Métodos geométricos (baseados em distância)

Apresentação em tema: "Métodos geométricos (baseados em distância)"— Transcrição da apresentação:

1 Métodos geométricos (baseados em distância)

2 Cálculo de Distâncias As distâncias evolutivas são calculadas para todos os pares de taxa (ou OTUs) e a árvore é construída considerando as relações entre estes valores

3

4 Estatísticas das Seqüências
Conteúdo de bases Distância das sequências par a par transiçoes/transversões (0,5) Ou 2x trans/transv (1,0) Todas estas estatísticas são levadas em conta na escolha do modelo de substituição a ser utilizado

5 Cálculo de Distâncias Distância p

6 Distância p Se as seqüências forem muito distintas, p pode ser subestimado por homoplasias Com isso, algumas correções são necessárias Como regra geral: se p > 0,3 a distância calculada por p é uma subestimativa Se p > 0,5 – metade dos aa são diferentes... Se p > 0,15 – utilizar algum modelo de substituição para corrigir a estimativa

7 Jukes-Cantor (d) - JC Correção que leva em conta a possibilidade de substituições de bases A T C G A α α α T α α α C α α α G α α α -

8 Jukes-Cantor (d) - JC Substituições ocorrem com igual frequência em todos os nn, e que cada nn muda para qualquer outro com uma probabilidade α por ano (r = 3 α) r é a taxa de substituição por sítio e por ano. Considere duas sequencias, X e Y que divergiram de um ancestral há t anos Seja qt a proporção de sítios idênticos e pt a proporção de sítios diferentes (1 – qt)

9 Jukes-Cantor (d) - JC Proporção de sítios idênticos em t+1:
Probabilidade de que um sítio idêntico em t continue idêntico em t+1: (1 – r)2 = 1 – 2r + r – 2r probabilidade de que um sítio diferente em t se torne idêntico em t+1 2r/3

10 Seja Xi e Yj em t: Para que sejam idênticos em t+1: Xi Xj e Yj Yj ;
α (1 – r) ou Xi Xi e Yj Yi ; (1 – r) α 2 . α (1 – r) = 2 . r/3 (1-r) = 2r/3 – 2r2/ r/3

11 Jukes-Cantor (d) - JC Então: Ou:

12 Sítio idêntico em t que continua idêntico
Jukes-Cantor (d) - JC Então: Ou: Sítio idêntico em t que continua idêntico

13 Jukes-Cantor (d) - JC Então: Ou:
Sítio idêntico em t que continua idêntico Sítio não idêntico em t que passou a ser idêntico

14 Jukes-Cantor (d) - JC Representando qt+1 – qt por dq/dt:
Em condições iniciais q = 1 em t = 0:

15 Jukes-Cantor (d) - JC Se p = (1 - q)
Sendo d a proporção de nn que se modificaram com o tempo: d = 2r . t

16

17 Jukes-Cantor (d) - JC

18 Kimura 2 parâmetros – K80 Correção que leva em conta probabilidades diferentes de transições e transversões A T C G A β β α T β α β C β α β G α β β -

19 Kimura 2 parâmetros – K80 r = α + 2β Transições As transversões

20 Tamura Leva em conta as diferenças em transições e transversões (α e β), além da frequência diferencial de CG. A T C G A βθ2 βθ1 αθ1 T βθ αθ1 βθ1 C βθ2 αθ βθ1 G αθ2 βθ2 βθ1 - θ1 = frequência de CG θ2 = freqüência de AT

21 Tamura-Nei (TrN) Leva em conta as diferenças em transições e transversões (α e β), além da frequência diferencial de bases (g). A T C G A βgT βgC α1gG T βgA α2gC βgG C βgA α2gT βgG G α1gA βgT βgC gA, gT, gC, gG = frequência de cada uma das bases

22

23 Tajima-Nei (F81) Leva em conta apenas as diferentes freqüências das bases: A T C G A αgT αgC α1gG T αgA αgC α1gG C αgA αgT α1gG G αgA αgT αgC gA, gT, gC, gG = frequência de cada uma das bases

24 General Time Reversible (GTR)
Leva em conta diferentes freqüências de bases e de substituições A T C G A agT bgC cgG T agA dgC egG C bgA dgT fgG G cgA egT fgC gA, gT, gC, gG = frequência de cada uma das bases a, b, c, d, e, f = probabilidade de substituição

25 Distâncias Gamma Nas distâncias consideradas anteriormente, assume-se que a taxa de substituições nucleotídicas é a mesma para todos os sítios... Na verdade, isso dificilmente é assim, e esta taxa varia de sítio para sítio.

26 Distâncias Gamma Parâmetro a ser ajustado = α α=0,2 α=5 α=1 α=2 α=10

27 UPGMA (Unweighted Pair-Group Method with Arithmetic Mean)
B D E F G H I C Tempo É o mais simples e intuitivo dos métodos Se baseia nas médias das distâncias entre as OTUs Parte do princípio de que o relógio molecular está “funcionando”

28 Exemplo numérico Localizar a menor distância: A B C D E F X 1 4 5 6 3
9 2 7 8

29 Exemplo numérico Localizar a menor distância: A B C D E F X 1 4 5 6 3
9 2 7 8

30 Exemplo numérico Localizar a menor distância: A B C D E F X 1 4 5 6 3
9 2 7 8

31 Calcular médias A B C D E F X 1 4 5 6 3 9 2 7 8 AB C D E F X 4 2 3 5

32 A B C D E F X 1 4 5 6 3 9 2 7 8 AB C D E F X 4,5 4 2 3 5

33 A B C D E F X 1 4 5 6 3 9 2 7 8 AB C D E F X 4,5 4 2 3 5

34 A B C D E F X 1 4 5 6 3 9 2 7 8 AB C D E F X 4,5 4 9 2 3 5

35 A B C D E F X 1 4 5 6 3 9 2 7 8 AB C D E F X 4,5 4 9 2 7,5 3 5

36 AB C D E F X 4,5 4 9 2 7,5 3 5

37 AB C D E F X 4,5 4 9 2 7,5 3 5

38 AB C D E F X 4,5 4 9 2 7,5 3 5

39 A B C D E F X 1 4 5 6 3 9 2 7 8 AB CE D F X 5

40 (dAC+dAE+dBC=dBE)/4 A B C D E F X 1 4 5 6 3 9 2 7 8 AB CE D F X 5

41 (dAC+dAE+dBC=dBE)/4 A B C D E F X 1 4 5 6 3 9 2 7 8 AB CE D F X 6,75 5

42 Repetindo a matriz anterior
B C D E F X 1 4 5 6 3 9 2 7 8 AB CE D F X 6,75 4,5 7,5 5

43 (dCD+dED)/2 A B C D E F X 1 4 5 6 3 9 2 7 8 AB CE D F X 6,75 4,5 7,5 5

44 (dCD+dED)/2 A B C D E F X 1 4 5 6 3 9 2 7 8 AB CE D F X 6,75 4,5 4 7,5

45 (dCF+dEF)/2 A B C D E F X 1 4 5 6 3 9 2 7 8 AB CE D F X 6,75 4,5 4 7,5

46 AB CE D F X 6,75 4,5 4 7,5 3 5

47 Calcular as médias (dAC+dAE+dAF+dBC+dBE+dBF)/6; (dCD+dED+dFD)/3 AB CEF
X 7 4,5 4,3

48 Calcular a média (dAC+dAD+dAE+dAF+dBC+dBD+dBE+dBF)/8 AB CEFD X 6.3

49 Matriz cofenética A B C D E F X 1 6,3 4,3 2 3

50 Comparação entre matrizes...
Original Cofenética A B C D E F X 1 6,3 4,3 2 3 A B C D E F X 1 4 5 6 3 9 2 7 8

51 UPGMA - Limitações Quando a taxa de substituição de nucleotídeos varia de uma linhagem para a outra, o UPGMA fornece a topologia incorreta Nestes casos é necessário utilizar métodos que permitam taxas evolutivas diferentes entre os organismos

52 Evolução Mínima Método que busca, dentre todas as árvores possíveis, aquela cuja soma dos tamanhos de ramos é a menor (parte do princípio que a árvore verdadeira seria a que contém os menores tamanhos de ramos) Limitações: como o número de topologias possíveis é muito grande, a busca pode tornar-se lenta

53 Neighbor Joining (NJ) Saitou & Nei (1987)
Método baseado no princípio da evolução mínima Não examina todas as topologias, mas requer o princípio da EM em todos os estágios (é uma simplificação da EM)

54 Neighbor Joining (NJ) Conceito de “vizinhos” – dois taxa conectados por um único nó numa árvore não enraizada (1,2 e 5,6)

55 Neighbor Joining (NJ)

56 Neighbor Joining (NJ) Algoritmo: Início com uma topologia em estrela
Somar todos os tamanhos de ramos da árvore inicial (S0) Tomar um par de vizinhos, estabelecer a distância entre este par e todos os outros Estimar Si,j Repetir o procedimento para todos os pares de vizinhos até encontrar o menor S.

57 Neighbor Joining (NJ)

58 Neighbor Joining (NJ)

59 Neighbor-Joining

60 Testes Estatísticos Bootstrap: é o mais utilizado, faz uma reamostragem dos sítios com reposição: G A C T N e b o k e f e h c j k f m n i G A C T N a b c d e f g h i j k l m n o a b c d c f g h d j o l m n o G A C T N

61 Bibliografia Li W-H. 1997. Molecular Evolution. Sinauer Ass. Publish.
Matioli, S.R Biologia Molecular e Evolução. Editora Holos, São Paulo. Nei, M. & Kumar, S Molecular Evolution and Phylogenetics. Oxford University Press.