ALBERI FILOGENETICI. Genetica delle popolazioni a.a prof. S. Presciuttini

Transcript

1 ALBERI FILOGENETICI Questo documento è pubblicato sotto licenza Creative Commons Attribuzione Non commerciale Condividi allo stesso modo

2 Che cosa è un albero filogenetico? Un albero filogenetico è un grafico che mostra visivamente la collocazione temporale della separazione fra le linee evolutive che a partire da una data specie ha portato alla formazione di due o più specie diverse attraverso una serie di biforcazioni In linea di principio anche un'unica linea che indica la successione temporale di una serie di specie è un albero filogenetico, ma all'atto pratico l'interesse predominante è quello di mostrare le relazioni evolutive fra due o più specie esistenti al giorno d'oggi o esistite in passato.

3 Caratteristiche degli alberi filogenetici Un albero filogenetico propriamente detto deve avere le seguenti caratteristiche: 1) deve avere una radice, che rappresenta l'antenato comune a tutte le specie presenti nell'albero 2) le specie attualmente esistenti devono essere collocate su un'unica linea, che rappresenta l'epoca attuale; 3) l'albero deve avere avere una scala temporale di riferimento; 4) le ramificazioni devono essere essere dicotomiche e devono essere datate 5) dovrebbero essere indicate, per quanto possibile, le specie estinte che hanno dato origine alle specie attuali

4 Relazioni fra unità tassonomiche Se si violano l'una o l'altra delle condizioni precedenti non si ha più un vero e proprio albero filogenetico, ma una rappresentazione parziale, non necessariamente evoluzionistica, delle relazioni esistenti fra le specie (o altre categorie tassonomiche, popolazioni, gruppi sistematici, sequenze di DNA, ecc.) a seconda dei caratteri che si considerano Tali grafici sono utili come tappe intermedie per la costruzione di una vera filogenesi, e anche come rappresentazioni fini a se stesse della struttura esistente in una determinata raccolta di dati (non necessariamente biologici)

5 Atlante delle sorgenti dell'altopiano dei Sette Comuni Vicentini Il dendrogramma mette alla luce due unità idrologiche, separabili anche geograficamente...

6 Dendrogrammi La violazione condizione 1 (mancanza della radice), è la più distruttiva per l'idea dell'albero filogenetico Come possono due specie non avere un antenato comune? E tuttavia gli alberi senza radice, meglio detti dendrogrammi, vengono ampiamente utilizzati nella sistematica biologica Il termine dendrogramma (letteralmente grafico ad albero ) è nato e viene soprattutto utilizzato nell'ambito dell' analisi dei gruppi (cluster analysis), una tecnica della statistica multivariata volta ad individuare, dato un insieme di unità statistiche per le quali sono disponibili una o più serie di osservazioni, determinati sottoinsiemi (gruppi), le cui unità sono mediamente più simili fra loro di quanto non lo sia ciascuna di esse ad ogni unità degli altri gruppi.

7 Somiglianze versus parentele I dendrogrammi non sono evoluzionistici in linea di principio: se ad esempio si vogliono confrontare fra loro gli stili di vita di un insieme di città, si può certamente arrivare ad un dendrogramma che raggruppa fra loro le città con stili di vita più simili e le separa dagli altri gruppi, ma non ha senso pensare che le città che fanno parte di un dato gruppo siano derivate da una città progenitrice È in effetti una pretesa della fenetica che un dendrogramma di unità biologiche rifletterà alla fine necessariamente le vere parentele esistenti fra queste unità se si considera un numero di caratteri sufficientemente grande Ciò non ha a che fare, tuttavia, con la natura statistica dei dendrogrammi, che registrano solamente le somiglianze per come esse si manifestano nei dati.

8 Alberi filogenetici di sequenze nucleotidiche Nella genetica delle popolazioni le unità statistiche di osservazione sono spesso le popolazioni biologiche, e le somiglianze riguardano le frequenze geniche o altri dati genetici, ma l'approccio è generale, e può essere applicato a qualsiasi serie di dati su qualsiasi insieme di oggetti Con l'esplosione dei dati di sequenze nucleotidiche la costruzione dei dendrogrammi è diventata quasi un obbligo per chi si occupa di biologia molecolare I dendrogrammi prodotti a partire da sequenze nucleotidiche hanno preso il nome di alberi filogenetici molecolari

9 Due aspetti opzionali dei dendrogrammi I dendrogrammi sono spesso rappresentati allineando le specie alla base del grafico questa caratteristica dipende dall'algoritmo scelto per l'analisi dei dati: un'altra possibilità è che le specie non debbano necessariamente essere allineate, ma che si trovino a diversi livelli, come se fossero appese alla propria branca, ciascuna delle quali dotata della propria lunghezza all'interno del proprio gruppo Nei dendrogrammi le branche sono generalmente disegnate in direzione parallela all'asse delle ordinate: questo genera l'impressione che una radice da cui discendono tutte le branche esista Si tratta di un'impressione falsa in quanto la lunghezza delle branche è scalata in unità di distanza, e l'unica cosa che conta è la lunghezza delle branche, non la loro direzione. Per praticità di lettura le branche sono parallele all'asse delle ordinate, ma potrebbero essere orientate in qualsiasi direzione e il dendrogramma avrebbe lo stesso significato.

10 Rappresentazioni equivalenti Può essere difficile cogliere a prima vista l'identità di un dendrogramma disegnato con branche parallelle e un dendrogramma disegnato con branche divergenti ( dendrogramma radiale ) Il grafico a sinistra è stato disegnato a partire dal segmento che unisce da una parte il nodo interno che separa A e B e dall'altra il nodo che separa C da tutte le altre specie. Il dendrogramma radiale rende palese l'inesistenza della radice

11 Come mettere radici Mettere la radice a un dendrogramma di specie biologiche significa avvicinarlo ad un albero filogenetico Un modo elementare, valido solo se i tassi di variazione sono uguali fra le branche, è di cercare il punto di mezzo, quello che risulta meglio equidistante da tutte le specie (sconsigliato) Il metodo di elezione è di includere nell'analisi il cosiddetto outgroup, una specie che si sa per altri motivi essersi separata filogeneticamente prima di tutte le altre L'ougroup consente di spezzare un dendrogramma, cioè porre la radice, nel segmento che lo collega al nodo da cui si diramano tutte le altre specie

12 Cladogrammi Un cladogramma è uno schema non metrico (la lunghezza delle branche non ha significato) che illustra solo le relazioni di parentela fra le specie di interesse Se un cladogramma è ben costruito, cioè è basato sulle reali omologie esistenti fra le specie, tutte e solo le specie che sono fra loro legate da una discendenza diretta vengono a trovarsi in un dato clade; anche le specie eventualmente esistite nel passato vengono a trovarsi collocate sui nodi terminali

13 La filogenesi molecolare I metodi della cladistica hanno trovato negli ultimi 20 anni un'applicazione naturale nell'analisi delle sequenze delle macromolecole (DNA e proteine) Una delle grandi rivelazioni della biologia molecolare è stata la scoperta che le sequenze nucleotidiche di molti geni sono sufficientemente conservate nel corso dell'evoluzione, tanto che i geni omologhi, cioè i geni che hanno sequenze simili perchè sono derivati da un antenato comune, sono riconoscibili anche attraverso distanze filogenetiche estremamente elevate Ad esempio molti geni umani sono indubitabilmente omologhi di geni che si trovano nei nematodi, negli insetti, nelle muffe e nei batteri

14 I vantaggi offerti dalle sequenze di DNA La filogenesi molecolare offre due vantaggi fondamentali rispetto agli studi tradizionali basati sulla morfologia: Nel comparare fra loro gruppi di organismi molto diversi gli uni dagli altri (per esempio le alghe, i funghi, i vertebrati) è impossibile trovare caratteri morfologici comparabili, mentre esistono sempre segmenti di DNA omologhi La comparazione sulla base di somiglianze molecolari è quantitativa: è molto difficile esprimere numericamente quanto un riccio di mare è diverso da un lombrico, ma possiamo esprimere facilmente quanto numericamente una sequenza di DNA omologa del genoma dell uno è diversa da quella dell altro Oggi qualunque studio serio di filogenesi non può prescindere dall'analisi del DNA

15 Algoritmi di calcolo dei dendrogrammi I metodi di costruzione dei dendrogrammi si possono classificare in due famiglie: quelli basati su matrici di distanza e quelli basati sulla condivisione dei caratteri Nel primo caso si calcola separatamente la distanza fra tutte le possibili coppie di specie (i metodi di calcolo della distanza sono molteplici: bisogna preliminarmente scegliere quello che si ritiene più adatto) e il risultato assume la forma di una matrice quadrata simmetrica con valori positivi fuori dalla diagonale e pari a zero sulla diagonale (la distanza di una specie da se stessa è nulla) Nel secondo caso i caratteri che sono condivisi da una o più specie vengono inclusi nell'analisi uno alla volta, e danno luogo ad una gerarchia di ramificazioni senza che si passi attraverso il calcolo di una distanza I metodi basati sulle matrici di distanza sono più rapidi, ma trascurano l'informazione sulla condivisione di ciascun singolo carattere

16 Metodi basati su matrici di distanza: 1) UPGMA Il metodo più semplice per costruire un dendrogramma, tanto semplice che si può eseguire anche senza calcolatore, è quello detto unweighted pair group method with arithmetic mean (UPGMA) si inizia scegliendo nella matrice la coppia con distanza minima e si traccia la prima dicotomia del dendrogramma unendo le due specie con un segmento la cui lunghezza è pari alla metà della loro distanza; si prosegue ricalcolando la matrice, ridotta di una unità, in cui quella prima coppia è rappresentata da un'unico gruppo e si individua la nuova coppia con la distanza minima; si prosegue iterando il procedimento fino a che la matrice scompare perchè sono rimasti solo gli ultimi due gruppi Il metodo UPGMA produce dendrogrammi in cui le specie sono necessariamente allineate sulla base.

17 Metodi basati su matrici di distanza: 2) NJ L'approccio dell'algoritmo Neighbor Joining è simile a quello dell'upgma, ma la ricerca del neighbor (il vicino ) di ciascuna specie viene effettuata non scegliendo la coppia con distanza minima, ma attraverso un processo di minimizzazione della somma di tutte le distanze fra le specie considerando tutte le coppie possibili Si inizia con un albero a stella in cui tutte le branche sono della stessa lunghezza, e le diramazioni vengono poi risolte una alla volta. Il risultato finale è un dendrogramma in cui la lunghezza di ciascuna branca è proporzionale alla distanza media di ciascuna specie da tutte le altre L'algoritmo NJ è considerato un buon compromesso fra velocità di calcolo e accuratezza del risultato, ed è molto utilizzato nella pratica Non è vincolato ad allineare le specie alla base

18 Metodi basati su matrici di distanza: 3) FM e ME Altri due metodi, quello di Fitch-Margoliash (FM) e quello detto Minimum Evolution (ME) erano stati proposti prima del Neighbor- Joining, e sono ancora utilizzati Sono considerati più accurati di quest'ultimo, ma richiedono molto più tempo di calcolo e all'atto pratico non offrono evidenti vantaggi.

19 Metodi basati sullo stato di caratteri Il calcolo della distanza fra due specie comprime tutta l'informazione disponibile, in genere basata su molti caratteri, in un singolo valore, cosa che fa perdere parte dell'informazione: non è possibile ricostruire i dati originali a partire dalla matrice di distanza Il vantaggio principale dei metodi basati sulla condivisione dei caratteri consentono l'inferenza sullo stato dei caratteri delle specie ancestrali presenti sui nodi e non perdono informazione, in quanto utilizzano direttamente la matrice originale costituita da m caratteri x n specie

20 Metodi basati sullo stato dei caratteri: 1) MP Il metodo della massima parsimonia (MP) si basa sull'identificazione della topologia che richiede il numero minimo di cambiamenti di stato per tutti i caratteri. Il metodo analizza tutte le possibili topologie e identifica quella che richiede il numero minimo di sostituzioni Dato che il numero delle topologie possibili cresce esponenzialmente all'aumento del numero di specie, non è possibile analizzare con questo metodo grandi insiemi di dati (>10-15 specie) Sono stati proposti metodi euristici per diminuire il numero delle topologie da calcolare, ma il metodo diventa approssimato

21 Metodi basati sullo stato dei caratteri: 2) ML Il metodo di Massima Verosimiglianza (ML) valuta tutte le possibili topologie, e sceglie la migliore in base al calcolo della verosimiglianza, che è proporzionale alla probabilità di osservare ciascuna topologia dato uno specifico modello di evoluzione (mutazione/sostituzione) È comparativamente il metodo più lento e computazionalmente intensivo, ed è quindi limitato nel numero di specie che può analizzare, ma è considerato accurato e informativo