Análisis
filogenético
Evolución molecular
• El proceso básico de la evolución:
– Mutaciones
– Recombinación genética
– Organización cromosomica y sus variaciones
– Selección natural
– Aislamiento reproductivo, lo que limita los efectos
de la selección en las poblaciones
• En la década del 50 se determinó que la sustitución
de aminoácidos no ocurre al azar.
– Limitación funcional
• La mayoría de los cambios en los aminoácidos de la cadena A
de insulina están limitados a la región del loop del puente
disulfuro.
– Las diferencias son llamados cambios neutrales
• El porcentaje de sustituciones es cerca de seis a diez veces mas
en el péptido C en relación a la cadena A y la cadena B
La insulina madura contiene una cadena A y una
cadena B unida por puentes disulfuros
Péptido C Cadena A
Peptido señal Cadena B
El peptido señal y la cadena C son cortadas y sus
secuencias muestran poca consistencia funcional
• Limitación estructural de las moléculas
– impide una rápida divergencia de los genes.
• Sorprendentemente la insulina de Guinea pig evoluciona siete
veces mas rápido que la insulina de otras especies, debido a
que estas no se enlazan a iones Zinc.
• En la década de los 60, con los datos de otras proteínas
como globinas, citocromo c y fibropeptidos, se
determinó que algunas proteínas evolucionan
lentamente y otras rápidamente.
• Linus Pauling, Emanuel Margoliash y otros propusieron
la hipótesis del reloj molecular.
• PARA UNA DETERMINADA PROTEINA, EL PORCENTAJE
DE EVOLUCION ES APROXIMADAMENTE CONSTANTE
EN TODAS LAS LINEAS EVOLUTIVAS
– Si la proteína evoluciona en un porcentaje constante puede
servir para estimar la divergencia en función del tiempo
como con datos de muestras geológicas o datos de
decaimiento radiactivo
• El porcentaje de sustituciones nucleotídicas estarían en relación con
el tiempo de divergencia evolutiva
• Kimura 1968. Teoría de la evolución neutra:
• La gran mayoría de cambios en el DNA no es
seleccionada en un sentido Darwiniano.
• La principal causa de los cambios evolutivos es
al azar, los alelos mutantes no tienen un
patrón de selección, selección neutral (o casi
neutral)
• La selección darwiniana se produce, pero su
papel es limitado.
Análisis filogenético
• La filogenética es el estudio de las relaciones
evolutivas entre entidades biológicas, a
menudo especies, individuos o genes
• Los principales elementos de la filogenética
son: Observar secuencias de ADN, ARN o
proteínas que conducen a la reconstrucción de
historias evolutivas para aprender más sobre
los procesos evolutivos y desarrollar mejores
modelos evolutivos.
Observación de
secuencias
Desarrollo y
Reconstrucción
mejora de
de historias
modelos
evolutivas
evolutivos
Conocer mas
sobre los
procesos
evolutivos
Teórico
Empírico
Análisis filogenético
• El análisis filogenético de una familia de ácidos
nucleicos relacionados o secuencias de proteínas
es una determinación de cómo la familia debe
haber derivado durante su evolución. Las
relaciones evolutivas entre las secuencias son
representadas como brazos en un árbol.
• El objetivo del análisis filogenético es descubrir
todas las relaciones de la ramificación del árbol y
la longitud de las ramas
La filogenia molecular usa arboles para mostrar la relación
evolutiva entre organismos .
Estos arboles pueden estar basados en datos de secuencias de
DNA o secuencias de proteínas
Nomenclatura en los arboles
Ramificaciones sin escalas Ramificaciones con escalas
Las longitudes de los brazos son
Los OTUs (operational taxonomics
proporcionales al numero de
units) son extremadamente
aminoácidos cambiados
alineadas y cruces o nodos
reflejan el tiempo
Nomenclatura en los arboles
OTU
Secuencia
Taxon
Nomenclatura en los arboles
NODO
BRANCH
Arboles con raíz (ROOTS)
La raíz en un árbol filogenético representa un
ancestro común de las secuencias. Los
arboles sin raíz no especifican el ancestro
común.
Para generar un árbol con raíz se puede usar
un outgroup ( una OTU de taxon conocido
que sea distante de todos los otros OTUs)
NODO INTERNO
Cuatro etapas para el análisis
filogenético
• Selección de secuencias para el análisis
• Alineamiento Múltiple
• Construcción del árbol
• Evaluación del árbol
USO DE DNA, RNA O PROTEINA
• Alineamiento de proteínas son mas informativos
• relación funcional estructural
• Aunque DNA es preferido
• las porciones codantes, tienen sustituciones
sinónimas y no sinónimas
• RNA es usado para genes que no codifican
proteínas.
Construcción de arboles
• Basados en Distancia: estos métodos involucran
una distancia métrica, tal como el cambio de
aminoácidos en la secuencia, o un score de
distancia. Ej. Algoritmo UPGMA y Neighbor-
joining.
• Basados en el Carácter: Incluye Máxima
parsimonia y Maximum likelihood. El análisis de
parsimonia involucra la búsqueda del árbol con el
menor cambio de aminoácidos o nucleótidos que
se observan entre las diferentes taxas
• La aproximación mas simple para medir las distancias
es el alineamiento pareado de secuencias, y contar el
numero de diferencias. El grado de divergencia es
llamado distancia Hamming. Para un alineamiento de
longitud N con n sitios de diferencias, el grado de
divergencia D es:
• D= n/N
• Pero las diferencias observadas no son iguales a la
distancia genética. La distancia genética involucra las
mutaciones que no son observadas directamente
• Jukes y Cantor 1969 propusieron una corrección a la
formula:
• Este modelo describe la probabilidad de que un
nucleótido pueda cambiar a otro. Se asume que cada
residuo tiene la misma probabilidad de cambiar a
otro(Ej el porcentaje de transversión es igual al
porcentaje de transición) . En la práctica la transición es
típicamente mas probable que el porcentaje de
transversión.
Agrupa el mas pequeño alineamiento pareado y repite el
agrupamiento hasta que todos los cluster se relacionen
• El UPGMA es una aproximación simple de hacer
arboles
• Un UPGMA es un árbol con raíz (rooted)
• Se asume que el reloj molecular es constante
para las secuencias en el árbol. Si los porcentajes
de sustitución no son equivalentes, el árbol
puede estar errado.
• Mientras que el UPGMA es simple, este es menos
preciso que el método de neighbor-joining
Método de neighbor-joining
Método de neighbor-
joining de Saitou y Nei
1987, es especialmente
usado para arboles con un
gran numero de taxas.
Se inicia por colocar todas
las taxas en una estructura
semejante a una estrella
Luego, identifica a los vecinos estrechamente mas relacionados 1 y 2. Enlaza
estos vecinos a otros OTUs vía brazos internos XY. En cada estado sucesivo
minimiza la suma de la longitud de los brazos o ramas
Métodos basados en el caracter
• La principal idea de los métodos basados en caracteres
es encontrar un árbol con las ramas mas cortas posible.
El árbol mas parsimonioso (simple).
• Identifica sitios informativos . Los caracteres constantes
no son parsimonio-informativos
• La construcción de arboles, contiene el numero de
cambios requeridos para crear cada árbol. Para cerca
de 12 taxas o menos evalúa todos los posibles arboles
exhaustivamente. Para mas de 12 taxas realiza una
búsqueda heurística.
• Selecciona el árbol mas corto (o arboles)
• Un ejemplo de Máxima parsimonia es
considerar estas taxas:
– AAG
– AAA
– GGA
– AGA
Como ellas evolucionaron de un ancestro común
como AAA?
En máxima Parsimonia, se elige el árbol con menor costo (longitud
de las ramas mas cortas)
Cuatro formas que
muestran los
mismos datos en
diferentes
formatos
Filograma:
Los valores (posibles
arboles)son proporcionales
a la longitud de las ramas
Filograma rectangular
Los valores son
proporcionales a las
longitudes delas
ramas
Cladograma
Los valores no son
proporcionales a la
longitud de las ramas
Cladograma rectangular
Los valores no son
proporciona a las longitudes
de las ramas
• Para algunos arboles, particularmente los basados en
parsimonia el artefacto de atracción de rama larga
(long-branch attraction)
• La longitud de las ramas a menudo representa el
número de sustituciones que ocurren entre 2 taxas. El
método de parsimonia asume que todas las taxas
evolucionan en el mismo porcentaje y todos los
caracteres contribuyen con la misma cantidad de
información.
• La evolución rápida de una taxa puede ser colocada en
una misma rama, no debido a su relación si no que
tienen muchas sustituciones
Maximum likehood
• Maximum likehood es un método alternativo
al de máxima parsimonia. Es intensivo
computacionalmente.
• Una probabilidad es calculada para la
probabilidad de cada residuo en un
alineamiento, basado sobre algún modelo de
proceso de sustitución.
• Evaluando arboles:
• Los principales criterios por el cual la precisión
del árbol filogenético es evaluada, son la
consistencia, eficiencia y robustez.
• El Bootstrapping es una aproximación para
medir la robustez de la topología del árbol.
• Dado un ordenamiento de las ramas, como un
algoritmo encuentra el orden en una versión
permutada al azar del set de datos originales
• El Bootstral hace un set de datos artificial al
azar de las columnas de un múltiple
alineamiento. Realiza un set de datos del
mismo tamaño como el original.
• Hace 100 (a 1000) bootstrap replicas.
• Observa el porcentaje de casos en el cual el
clado asignado en el arbol original se
mantiene en las replicas del bootstrap.
• Mayor del 70% es considerado significante.
En 61% del bootstrap, ssrbp y btrbp
(pig y cow RBP) forman un distinto
clado. En el 39 % de los casos , otras
proteinas se unen a este clado o una de
estas dos secuencias se une a otro
clado
