179 El caso de Lokiarchaeota Nos ayuda a comprender la evolución y diversidad de las especies
- 69. Ingles-Prieto A. et al., Structure. 2013; 21(9):1690-1697 Nos ayuda a reconstruir proteínas ancestrales
- 70. Perez-Jimenez R. et al., Nat Struct Mol Biol. 2011; 18(5):592-596 Nos ayuda a reconstruir proteínas ancestrales