INTRODUCCIÓN A LA BIOLOGIA COMPUTACIONAL

FILOGENIAS MOLECULARES
Luis Fernando García
II 2018
Taller 2

Inferencia Filogenética con Phylip: Parsimonia y Distancia

PHYLIP es uno de muchos programas para inferencia filogenética con diferentes métodos. Es amigable
y funciona con línea de comando combinado con terminales. Los archivos de alineamiento de secuencias
requeridos por Phylip son exclusivamente con terminación .phy (para Phylip) que pueden venir de Clustal
u otro programa de alineamiento, particularmente trabajaremos con las secuencias del ADNmt de los
primates incluyendo al hombre (H. sapiens) y que se envía por correo (primatesmtDNA.fas).

Unix

Descargue o actualice phylip en UBUNTU

Sudo apt-get install phylip

Sudo apt-get update

WINDOWS

Descargue de http://evolution.genetics. washington.edu/phylip.html, ubique Phylip en Archivos de

Programa o documentos.

En la carpeta Phylip existen 3 subcarpetas y un archivo HTML.

Doc Consiste en archivos HTML para cada una de las 42 aplicaciones que funcionan
independientemente y que hacen análisis diversos. Dan la explicación del fundamento de cada
programa. Muy útiles cuando se trabaja en detalle este paquete de programas.

Exe Contiene los ejecutables de cada una de las aplicaciones. En esta carpeta deben estar los archivos
de entrada que se pueden llamar infile o especificar cualquier otro nombre. Los archivos de
salida también por default reciben el nombre de outfile (una bitácora de los análisis realizados) y
outree (el árbol resultante del análisis, visible en FigTree u otro). Tenga en cuenta lo anterior
para que no confunda archivos de igual nombre pero diferentes análisis (ej el infile para el
programa de alineamiento son secuencias, pero el infile para la aplicación *nj será una matriz de
distancias). Una estrategia es crear una carpeta única con un nombre en particular (ejercicio,
taller, análisis etc) y allí colocar la aplicación de interés y el archivo de entrada (infile) necesario.

Src Contiene los archivos necesarios para el funcionamiento de los algoritmos. NO LOS
MODIFIQUE

Phylip.html Es una descripción general de los programas existentes y el tipo de información que
requieren.

En este taller usaremos 5 aplicaciones para ver el rango de posibilidades de análisis que diferencian los
métodos de Distancia y Parsimonia. En general, necesitará el resultado de una aplicación para usarla en la
siguiente. Recuerde colocar la aplicación específica a usar en una carpeta que contenga únicamente ese
ejecutable y el archivo de entrada (.phy) que corresponda. Sólo es necesario hacer doble click al
ejecutable y seguir las instrucciones. A continuación una descripción general del objetivo de cada
ejecutable y más adelante algunas de las opciones en cada caso.

En el caso del programa en UNIX, escriba el nombre del programa en letras minúsculas (ejemplo dnaml).
En algunos sistemas, tendrá que escribir ./ antes del nombre del programa, ej: ./dnaml.
 PROGRAMA Qué hace
DNAdis Una matriz de distancia
entre las unidades estudiadas
Use el default en todos los
casos de las opciones
solicitadas
Neighbor Un árbol de NJ con base en
matriz de distancia paso
anterior
Seqboot Hace pseudoreplicas de la
matriz original para probar
la confidencia del análisis
DNApars Hace un análisis de
parsimonia, o de una matriz
única o de pseudoreplicas de
la misma
Consensus Realiza un consenso de X
número de árboles
Input File Outfile arrojado
Requerido
En formato Phy las Una matriz de distancia
secuencias de ADN o en archivo .txt
proteínas alineadas
La matriz de Un archivo outfile que
distancia del paso permite el display de los
anterior análisis realizados, y un
archivo outtree que
permite ver el árbol en
otros programas.
En formato Phy las Un archivo con n
secuencias de ADN o número de replicas de la
proteínas alineadas. matriz original.
Para este ejercicio
haga solo 100
replicas.
La matriz original en
phy, o la que genera
seqboot con tantas
replicas como se
quiera
El outtree con los X Outfile para ver el
número de árboles archivo texto, outtree
para ver el árbol.

Ejercicio

Realice cada análisis, siguiendo las instrucciones del programa y procurando usar las condiciones
DEFAULT del mismo. Si lo desea puede hacer modificaciones en algunos de los supuestos explicados
aquí. Recuerde que puede hacer una copia del ejecutable en una carpeta distinta para mayor control pues
se generan muchos archivos que pueden confundir. Aunque haga copias de los programas NO modifique
la carpeta original de descarga del programa.

Obviamente es necesario primero generar el alineamiento de secuencias, en este caso de

ADNmitoprimates.fas, se encuentra en el Moodle, haga el alineamiento con ClustalW (como lo hizó en el
taller anterior), el archivo de salida debe ser con extensión .phy (Coloque en OFF las demás).

DNAdist. Archivo de entrada: Un alineamiento de secuencias (ej secuencias.phy)

Archivo de salida: Una matriz de distancias (ej distancias.phy)

APLICACIÓN DNAdist
D Tipo de distancia
G Gamma
T Tasa de trans vs. transv
C Categorías de
substitución
W weights
F wmpirical
Se refiere a distintos modelos de
substitución para usar las distancias entre
pares. JK el más sencillo, F84 el más
sofisticado.
Indica que hay heterogeneidad en la tasa
de evolución dentro de una misma
molécula. Generalmente es el caso.
Normalmente hay más TI que TV, ½, 1/5,
1/10. Asuma que la relación es 2.0
Se refiere a cuantos tipos de subst se
consideran. Ej 1(a=g=c=t), 2 (TI vs TV), 3
(2 tipos de TI, 1 tipo de TV), etc.
Se refiere a la posibilidad de pesar más un
carácter en el análisis. Ej. Una
substitución en particular.
Se trata de usar las Frec. estándar de los
nucleótidos vs. estimarlas para el set de
datos en particular.
L Forma de la matriz Cuadrada o triangular (mejor)
M Datos múltiples Se refiere a si se usarán replicas de la
matriz. Por ahora no, la prox. parte del
ejercicio hará bootstrap

Una vez especifique las condiciones, vea el archivo de salida con la matriz de distancia correspondiente
en una programa de texto. Este será el archivo de entrada en la siguiente aplicación. Recuerde abrir una
carpeta con este archivo y la próxima aplicación.

Neighbor. Archivo de entrada: Una matriz de distancias (ej distancias.phy)

Archivo de salida: un dendrograma de semilaridad (ej arbol.phy)

APLICACIÓN Neighbor
N Tipo de árbol
O Raiz del árbol
LyR Tipo de matriz
J Ingresar al azar?
M Multiple sets
Se trata de escoger entre UPGMA y NJ.
El outgroup ayuda a enraizar el árbol para
su mejor interpretación. Es el más distante
del grupo.
Simplemente especifica la manera de
visualizar la matriz
Se trata de especificar si el ingreso de los
taxones es al azar o en el orden de la
matriz. Usualmente al azar es mejor.
Cuando en el archivo vienen replicas de la
misma matriz, por ejemplo 100, 1000
veces. Para este primer análisis NO.

Visualice el árbol de salida con outfile en un programa de texto, o con outtree o figtree. Este permite
editar el árbol y visualizarlo de muchas maneras, juegue con las opciones en el menú de la izquierda.

El anterior árbol es un dendrograma de similaridad, construido a partir de una matriz de distancia. En

adelante construiremos árboles filogenéticos bajo principios de reconstrucción específicos.

La aplicación seqboot construye replicas de la matriz original a gusto del usuario para determinar el nivel
de confidencia de los árboles construidos. Sólo modificaremos tres de las condiciones, las demás serán el
default.

Seqboot. Archivo de entrada: Un alineamiento de secuencias (ej secuencias.phy)

Archivo de salida: un archivo con n pseudoreplicas de la matriz(ej replicas.phy)

APLICACIÓN Seqboot
D Tipo de datos
J Tipo de análisis
R Número de replicas
En este caso son datos con secuencias,
pueden ser caracteres morfológicos, o
frecuencias de genes.
Bootstrap es el más utilizado, Jacknife es
similar aunque tomando sólo un
porcentaje de los datos, especificados por
el usuario.
Especificado por el usuario. Normalmente
mínimo 100-1000. Tenga en cuenta que el
tiempo computacional se incrementa al
aumentar las replicas.

Observe el archivo de salida (será un archivo de varias megas dependiendo el número de replicas y
tamaño original de la matriz). El archivo contendrá replicas de la matriz original. Este será su archivo de
entrada en la próxima aplicación.
DNApars busca el mejor árbol bajo el principio de parsimonia, y adicionalmente le pediremos que nos de
un soporte a los nodos del árbol usando las replicas construidas en el paso anterior. Se especificarán
algunas condiciones, las demás deje la opción por default.

DNApars: Archivo de entrada: una archivo con n replicas de la matriz original (ej replicas.phy)
Archivo de salida: un archivo con n árboles de n replicas (ej arboles100.phy)

APLICACIÓN DNApars
U Mejor árbol Es posible buscar el mejor árbol o darle
uno de inicio con la instrucción de que
busque uno mejor. En este caso
buscaremos el mejor.
O Outgroup Para enraizar el árbol, normalmente el más
distante.

V Número de árboles La parsimonia implica que es posible

encontrar más de un árbol igualmente
parsimonioso. Especifique 100 como
máximo.

M Analizar datos múltiples Sí, recuerde que construimos X replicas de

la matriz. Especifique que son DATOS
MULTIPLES Y el número que haya
construido. En la opción JUMBLE
especifique 1. Se refiere al número de
veces que se quiere al análisis. Un número
alto de replicas hará el análisis
computacionalmente muy largo. Para el
caso de mtDNA primates 1000 replicas
tardará aproximadamente 6-8 minutos.

En el archivo outfile encontrará cada uno de 1000 (si son 1000 replicas) de los árboles construidos. Y en
el archivo outtree los mismos árboles pero en un formato útil para la siguiente aplicación. Visualizar y
hacer conclusiones de 1000 árboles es imposible, así que la próxima aplicación hará un consenso de los
1000 árboles.

Consenso: Archivo de entrada: intree (n árboles de n replicas: ej arboles1000.phy)

Archivo de salida: un árbol consenso con soporte para cada rama (consensode1000.phy)

APLICACIÓN consenso
C Tipo de consenso Incluye ESTRICTO, o regla de la mayoría
O Outgroup Específica el grupo externo

Puede ver el árbol consenso en el archivo outfile, con los soportes en cada nodo. En general se considera
que un soporte mayor a 80% es bueno.