Genética

¿Que necesito paradel Paisaje:

detectar patrones
genético-espaciales?
Tipos de análisis
• Análisis de Agrupamiento y de Asignación
– PCA
– STRUCTURE
• Métodos basados en distancias
-IBD (aislamiento por distancia); IBB (aislamiento por
barreras); IBE (aislamiento por ambiente); IBR
(aislamiento por resistencia)
– Autocorrelación espacial
– Algoritmo de Monmonier
– Interpolación espacial
• Métodos de simulación
 Genética del Paisaje:
Análisis Basados en distancias: IBD, IBB, IBR,
IBE
¿Porqué
distancias?

> Similitud
> Flujo Genética <FST

> CONECTIVIDAD FUNCIONAL

 :
Genética del Paisaje

Análisis Basados en distancias: IBD, IBB, IBR,

IBE

CONECTIVIDAD CONECTIVIDAD
FUNCIONAL DEL PAISAJE

Distancia genética Geografía Barreras

Distancia
efectiva

Variable Heterogeneidad
ambiental del Paisaje
 Genética del Paisaje:
Análisis Basados en distancias
– IBD (aislamiento por distancia)
La distancia efectiva es directamente la distancia
geográfica
– IBB (aislamiento por barreras)
La distancia efectiva tiene en cuenta barreras
– IBE (aislamiento por ambiente)
La distancia que se calcula es en algún valor de variables
ambientales de los ambientes locales.
– IBR (aislamiento por resistencia)
La distancia efectiva tiene en cuenta la heterogeneidad
del paisaje.
 Genética del Paisaje:
Análisis Basados en distancias

IBD IBB

IBR IBE
Genética del paisaje
Aislamiento por Distancia (IBD) y Test
de Mantel (1967)
• Correlación entre Distancia Genética y Distancia
Geográfica.
• Se calcula la correlación entre distancias
genéticas entre pares de individuos/poblaciones
vs. distancia geográfica.
• Una asociación significativa implica aislamiento
por distancia (Wright,1943).
• En poblaciones continuas, la pendiente de la
regresión permite calcular el “tamaño del
vecindario” y la capacidad de dispersión (Rousset,
1997).
Genética del paisaje
Aislamiento por Distancia (IBD) y Test
de Mantel (1967)

PlosOne (2011)

-Poblaciones fragmentadas en
China
-33 poblaciones.
-AFLP
Genética del paisaje
IBD y Test de Mantel: método de
Rousset, 1997,
Rousset 2000
(1997)
• Tamaño del vecindario= 4πDσ2
• FST/ (1 - FST) vs distancia geográfica.
• Si existe aislamiento por distancia la relación
entre ambas variables será lineal:
y = a + bx
• En donde b = 1 / (4πDσ2 ).
Genética del paisaje
IBD y Test de Mantel: método de
Rousset (1997) aplicado en humanos
Método directo:

• Wood et al (1985): Mujeres: σ2: = 2.21 km2 y

hombres : σ2= 3.23 km. σ2 = (2,21+3,33) / 2 =
2.72 km2
• Densidad: 24 individuals * km-2
• Solapamiento de generaciones y variación en el
tamaño de las familias implica una disminución
en el Ne a la mitad. (D= 12 ind * km-2 )
• 4πDσ2 =4π 12 ind * km-2 2,72 km2= 410
individuos
Genética del paisaje
IBD y Testindirecto
Método de Mantel: método de
(marcadores
Rousset (1997) aplicado en humanos
moleculares)
Método indirecto basado en marcadores moleculares
Genética del paisaje

IBD y Test de Mantel: método de

Rousset (1997) aplicado en humanos
Método indirecto basado en marcadores moleculares

• Cinco loci estudiados por LONG et al. ( 1987)

• La pendiente de la recta es 0.0047

• 1/0,0047= 4πDσ2 = 213 individuos.

 Genética del Paisaje:
Análisis Basados en distancias

IBD IBB

IBR IBE
Genética del paisaje

Aislamiento por Resistencia (IBR)

• La inclusión de variables del paisaje explican mas
significativamente la variación genética entre demos
que el modelo nulo de aislamiento por distancia
(Storfer et al. 2010).
• IBR implica considerar los efectos de las características
del paisaje sobre la distribución de la variación
genética de una manera espacial explícita (Spear et al.
2010).
• El paisaje bajo estudio se convierte en una superficie
de resistencia, y los valores de resistencia se calculan
entre pares de individuos o poblaciones.
Genética del paisaje

Aislamiento por Resistencia (IBR):

metodología
Genética del paisaje

Aislamiento por Resistencia (IBR):

selección de las variables
Consideraciones importantes en la elección de
las variables:
a) su influencia hipotética sobre la conectividad
genética.
b) la escala espacial y temática a utilizar.
c) la precisión de los datos espaciales para crear
la superfcie de resistencia (es decir, si tenemos
buenos datos tomados del ambiente, por
ejemplo porcentaje de cobertura vegetal)
Genética del paisaje Aislamiento por Resistencia (IBR):
Superficie de resistencia y
parametrización
Predisposición a cruzar
un ambiente particular

Costo fisiológico de
cruzar un ambiente
Supervivencia RESISTENCIA particular

Se traduce en

Los valores de
Capa espacial de
un entorno GIS de
resistencia se asignan a
tipo raster cada variable del paisaje
o rasgo ambiental

> Valor , > Resistencia

Genética del paisaje
Aislamiento por Resistencia (IBR):
Superficie de resistencia y
parametrización
• A cada celda del raster en una
capa GIS se le asigna un valor
basado en “usos de hábitat” y
movimientos a través de cada una
de las variables del paisaje
contenidas en esa celda
• Las superficies de resistencia
representan una única variable del
paisaje o puede representar
múltiples variables en una única
superficie
Genética del paisaje
Aislamiento por Resistencia (IBR):
Superficie de resistencia y
parametrización
Parametrización:
a) opinión de expertos: se proponen varias superficies de
Resistencia y luego se elije aquella que por test de mantel
correlacione mejor con datos de distancia genética.
b) métodos empíricos:
1). Datos de radiotransmisores
2). Modelos de usos de habitat (i.e. modelado de nicho
ecológico)
3). Optimización usando datos genéticos: Se miden las
variables del paisaje a través de transectas de linea recta y se
usan para correlacionar con los datos genéticos para producir
la superficie de resistencia
Genética del paisaje

Aislamiento por Resistencia (IBR)

Dos formas de calcular la distancia efectiva:
(a) Caminos de menor-costo
-Intentan encontrar el único y de menor costo camino.
-asume un individuo dispersante tiene perfecto
conocimiento del paisaje entero y que se mueve a través
del éste de una manera óptima (Adriaensen et al. 2003)
(b) Algoritmos basados en teorías de circuitos
-asume que los individuos se mueven a través del paisaje
de manera aleatoria, y que la probabilidad de cruzar cierta
área depende de la resistencia de esa área (McRae et al.
2008).
Genética del paisaje
Aislamiento por Resistencia (IBR):
Traducción de la superficie de resistencia
en un modelo de conectividad
a) Camino de menor costo: 1) se
dibuja una línea entre dos areas
que minimicen el costo
acumulativo de movimiento. 2) se
mide la distancia de este camino
de menor costo y se correlaciona
con datos genéticos (Mantel Test
u otro método de optimización).
b) Teoría de circuitos: 1) se integran
simultaneamente varios caminos
posibles que conectan las
poblaciones. 2) correlación con
datos genéticos (Mantel Test u
otro método de optimización)
Genética del paisaje

Aislamiento por Resistencia (IBR)

Caminos de menor-costo
Genética del paisaje
Aislamiento por Resistencia (IBR):
Traducción de la superficie de resistencia en un modelo de conectividad
Genética del paisaje
Aislamiento por Resistencia (IBR):
Aplicaciones
Aquella superficies de Resistencia que correlacionen
fuertemente con distancias genéticas pueden ser
usadas para:
• --diseño de corredores
• --detección de barreras
• --predecir escenarios de cambio futuro del
paisaje.
 Genética del Paisaje:
Análisis Basados en distancias

IBD IBB

IBR IBE
Genética del paisaje

Aislamiento por Barreras (IBB)

• La dispersión efectiva está influenciado por barreras
lineales que cruzan el área de estudio, ya sea
parcialmente o completamente.
• Barreras: cadenas montañosas, ríos, rutas, bordes de
hábitat, etc.,
• Para analizar IBB mediante distancias se crear una
matriz falsa, en donde aquellos pares de muestras que
están separados por una barrera reciben un valor de 1,
mientras que aquellas que no están separados por una
barrera reciben un valor de 0.
• Distancia efectiva: número de veces que una línea recta
entre dos muestras cruza una barrera potencial.
 Genética del Paisaje:
Análisis Basados en distancias

IBD IBB

IBR IBE
Genética del paisaje

Aislamiento por Ambiente (IBE)

• El grado de diferenciación entre muestras debería aumentar a
medida que aumenta la diferenciación en alguna variable ambiental
(Wang and Bradburd 2014) (tipo de hábitat, temperatura o
precipitación, etc.)
• IBE puede surgir tanto por procesos adaptativos como neutrales.
• Las distancias efectivas entre localidades se calculan bajo la forma
de distancias ambientales (Legendre and Legendre (2012) da una
serie de medidas de distancia ambiental y las discute).
• Es el único método basado en distancias que tiene en cuenta las
condiciones ambientes locales mas que las condiciones ambientales
que existen en el ambiente intermediario
Genética del paisaje
Aislamiento por Resistencia (IBR):
Aplicaciones
Genética del paisaje
Aislamiento por Resistencia (IBR):
Aplicaciones
-Desert Bighorn sheep
-Ungulado nativo del sudoeste de USA
-Hábitat preferido: terrenos con
pendiente, áridos y rocosos
-Las poblaciones de california son
pequeñas, aprox. 50 individuos.
-Estructura de metapoblación, con
frecuentes extinciones y
recolonizaciones.
-Se cree que la dispersión se ve
afectada por la topografía y la
distancia
Genética del paisaje
Aislamiento por Resistencia (IBR):
Aplicaciones
• Se analizaron 26 poblaciones del desierto de Sonora.
• Se analizaron 14 loci microsatélie en 394 individuos.
• Se estimaron Fst de a pares, para estimar migración
mediante (Fst =1/(1+4Nm).
• Se construyeron varias matrices de resistencia (X1….Xi)
con valores variables de costo para aspectos
topográficos (pendiente).
• Se contruyó una matriz (Y) de aspectos temáticos del
paisaje con barreras antropogénicas.
• Se aplicaron Mantel Test parciales, para definir la mejor
superficie de resistencia
 Genética
¿Que necesito paradel Paisaje:
detectar patrones
genético-espaciales?
Tipos de análisis
• Métodos basados en distancias
-IBD (aislamiento por distancia); IBB (aislamiento por
barreras); IBE (aislamiento por ambiente); IBR
(aislamiento por resistencia)
– Autocorrelación espacial
– Algoritmo de Monmonier
– Interpolación espacial
• Análisis de Agrupamiento y de Asignación
– PCA
– STRUCTURE
• Métodos de simulación
Genética del paisaje

Interpolación espacial
• Procedimiento que facilita la visualización de
patrones a través de un paisaje
• Se construye un gráfico tridimensional con ejes X
e Y que corresponden a ubicación geográfica (i.e.
latitud y longitud) y Z, que representa las
distancias genéticas.
• El gráfico representará los patrones de diversidad
a través del paisaje muestreado, con picos en
áreas donde las distancias genéticas son grandes.
Genética del paisaje

Interpolación espacial

Programa Allele in Space (Miller, 2005)

Genética del paisaje

Interpolación espacial
1) Se debe construir una red de
conectividad entre todas las
localidades (puntos verdes)
en el data set, basada en la
“triangulación de Delaunay”
2) Las distancias genéticas se
ubican en los puntos medios
(puntos azules)
3) Se superpone una grilla, y en
cada celda de la misma se
interpolarán las distancias
genéticas
Genética del paisaje: interpolación espacial
En el ejemplo vemos 8 puntos de muestreo, y 14 distancias
genéticas (z=altura en el paisaje). Debemos interpolar otras 80
distancias (z) en cada punto de la grilla
1
Z (altura en el
2
paisaje)= ?
X=4,5
3
Y=8,5
Genética del paisaje: interpolación espacial
x y z

n1 4,3 9,8 0,8

n2 6 8,7 0,7
n3 4,1 7,4 0,6
nx 4,5 8,5 ?

w *Z i i
z i 1
n

w
i 1
i
Genética del paisaje: interpolación espacial

a

 2  2
wi  ( x  x)  ( y  y) 
2 =1

i i
 
1

 2  2
w1  (4,3 4,5)  (9,88.5) 
2
 0,76
 
1

 2  2
w2  (6 4,5)  (8,7 8.5) 
2
 0,66
  Tiene
mas

1 peso
 2  2 porque
w3  (4,1 4,5)  (7,48,5) 
2
 0,85 está
  mas
cerca
Genética del paisaje: interpolación espacial
x y z w

n1 4,3 9,8 0,8 0,76

n2 6 8,7 0,7 0,66
n3 4,1 7,4 0,6 0,85
nx 4,5 8,5 0,69
n

w *Z i i
0,8 * 0,76  0,7 * 0,66  0,6 * 0,85
z i 1
  0,69
n
0,76  0,66  0,85
wi 1
i
Genética del paisaje: interpolación espacial
Se debe tener cuidado con la
especificación de los parámetros
a=1
Grilla= 10x10
No hay mucho
detalle
Genética del paisaje: interpolación espacial
Se debe tener cuidado con la
especificación de los parámetros
a=1
Grilla= 50x50
Hay mucho
detalle
Genética del paisaje: interpolación espacial
Se debe tener cuidado con la
especificación de los parámetros
a=1
Grilla= 100x100
Hay mucho mas
detalle. Se
agregan
pequeños picos
Genética del paisaje: interpolación espacial
Se debe tener cuidado con la
especificación de los parámetros
a=0
Grilla= 50x50
Superficie chata
Genética del paisaje: interpolación espacial
Se debe tener cuidado con la
especificación de los parámetros
a=0,25
Grilla= 50x50
Superficie con
formas.
Genética del paisaje: interpolación espacial
Se debe tener cuidado con la
especificación de los parámetros
a=1
Grilla= 50x50
Superficie
similar al
anterior, pero
con mas picos
localizados
Genética del paisaje: interpolación espacial

Evolutionary Ecology 2012, Guzmán, Lanteri y Confalonieri

Genética del paisaje: interpolación espacial

Klamath-Siskiyou
Genética del paisaje
paisaje:
Interpolación espacial: ejemplo de
aplicación
• Existen patrones concordantes de diversidad genética
en una gran variedad de plantas y animales en la región
del NW USA llamada Klamath-Siskiyou (filogeografía
comparada).
• Existe una discontinuidad abrupta en la diversidad
genética entre el Norte y el Sur.
• Una hipótesis plantea que esta discontinuidad es
producto de refugios glaciares al N y S. durante el
pleistoceno.
• Otra hipótesis plantea que sólo permanecieron en el
sur, y que luego hubo expansión del rango hacia el
norte.
Genética del paisaje:

Interpolación espacial: ejemplo de

aplicación
•Phenacomys longicaudus es uno
de los mamíferos mas
especializados del oeste NA
•Vive en nidos y se alimenta casi
exclusivamente de las hojas en
aguja de las coníferas.
•Es una especie muy vulnerable a
cambios climáticos, con un nicho
muy restringido y baja capacidad
de dispersión
Genética del paisaje:

Interpolación espacial: ejemplo de

aplicación
• Miller et al (2006) analizaron secuencias
mitocondriales Citocromo b y la región control
en 169 especímenes de la region Klamath-
Siskiyou.
• Hicieron un estudio filogeográfico y de
interpolación espacial con AIS
Genética del
paisaje:
Interpolación espacial: ejemplo de aplicación

a=1; Grilla: 50x50

Programa Allele in Space (Miller, 2005)

Genética del paisaje:

Interpolación espacial: ejemplo de

aplicación
• La discontinuidad Norte/Sur muy
probablemente se corresponda con un área
de contacto secundario.
• Las glaciaciones habrían producido
fragmentación de los bosques
• Las menores distancias genéticas hacia el sur
sugieren que la fragmentación de los bosques
en esta región habría sido menor.
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de
síntesis
mapa de síntesis: interpolación espacial de los PC

PCA1 PCA2 PCA3

Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de
síntesis
B. taurus
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de síntesis
¿Cómo surgió la domesticación de los
vacunos en Africa?
• Hipótesis 1: Una especie salvaje de vaca (Bos
primigenius) se habría domesticado en el NE de
África hace 10.000 años.
• Hipótesis 2: El ganado ya domesticado se habría
introducido en Africa desde el cercano Oriente.
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de síntesis

• Todos los ganados • Primera evidencia del

modernos tienen cebú en pinturas de
introgresión de cebú tumbas egipcias de la
• Restos arqueológicos XII dinastía, 2000
indican que los años AC.
primeros ganados
eran sin joroba (como
B. taurus)
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de síntesis

Hanotte et al. (2002)

analizaron 50 poblaciones
africanas de ganado vacuno:
• 31 poblaciones de B. taurus
(triángulos)
• 19 poblaciones de B. indicus
(cuadrados) (zonas mas
áridas).
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de síntesis
• Se analizaron 15 marcadores microsatélite autosómicos
• Se observaron 183 alelos cuyas frecuencias
poblacionales se usaron para calcular los componentes
principales (PC)
• Los PC de cada población se usaron para construir un
mapa de interpolación que ilustra las tendencias
continentales de los tres primeros componentes.
• Este análisis permitió generar hípótesis que se
probaron estadísticamente.
• GenStat 4.2 (http://www.vsn-intl.com/genstat/) se usó
para el cálculo de los valores de PC, que se calcularon a
partir de la matriz de covarianza de todos los alelos.
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de síntesis
PC1 (38% de variación alélica). La
variación en este componente es
mayormente explicada por Las
poblaciones de cebú.
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de síntesis
PC1 correlaciona mejor con la
distancia al “Horn” Africa (r2 =
0.79, P , 0.001), que con la
distancia al Isthmus of Suez (r2
= 0.48, P= 0.001)
Mapa de síntesis
de PC1
Los valores del PC1
estarían relacionados
con la influencia
secundaria del Cebú,
ya sugerida por los
registros
arqueológicos.
Usando poblaciones de Cebú
originarias de europa, se
calcularon índices de mezcla (IM)
de las 50 poblaciones muestreadas
con las europeas de Cebú
Se comprobó que los IM
correlaciona fuertemente con PC1
(r2 = 0.98, P = 0.001)
Genética del Paisaje
PCA: ejemplos de aplicación
Análisis multivariado y mapas de síntesis
PC2
Las poblaciones de B.
taurus son las que
aportan mas a este
componente.

PC2 correlaciona fuertemente con las

registros arqueológicos que datan las
fechas de incio de cría de B. taurus en
áfrica. Representaría el estrato mas
antiguo de diferenciación genética de
B. taurus en áfrica
 Genética
¿Que necesito paradel Paisaje:
detectar patrones
genético-espaciales?
Tipos de análisis
• Métodos basados en distancias
-IBD (aislamiento por distancia); IBB (aislamiento por
barreras); IBE (aislamiento por ambiente); IBR
(aislamiento por resistencia)
– Autocorrelación espacial
– Algoritmo de Monmonier
– Interpolación espacial
• Análisis de Agrupamiento y de Asignación
– PCA
– STRUCTURE
• Métodos de simulación
Genética del paisaje

Autocorrelación espacial
• Este método prueba si el genotipo observado
en una individuo en una localidad depende
del genotipo observado en un individuo en
una localidad vecina.
• Se calculan todas las distancias entre pares de
individuos mediante funciones especiales
como el índice Fr (Van Dijk, 1987).
Genética del paisaje

Autocorrelación espacial
• Supongamos que estudiamos 130 individuos de varias
localidades separadas a un máximo de 100 km.
• Para cada individuo x, los otros se asignan a clases de
distancia (por ej. 20 intervalos de distancias).
• Luego, para cada clase de distancia se calcula el
número de individuos idéntico a “x” ( I r (r )) .
• Para cada clase de distancia, se promedian los valores
de la función para todos los individuos y se le resta la
sumatoria de todos los haplotipos al cuadrado (pi=
frecuencia del haplotipo “i” en la población total). Así
se calcula la función Fr (r )
Genética del
paisaje
Autocorrelación espacial
I r (r )   p
2

Fr (r )  i

1   pi 2

=
Genética del paisaje
Autocorrelación espacial: ejemplo de
aplicación
• Cassens et al. (2000), analizó 129
individuos de Lutra lutra (nutria) en
europa.
• la distancia geográfica es el principal
determinante de la estructura de las
nutrias.
• Resultado importante en relación a
programas de conservación.
• La autocorrelación espacial sirve
también para detectar clinas.
 Genética
¿Que necesito paradel Paisaje:
detectar patrones
genético-espaciales?
Tipos de análisis
• Métodos basados en distancias
-IBD (aislamiento por distancia); IBB (aislamiento por
barreras); IBE (aislamiento por ambiente); IBR
(aislamiento por resistencia)
– Autocorrelación espacial
– Algoritmo de Monmonier
– Interpolación espacial
• Análisis de Agrupamiento y de Asignación
– PCA
– STRUCTURE
• Métodos de simulación
Genética del Paisaje

Algoritmo de la máxima diferencia de

Monmonier (Monmonier, 1973)
• Se utiliza para identificar barreras geográficas
en el paisaje.
• Se puede implementar con el programa AIS
• Las muestras (individuos) se ubican en un
mapa de acuerdo a su posición geográfica.
• Las poblaciones se unen para formar una red,
siguiendo el método de triangulación de
Delaunay (Watson 1992, Brouns et al. 2003) .
Genética del Paisaje

Algoritmo de la máxima diferencia de

Monmonier (Monmonier, 1973)
Genética del Paisaje

Algoritmo de la máxima diferencia de

Monmonier (Monmonier, 1973)
1) Identificar la mayor distancia genética entre dos
localidades cualesquiera (segmento inicial de la
barrera).
2) Seguir la barrera inicial en una dirección hasta
encontrar un borde externo de la red u otro segmento
de barrera definido previamente. Para cada extensión
de la barrera, la barrera se mueve hacia la dirección
donde hay una mayor distancia genética.
3) Seguir la barrera inicial identificada en el paso 1, pero
siguiendo una dirección opuesta a la tomada en el
paso 2, hasta encontrar un borde externo de la red u
otro segmento de barrera definido previamente
Genética del Paisaje
Algoritmo de la máxima diferencia de Monmonier:
ejemplo de aplicación.

-Arenques del
mar Báltico.
-Nueve loci
microsatélite
-24 localidades
Genética del Paisaje
Algoritmo de la máxima diferencia de Monmonier:
ejemplo de aplicación
Triangulación de Delaunay para las muestras del mar Báltco

Barreras identificadas
con el programa
“BARRIER”.
Genética del Paisaje
Algoritmo de la máxima diferencia de Monmonier:
ejemplo de aplicación

Las barreras identificadas coinciden con:

• Separación entre cuencas del mar báltico
• Con gradientes ambientales
• Con diferentes comportamientos de migración
Los autores proponen que las
herramientas de la genética del
paisaje pueden ayudar mucho a
entender el significado biológico
de la diferenciación genética en
peces marinos.
 Genética
¿Que necesito paradel Paisaje:
detectar patrones
genético-espaciales?
Tipos de análisis
• Métodos basados en distancias
-IBD (aislamiento por distancia); IBB (aislamiento por
barreras); IBE (aislamiento por ambiente); IBR
(aislamiento por resistencia)
– Autocorrelación espacial
– Algoritmo de Monmonier
– Interpolación espacial
• Análisis de Agrupamiento y de Asignación
– PCA
– STRUCTURE
• Métodos de simulación
 Datos
empíricos

Estructura Heteroge- Procesos

genética de neidad del evolutivos que
las paisaje explican esa
Poblaciones asociación.

Datos Simulados

Procesos
Heteroge- Estructura
evolutivos que
neidad del genética de las
explicarían
paisaje poblaciones
esa asociación
Genética del Paisaje

Métodos de simulación
• Los métodos de simulación complementan los datos
empíricos.
• Los estudios empíricos no nos dicen cuales son los
verdaderos factores del paisaje que influyen sobre la
estructura genética de las poblaciones, aunque se pueden
inferir.
• Los métodos de simulación permiten validar estas
inferencias, usando los procesos identificados como
importantes por los datos empíricos.
• Se “recrean” mediante simulaciones matrices de datos
genéticos sobre los cuales actúan las mismas fuerzas
identificadas como importantes.
• Los datos simulados se comparan con los datos reales.
Genética del Paisaje

Métodos de simulación
Se debe decidir sobre:
1) como representar la heterogeneidad del paisaje
(mosaico, gradiente, datos continuos o categóricos, etc.)
2) si trabajar con la variación genética y coordenadas
espaciales de a) individuos o b) poblaciones.
3) como modelar los procesos (reproducción de los
individuos, dispersión, resistencia del paisaje a la
dispersión, mutación, selección)
4) que programa usar (o escribir nuestro propio
programa).
Genética del Paisaje

Métodos de simulación: ejemplo de aplicación

and spatial coordinates of individual

organisms, or groups of individuals, and
whether they want to model neutral genetic
data or markers under selection.
Genética del Paisaje

Métodos de simulación: ejemplo de aplicación

Genética del Paisaje

Métodos de simulación: ejemplo de aplicación

Genética del Paisaje

Métodos de simulación: ejemplo de aplicación

Hipótesis
• Los peces se distribuyen en aguas con
distintas propiedades hidroquímicas (aguas
claras y negras)
• La selección divergente estaría operando en el
ecotono entre los dos tipos de aguas,
provocando algún tipo de especiación
ecológica.
Genética del Paisaje

Métodos de simulación: ejemplo de aplicación

Metodología
• Filogeografía
• Estudios genómicos de loci “outliers” (con
índices Fst mucho mayores que la media de
los loci) que podrían indicar selección.
• Métodos de agrupación bayesiana.
• Estudios de simulación.
Genética del Paisaje Métodos de simulación: ejemplo de aplicación
Genética del Paisaje Métodos de simulación: ejemplo de aplicación

Estudios de simulación
• Simularon intercambio genético individual
durante 100 generaciones no superpuestas
como una función de los movimientos
individuales, apareamiento, dispersión y
selección.
• Partieron de 100 individuos en cada una de las
9 localidades estudiadas empíricamente.
• Usaron el programa CDPOP versión 1.2
(Landguth y Cushman, 2010).
Genética del Paisaje Métodos de simulación: ejemplo de aplicación

Estudios de simulación
• Simularon un locus bajo selección espacial y 19
loci neutrales con mutación, libre recombinación,
equilibrio de ligamiento y distribución aleatoria
de los alelos iniciales (simulando una gran
población panmíctica inicial con máxima
diversidad alélica)
• Plantearon tres escenarios de selección:
--- (1)no selección (uniforme)
--- (2) selección suave con respecto al gradiente
--- (3) selección abrupta con respecto al gradiente
Genética del Paisaje Métodos de simulación: ejemplo de aplicación

(2) : coeficientes de selección

relativa (w)
-- genotipo AA --genotipo Aa
w= 0.4: agua negra w= 0.2 en todos los escenarios
w= 0.3: mezclada
w= 0.2 : blanca.
-- genotipo aa
w= 0.2: agua negra
w= 0.3: mezclada
w= 0.4 : blanca.
Genética del Paisaje Métodos de simulación: ejemplo de aplicación

• (3) : coeficientes de selección

relativa (w) • --genotipo Aa
-- genotipo AA w= 0.2 en todos los escenarios.
w= 1.0: agua negra
w= 0.6: mezclada
w= 0.2 : blanca.
-- genotipo aa
w= 0.2: agua negra
w= 0.6: mezclada
w= 1.0 : blanca.
Genética del Paisaje Métodos de simulación: ejemplo de aplicación