Rekonstrukce předků - Ancestral reconstruction

Rekonstrukce předků (také známý jako Mapování znaků nebo Optimalizace znaků) je extrapolace zpět v čase od měřených charakteristik jednotlivců (nebo populací) k jejich společné předky. Je to důležitá aplikace fylogenetika, rekonstrukce a studie evoluční vztahy mezi jednotlivci, populacemi nebo druh svým předkům. V kontextu evoluční biologie, rekonstrukci předků lze použít k obnovení různých druhů stavů předků organismů, které žily před miliony let.^[1] Mezi tyto státy patří genetická sekvence (rekonstrukce sekvence předků ), aminokyselinová sekvence a protein, složení a genom (např. genový řád), měřitelná charakteristika organismu (fenotyp ) a zeměpisný rozsah populace nebo druhu předků (rekonstrukce rozsahu předků). To je žádoucí, protože nám to umožňuje zkoumat části fylogenetické stromy odpovídá dávné minulosti a objasňuje evoluční historii druhu ve stromu. Protože moderní genetické sekvence jsou v podstatě variace starověkých, přístup ke starověkým sekvencím může identifikovat další variace a organismy, které z těchto sekvencí mohly vzniknout.^[2] Kromě genetických sekvencí by se člověk mohl pokusit sledovat změnu jednoho znakového znaku na jiný, jako jsou ploutve obracející se k nohám.

Mezi nebiologické aplikace patří rekonstrukce slovní zásoby nebo fonémů starověké jazyky,^[3] a kulturní charakteristiky starověkých společností, jako jsou orální tradice^[4] nebo manželské praktiky.^[5]

Rekonstrukce předků závisí na dostatečně realistické statistický model evoluce přesně obnovit předkové. Tyto modely využívají genetickou informaci již získanou metodami jako např fylogenetika určit trasu, která vývoj a kdy došlo k evolučním událostem.^[6] Bez ohledu na to, jak dobře se model přibližuje skutečné evoluční historii, schopnost člověka přesně rekonstruovat předka se zhoršuje s rostoucí evoluční dobou mezi tímto předkem a jeho pozorovanými potomky. Realističtější modely evoluce jsou navíc nevyhnutelně složitější a obtížně vypočítatelné. Pokrok v oblasti rekonstrukce předků se do značné míry opíral o exponenciální růst výpočetního výkonu a souběžný vývoj efektivních výpočetní algoritmy (např dynamické programování algoritmus pro kloub maximální pravděpodobnost rekonstrukce sekvencí předků).^[7] Metody rekonstrukce předků jsou často aplikovány na daný fylogenetický strom která již byla odvozena ze stejných údajů. I když je tento přístup praktický, má tu nevýhodu, že jeho výsledky jsou závislé na přesnosti jediného fylogenetického stromu. Naproti tomu někteří badatelé^[8] obhajovat výpočetně náročnější Bayesian přístup, který zohledňuje nejistotu při rekonstrukci stromů hodnocením rekonstrukcí předků u mnoha stromů.

Dějiny

Pojmu rekonstrukce předků se často připisuje Emile Zuckerkandl a Linus Pauling. Motivováno vývojem technik pro stanovení primární (aminokyselinová) sekvence bílkovin o Frederick Sanger v roce 1955,^[9] Zuckerkandl a Pauling postulovali^[10] že takové sekvence lze použít k odvození nejen fylogeneze týkající se pozorovaných proteinových sekvencí, ale také proteinové sekvence předků v nejranějším bodě (kořenu) tohoto stromu. Myšlenka rekonstrukce předků z měřitelných biologických charakteristik se však již v oblasti kladistika, jeden z předchůdců moderní fylogenetiky. Kladistické metody, které se objevily již v roce 1901, odvozují evoluční vztahy druhů na základě rozdělení sdílených charakteristik, z nichž se podle některých odvozuje od společných předků. Dále Theodoseus Dobžanský a Alfred Sturtevant formuloval principy rekonstrukce předků ve fylogenetickém kontextu v roce 1938, když odvodil evoluční historii chromozomální inverze v Drosophila pseudoobscura.^[11]

Rekonstrukce předků má tedy své kořeny v několika oborech. Dnes se výpočetní metody pro rekonstrukci předků stále rozšiřují a používají v různých prostředích, takže stavy předků se nedají odvodit pouze pro biologické vlastnosti a molekulární sekvence, ale také pro strukturu^[12][13] nebo katalytické vlastnosti^[14] starověký proti moderní bílkoviny zeměpisná poloha populací a druhů (fylogeografie )^[15][16] a struktura vyšších řádů genomů.^[17]

Metody a algoritmy

Jakýkoli pokus o rekonstrukci předků začíná a fylogeneze. Obecně platí, že fylogeneze je založena na stromech hypotéza o pořadí, ve kterém populace (označované jako taxony ) jsou příbuzní potomkem společných předků. Pozorované taxony jsou reprezentovány tipy nebo koncové uzly stromu, které jsou postupně spojeny větvemi se svými společnými předky, které jsou reprezentovány větvicími body stromu, které se obvykle označují jako rodový nebo vnitřní uzly. Nakonec se všechny linie sbíhají k poslední společný předek celého vzorku taxonů. V souvislosti s rekonstrukcí předků se s fylogenezí často zachází, jako by šlo o známé množství (důležitou výjimkou jsou bayesovské přístupy). Protože může existovat enormní počet fylogenezí, které jsou téměř stejně účinné při vysvětlování dat, může být pohodlným a někdy nezbytným zjednodušujícím předpokladem redukce podmnožiny fylogenií podporovaných daty na jediného zástupce nebo bodový odhad.

Rekonstrukci předků lze považovat za přímý výsledek aplikace hypotetického modelu evoluce na danou fylogenezi. Pokud model obsahuje jeden nebo více volných parametrů, je celkovým cílem odhadnout tyto parametry na základě naměřených charakteristik mezi sledovanými taxony (sekvencemi), které pocházejí ze společných předků. Šetrnost je důležitá výjimka z tohoto paradigmatu: i když se ukázalo, že existují okolnosti, za nichž je odhadem maximální pravděpodobnosti,^[18] v jádru je jednoduše založen na heuristice, že změny stavu postavy jsou vzácné, aniž by se pokoušely tuto raritu kvantifikovat.

Existují tři různé třídy metod pro rekonstrukci předků. V chronologickém pořadí podle objevů jsou maximální šetrnost, maximální pravděpodobnost, a Bayesiánský závěr. Maximální šetrnost považuje všechny evoluční události za stejně pravděpodobné; maximální pravděpodobnost odpovídá rozdílné pravděpodobnosti určitých tříd událostí; a Bayeisan inference souvisí podmíněnou pravděpodobnost události s pravděpodobností stromu, stejně jako s mírou nejistoty, která je s tímto stromem spojena. Maximální šetrnost a maximální pravděpodobnost přinášejí jediný nejpravděpodobnější výsledek, zatímco Bayesianova inference odpovídá za nejistoty v datech a poskytuje vzorek možných stromů.

Maximální šetrnost

Šetrnost, hovorově známá jako „Occamova břitva ", odkazuje na princip výběru nejjednodušších konkurenčních hypotéz. V souvislosti s rekonstrukcí předků se snaha najít distribuci stavů předků v rámci daného stromu snaží minimalizovat celkový počet změn stavu znaků, které by byly nutné k vysvětlení stavy pozorované na špičkách stromu. Tato metoda maximální šetrnost^[19] je jedním z prvních formalizovaných algoritmů pro rekonstrukci stavů předků a zároveň jedním z nejjednodušších.^[13]

Maximální šetrnost může být implementována jedním z několika algoritmů. Jedním z prvních příkladů je Fitchova metoda,^[20] který přiřadí stavy předků pomocí šetrnosti dvěma procházeními zakořeněného binární strom. První fáze je a post-order traversal který postupuje od špiček ke kořeni stromu návštěvou potomků (podřízených) uzlů před jejich rodiči. Zpočátku určujeme množinu možných stavů znaků S_i pro i-tý předek na základě pozorovaných charakterových stavů jeho potomků. Každý úkol je nastavit křižovatku charakterových stavů potomků předků; pokud je křižovatka prázdná množina, pak je to nastavit unii. V druhém případě se předpokládá, že došlo ke změně stavu znaku mezi předkem a jedním z jeho dvou bezprostředních potomků. Každá taková událost se započítává do nákladové funkce algoritmu, kterou lze použít k rozlišení mezi alternativními stromy na základě maximální šetrnosti. Dále, a předobjednat průchod stromu se postupuje od kořene směrem ke špičkám. Stavy znaků jsou poté přiřazeny každému potomkovi na základě toho, které stavy znaků sdílí se svým rodičem. Protože kořenový adresář nemá žádný nadřazený uzel, může být vyžadováno, aby si libovolně vybral stav znaku, konkrétně když byl v kořenovém adresáři rekonstruován více než jeden možný stav.

Fylogeneze hypotetického rodu rostlin se stavy opylování buď „včel“, „kolibříků“ nebo „větru“ označených obrázky na špičkách. Uzly stavu opylování ve fylogenetickém stromu odvozeném pod maximální šetrností jsou zbarveny na větvích, které do nich vedou (žlutá představuje opylení „včelí“, červená představuje „opylení“ kolibříkem, a černá představuje „opylení“ větrem, dvojbarevné větve jsou pro tuto dva stavy barevné). Přiřazení „kolibříka“ jako kořenového stavu (vzhledem k předchozím znalostem z fosilních záznamů) vede k vzoru stavů předků reprezentovaných symboly v uzlech fylogeneze, stav vyžadující nejméně změn, které vedou k vzoru pozorovanému na špičky jsou zakroužkovány v každém uzlu.

Zvažte například fylogenezi získanou pro rod rostlin obsahujících 6 druhů A - F, kde je každá rostlina opylována buď „včelkou“, „kolibříkem“ nebo „větrem“. Jednou zjevnou otázkou je, jaké byly opylovače v hlubších uzlech ve fylogenezi tohoto rodu rostlin. Při maximální šetrnosti rekonstrukce stavu předků u tohoto kmene odhaluje, že „kolibřík“ je nejšetrnějším rodovým stavem u spodního kmene (rostliny D, E, F), který rodový stav uvádí pro uzly v horním kmenu (rostliny A, B, C) jsou nejednoznačné a že oba „kolibříci“ nebo „včelí“ opylovači jsou stejně pravděpodobné pro stav opylování u kořene fylogeneze. Předpokládejme, že máme silné důkazy z fosilních záznamů, že kořenový stav je „kolibřík“. Rozlišení kořene na „kolibříka“ by poskytlo vzor rekonstrukce stavu předků znázorněný symboly v uzlech se stavem vyžadujícím nejméně změn v kroužku.

Metody šetrnosti jsou intuitivně přitažlivé a vysoce efektivní, takže se v některých případech stále používají k nasazení algoritmů optimalizace maximální pravděpodobnosti s počáteční fylogenezí.^[21] Základní předpoklad, že evoluce dosáhla určitého konečného výsledku co nejrychleji, je však nepřesný. Přirozený výběr a evoluce nepracují k dosažení cíle, jednoduše se rozhodnou pro nebo proti náhodně se vyskytujícím genetickým změnám. Metody šetrnosti ukládají šest obecných předpokladů: že fylogenetický strom, který používáte, je správný, že máte všechna relevantní data, ve kterých nedošlo k chybám v kódování, že všechny větve fylogenetického stromu se stejně pravděpodobně změní, že rychlost vývoje je pomalá a šance na ztrátu nebo získání charakteristiky je stejná.^[1] Ve skutečnosti jsou předpoklady často porušovány, což vede k několika problémům:

1. Variace rychlostí evoluce. Fitchova metoda předpokládá, že ke změnám mezi všemi stavy postav dojde stejně dobře; tedy jakékoli změně vzniknou stejné náklady pro daný strom. Tento předpoklad je často nereálný a může omezit přesnost těchto metod.^[8] Například, přechody mají tendenci se vyskytovat častěji než transversions ve vývoji nukleových kyselin. Tento předpoklad lze zmírnit přiřazením rozdílových nákladů ke konkrétním změnám stavu znaků, což má za následek vážený algoritmus šetrnosti.^[22]
2. Rychlý vývoj. Výsledkem heuristiky „minimální evoluce“, která je základem těchto metod, je, že tyto metody předpokládají, že změny jsou vzácný, a proto jsou nevhodné v případech, kdy je změna spíše normou než výjimkou.^[23][24]
3. Variace v čase mezi liniemi. Metody šetrnosti implicitně předpokládají, že u každé větve stromu prošlo stejné množství evolučního času. Nezohledňují tedy rozdíly v délkách větví ve stromu, které se často používají ke kvantifikaci průchodu evolučního nebo chronologického času. Toto omezení umožňuje technice odvodit, že k jedné změně došlo na velmi krátké větvi, spíše než k několika změnám, které se vyskytnou na velmi dlouhé větvi.^[25] Kromě toho je možné, že některé větve stromu mohou zažívat vyšší výběr a rychlost změn než jiné, možná kvůli měnícím se faktorům prostředí. Některá období mohou představovat rychlejší vývoj než jiná, když se tak stane, šetrnost se stane nepřesnou.^[26] Tento nedostatek řeší modelové metody (jak maximální věrohodnost, tak Bayesovské metody), které odvozují stochastický proces evoluce, jak se odvíjí podél každé větve stromu.^[27]
4. Statistické odůvodnění. Bez statistického modelu, který je základem metody, nemají její odhady přesně definované nejistoty.^[23][25][28]
5. Konvergentní evoluce. Když vezmeme v úvahu stav jednoho znaku, šetrnost automaticky předpokládá, že dva organismy, které sdílejí tuto vlastnost, budou těsněji příbuzné než ty, které ji nemají. Například jen proto, že psi a lidoopi mají srst, ještě neznamená, že mají bližší příbuznost než lidoopi s lidmi.

Maximální pravděpodobnost

Maximální pravděpodobnost (ML) metody rekonstrukce stavu předků považují stavy znaků na vnitřních uzlech stromu za parametry a pokoušejí se najít hodnoty parametrů, které maximalizují pravděpodobnost dat (pozorované stavy znaků) vzhledem k hypotéze (model evoluce a fylogeneze vztahující se k pozorovaným sekvencím nebo taxonům). Jinými slovy, tato metoda předpokládá, že rodové stavy jsou ty, které jsou statisticky nejpravděpodobnější vzhledem k pozorovaným fenotypům. Některé z prvních přístupů ML k rekonstrukci předků byly vyvinuty v kontextu vývoj genetické sekvence;^[29][30] podobné modely byly také vyvinuty pro analogický případ vývoje diskrétních znaků.^[31]

Použití modelu evoluce odpovídá za skutečnost, že ne všechny události se stanou stejně pravděpodobnými. Například a přechod, což je typ bodové mutace z jednoho purinu na druhý nebo z jednoho pyrimidinu na druhý, je mnohem pravděpodobnější než transverze, což je šance, že se purin změní na pyrimidin nebo naopak. Tyto rozdíly nejsou zachyceny maximální šetrností. Jen proto, že některé události jsou pravděpodobnější než jiné, ještě neznamená, že k nim vždy dojde. Víme, že v průběhu evolučních dějin existovaly doby, kdy existovala velká propast mezi tím, co se nejpravděpodobněji stalo, a tím, co se skutečně stalo. V takovém případě může být maximální šetrnost ve skutečnosti přesnější, protože je ochotnější udělat velké, nepravděpodobné skoky, než je maximální pravděpodobnost. Ukázalo se, že maximální pravděpodobnost je při rekonstrukci stavů znaků docela spolehlivá, ale při provádění přesných odhadů stability proteinů to není tak dobrá práce. Maximální pravděpodobnost vždy nadhodnocuje stabilitu proteinů, což dává smysl, protože předpokládá, že proteiny, které byly vyrobeny a použity, byly nejstabilnější a nejoptimálnější.^[13] Přednosti maximální pravděpodobnosti byly předmětem diskuse, přičemž někteří dospěli k závěru, že test maximální pravděpodobnosti představuje dobré médium mezi přesností a rychlostí.^[32] Jiné studie si však stěžovaly, že maximální pravděpodobnost vyžaduje příliš mnoho času a výpočetní síly, aby mohla být v některých scénářích užitečná.^[33]

Tyto přístupy používají stejný pravděpodobnostní rámec, jaký se používá k odvození fylogenetického stromu.^[34] Stručně řečeno, vývoj genetické sekvence je modelován časově reverzibilním kontinuálním časem Markov proces. V nejjednodušším z nich všechny znaky procházejí nezávislými přechody stavu (jako jsou nukleotidové substituce) konstantní rychlostí v průběhu času. Tento základní model je často rozšířen tak, aby umožňoval různé rychlosti na každé větvi stromu. Ve skutečnosti se rychlost mutací může také časem měnit (například v důsledku změn prostředí); to lze modelovat tak, že se umožní, aby se parametry rychlosti vyvíjely ve stromu, na úkor zvýšeného počtu parametrů. Model definuje pravděpodobnosti přechodu ze stavů i na j podél větve délky t (v jednotkách evolučního času). Pravděpodobnost fylogeneze se počítá z vnořeného součtu pravděpodobností přechodu, který odpovídá hierarchické struktuře navrhovaného stromu. V každém uzlu je pravděpodobnost jeho potomků shrnuta do všech možných stavů předků v daném uzlu:

kde počítáme pravděpodobnost podstrom zakořeněné v uzlu X s přímými potomky y a z, ${displaystyle S_ {i}}$ označuje stav znaku i-tý uzel, ${displaystyle t_ {ij}}$ je délka větve (evoluční čas) mezi uzly i a j, a ${displaystyle Omega}$ je sada všech možných stavů znaků (například nukleotidů A, C, G a T).^[34] Cílem rekonstrukce předků je tedy najít úkol ${displaystyle S_ {x}}$ pro všechny X vnitřní uzly, které maximalizují pravděpodobnost pozorovaných dat pro daný strom.

Mezní a společná pravděpodobnost

Spíše než vypočítat celkovou pravděpodobnost alternativních stromů je problémem rekonstrukce předků najít kombinaci stavů znaků v každém uzlu předků s nejvyšší mezní maximální pravděpodobností. Obecně lze říci, že k tomuto problému existují dva přístupy. Nejprve lze každému předkovi přiřadit nejpravděpodobnější stav postavy nezávisle na rekonstrukci všech ostatních předků. Tento přístup se označuje jako okrajová rekonstrukce. Je to podobné jako součet všech kombinací stavů předků ve všech ostatních uzlech stromu (včetně kořenového uzlu), kromě těch, pro které jsou k dispozici data. Mezní rekonstrukce spočívá v nalezení stavu v aktuálním uzlu, který maximalizuje pravděpodobnost integrace nad všemi ostatními stavy ve všech uzlech v poměru k jejich pravděpodobnosti. Za druhé, místo toho se můžeme pokusit najít společnou kombinaci stavů předků v celém stromu, což společně maximalizuje pravděpodobnost celého souboru dat. Tento přístup se tedy označuje jako společná rekonstrukce.^[29] Není divu, že společná rekonstrukce je více výpočetně složité než okrajová rekonstrukce. Přesto byly vyvinuty účinné algoritmy pro rekonstrukci kloubů s časovou složitostí, která je obecně lineární s počtem pozorovaných taxonů nebo sekvencí.^[7]

Metody rekonstrukce předků založené na ML mají tendenci poskytovat větší přesnost než metody MP v přítomnosti variací rychlostí evoluce mezi znaky (nebo napříč místy v genomu).^[35][36] Tyto metody však ještě nejsou schopny přizpůsobit se různým rychlostem evoluce v čase, jinak známé jako heterotachy. Pokud se rychlost evoluce pro konkrétní znak zrychlí na větvi fylogeneze, pak bude množství evoluce, ke kterému došlo na této větvi, podhodnoceno pro danou délku větve a za předpokladu konstantní rychlosti evoluce pro danou postavu. Kromě toho je obtížné odlišit heterotachii od variace mezi znaky v rychlostech evoluce.^[37]

Vzhledem k tomu, že ML (na rozdíl od maximální šetrnosti) vyžaduje, aby vyšetřovatel specifikoval model evoluce, může být jeho přesnost ovlivněna použitím hrubě nesprávného modelu (chybná specifikace modelu). Kromě toho ML může poskytnout pouze jedinou rekonstrukci stavů znaků (což se často označuje jako „bodový odhad“) - když je povrch pravděpodobnosti vysoce nekonvexní a obsahuje více vrcholů (lokální optima), pak nemůže jediný bodový odhad poskytují adekvátní zastoupení a Bayesovský přístup může být vhodnější.

Bayesovský závěr

Bayesovský závěr využívá pravděpodobnost pozorovaných údajů k aktualizaci přesvědčení vyšetřovatele, nebo předchozí distribuce, čímž se získá zadní distribuce. V kontextu rekonstrukce předků je cílem odvodit zadní pravděpodobnosti stavů předků v každém vnitřním uzlu daného stromu. Kromě toho lze tyto pravděpodobnosti integrovat do zadních distribucí nad parametry evolučního modelu a prostor všech možných stromů. To lze vyjádřit jako aplikaci Bayesova věta:

${displaystyle {egin {zarovnaný} P (S | D, heta) & = {frac {P (D | S, heta) P (S | heta)} {P (D | heta)}} & propto P (D | S, heta) P (S | heta) P (heta) konec {zarovnáno}}}$

kde S představuje rodové státy, D - odpovídá pozorovaným údajům a - ${displaystyle heta}$ představuje jak evoluční model, tak fylogenetický strom. ${displaystyle P (D | S, heta)}$ je pravděpodobnost pozorovaných dat, která lze vypočítat pomocí Felsensteinův prořezávací algoritmus jak je uvedeno výše. ${displaystyle P (S | heta)}$ je předchozí pravděpodobnost stavů předků pro daný model a strom. Konečně, ${displaystyle P (D | heta)}$ je pravděpodobnost dat pro daný model a strom integrovaných do všech možných stavů předků.

Bayesiánská inference je metoda, o které mnozí tvrdili, že je nejpřesnější.^[8] Bayesovské statistické metody obecně umožňují vyšetřovatelům kombinovat již existující informace s novou hypotézou. V případě evoluce kombinuje pravděpodobnost pozorovaných údajů s pravděpodobností, že k událostem došlo v pořadí, v jakém k nim došlo, a zároveň uznává pravděpodobnost chyby a nejistoty. Celkově se jedná o nejpřesnější metodu rekonstrukce genetických sekvencí předků i stability proteinů.^[25] Na rozdíl od ostatních dvou metod poskytuje Bayesianova inference distribuci možných stromů, což umožňuje přesnější a snadno interpretovatelné odhady rozptylu možných výsledků.^[38]

Výše jsme uvedli dvě formulace, abychom zdůraznili dvě různé aplikace Bayesovy věty, o nichž pojednáváme v následující části.

Empirické a hierarchické Bayes

Jednu z prvních implementací bayesovského přístupu k rekonstrukci sekvence předků vyvinuli Yang a kolegové,^[29] kde byly k definování předchozích distribucí použity odhady maximální pravděpodobnosti evolučního modelu a stromu. Jejich přístup je tedy příkladem empirická Bayesova metoda vypočítat zadní pravděpodobnosti stavů předků; tato metoda byla poprvé implementována v softwarovém balíčku PAML.^[39] Z hlediska výše uvedené formulace Bayesovských pravidel je empirická Bayesova metoda opravena ${displaystyle heta}$ k empirickým odhadům modelu a stromu získaným z dat, což efektivně klesá ${displaystyle heta}$ ze zadní pravděpodobnosti a předchozích podmínek vzorce. Navíc Yang a kolegové^[29] použili empirickou distribuci vzorů místa (tj. přiřazení nukleotidů ke špičkám stromu) při zarovnání pozorovaných nukleotidových sekvencí ve jmenovateli namísto vyčerpávajícího výpočtu ${displaystyle P (D)}$ přes všechny možné hodnoty S daný ${displaystyle heta}$. Výpočtově je empirická Bayesova metoda podobná maximální pravděpodobnosti rekonstrukce předků kromě toho, že namísto hledání přiřazení stavů ML na základě jejich příslušných rozdělení pravděpodobnosti v každém vnitřním uzlu jsou přímo hlášeny samotné rozdělení pravděpodobnosti.

Empirické Bayesovy metody pro rekonstrukci předků vyžadují, aby vyšetřovatel předpokládal, že parametry a strom evolučního modelu jsou známy bez chyby. Když velikost nebo složitost dat činí z toho nereálný předpoklad, může být rozumnější přijmout plně hierarchický Bayesiánský přístup a odvodit společné zadní rozdělení po stavech, modelech a stromech předků.^[40] Nejprve navrhli Huelsenbeck a Bollback^[40] hierarchickou Bayesovu metodu rekonstrukce předků pomocí Markovský řetězec Monte Carlo (MCMC) metody vzorkování rodových sekvencí z této společné zadní distribuce. Podobný přístup byl také použit k rekonstrukci vývoje symbiózy s řasami u druhů hub (lichenizace ).^[41] Například Algoritmus Metropolis-Hastings pro MCMC zkoumá společné zadní rozdělení přijetím nebo odmítnutím přiřazení parametrů na základě poměru zadních pravděpodobností.

Zjednodušeně řečeno, empirický Bayesův přístup vypočítává pravděpodobnosti různých stavů předků pro konkrétní strom a model evoluce. Vyjádřením rekonstrukce stavů předků jako množiny pravděpodobností lze přímo kvantifikovat nejistotu pro přiřazení jakéhokoli konkrétního stavu k předkovi. Na druhou stranu hierarchický Bayesův přístup zprůměruje tyto pravděpodobnosti u všech možných stromů a modelů evoluce v poměru k pravděpodobnosti těchto stromů a modelů vzhledem k pozorovaným údajům.

Zda hierarchická Bayesova metoda poskytuje v praxi podstatnou výhodu, však zůstává kontroverzní.^[42] Navíc se tento plně bayesovský přístup omezuje na analýzu relativně malého počtu sekvencí nebo taxonů, protože prostor všechny možné stromy se rychle stává příliš obrovským, což je výpočetně nemožné vzorky řetězu sblížit se v rozumném čase.

Kalibrace

Rekonstrukci předků mohou pozorované státy informovat v historických vzorcích známého věku, jako jsou fosilie nebo archivní vzorky. Vzhledem k tomu, že přesnost rekonstrukce předků obecně klesá s rostoucím časem, použití těchto vzorků poskytuje data, která jsou blíže rekonstruovaným předkům, a s největší pravděpodobností zlepší analýzu, zvláště když se rychlost změn charakteru v čase mění. Tento koncept byl ověřen experimentální evoluční studií, ve které replikovaly populace bakteriofág T7 byly propagovány za účelem vytvoření umělé fylogeneze.^[43] Při revizi těchto experimentálních dat, Oakley a Cunningham^[44] zjistil, že metody maximální šetrnosti nebyly schopny přesně rekonstruovat známý rodový stav spojitého znaku (velikost plaku ); tyto výsledky byly ověřeny počítačovou simulací. Toto selhání rekonstrukce předků bylo přičítáno směrovému zkreslení ve vývoji velikosti plaku (od velkého k malému průměru plaku), které vyžadovalo zahrnutí „zkamenělých“ vzorků k řešení.

Studie obou savčích masožravců^[45] a ryby^[46] prokázali, že bez zahrnutí fosilních dat jsou rekonstruované odhady velikostí těla předků nerealisticky velké. Navíc se ukázal Graham Slater a jeho kolegové^[47] použitím caniform carnivorans že začlenění fosilních dat do dřívějších distribucí zlepšilo jak Bayesiánskou inferenci stavů předků, tak výběr evolučního modelu ve srovnání s analýzami využívajícími pouze současná data.

Modely

Bylo vyvinuto mnoho modelů pro odhad stavu předků diskrétních a spojitých znaků od existujících potomků.^[48] Takové modely předpokládají, že vývoj zvláštnosti v čase lze modelovat jako stochastický proces. U vlastností s diskrétní hodnotou (například „typ opylovače“) se tento proces obvykle považuje za a Markovův řetězec; pro vlastnosti s kontinuální hodnotou (například „velikost mozku "), proces je často považován za Brownův pohyb nebo Ornstein-Uhlenbeck proces. Použitím tohoto modelu jako základu pro statistickou inferenci lze nyní použít maximální pravděpodobnost metody nebo Bayesovský závěr odhadnout rodové stavy.

Diskrétní modely

Předpokládejme, že dotyčná vlastnost může spadat do jedné z ${displaystyle k}$ státy, označené ${displaystyle 1, ldots, k}$. Typickým prostředkem modelování vývoje tohoto znaku je Markovův řetězec v kontinuálním čase, který lze stručně popsat následovně. Každý stát k němu přidružil rychlosti přechodu do všech ostatních států. Znak je modelován jako krokování mezi ${displaystyle k}$ státy; když dosáhne daného stavu, spustí exponenciální „hodiny“ pro každý z ostatních stavů, ke kterým může vstoupit. Poté „závodí“ hodiny proti sobě a udělá krok ke stavu, jehož hodiny zvoní jako první. V takovém modelu jsou parametry míra přechodu ${displaystyle mathbf {q} = {q_ {ij}: 1leq i, jleq k, iot = j}}$, které lze odhadnout například pomocí metod maximální věrohodnosti, kdy se maximalizuje nad množinou všech možných konfigurací stavů rodových uzlů.

Obecný dvoustavový Markovův řetězec představující rychlost skoků z alely a do alely A. Různé typy skoků mohou mít různé rychlosti.

Za účelem obnovení stavu daného rodového uzlu ve fylogenezi (zavolejte tento uzel ${displaystyle alpha}$) podle maximální pravděpodobnosti, postup je: najít odhad maximální pravděpodobnosti ${displaystyle {hat {mathbf {q}}}}$ z ${displaystyle mathbf {q}}$; pak vypočítat pravděpodobnost každého možného stavu pro ${displaystyle alpha}$ klimatizace zapnuta ${displaystyle mathbf {q} = {hat {mathbf {q}}}}$; nakonec vyberte stav předků, který to maximalizuje.^[23] Jeden může také použít tento substituční model jako základ pro Bayesiánský inferenční postup, který by zohledňoval zadní víru ve stav rodového uzlu vzhledem k určitému uživateli zvolenému předchozímu.

Protože takových modelů může být až tolik ${displaystyle k (k-1)}$ parametrů může být problém s nadměrným vybavením. Některé běžné možnosti, které zmenšují prostor parametrů, jsou:

• Markov ${displaystyle k}$-state 1 parametr model: tento model je reverzní v čase ${displaystyle k}$-státní protějšek Jukes-Cantor Modelka. V tomto modelu mají všechny přechody stejnou rychlost ${displaystyle q}$, bez ohledu na jejich počáteční a konečný stav. Některé přechody mohou být zakázány prohlášením, že jejich sazby jsou jednoduše 0; toto může být případ, například pokud nelze dosáhnout určitých stavů z jiných států v jediném přechodu.
  

  Příklad čtyřstavového 1parametrického modelu řetězce Markov. Všimněte si, že v tomto diagramu byly přechody mezi stavy A a D zakázány; je obvyklé šipku nekreslit, než ji kreslit rychlostí 0.
• Asymetrický Markov ${displaystyle k}$-state 2 parametr model: v tomto modelu je stavový prostor uspořádán (takže například stav 1 je menší než stav 2, který je menší než stav 3) a přechody mohou nastat pouze mezi sousedními stavy. Tento model obsahuje dva parametry ${displaystyle q_ {mbox {inc}}}$ a ${displaystyle q_ {mbox {dec}}}$: jeden pro rychlost zvyšování stavu (např. 0 až 1, 1 až 2 atd.) a jeden pro míru snižování stavu (např. z 2 na 1, 1 na 0 atd.).
  

  Grafické znázornění asymetrického pětistavového 2parametrického modelu Markovova řetězce.

Příklad: Speciační a extinkční model binárního stavu

Model speciace a vyhynutí binárního stavu^[49] (BiSSE) je model diskrétního prostoru, který přímo nenadvádí na rámec výše zmíněných. Umožňuje odhad stavů binárních znaků předků společně s míry diverzifikace spojené s různými stavy znaků; může být také přímo rozšířen na obecnější model s více diskrétními stavy. V nejzákladnější formě tento model zahrnuje šest parametrů: dvě míry speciace (každá pro linie ve stavech 0 a 1); podobně dvě míry vyhynutí; a dvě rychlosti změny charakteru. Tento model umožňuje testování hypotéz o rychlostech speciace / vyhynutí / změně charakteru za cenu zvýšení počtu parametrů.

Modely spojitého stavu

V případě, že vlastnost místo toho přijímá diskrétní hodnoty, je třeba se místo toho obrátit na model, kde se vlastnost vyvíjí jako nějaký kontinuální proces. Odvození rodových stavů maximální pravděpodobností (nebo Bayesovskými metodami) by probíhalo jak je uvedeno výše, ale s pravděpodobností přechodů ve stavu mezi sousedními uzly danými nějakým jiným spojitým rozdělením pravděpodobnosti.

Plots of 200 trajectories of each of: Brownian motion with drift ${displaystyle 0}$ a ${displaystyle sigma ^{2}=1}$ (black); Ornstein-Uhlenbeck with ${displaystyle sigma ^{2}=1}$ a ${displaystyle alpha =-4}$ (green); and Ornstein-Uhlenbeck with ${displaystyle sigma ^{2}=1}$ a ${displaystyle alpha =-40}$ (orange).

• Brownův pohyb: in this case, if nodes ${displaystyle U}$ a ${displaystyle V}$ are adjacent in the phylogeny (say ${displaystyle U}$ je předchůdcem ${displaystyle V}$) and separated by a branch of length ${displaystyle t}$, the likelihood of a transition from ${displaystyle U}$ being in state ${displaystyle x}$ na ${displaystyle V}$ being in state ${displaystyle y}$ is given by a Gaussian density with mean ${displaystyle 0}$ a rozptyl ${displaystyle sigma ^{2}t}$In this case, there is only one parameter (${displaystyle sigma ^ {2}}$), and the model assumes that the trait evolves freely without a bias toward increase or decrease, and that the rate of change is constant throughout the branches of the phylogenetic tree.^[50]
• Ornstein-Uhlenbeck process: in brief, an Ornstein-Uhlenbeck process is a continuous stochastic process that behaves like a Brownian motion, but attracted toward some central value, where the strength of the attraction increases with the distance from that value.^[51][52][53] This is useful for modelling scenarios where the trait is subject to stabilizující selection around a certain value (say ${displaystyle 0}$). Under this model, the above-described transition of ${displaystyle U}$ being in state ${displaystyle x}$ na ${displaystyle V}$ being in state ${displaystyle y}$ would have a likelihood defined by the transition density of an Ornstein-Uhlenbeck process with two parameters: ${displaystyle sigma ^ {2}}$, which describes the variance of the driving Brownian motion, and ${displaystyle alpha}$, which describes the strength of its attraction to ${displaystyle 0}$. Tak jako ${displaystyle alpha}$ má sklony k ${displaystyle 0}$, the process is less and less constrained by its attraction to ${displaystyle 0}$ and the process becomes a Brownian motion. Because of this, the models may be nested, and log-likelihood ratio tests discerning which of the two models is appropriate may be carried out.^[50]
• Stable models of continuous character evolution:^[54] though Brownian motion is appealing and tractable as a model of continuous evolution, it does not permit non-neutrality in its basic form, nor does it provide for any variation in the rate of evolution over time. Instead, one may use a stabilní proces, one whose values at fixed times are distributed as stabilní distribuce, to model the evolution of traits. Stable processes, roughly speaking, behave as Brownian motions that also incorporate discontinuous jumps. This allows to appropriately model scenarios in which short bursts of fast trait evolution are expected. In this setting, maximum likelihood methods are poorly suited due to a rugged likelihood surface and because the likelihood may be made arbitrarily large, so Bayesian methods are more appropriate.^[54]

Aplikace

Vývoj postavy

Rekonstrukce předků is widely used to infer the ecological, phenotypic, or biogeographic traits associated with ancestral nodes in a phylogenetic tree. All methods of ancestral trait reconstructions have pitfalls, as they use mathematical models to predict how traits have changed with large amounts of missing data. This missing data includes the states of extinct species, the relative rates of evolutionary changes, knowledge of initial character states, and the accuracy of phylogenetic trees. In all cases where ancestral trait reconstruction is used, findings should be justified with an examination of the biological data that supports model based conclusions. Griffith O.W. et al.^[55]

Ancestral reconstruction allows for the study of evolutionary pathways, adaptivní výběr, developmental gene expression,^[56][57] and functional divergence of the evolutionary past. For a review of biological and computational techniques of ancestral reconstruction see Chang et al..^[58] For criticism of ancestral reconstruction computation methods see Williams P.D. et al..^[13]

Behavior and life history evolution

In horned ještěrky (rod Phrynosoma ), viviparita (live birth) has evolved multiple times, based on ancestral reconstruction methods.^[59]

Diet reconstruction in Galapagos finches

Both phylogenetic and character data are available for the radiation of pěnkavy obývající Galapágy. These data allow testing of hypotheses concerning the timing and ordering of character state changes through time via ancestral state reconstruction. During the dry season, the diets of the 13 species of Galapágy pěnkavy may be assorted into three broad diet categories, first those that consume grain-like foods are considered "granivores ", those that ingest arthropods are termed "hmyzožravci " and those that consume vegetation are classified as "folivores ".^[23] Dietary ancestral state reconstruction using maximum parsimony recover 2 major shifts from an insectivorous state: one to granivory, and one to folivory. Maximum-likelihood ancestral state reconstruction recovers broadly similar results, with one significant difference: the common ancestor of the tree finch (Camarhynchus ) and ground finch (Geospiza ) clades are most likely granivorous rather than insectivorous (as judged by parsimony). In this case, this difference between ancestral states returned by maximum parsimony and maximum likelihood likely occurs as a result of the fact that ML estimates consider branch lengths of the phylogenetic tree.^[23]

Morphological and physiological character evolution

Phrynosomatid lizards show remarkable morphological diversity, including in the relative muscle fiber type composition in their hindlimb svaly. Ancestor reconstruction based on squared-change parsimony (equivalent to maximum likelihood under Brownův pohyb character evolution^[60]) indicates that rohaté ještěrky, one of the three main subclades of the lineage, have undergone a major evolutionary increase in the proportion of fast-oxidative glycolytic fibers in their iliofibularis muscles.^[61]

Mammalian body mass

In an analysis of the body mass of 1,679 placentární savec species comparing stable models of continuous character evolution to Brownův pohyb models, Elliot and Mooers^[54] showed that the evolutionary process describing mammalian body mass evolution is best characterized by a stable model of continuous character evolution, which accommodates rare changes of large magnitude. Under a stable model, ancestral mammals retained a low body mass through early diversification, with large increases in body mass coincident with the origin of several Orders of large body massed species (e.g. ungulates). By contrast, simulation under a Brownian motion model recovered a less realistic, order of magnitude larger body mass among ancestral mammals, requiring significant reductions in body size prior to the evolution of Orders exhibiting small body size (e.g. Rodentia ). Thus stable models recover a more realistic picture of mammalian body mass evolution by permitting large transformations to occur on a small subset of branches.^[54]

Correlated character evolution

Fylogenetické srovnávací metody (inferences drawn through comparison of related taxa) are often used to identify biological characteristics that do not evolve independently, which can reveal an underlying dependence. For example, the evolution of the shape of a finch's beak may be associated with its foraging behaviour. However, it is not advisable to search for these associations by the direct comparison of measurements or genetic sequences because these observations are not independent because of their descent from common ancestors. For discrete characters, this problem was first addressed in the framework of maximum parsimony by evaluating whether two characters tended to undergo a change on the same branches of the tree.^[62][63] Felsenstein identified this problem for continuous character evolution and proposed a solution similar to ancestral reconstruction, in which the phylogenetic structure of the data was accommodated statistically by directing the analysis through computation of "independent contrasts" between nodes of the tree related by non-overlapping branches.^[28]

Molekulární evoluce

On a molecular level, aminokyselinové zbytky at different locations of a protein may evolve non-independently because they have a direct physicochemical interaction, or indirectly by their interactions with a common substrate or through long-range interactions in the protein structure. Conversely, the folded structure of a protein could potentially be inferred from the distribution of residue interactions.^[64] One of the earliest applications of ancestral reconstruction, to predict the three-dimensional structure of a protein through residue contacts, was published by Shindyalov and colleagues.^[65] Phylogenies relating 67 different protein families were generated by a distance-based clustering method (metoda neváženého páru s aritmetickým průměrem, UPGMA), and ancestral sequences were reconstructed by parsimony. The authors reported a weak but significant tendency for co-evolving pairs of residues to be co-located in the known three-dimensional structure of the proteins.

The reconstruction of ancient proteins and DNA sequences has only recently become a significant scientific endeavour. The developments of extensive genomic sequence databases in conjunction with advances in biotechnology and phylogenetic inference methods have made ancestral reconstruction cheap, fast, and scientifically practical. This concept has been applied to identify co-evolving residues in protein sequences using more advanced methods for the reconstruction of phylogenies and ancestral sequences. For example, ancestral reconstruction has been used to identify co-evolving residues in proteins encoded by RNA virus genomes, particularly in HIV.^[66][67][68]

Rodový protein a DNA reconstruction allows for the recreation of protein and DNA evolution in the laboratory so that it can be studied directly.^[58] With respect to proteins, this allows for the investigation of the evolution of present-day molecular structure and function. Additionally, ancestral protein reconstruction can lead to the discoveries of new biochemical functions that have been lost in modern proteins.^[69][70] It also allows insights into the biology and ecology of extinct organisms.^[71] Although the majority of ancestral reconstructions have dealt with proteins, it has also been used to test evolutionary mechanisms at the level of bacterial genomes^[72] and primate gene sequences.^[73]

Návrh vakcíny

RNA viruses such as the virus lidské imunodeficience (HIV) evolve at an extremely rapid rate, orders of magnitude faster than mammals or birds. For these organisms, ancestral reconstruction can be applied on a much shorter time scale; for example, in order to reconstruct the global or regional progenitor of an epidemický that has spanned decades rather than millions of years. A team around Brian Gaschen proposed^[74] that such reconstructed strains be used as targets for vakcína design efforts, as opposed to sequences isolated from patients in the present day. Because HIV is extremely diverse, a vaccine designed to work on one patient's viral population might not work for a different patient, because the evolutionary distance between these two viruses may be large. However, their most recent common ancestor is closer to each of the two viruses than they are to each other. Thus, a vaccine designed for a common ancestor could have a better chance of being effective for a larger proportion of circulating strains. Another team took this idea further by developing a center-of-tree reconstruction method to produce a sequence whose total evolutionary distance to contemporary strains is as small as possible.^[75] Strictly speaking, this method was not rodový reconstruction, as the center-of-tree (COT) sequence does not necessarily represent a sequence that has ever existed in the evolutionary history of the virus. However, Rolland and colleagues did find that, in the case of HIV, the COT virus was functional when synthesized. Similar experiments with synthetic ancestral sequences obtained by maximum likelihood reconstruction have likewise shown that these ancestors are both functional and immunogenic,^[76][77] lending some credibility to these methods. Furthermore, ancestral reconstruction can potentially be used to infer the genetic sequence of the transmitted HIV variants that have gone on to establish the next infection, with the objective of identifying distinguishing characteristics of these variants (as a non-random selection of the transmitted population of viruses) that may be targeted for vaccine design.^[78]

Genome rearrangements

Rather than inferring the ancestral DNA sequence, one may be interested in the larger-scale molecular structure and content of an ancestral genome. This problem is often approached in a combinatorial framework, by modelling genomes as obměny of genes or homologous regions. Various operations are allowed on these permutations, such as an inverze (a segment of the permutation is reversed in-place), vymazání (a segment is removed), transpozice (a segment is removed from one part of the permutation and spliced in somewhere else), or gain of genetic content through rekombinace, zdvojení nebo horizontální přenos genů. The "genome rearrangement problem", first posed by Watterson and colleagues,^[17] asks: given two genomes (permutations) and a set of allowable operations, what is the shortest sequence of operations that will transform one genome into the other? A generalization of this problem applicable to ancestral reconstruction is the "multiple genome rearrangement problem":^[79] given a set of genomes and a set of allowable operations, find (i) a binary tree with the given genomes as its leaves, and (ii) an assignment of genomes to the internal nodes of the tree, such that the total number of operations across the whole tree is minimized. This approach is similar to parsimony, except that the tree is inferred along with the ancestral sequences. Unfortunately, even the single genome rearrangement problem is NP-tvrdé,^[80] although it has received much attention in mathematics and computer science (for a review, see Fertin and colleagues^[81]).

The reconstruction of ancestral genomes is also called karyotyp reconstruction. Chromosome painting is currently the main experimental technique.^[82][83] Recently, researchers have developed computational methods to reconstruct the ancestral karyotype by taking advantage of komparativní genomika.^[84][85] Furthermore, comparative genomics and ancestral genome reconstruction has been applied to identify ancient horizontal gene transfer events at the last common ancestor of a lineage (e.g. Candidatus Accumulibacter phosphatis^[86]) to identify the evolutionary basis for trait acquisition.

Spatial applications

Migrace

Ancestral reconstruction is not limited to biological traits. Spatial location is also a trait, and ancestral reconstruction methods can infer the locations of ancestors of the individuals under consideration. Such techniques were used by Lemey and colleagues^[16] to geographically trace the ancestors of 192 Avian influenza A-H5N1 strains sampled from twenty localities in Europe and Asia, and for 101 virus vztekliny sequences sampled across twelve African countries.

Treating locations as discrete states (countries, cities, etc.) allows for the application of the discrete-state models described above. However, unlike in a model where the state space for the trait is small, there may be many locations, and transitions between certain pairs of states may rarely or never occur; for example, migration between distant locales may never happen directly if air travel between the two places does not exist, so such migrations must pass through intermediate locales first. This means that there could be many parameters in the model which are zero or close to zero. To this end, Lemey and colleagues used a Bayesian procedure to not only estimate the parameters and ancestral states, but also to select which migration parameters are not zero; their work suggests that this procedure does lead to more efficient use of the data. They also explore the use of prior distributions that incorporate geographical structure or hypotheses about migration dynamics, finding that those they considered had little effect on the findings.

Using this analysis, the team around Lemey found that the most likely hub of diffusion of A-H5N1 is Guangdong, s Hongkong also receiving posterior support. Further, their results support the hypothesis of long-standing presence of African rabies in západní Afrika.

Species ranges

Inferring historical biogeografické patterns often requires reconstructing ancestral ranges of species on phylogenetic trees.^[87] For instance, a well-resolved phylogeny of plant species in the genus Cyrtandra^[87] was used together with information of their geographic ranges to compare four methods of ancestral range reconstruction. The team compared Fitch parsimony,^[20] (FP; parsimony) stochastic mapping^[88] (SM; maximum likelihood), dispersal-vicariance analýza^[89] (DIVA; parsimony), and dispersal-extinction-cladogenesis^[15][90] (DEC; maximum-likelihood). Results indicated that both parsimony methods performed poorly, which was likely due to the fact that parsimony methods do not consider branch lengths. Both maximum-likelihood methods performed better; however, DEC analyses that additionally allow incorporation of geological priors gave more realistic inferences about range evolution in Cyrtandra relative to other methods.^[87]

Another maximum likelihood method recovers the phylogeographic history of a gene^[91] by reconstructing the ancestral locations of the sampled taxa. This method assumes a spatially explicit random walk model of migration to reconstruct ancestral locations given the geographic coordinates of the individuals represented by the tips of the phylogenetic tree. When applied to a phylogenetic tree of chorus frogs Pseudacris feriarum, this method recovered recent northward expansion, higher per-generation dispersal distance in the recently colonized region, a non-central ancestral location, and directional migration.^[91]

Phylogeny of 7 regional strains of Drosophila pseudoobscura, as inferred by Sturtevant a Dobžanský.^[92] Displayed sequences do not correspond to the original paper, but were derived from the notation in the authors' companion paper^[11] as follows: A (63A-65B), B (65C-68D), C (69A-70A), D (70B-70D), E (71A-71B), F (71A-73C), G (74A-74C), H (75A-75C), I (76A-76B), J (76C-77B), K (78A-79D), L (80A-81D). Inversions inferred by the authors are highlighted in blue along branches.

The first consideration of the multiple genome rearrangement problem, long before its formalization in terms of permutations, was presented by Sturtevant and Dobzhansky in 1936.^[92] They examined genomes of several strains of ovocný let from different geographic locations, and observed that one configuration, which they called "standard", was the most common throughout all the studied areas. Remarkably, they also noticed that four different strains could be obtained from the standard sequence by a single inversion, and two others could be related by a second inversion. This allowed them to hypothesize a phylogeny for the sequences, and to infer that the standard sequence was probably also the ancestral one.

Linguistic Evolution

Reconstructions of the words and phenomes of ancient proto-jazyky jako Protoindoevropský have been performed based on the observed analogues in present-day languages. Typically, these analyses are carried out manually using the "comparative method".^[93] First, words from different languages with a common etymology (příbuzní ) are identified in the contemporary languages under study, analogous to the identification of ortologický biological sequences. Second, correspondences between individual sounds in the cognates are identified, a step similar to biological zarovnání sekvence, although performed manually. Finally, likely ancestral sounds are hypothesised by manual inspection and various heuristics (such as the fact that most languages have both nasal and non-nasal vowels ).^[93]

Software

There are many software packages available which can perform ancestral state reconstruction. Generally, these software packages have been developed and maintained through the efforts of scientists in related fields and released under licence na bezplatný software. The following table is not meant to be a comprehensive itemization of all available packages, but provides a representative sample of the extensive variety of packages that implement methods of ancestral reconstruction with different strengths and features.

Package descriptions

Molekulární evoluce

The majority of these software packages are designed for analyzing genetic sequence data. For example, PAML^[94] is a collection of programs for the phylogenetic analysis of DNA and protein sequence alignments by maximum likelihood. Ancestral reconstruction can be performed using the codeml program. In addition, LAZARUS is a collection of Krajta scripts that wrap the ancestral reconstruction functions of PAML for batch processing and greater ease-of-use.^[95] Software packages such as MEGA, HyPhy, and Mesquite also perform phylogenetic analysis of sequence data, but are designed to be more modular and customizable. HyPhy^[96] implements a joint maximum likelihood method of ancestral sequence reconstruction^[7] that can be readily adapted to reconstructing a more generalized range of discrete ancestral character states such as geographic locations by specifying a customized model in its batch language. Mesquite^[97] provides ancestral state reconstruction methods for both discrete and continuous characters using both maximum parsimony and maximum likelihood methods. It also provides several visualization tools for interpreting the results of ancestral reconstruction. MEGA^[98] is a modular system, too, but places greater emphasis on ease-of-use than customization of analyses. As of version 5, MEGA allows the user to reconstruct ancestral states using maximum parsimony, maximum likelihood, and empirical Bayes methods.^[98]

The Bayesian analysis of genetic sequences may confer greater robustness to model misspecification. MrBayes^[99] allows inference of ancestral states at ancestral nodes using the full hierarchical Bayesian approach. The PREQUEL program distributed in the PHAST package^[100] performs comparative evolutionary genomics using ancestral sequence reconstruction. SIMMAP^[101] stochastically maps mutations on phylogenies. BayesTraits^[31] analyses discrete or continuous characters in a Bayesian framework to evaluate models of evolution, reconstruct ancestral states, and detect correlated evolution between pairs of traits.

Other character types

Other software packages are more oriented towards the analysis of qualitative and quantitative traits (fenotypy ). Například opice balík^[102] in the statistical computing environment R also provides methods for ancestral state reconstruction for both discrete and continuous characters through the 'eso' function, including maximum likelihood. Phyrex implements a maximum parsimony-based algorithm to reconstruct ancestral gene expression profiles, in addition to a maximum likelihood method for reconstructing ancestral genetic sequences (by wrapping around the baseml function in PAML).^[103]

Several software packages also reconstruct fylogeografie. BESTIE (Bayesian Evolutionary Analysis by Sampling Trees)^[104] provides tools for reconstructing ancestral geographic locations from observed sequences annotated with location data using Bayesian MCMC metody odběru vzorků. Diversitree^[105] is an R package providing methods for ancestral state reconstruction under Mk2 (a continuous time Markov model of binary character evolution).^[106] and BiSSE (Binary State Speciation and Extinction) models. Lagrange performs analyses on reconstruction of geographic range evolution on phylogenetic trees.^[15] Phylomapper^[91] is a statistical framework for estimating historical patterns of gene flow and ancestral geographic locations. RAŠPLE^[107] infers ancestral states using statistical dispersal-vicariance analysis, Lagrange, Bayes-Lagrange, BayArea and BBM methods. VIP^[108] infers historical biogeography by examining disjunct geographic distributions.

Genome rearrangements provide valuable information in komparativní genomika between species. ANGES^[109] compares extant related genomes through ancestral reconstruction of genetic markers. BADGER^[110] uses a Bayesian approach to examining the history of gene rearrangement. Počet^[111] reconstructs the evolution of the size of gene families. EREM^[112] analyses the gain and loss of genetic features encoded by binary characters. PARANA^[113] performs parsimony based inference of ancestral biological networks that represent gene loss and duplication.

Webové aplikace

Finally, there are several web-server based applications that allow investigators to use maximum likelihood methods for ancestral reconstruction of different character types without having to install any software. For example, Ancestors^[114] is web-server for ancestral genome reconstruction by the identification and arrangement of syntenický regionech. FastML^[115] is a web-server for probabilistic reconstruction of ancestral sequences by maximum likelihood that uses a gap character model for reconstructing indel variace. MLGO^[116] is a web-server for maximum likelihood gene order analysis.

Future directions

The development and application of computational algorithms for ancestral reconstruction continues to be an active area of research across disciplines. For example, the reconstruction of sequence insertions and deletions (indels) has lagged behind the more straightforward application of substitution models. Bouchard-Côté and Jordan recently described a new model (the Poisson Indel Process)^[117] which represents an important advance on the archetypal Thorne-Kishino-Felsenstein model of indel evolution.^[118] In addition, the field is being driven forward by rapid advances in the area of sekvenování nové generace technology, where sequences are generated from millions of nucleic acid templates by extensive parallelization of sequencing reactions in a custom apparatus. These advances have made it possible to generate a "deep" snapshot of the genetic composition of a rapidly evolving population, such as RNA viruses^[119] or tumour cells,^[120] in a relatively short amount of time. At the same time, the massive amount of data and platform-specific sequencing error profiles has created new bioinformatic challenges for processing these data for ancestral sequence reconstruction.

Viz také

• Evoluční biologie
• Původ života
• Enzymová promiskuita

Reference

Tento článek byl upraven z následujícího zdroje pod a CC BY 4.0 licence (2015 ) (zprávy recenzenta ): "Ancestral Reconstruction", PLOS výpočetní biologie, 12 (7): e1004763, 12 July 2016, doi:10.1371/JOURNAL.PCBI.1004763, ISSN  1553-734X, PMC  4942178, PMID  27404731, Wikidata  Q28596371