Download árbol valor -hay
Document related concepts
Transcript
Argumentación Hennigiana Elección de los taxones terminales: taxones supraespecíficos: método del ejemplar (e.g. especies tipo) o groundplan (se deduce un patrón base) 1º Los estados de carácter se organizan en una serie de transformación que se polariza 2º Se reconocen las sinapormorfías que se utilizan para construir el cladograma Análisis en dos pasos o restringido Análisis simultaneo y no restringido -Taxones terminales: los miembros del in-group y out-group se analizan juntos en una matriz - Se obtiene un network (red sin raíz) - Se enraíza el árbol resultante y en ese momento se determina la polaridad (la raíz determina la topología del árbol) BÚSQUEDAS del ÁRBOL ÓPTIMO Algoritmos filogenéticos de acuerdo con las soluciones que producen EXACTOS HEURÍSTICOS BÚSQUEDAS EXHAUSTIVAS ALGORITMO DE WAGNER BRANCH & BOUND PERMUTACIÓN DE RAMAS EXACTOS BÚSQUEDAS EXHAUSTIVAS EXACTOS BÚSQUEDAS EXHAUSTIVAS B C Se construye un árbol para 3 taxones (= root tree) 1 A Se adiciona un cuarto taxón (D) en cada una de las 3 posiciones posibles 2c 2a 2b B D D C A C B B C D A A EXACTOS BRANCH AND BOUND Reduce el tiempo de búsqueda descartando las familias de árboles (elimina las partes de las búsquedas de árboles que solo contienen soluciones subóptimas) Se usa generalmente para menos de 20 taxones Se calcula un primer árbol de todos los taxones (por ej. Árbold e Wagner) La longitud de este árbol se toma como límite superior (“upper bound”) Se procede de igual forma que en las búsquedas exhaustivas, pero la longitud parcial de cada árbol se compara en cada caso. Si la longitud parcial excede al límite superior el patrón de distribución de ese árbol de abandona. EXACTOS BRANCH AND BOUND B A1 C A EXACTOS BRANCH AND BOUND C2.1 C2.2 C D B B C A1 C2.5 C3.1 C D C2.3 C2.4 B C3.3 A B2 C3.4 B3 A A D B C3.2 C B1 A C3.5 EXACTOS BRANCH AND BOUND C D B B C A1 B C D A B2 E B B3 A A D B C B1 C1.5 B D D E E C C1.2 A A A B C C D C1.1 D E B E A C1.3 D B C A C1.4 C A BÚSQUEDAS HEURÍSTICAS Construcción de un árbol no enraizado (network), por ejemplo mediante el algoritmo de Wagner (Kluge & Farris, 1969, Farris, 1970) Permutación de ramas (“branch swapping”) Se cuenta la longitud de los árboles permutados y se retienen en memoria los árboles más cortos Se repite el procedimiento hasta que no se encuentran árboles más cortos BÚSQUEDAS HEURÍSTICAS Problema de las islas de árboles Islas: conjunto de árboles que están separados por una solo permutación de ramas Problema: una vez que se encontró el árbol más corto dentro de una isla (por reordenamiento de sus ramas) no se podrá llegar a las topologías que estén en otra isla Los algoritmos heurísticos se pueden “trabar” en los máximos y mínimos locales MÁXIMO GLOBAL mínimo local MÍNIMO GLOBAL máximo local Los algoritmos heurísticos se pueden “trabar” en los máximos y mínimos locales Búsqueda del mínimo global mínimo local Búsqueda del máximo global MÁXIMO GLOBAL MÍNIMO GLOBAL máximo local Los algoritmos heurísticos se pueden “trabar” en los máximos y mínimos locales Búsqueda del mínimo global mínimo local Una solución es iniciar las búsquedas a partir de varios árboles (eg. Wagner ) con secuencies de adición al azar Búsqueda del máximo global MÁXIMO GLOBAL MÍNIMO GLOBAL máximo local MÁXIMO GLOBAL MÍNIMO GLOBAL BÚSQUEDAS HEURÍSTICAS Problema de las islas de árboles Islas: conjunto de árboles que están separados por una solo permutación de ramas Problema: una vez que se encontró el árbol más corto dentro de una isla (por reordenamiento de sus ramas) no se podrá llegar a las topologías que estén en otra isla Solución: partir de varios árboles de Wagner generados por secuencias de adición al azar Una vez obtenido el o los árboles más cortos sin raíz, se enraíza el árbol y se determina así la polaridad OPTIMIZACIÓN Optimizar un carácter sobre un árbol: asignarle el valor definitivo al nodo de modo tal que el número de transformaciones sea mínimo 2 pasos: lectura hacia abajo y lectura hacia arriba Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido OPTIMIZACIÓN Optimizar un carácter sobre un árbol: asignarle el valor definitivo al nodo de modo tal que el número de transformaciones sea mínimo 2 pasos: lectura hacia abajo y lectura hacia arriba Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido OPTIMIZACIÓN Optimizar un carácter sobre un árbol: asignarle el valor definitivo al nodo de modo tal que el número de transformaciones sea mínimo 2 pasos: lectura hacia abajo y lectura hacia arriba Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido OPTIMIZACIÓN Optimizar un carácter sobre un árbol: asignarle el valor definitivo al nodo de modo tal que el número de transformaciones sea mínimo 2 pasos: lectura hacia abajo y lectura hacia arriba Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido OPTIMIZACIÓN Optimizar un carácter sobre un árbol: asignarle el valor definitivo al nodo de modo tal que el número de transformaciones sea mínimo 2 pasos: lectura hacia abajo y lectura hacia arriba Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido OPTIMIZACIÓN Optimizar un carácter sobre un árbol: asignarle el valor definitivo al nodo de modo tal que el número de transformaciones sea mínimo 2 pasos: lectura hacia abajo y lectura hacia arriba Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido OPTIMIZACIÓN Optimizar un carácter sobre un árbol: asignarle el valor definitivo al nodo de modo tal que el número de transformaciones sea mínimo 2 pasos: lectura hacia abajo y lectura hacia arriba Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido c REVERSIÓN PARALELISMO ACCTRAN DELTRAN 1 origen y 1 reversión (2 pasos) Favorece las reversiones 2 origenes independientes (2 pasos) Favorece los paralelismos Ante una ambigüedad en un nodo, se le asigna el estado que implique menor costo de acuerdo con el modelo de parsimonia elegido Wagner Fitch Permiten expresar las homoplasias como paralelismos o reversiones. Se puede optar por ACCTRAN, DELTRAN o no ambigua Camin-Sokal Solo se pueden expresar las homoplasias como paralelismos Dollo Solo se pueden expresar las homoplasias como reversiones PARÁMETROS DEL ÁRBOL Programas basados en máxima parsimonia utilizan una serie de estadísticos para “medir” los cladogramas LONGITUD No se consideran los caracteres no informativos (e.g autapomorfías) Suma del número de transformaciones de todos los caracteres multiplicados por su peso ÍNDICE DE CONSISTENCIA ci = m / s m = mínima cantidad de cambio posible s = número de pasos observado de un carácter sobre un cladograma ÍNDICE DE RETENCIÓN ri = Longitud máxima – longitud observada Longitud máxima – longitud mínima