Manual para anlisis filogenticos moleculares

Tema 2.1

Tabla 1.
Mtodo
MXIMA
PARSIMONIA

Fundamento y asunciones
Busca y selecciona los rboles con
menor cantidad de cambios
evolutivos
Congruencias entre los caracteres
son el resultado de relaciones
filogenticas

MXIMA
VEROSIMILITUD

- tipo de problema: no polinomial

- mtodo de bsqueda de rboles
basado en el criterio de optimizacin
- criterio de optimizacin: mxima
parsimonia
- tipo de bsqueda: exhaustiva
(branch and bound) o heurstica
- algoritmo de construccin y
bsqueda: star decomposition o
stepwise addition
Selecciona el rbol con mayor
probabilidad de explicar los datos
dado el rbol y el modelo evolutivo
- tipo de problema: no polinomial
- mtodo de bsqueda de rboles
basado en criterio de optimizacin
- criterio de optimizacin: mxima
verosimilitud
- tipo de bsqueda: exhaustiva
(branch and bound) o heurstica
- tipo de algoritmo de construccin y
bsqueda: star decomposition o
stepwise addition

Ventajas
- minimiza las hiptesis ad hoc
(reversiones, paralelismos, etc.)
- relativamente rpido con grandes
matrices de datos
- robusto si las longitudes de rama
son cortas (amplio muestreo o baja
divergencia)
- se pueden inferir estados
ancestrales

- los modelos de sustitucin

nucleotdica se incluyen en el proceso
de estima
- poco sensible a atraccin de ramas
largas (Gaut & Lewis 1995)
- robusto y poco sensible a la
violacin de sus asunciones
(Huelsenbeck 1995)
- mtodo menos afectado por el error
de muestreo ya que proporciona las
estimas con menor varianza (Hillis et
al. 1996)
- permite la superposicin de
mltiples cambios en una misma
posicin (multiple hits)

Inconvenientes
- sensible al orden de entrada de los datos
- descarta informacin potencialmente
relevante (autoapomorfas)
- posible subestimacin del nmero de
sustituciones
- altamente afectada por atraccin de
ramas largas y zona Felsenstein
(Huelsenbeck 1998, aunque vase Hillis et
al. 1996)
- ausencia de un modelo evolutivo
explcito (Platnick 1985)
- alto riesgo de caer en mnimos locales
- no asume la superposicin de cambios
(multiple hits) que son tratados como
fuente de falsa homologa (aunque puede
compensarse va pesado)
- mltiples rboles debido al tratamiento
de pasos discretos
- fuerte demanda de memoria
- fallos cuando hay muchas secuencias y
pocos nucletidos (Piontkivska 2004)
- riesgo de caer en mnimos locales
(Salter & Pearl 2001)
- sensible al modelo de substitucin
seleccionado

Software
TNT
PAUP
MEGA
PHYLIP

RAxML
GARLI
PAUP
MEGA
PHYLIP

Universidad Autnoma de Madrid

Cursos OCW
Pag. 3 de 8

Manual para anlisis filogenticos moleculares

Tabla 1. [continuacin]
Mtodo
Fundamento y asunciones
INFERENCIA
BAYESIANA

Selecciona los rboles con mayor

probabilidad a posteriori de explicar
los rboles, dados los datos y el
modelo
La distribucin a priori de los
parmetros especificadas
- tipo de problema: no polinomial
- mtodo de bsqueda de rboles
basado en criterio de optimizacin
- criterio de optimizacin: mxima
probabilidad a posteriori
- tipo de bsqueda: estocstica
- tipo de algoritmo de bsqueda:
Metropolis-coupled Markov Chain
Monte Carlo

NEIGHBOURJOINING

Calcula distancias entre pares de

especies y devuelve el rbol con
menor longitud entre pares de
especies y nodos

Tema 2.1

Ventajas
- los modelos de sustitucin
nucleotdica se incluyen en el proceso
de estima
- permite la implementacin de
modelos evolutivos complejos
- relativamente rpido con grandes
matrices de datos
- poco sensible a atraccin de ramas
largas
- permite la superposicin de
mltiples cambios en una misma
posicin (multiple hits)
- proporciona valores de apoyo a las
ramas
- exploran ms espacio al usar MCMC
- menor riesgo de caer en mnimos
locales al usar la variante Metropoliscoupled de MCMC
- rapidez
- permite la superposicin de
mltiples cambios en una misma
posicin (multiple hits)

Asume modelo evolutivo

- tipo de problema: polinomial
- mtodo algortmico basado en
coeficientes de distancias
- algoritmo de construccin: star
decomposition

Inconvenientes
- fuerte demanda de memoria
- posible sobreestimacin de los valores
de apoyo de las ramas
- sensible al modelo de substitucin
seleccionado

- sensible al orden de entrada de los datos

(Farris et al. 1996)
- diferencias entre las secuencias no
reflejan fielmente la distancia evolutiva
- no se pueden identificar los caracteres
que apoyan las ramas
- pobre para conjuntos grandes de datos
- prdida de informacin al convertir las
secuencias en distancias (Steel et al.
1988)
- poco fiables las distancias calculadas
cuando las secuencias son altamente
divergentes

Softwar
e
MrBayes
BAMBE
BEAST

PHYLIP
PAUP
MEGA

Universidad Autnoma de Madrid

Cursos OCW
Pag. 4 de 8