Baixe o app para aproveitar ainda mais
Prévia do material em texto
Sistemática Biológica Prof. Dr. Marcel Gustavo Hermes Construção de hipóteses filogenéticas Parte 1: Critérios de Otimização ‐ Parcimônia Parte 2: Busca por árvores Parte 3: Cladogramas Critério de Otimização Distância Métodos empregados pela Fenética UPGMA Neighbor‐Joining 12/11/2015 10:44 Fonte: http://bio.slu.edu/mayden/systematics/bsc420520lect9.html Fenograma representando as relações de similaridade. Critério de Otimização Parcimônia Definição encontrada em dicionários: “...relutância em gastar dinheiro de forma desnecessária...” (Wiley & Lieberman 2011) Aplicada de forma diferente (mas similar) por cientistas e filósofos... Critério de Otimização Parcimônia Sua origem em filosofia e ciência é geralmente atribuída a William de Ockham (1287‐1347) Occam´s ou Ockham´s razor (navalha de Ockham): parcimônia aplicada à lógica e à solução de problemas Entre hipóteses competidoras, aquela com menos premissas deve ser escolhida – em outras palavras, a explicação mais simples deve ser adotada. Critério de Otimização Parcimônia Em sistemática filogenética, parcimônia tem sido tradicionalmente (e erroneamente) tratada como “hipótese (cladograma) que requer o menor número de passos”. Farris (1983) definiu o uso da parcimônia em sistemática filogenética: a parcimônia busca minimizar o número de hipóteses ad hoc de homoplasia. Hipóteses ad hoc: necessidade de explicações adicionais para evitar que a hipótese original seja refutada. Critério de Otimização Tipos de Parcimônia Parcimônia de Fitch (1971): considera todos os caracteres como não‐aditivos (ou não‐ ordenados) Parcimônia de Farris (1970): considera todos os caracteres multi‐estado como aditivos (ou ordenados) Parcimônia de Camin‐Sokal (1965): considera as transformações como irreversíveis Parcimônia de Dollo (Farris 1977): considera uma única transformação de 0 – 1, mas quantas reversões forem necessárias. Critério de Otimização Parcimônia Parcimônia + análise de congruência Caracteres incongruentes Hipóteses alternativas Busca por Árvores Número de Soluções Possíveis Existe uma única filogenia (história) para um determinado grupo O desafio é encontrar esta hipótese entre todas as soluções possíveis E se existirem diversas soluções “ótimas” (no caso de parcimônia, com o mesmo número mínimo de passos)? Busca por Árvores Número de Soluções Possíveis O tempo computacional para realizar estas buscas pode ser gigantesco! Soluções exatas: número limitado de táxons (n = 15) Soluções heurísticas: empregadas com maior frequência Busca por Árvores Soluções exatas: busca exaustiva Todas as opções são testadas! Busca por Árvores Soluções exatas: “Branch and Bound” Antes de adicionar uma nova folha (terminal), o número de passos da árvore é avaliado Busca por Árvores Soluções heurísticas – otimização do tempo Soluções heurísticas utilizam métodos que exploram o espaço de soluções possíveis, buscando (mas não garantindo) soluções exatas. Soluções heurísticas são utilizadas no dia‐a‐dia de cada pessoa... Como exemplo podemos citar a ferramenta de busca do Google e a atuação de softwares como antivírus, por exemplo. Busca por Árvores Soluções heurísticas O “truque” das soluções heurísticas é tentar evitar que a busca fique restrita aos “ótimos locais” e navegar rumo ao “ótimo global”. Busca por Árvores Soluções heurísticas Árvore de Wagner Busca por Árvores A adição de novas folhas (terminais) deve ser aleatória (exceto pelo grupo externo) Árvore de Wagner Soluções heurísticas Busca por Árvores Soluções heurísticas – Tree Bisection‐Reconnection Cladogramas Cladogramas Reversão Homoplasias Sinapomorfias Cladogramas Caracteres Informativos x Não‐Informativos Cladogramas – Mensurando Informação Índice de Retenção Índice de Consistência Comprimento Cladogramas – Mensurando Informação Índice de Consistência (Kluge & Farris 1969): corresponde a uma mensuração do número de eventos homoplásticos de um determinado caráter ou para um determinado cladograma. Ci = m/s Onde m é o número mínimo de passos que uma série de transformação ou um conjunto de séries de transformação pode exibir em um cladograma, e s é o número efetivo de passos apresentado na evolução do caráter ou presentes no cladograma. Obs.: m sempre será igual a 1. Cladogramas – Mensurando Informação Índice de Retenção (Farris 1989): indica a proporção de autapomorfias e homoplasias em relação ao total de passos. Esse índice leva em consideração outro valor, g, que é o número máximo possível de surgimentos de um caráter em um determinado cladograma Ri = (g – s)/(g – m) Cladogramas – Consensos Hipóteses Alternativas Cladogramas – Consensos Consenso de Maioria – ou consenso de Margush & McMorris (1981) toma como princípio manter na árvore de consenso os grupos monofiléticos presentes na maioria (>50%) dos cladogramas, haja ou não conflito entre eles. Cladogramas – Consensos Consenso Estrito – transpõe para a árvore de consenso apenas os grupos monofiléticos que estão presentes em todos os cladogramas (Schuh & Polhemus 1980, Sokal & Rohlf 1981). Cladogramas – Consensos Consenso, em Sistemática Filogenética, está relacionado ao conceito de ESTABILIDADE. Se existem hipóteses alternativas, é porque determinados terminais ou ramos podem estar “flutuando” nas análises, ou seja, são instáveis. A estabilidade de uma hipótese pode também ser testada através da adição de novos caracteres. Cladogramas – Suporte Variedade de índices criados com o intuito de “medir” o grau de confiança em um vértice (ramo) ou clado de um determinado cladograma. Cladogramas – Suporte Métodos de Reamostragem – Bootstrap (Efron 1979) 1. Buscar uma árvore ótima (To) através de um procedimento de busca sobre os dados observados (D), utilizando um critério de otimização. 2. Reamostrar os dados observados (colunas da matriz) com repetição, gerando um novo conjunto de dados (D´) com o mesmo número de caracteres. Caracteres estarão presentes nenhuma, uma, duas ou mais vezes. 3. Buscar uma árvore ótima (T´o) a partir de D´ usando os mesmos critérios do passo 1. 4. Repetir os passos 2 e 3 k vezes adicionando as árvores geradas ao conjunto de árvores oriundas do Bootstrap (TB). 5. Construir a árvore com todos os nós com frequência igual ou maior a 50% em TB (consenso de maioria). Cladogramas – Suporte Métodos de Reamostragem ‐ Bootstrap Cladogramas – Suporte Métodos de Reamostragem – Jackknife (Farris et al. 1996) 1. Buscar uma árvore ótima (To) através de um procedimento de busca sobre os dados observados (D), utilizando um critério de otimização. 2. Reamostrar os dados observados (colunas da matriz), gerando um novo conjunto de dados (D´) onde cada caráter tem a mesma probabilidade de ser excluído. 3. Buscar uma árvore ótima (T´o) a partir de D´ usando os mesmos critérios do passo 1. 4. Repetir os passos 2 e 3 k vezes adicionando as árvores geradas ao conjunto de árvores oriundas do Jackknife (TJ). 5. Construir a árvore com todos os nós com frequência igual ou maior a 50% em TJ (consenso de maioria). Cladogramas – Suporte Métodos de Reamostragem – Reamostragem Simétrica (Goloboff et al. 2003) É uma modificação do Bootstrap e do Jackknife, levando em consideração a quantidade de informação (neste caso, caracteres) favorecendo a formação de um clado, contra a quantidade de informação que desfavorece (ou contraria) a formação deste clado. Em relação aos dados morfológicos, é o método de reamostragemmais robusto. Cladogramas – Suporte Métodos deReamostragem – Parcimônia (Bremer 1994) Quantos passos adicionais são necessários para colapsar um ramo
Compartilhar