Arboles genealógicos, teoría de coalescencia y el análisis de polimorfismos genéticos Filogeografía Estadística
|
|
- Arturo Iglesias Velázquez
- hace 7 años
- Vistas:
Transcripción
1 Gustav Klimt. The tree of life (1907) Mariana Morando Centro Nacional Patagónico-CONICET Puerto Madryn. Chubut. Arboles genealógicos, teoría de coalescencia y el análisis de polimorfismos genéticos Filogeografía Estadística
2 Introducción a la Filogeografía UNC Fuentes utilizadas para preparar esta exposición: *Coalescent Theory J. Wakeley *Population Genetics & Microevolutionary theory A. Templeton. *Gene Genealogies, Variation and Evolution Hein, Schierup & Wiuf. *Papers: Nordborg, Rosenberg, Knowles, Kunher, *Knowles & Maddison Molecular Ecology *Kuhner Trends is Ecology & Evolution *Sites & Morando Enciclopedia of Life Sciences *Algunos gráficos de presentaciones de: Uruguay), -Dr. E. Lessa (Univ. de la Republica. -Dr. Peter Beerli (Washington Univ.) -Dr. Magnus Nordborg (Mendel Inst.)
3 Estructura de la exposición polimorfismos moleculares modelo Coalescente *Historia El Coalescente básico -nivel 1- -nivel 2- -nivel 3- -nivel 4- -nivel 5- *Importancia *Ideas básicas 1- Matemática 2- estado separado de descendencia 3- genealogía *Estimación de parámetros *Aplicaciones ejercicios prácticos
4 muchos datos muchos individuos muchos loci La Genética de Poblaciones nos puede ayudar a encontrar respuestas a preguntas en las que los biólogos evolutivos aun estamos interesados: de donde venimos nosotros y las otras especies? cuan grandes son las especies? estas poblaciones son especies? cual es la tasa de recombinación de la especie x?
5 Cual es el objetivo de la Genética de Poblaciones? entender las fuerzas que producen y mantienen la variación genética dentro de una especie *deriva *mutación *recombinación *selección natural *estructura poblaciones *transmisión al azar de material genético de parentales a descendencia analizar los polimorfismos coleccionados de poblaciones naturales Como? poner a prueba modelos sobre fuerzas evolutivas Parte de la Genética de Poblaciones teórica, considera estos factores en un marco matemático, incluyendo matemática, teoría de probabilidades y estadística
6 Teoría del Coalescente historia larga en la Gen. Pobl. orientada al análisis de datos genéticos modernos interpretar las secuencias y darles un sentido *Malecot, varios trabajos de la década del 40 introdujo la idea de seguir un par de copias de un gen hasta su ancestro común y una medida de variación genética: identidad por descendencia
7 * 60 datos polimórficos moleculares la Genética de Poblaciones clásica tenia poco para decir hacia falta un modelo Kimura modelo neutral *Kingman, 1982 tratamiento matemático definitivo *Hudson, 1983 *Tajima, 1983 recombinación El Coalescente proceso estocástico que representa un marco estadístico coherente para analizar datos de polimorfismos genéticos *Kreitman, 1983 primera publicación de investigación con polimorfismo de secuencias de ADN
8 Kingman, 1982a, 1982b, 1982c demostró la existencia matemática del proceso coalescente n-coalescent generalizo esta idea para k copias génicas y Prob (k copias sean reducidas a k -1 copias) = k (k - 1) 4N que el n-coalescente se mantiene para un amplio rango de poblaciones con diferentes estructuras de apareamiento
9 El Coalescente básico -nivel 1- interpretar las secuencias y darles un sentido los modelos coalescentes siguen la genealogía (ancestría) de genes hacia atrás en el tiempo, comenzando por el presente Esto resulta ser una manera muy poderosa de pensar sobre los polimorfismos genéticos matemática elegante algoritmos de simulaciones poderosos cálculos de verosimilitud explícitos
10 el Coalescente describe la ancestria genética de una muestra de secuencias genealogía del gen bajo un modelo grupo de relaciones ancestrales entre los miembros de la muestra y hace predicciones sobre los patrones de variación genética esto incluye tiempos a ancestros comunes, que son medidos desde el presente hasta el pasado
11 Es importante, la teoría de coalescente extremadamente valioso, incluso esencial, que cualquier persona que analiza datos de polimorfismos genéticos de poblaciones tenga un entendimiento básico de
12 Cuales son las ideas sobre las que se basa el modelo coalescente? 1-matemática sigan conectados que el -nivel 5- YA LLEGA!!! 2-dos ideas conceptuales: 1- dado que las variantes selectivamente neutrales no afectan el éxito reproductivo, es posible separar el proceso de mutación neutral del proceso genealógico En términos clásicos estado se puede separar de descendencia
13 En términos clásicos estado se puede separar de descendencia población clonal = N = 10 repr. modelo W-F: gen. discretas cada gen. se forma muestreando al azar N parentales con reemplazo de la gen actual numero de descendientes contribuido por un individuo en particular tiene una distribución binomial, con parámetros: N = numero de pruebas trials 1 / N = prob. de ser elegido relaciones genealógicas en una realización particular de 10 generaciones del modelo neutral W-F (N=10) estados alelicos superpuestos ( gene-dropping ) Nordborg 2000 la distribución conjunta de los números de descendientes producidos por todos los individuos N es multinomial simétrica NADA de esto es influenciado por diferencias genéticas neutras entre los individuos la dinámica evolutiva de las variantes neutrales se pueden modelar por mutation dropping cuales son las relaciones genealógicas que surgen de esto?
14 En términos clásicos estado se puede separar de descendencia dada la realización de un proceso genealógico los estados alelicos se asignan a la gen. original las lineas de descendencia se siguen hacia adelante, usando la regla de que los descendientes heredan heredan el estado alelico de sus parentales a menos que haya una mutación (que ocurre con una prob. en cada gen.) relaciones genealógicas en una realización particular de 10 generaciones del modelo neutral W-F (N=10) NADA de esto es influenciado por diferencias genéticas neutras entre los individuos estados alelicos superpuestos ( gene-dropping ) Nordborg 2000 la dinámica evolutiva de las variantes neutrales se pueden modelar por mutation dropping los estados alelicos de un grupo de individuos se pueden generar asignando un estado alelico a su MRCA y luego dropping mutaciones en las ramas del árbol genealógico que lleva hacia ellos la mayoría de la historia genealógica de la población es irrelevante
15 El Coalescente básico -nivel 2- idea básica que subyace al coalescente: en la ausencia de selección, los linajes muestreados se pueden ver como una elección al azar sus parentales, a medida que vamos hacia atrás en el tiempo Genealogía de organismos vs. genealogía de alelos
16 2- es posible modelar la genealogía de un grupo de individuos hacia atrás en el tiempo sin preocuparse sobre el resto de la población. Esto es consecuencia de la elección al azar sus parentales en la generación anterior. la genealogía de un grupo de individuos se puede generar simplemente siguiendo los linajes hacia atrás en el tiempo, generación por generación, marcando las coalescencias entre los linajes, hasta que eventualmente se encuentra el MRCA las propiedades de una muestra de dependen SOLO de su genealogía, que se puede modelar hacia atrás en el tiempo
17 los efectos conjuntos de: 1-reproducción al azar (que causa deriva genética ) y 2-mutaciones neutrales al azar en determinar la composición genética de una muestra se puede modelar: 1-generando una genealogía de los individuos al azar hacia atrás en el tiempo y luego 2-superponiendo las mutaciones hacia adelante en el tiempo esto lleva a: 1-algoritmos computacionales extremadamente eficientes 2-matemáticamente elegante, pero sobre todo -nivel 6- LLEGAREMOS? -nivel 5- YA LLEGA!!! 3-gran valor heurístico:
18 La visión de que el El Coalescente básico -nivel 3- PATRON DE VARIACION NEUTRAL OBSERVADO EN LA POBLACION se puede ver como el resultado de: MUTACIONES AL AZAR sobre ARBOL AL AZAR afecta profundamente en COMO PENSAMOS sobre nuestros datos casi siempre estamos interesados en fenómenos biológicos que afectan el proceso genealógico, pero que NO afectan el proceso mutacional (subdivisión poblacional) desde el punto de vista de inferencia de estos fenómenos...
19 desde el punto de vista de inferencia de estos fenómenos... 2 contienen información sobre la solo son de interés porque 3 1 PROCESOS EVOLUTIVOS 6 contiene información sobre los GENEALOGIA SUBYACENTE NO OBSERVADA 4 REALIZACIONES DE PROCESOS POLIMORFISMOS OBSERVADOS ESTOCASTICOS 5 solo es de interés porque Dr. Lessa
20 NO IMPORTA CUANTOS INDIVIDUOS TENGA NUESTRA MUESTRA HAY SOLO UNA GENEALOGIA SUBYACENTE PARA ESTIMAR Esa sola genealogía puede contener mucha información sobre el aspecto interesante del proceso evolutivo, pero si no es el caso, entonces nuestras inferencias serán tan buenas como una muestra de uno! Otra consecuencia de esto es que es usualmente posible entender como los parámetros del modelo afectan los datos de polimorfismos, si entendemos como afectan las genealogías. por esto primero hay que entender el proceso genealógico y luego una breve discusión sobre el proceso de mutación neutral
21 El aspecto mas importante en spp. de reproducción sexual o con algún intercambio genético, es que los tiempos a ancestros comunes varían mucho en el genoma Tabla 3 The International SNP Map Working Group (2001) # SNPs Poisson Coalescente Observados Por que el Coalescente explica mejor los datos? proceso estocástico: descripción matemática de la evolución al azar de una cantidad en el tiempo
22 Porque captura los procesos poblacionales que causan que los tiempos de ancestría difieran entre los loci este cambio a una visión restrospectiva del coalescente Dado el presente: Que podría haber pasado? ha reemplazado bastante la perspectiva de la Genética de Poblaciones clásica hacia adelante sin embargo, la Genética de Poblaciones, resulta mas útil en algunos casos; pero, la estrecha conexión del coalescente con la muestra es un marco mas intuitivo y eficiente que la teoría clásica para hacer inferencias sobre la genética y demografía de las poblaciones
23 Ejemplo Numero de generaciones antes del presente 4 AB DD BB CD BB CD AB DD AB CD AB CD BB CD AB DD BB CD AB CD AA CC AB CD AB CD AB CD AA CC AA CC AA CC AA CC AA CC AA CC únicos 5 sobrevivientes cuello de botella extremo 0 no mutación en las ultimas generaciones Genealogía de una población mamífero diploide. Números en centros de círculos (hembras) y cuadrados (machos) son identificadores de individuos. Locus autosómico 1 tiene alelos A y B; locus autosómico 2 tiene alelos C y D Re-dibujado de Rosenberg & Feldman, 2002
24 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) genoma mitocondrial ( ) aut 1 aut 2 diferentes cromosomas
25 Ejemplo Numero de generaciones antes del presente 4 AB DD BB CD BB CD AB DD AB CD AB CD BB CD AB DD BB CD AB CD AA CC TMRCA (Y) = 1 gen AB CD AB CD AB CD AA CC AA CC AA CC AA CC AA CC AA CC únicos 5 sobrevivientes cuello de botella extremo 0 no mutación en las ultimas generaciones Genealogía de una población mamífero diploide. Números en centros de círculos (hembras) y cuadrados (machos) son identificadores de individuos. Locus autosómico 1 tiene alelos A y B; locus autosómico 2 tiene alelos C y D Re-dibujado de Rosenberg & Feldman, 2002
26 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) TMRCA (Y) = 1 gen genoma mitocondrial ( ) aut 1 aut 2 diferentes cromosomas
27 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) TMRCA (Y) = 1 gen genoma mitocondrial ( ) aut 1 aut 2 diferentes cromosomas
28 Ejemplo Numero de generaciones antes del presente 4 AB DD BB CD BB CD AB DD AB CD AB CD TMRCA (mt) = 2 gen BB CD AB DD BB CD AB CD AA CC AB CD AB CD AB CD AA CC AA CC AA CC AA CC AA CC AA CC únicos 5 sobrevivientes cuello de botella extremo 0 no mutación en las ultimas generaciones Genealogía de una población mamífero diploide. Números en centros de círculos (hembras) y cuadrados (machos) son identificadores de individuos. Locus autosómico 1 tiene alelos A y B; locus autosómico 2 tiene alelos C y D Re-dibujado de Rosenberg & Feldman, 2002
29 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) TMRCA (Y) = 1 gen genoma mitocondrial ( ) TMRCA (mt) = 2 gen aut 1 aut 2 diferentes cromosomas
30 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) TMRCA (Y) = 1 gen genoma mitocondrial ( ) TMRCA (mt) = 2 gen aut 1 (A B) aut 2 diferentes cromosomas
31 Ejemplo Numero de generaciones antes del presente 4 AB DD BB CD BB CD AB DD AB CD AB CD TMRCA (a1) = 2 gen BB CD AB DD BB CD AB CD AA CC AB CD AB CD AB CD AA CC AA CC AA CC AA CC AA CC AA CC únicos 5 sobrevivientes cuello de botella extremo 0 no mutación en las ultimas generaciones Genealogía de una población mamífero diploide. Números en centros de círculos (hembras) y cuadrados (machos) son identificadores de individuos. Locus autosómico 1 tiene alelos A y B; locus autosómico 2 tiene alelos C y D Re-dibujado de Rosenberg & Feldman, 2002
32 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) TMRCA (Y) = 1 gen genoma mitocondrial ( ) aut 1 (A B) TMRCA (mt) = 2 gen TMRCA (a1) = 2 gen aut 2 diferentes cromosomas
33 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) TMRCA (Y) = 1 gen genoma mitocondrial ( ) aut 1 (A B) TMRCA (mt) = 2 gen TMRCA (a1) = 2 gen diferentes cromosomas aut 2 (C D)
34 Ejemplo Numero de generaciones antes del presente 4 AB DD BB CD TMRCA (a2) = 3 gen BB CD AB DD AB CD AB CD BB CD AB DD BB CD AB CD AA CC AB CD AB CD AB CD AA CC AA CC AA CC AA CC AA CC AA CC únicos 5 sobrevivientes cuello de botella extremo 0 no mutación en las ultimas generaciones Genealogía de una población mamífero diploide. Números en centros de círculos (hembras) y cuadrados (machos) son identificadores de individuos. Locus autosómico 1 tiene alelos A y B; locus autosómico 2 tiene alelos C y D Re-dibujado de Rosenberg & Feldman, 2002
35 Ejemplo 1 cuello de botella extremo tiempo de coalescencia para 4 loci: cromosoma Y ( ) TMRCA (Y) = 1 gen genoma mitocondrial ( ) aut 1 (A B) diferentes cromosomas aut 2 (C D) TMRCA (mt) = 2 gen TMRCA (a1) = 2 gen TMRCA (a2) = 3 gen Debido a la naturaleza estocastica de la transmisión alelica de parentales a descendientes, los diferentes loci tiene diferentes tiempos de coalescencia En este ejemplo sabíamos los genotipos de todos los individuos en la población raramente el caso generalmente tenemos una MUESTRA de individuos
36 Ejemplo 2 no recombinación no transferencia horizontal numero de 12 generaciones antes 10 del presente Genealogía de una población mamífero diploide. Identificadores de individuos en las terminales Re-dibujado de Rosenberg & Feldman, 2002
37 Ejemplo 2 seleccionamos una muestra de 2 individuos: 1 y 2 1 y 4 1 y 8 TMRCA (1,2) = 4 gen TMRCA (1,4) = 12 gen TMRCA (1,8) = 20 gen El tiempo de coalescencia para una muestra como máxima es el tiempo de coalescencia de toda la población. Mientras mas individuos se agregan a la muestra, el tiempo de coalescencia de la muestra se aproxima al tiempo de coalescencia de la población Debido a la naturaleza estocástica de la muestra, los tiempos de coalescencia para un locus varían entre muestras
38 realísticamente, en estudios de poblaciones diploides, los tiempos de coalescencia varían entre loci y entre muestras variación de tiempos de coalescencia entre loci >>>> varianza en base a muchos loci independientes, pop. sexual de N cte. = 1.16 N 2 variación de tiempos de coalescencia entre muestras prob. tiempo coalescencia para una muestra de tamaño n = al tiempo de coalescencia para toda la población ~ (n - 1) / (n+1)
39 se necesitan muchos loci para obtener valores precisos de El Coalescente básico -nivel 4- estadísticos de distribución de tiempos de coalescencia de una población para un locus una muestra pequeña es suficiente, en principio, para obtener el tiempo de coalescencia de una población
40
41
42 para un locus una muestra pequeña es suficiente, en principio, para obtener el tiempo de coalescencia de una población
43 Precalentamiento para llegar a... El Coalescente básico -nivel 5-
44
45
46
47
48
49 Los estudios teóricos en Gen Pobl, se basan en nuestra habilidad de construir modelos que capturen las características biológicas esenciales de las poblaciones, pero que son lo suficientemente idealizados como para seguirlos matemáticamente dos modelos comúnmente usados en Genética de Poblaciones Wright-Fisher & Moran generaciones que NO se solapan generaciones que se solapan poblaciones reales el coalescente es una aproximación al proceso ancestral de una muestra bajo estos modelos cuando el tamaño poblacional es grande, aunque algunas características del modelo son exactas a la de Moran
50 Wright-Fisher -tamaño constante (2N alelos) y finita reproducción azar -ausencia de selección y migración algunos indiv. pueden NO contribuir descendencia a la generación siguiente perdida de linajes genéticos mirada hacia adelante deriva génica mirada hacia atrás fuente del proceso coalescente
51 Modelo demográfico de Wright-Fisher pasado presente Todos los individuos liberan muchas gametas y a partir de estos, se forman al azar nuevos individuos para la próxima generación.
52 Modelo demográfico de Wright-Fisher pasado presente Todos los individuos liberan muchas gametas y a partir de estos, se forman al azar nuevos individuos para la próxima generación.
53 Modelo demográfico de Wright-Fisher pasado presente Todos los individuos liberan muchas gametas y a partir de estos, se forman al azar nuevos individuos para la próxima generación.
54 Modelo demográfico de Wright-Fisher pasado presente Todos los individuos liberan muchas gametas y a partir de estos, se forman al azar nuevos individuos para la próxima generación.
55 Modelo demográfico de Wright-Fisher pasado presente Todos los individuos liberan muchas gametas y a partir de estos, se forman al azar nuevos individuos para la próxima generación.
56 Modelo demográfico de Wright-Fisher pasado presente Todos los individuos liberan muchas gametas y a partir de estos, se forman al azar nuevos individuos para la próxima generación.
57 Modelo demográfico de Wright-Fisher El tamaño poblacional es constante Cada individuo es reemplazado en la generación siguiente La siguiente generación se forma al azar a partir de un pool grande de gamentas Solo opera la deriva genética en las frecuencias de los alelos Estadísticos F F = probabilidad de que dos alelos muestreados sean idénticos por descendencia H = heterocigocidad esperada u observada los estadísticos F aun son el método mas comúnmente utilizado para estimar parámetros genéticos de datos de frecuencias de alelos
58 Sewall Wright demostró que la probabilidad de que las dos copias de un gen, provengan de la misma copia de la generación precedente es: Prob (2 genes compartan el parental) = P = 1 2Ne población finita Hay una chance de que dos 2 alelos en generación t sean copias del mismo alelo en t - 1 SI Ne es cte., el nro. de alelos es cte. Hay una chance que algunos alelos en gen. t - 1 NO tengan descendientes en gen. t Si seguimos la ancestría de los alelos en la muestra lo suficiente hacia atrás, TODOS van a descender de un ancestro en común.
59 En cada generación hay una probabilidad P = 1 2Ne de que dos alelos coalescan *Cuanto tiempo hacia atrás hay que ir hasta que todos los alelos sean descendientes de un solo ancestro en común *Cuan frecuentemente dos (o mas) alelos son descendientes del mismo alelo en la gen. precedente dependen del Ne
60 Kingman, 1982a, 1982b, 1982c desarrolló un método poderoso para describir COMO el tiempo hasta el ancestro común esta relacionado con Ne coalescente basado en describir la PROBABILIDAD de eventos coalescentes
61 pasado tiempo presente
62 pasado supuesto: las poblaciones son lo suficientemente grandes que se puede ignorar la posibilidad que haya mas de un evento coalescente en una generación [ n<<n ] tiempo presente Hacia adelante: una molécula de ADN se vuelve 2 o más. Hacia atrás: dos o mas moléculas de ADN coalescen en una sola copia en el pasado.
63 pasado Debido a la deriva, el coalescente es un proceso estocástico que incluye una estructura discreta tipo árbol y n-1 intervalos de tiempo ancestro común mas reciente (MRCA) tiempo Coalescencia u2 u3 Los tiempos Ti son los tiempos durante los cuales hay exactamente i linajes ancestrales a la muestra u4 presente u5 La distribución de los intervalos de tiempo uk sigue una distribución exponencial con:
64 lo que si nos interesa Solamente los linajes que dieron descendencia. 2. Una muestra de secuencias y no la genealogía de la población entera. el coalescente realización de un proceso - Topología - Tiempos entre eventos de coalescencia {Ti} - Patrón de variación (mutaciones) en los alelos. Pueden o NO ocurrir.
65 un poco de matemática + probabilidades... antigüedad media del ancestro común a todos los alelos Var(TMRCA) = 16/2N 2 (π 2-9) la varianza de MRCA es muy grande! duración media de intervalos de tiempo entre eventos de coalescencia
66 variables discretas: distribución binomial y geométrica describen numero de eventos que ocurren en un periodo fijo de tiempo tiempo entre eventos variables continuas: distribución Poisson y exponencial columna vertebral del coalescente neutral
67 un proceso Poisson es un proceso de conteo K(t) registra eventos que ocurren a tasa constante, λ, por unidad de tiempo el numero de eventos en cualquier periodo de tiempo de longitud t, sigue la distribución de Poisson con parámetro λt el tiempo de espera para el primer evento esta distribuido exponencialmente... y los subsiguientes también (procesos sin memoria) los tiempos de espera entre eventos sucesivos son independientes e idénticamente distribuidos en procesos de Poisson, los tiempos de espera son variables al azar exponenciales.
68 El coalescente esta bien enmarcado en la teoría de procesos de Posisson, porque considera que cada uno de los tiempos y tipos de eventos, tiene una pequeña probabilidad de ocurrir en una sola generación. pero para el coalescente son varios procesos de Poisson! suma de Poissones independientes y algo mas! Tomar un curso de Coalescencia de 1 semana!
69 seguimos los linajes ancestrales, que son una serie de ancestros genéticos de las muestras del locus, hacia atrás en el tiempo. la historia de una muestra de tamaño n comprende n - 1 eventos de coalescencia cada evento de coalescencia decrece el numero de linajes ancestrales por 1 muestra actual: hay n linajes que a través de una serie de pasos, el numero de linajes decrece de n a n - 1, luego de n - 1 a n - 2 y así, hasta que llega desde 2 a 1 en cada evento coalescente, dos de los linajes se fusionan en un linaje común ancestral; el resultado es un árbol que se bifurca el único linaje que resta en el evento coalescente final es el Most Recent Common Ancestor (MRCA) de toda la muestra
70 Dos alelos Prob (2 alelos tomados al azar sean i.d. con respecto a la gen. inmediatamente precedente) = nivel de ploidia 1 2Ne 2Ne inbreeding effective size Prob (2 alelos tomados al azar NO sean i.d. con respecto a la gen. inmediatamente precedente) = 1 1 2Ne ueremos calcular la probabilidad de que un evento de coalescencia pasó en un tiempo particular t para descubrir cuanto tenemos que ir hacia atrás en la ancestria de estos dos alelos hasta encontrar el ancestro común esto es: queremos ver la distribución de las longitudes de rama Como lo hacemos?
71 Para que ocurra un evento de coalescencia en un tiempo particular t los dos alelos NO tienen que haber coalescido en la generación que le precede I-la probabilidad de que NO coalescan en la primera t - 1 generación: 1 1 2Ne t - 1 II-la probabilidad de que SI coalescan en la generación t: 1 2Ne La probabilidad de que dos alelos elegidos al azar coalescan t generaciones atrás: distribución geométrica 1 1 2Ne t Ne Una vez que tenemos la distribución de la probabilidad, el tiempo promedio de coalescencia para dos alelos elegidos al azar es: 2Ne
72 Multiples alelos Queremos saber cuanto tiempo atrás tenemos que ir hasta que TODOS los alelos n alelos en la muestra desciendan de un solo ancestro en común. I- probabilidad de que dos alelos de la muestra sean i.d. de la generación inmediatamente precedente para dos alelos: 1 2Ne pero hay n (n-1) diferentes pares de alelos 2 n ( ) = n! 2 (n - 2)!2! probabilidad de que un par de estos alelos este involucrado en un evento de coalescencia en la generación inmediatamente precedente: 1 n (n-1) 2Ne 2 II-probabilidad de que el primer evento de coalescencia de esta muestra de alelos ocurra t generaciones atrás: probabilidad que NO probabilidad que SI 1 1 2Ne n (n-1) 2 t Ne n (n-1) 2
73 Tiempo promedio para el primer evento de coalescencia: -nivel 5- para principiantes 4Ne n (n-1) generaciones Queremos saber cuanto tiempo atrás tenemos que ir hasta que TODOS los alelos desciendan de un solo ancestro en común. Y aquí aparece el truco de Kingman... Después del primer evento de coalescencia, tenemos n-1 alelos en lugar de n Todo el proceso se repite de nuevo con n-1 alelos en lugar de n Debido a que el tiempo para la primera coalescencia depende SOLO del numero de alelos en la muestras y NO de cuanto tiempo tomo, podemos calcular el tiempo promedio hasta que todas las coalescencias ocurrieron: t = t = n k = 2 n k = 2 t k 4Ne = 4Ne k (k-1) 1-1 n diploide Si n es grande E(T) = 4Ne haploide 2Ne y NO vamos a ver como se calcula la varianza!
74 El Coalescente es un proceso Markov de tiempo continuo, que modela la genealogía de una muestra d n individuos (genes), como un árbol que se bifurca al azar, donde los n - 1 tiempos de coalescencia: T (n), T (n-1),...t(2), son variables al azar, mutuamente independientes, con distribución exponencial Cada par de linajes coalesce independientemente, a una tasa de 1, por lo tanto, la tasa total cuando hay k linajes es k elige 2
75 Los tiempos de coalescencia aumentan de manera exponencial en el pasado En una población de tamaño constante, se espera que la mayoría de los eventos de coalescencia ocurran en un pasado reciente diploide E(T) = 4Ne 75 E(T) N = n El tiempo esperado durante el cual hay solamente dos ramas es mayor que la mitad de la altura esperada total del árbol!
76 variabilidad del proceso coalescente
77 Como se ven los típicos arboles coalescentes? *extrema variabilidad en todo espectro *frecuentemente dominados por ramas profundas incrementar el tamaño de la muestra... solo agrega extremos al árbol aumentar el tamaño de la muestra frecuentemente es sorprendentemente inefectivo
78 Cuan grande tiene que ser ser la muestra para que incluya el MRCA? Cual es la probabilidad de que el MRCA de una muestra de n, sea el mismo que el MRCA de toda la población? n - 1 n + 1
79 El modelo coalescente surge como una aproximación al modelo poblacional de W-F si queremos modelar fenómenos biológicos como solapamiento de generaciones, sistemas de apareamiento, etc se pueden tratar como un cambio linear simple en la escala de tiempo del coalescene TODOS los parámetros estimados están escalados y si queremos tener medidas absolutas, necesitamos información externa números poblacionales edades en años o generaciones pero se puede hacer! Ne es un factor escalado! es siempre una función de parámetros demográficos reales, pero NO HAY relación directa con el tamaño poblacional total; puede variar entre regiones cromosómicas de un mismo organismo!
80 pero se puede hacer! por ejemplo: una fuente externa de información es una estimación de la probabilidad de mutación neutral por generación de manera simple: esta estimación se obtiene midiendo la divergencia de secuencias entre especies dividiendo por el tiempo estimado de divergencia de especies, que a su vez se obtiene de registro fósil y una buena adivinanza del tiempo generacional PERO, muchas conclusiones se pueden realizar directamente de los parámetros escalados y son mas robustos!
81 cualquier genealogía en particular, o realización del proceso coalescente va a especificar el patrón de ramificación de las relaciones entre los miembros de la muestra y los tiempos de coalescencia provee información sobre la población de la cual se tomo la muestra, que como no se puede observar, se infiere de los patrones de polimorfismos de la muestra, que a su vez resulta de otro proceso al azar: mutación presupuestos sobre la población para describir las distribuciones de probabilidades de los arboles genealógicos y de los tiempos de coalescencia: 1-las diferencias genéticas no tienen consecuencias en la adecuación. 2-la población no esta subdividida, geográficamente o de cualquier otra forma. 3-el tamaño poblacional es constante en el tiempo.
82 la mutación es el puente entre genealogías y datos genéticos la estructura en la genealogía, en la cual cada rama divide la muestra en dos grupos, solo se revela si hay polimorfismos en las secuencias muestreadas los polimorfismos de un solo sitio (SNPs), parecen ser el tipo mas común de variación genética, pero son frecuentes las inserciones, deleciones y variaciones en longitud de repeticiones de microsatélites para cada tipo de dato genético hay un modelo mutacional, dos grandes tipos: -modelos basados en alelos: no tienen información sobre las relaciones históricas entre los alelos de la muestra: Modelo de alelos infinitos -modelos basados en secuencias: generan esa información en los patrones de polimorfismos entre los sitios de la muestra: modelo de sitios infinitos cualquier Modelo mutacional se puede acomodar bajo coalescencia
83 el presupuesto simplificador al modelar mutaciones dentro del coalescente es que toda la variación es neutral (pero se puede modelar variación no neutral) Modelo de alelos infinitos: asume que cada vez que ocurre una mutación introduce un alelo nuevo a la población secuencias en un locus = haplotipo Modelo de sitios infinitos: asume que cada mutación ocurre en un sitio previamente no mutado Por ahora asumimos no recombinación (pero Kimura propuso un modelo de sitios infinitos con recombinación) este modelo imagina una gran cantidad de posiciones posibles con una tasa muy baja de mutación, lo cual es adecuado para secuencias de ADN, la tasa es del orden de 10-8 a 10-9 por generación en varios taxa superiores Pero el periodo de tiempo y la longitud de la genealogía (tamaño de la muestra y tamaño poblacional efvo.) también determinan el modelo
84 Mutaciones sobre el modelo de coalescencia Presupuesto: tasa de mutación u constante por secuencia y por generación Pasado n = 2 Tiempo n = 3 n = 4 n = 5 Presente El número promedio de mutaciones aumenta proporcionalmente al largo de las ramas RELOJ MOLECULAR
85 Cuan diferentes esperamos que sean 2 secuencias de ADN (d)? Si 2N y µ = tasa de mutación entonces E(d)=4Nµ
86 NO podemos co-estimar N y µ!! se confunden porque ambos controlan la cantidad de polimorfismo i.e. un valor de d puede ser causado por un N grande y un µ pequeño o N pequeño y µ grande por lo tanto solo estimamos su producto: θ=4nµ y se escala la G con µ
87 Dos alelos *coalescer *mutar *ninguno en cualquier generación probabilidad por generación de que un alelo mute a otro alelo: μ usando la misma lógica anterior, la probabilidad de NO mutación en t unidades de tiempo escalado: probabilidad de NO mutación τ generaciones atrás: μ = θ 2N calculamos la probabilidad (mutación ANTES coalescencia/muto o coalescio) = tiene sentido pues los dos linajes de genes comparados deben ser alelos diferentes (modelo de alelos infinitos) θ = tasa de mutación θ θ + 1 esta probabilidad es = a heterocigocidad bajo ap. al azar para un locus autosómico en sentido hacia adelante o hacia atrás obtenemos el mismo resultado del impacto conjunto de deriva y mutación sobre el nivel de variación genética presente en la población
88 generalizando y formalizando esto tenemos... MAS MATEMATICA + PROBABILIDADES Número esperado de mutaciones entre dos secuencias? Número total esperado de mutaciones?
89 PROBLEMA: hay que integrar TODAS las genealogías: topologías Y longitudes de ramas podemos calcular la suma de todas las genealogías? Tips Topologías x
90 SOLUCION máxima verosimilitud inferencia Bayesiana + Markov chain Monte Carlo MCMCMC
91 1-Método matemático para calcular las probabilidades de genealogías en una población. 2-El coalescente es una distribución con mucho ruido de tiempos en un árbol. 3-La variabilidad debida a la mutación incrementa la incertidumbre de estos tiempos. 4-El tamaño poblacional esta correlacionado con la profundidad del árbol. 5-Estimaciones del tamaño poblacional o del MRCA a partir de un solo árbol pueden ser erróneas.
92 la formulación original del coalescente solo se aplica a una población de tamaño constante. se ha extendido el coalescente para tener en cuenta: crecimiento poblacional subdivisión poblacional recombinación genética selección natural aproximar fechas de mutaciones aproximar divergencias de poblaciones Curso de coalescencia de 8 semanas!
93 extensiones al coalescente básico flujo genico
94 como herramienta de análisis el coalescente tiene muchas aplicaciones, algunas: -herramienta matemática de modelado, -herramienta de simulación para poner a prueba hipótesis -análisis exploratorios de datos -base de una inferencia de verosimilitud completa Suena MUY Lindo! Pero De que sirve?
95
96 Lo podemos usar para calcular la verosimilitud de los datos dados varios parámetros y modelos demográficos específicos (para inferencia) Consecuencias de los cambios de tamaño poblacional sobre el modelo de coalescencia Crecimiento poblacional N individuos Cuello de botella (Bottleneck) tiempo
97 Lo podemos usar para diseñar estadísticos resumen informativos que tengan comportamientos estadísticos controlables dados varios parámetros y modelos demográficos específicos (i.e. Fu, Tajima) (para estimar parámetros)
98
99 Quiebre en inferencia demográfica ocurrió a fines de los 80 y principios de los 90 observación de que la probabilidad de los datos se podían calcular combinando métodos computacionales de la filogenética con modelos de coalescencia (Felsenstein 1988, 1992) la teoría de coalescencia proveyó el método matemático para conectar modelos demográficos o ecológicos con un árbol la función de verosimilitud se podía calcular considerando todos los arboles posibles y multiplicando la probabilidad de los datos dado el árbol con la prob. del árbol dado los parámetros demográficos suma de todos los posibles arboles (T) integral múltiple de todas los posibles largos de ramas probabilidad del árbol / parámetros del modelo demográfico grupo de todos los posibles arboles probabilidad de los datos / árbol se calcula usando teoría de coalescencia se calcula usando métodos de filogenetica cuando se conoce el árbol, la probabilidad del árbol se puede calcular sin conocimiento del modelo matemático, pero esta integral, en general no se puede resolver por ningún método conocido
100 Es imposible considerar todas las posibles relaciones ancestrales entre las muestras de secuencias aproximaciones que exploran muchos patrones ancestrales posibles o genealogías coalescent genealogy samplers -CGS- 2008
101 conjunto de métodos mayoría implementados en programas difieren en: como exploran las genealogías, en los atributos en sistemas biológicos que pueden modelar para muchos sistemas biológicos, CGS, proveen estimaciones mas realistas que los estadísticos resumen como el Fst
102 diferentes métodos de aproximaciones numéricas y basadas en simulaciones -métodos basados en verosimilitud completa simulaciones de un numero alto de arboles *-Importance Sampling (IS), cambien usan MCMC *-Markov Chain Monte Carlo (MCMC)- correlacion methods CS datos muy polimorficos SI se construyen bien verosimilitud bayesianos se aproximan bastante bien a la función de verosimilitud estas técnicas -desarrolladas en paralelo con NCPAson complicadas de programar, pobre convergencia de MCMC, lo que requiere muchos recursos computacionales e ingenio del investigador estimulo el desarrollo de nuevas aproximaciones al problema i.e. IM
103
104 formalizaron el estudio de patrones geográficos de variación genética vía arboles génicos, resaltando la importancia de definir hipótesis filogeográficas a ser contrastadas a nivel poblacional, en lugar de a nivel de arboles génicos. aproximación basada en métodos que permiten estimar: -relaciones estadísticas explícitas entre procesos, -predicciones y pruebas que incorporan un diversidad de procesos e historias.
105 Inferencias filogeograficas se derivaban reconstruyendo historias genealógicas de los genes individuales (arboles genicos) muestreados de diferentes poblaciones muchos eventos pudieron haber ocurrido linajes de genes se pudieron haber perdido puede NO ser fácil inferir la historia de una especie a partir de una genealogía de genes sin embargo la Filogeografia sigue creciendo con muchas interpretaciones de eventos pasados basadas en patrones de variación genética
106 Como se pueden hacer mejores interpretaciones sobre la historia de la población? hay que incluir un nivel mayor de cuidado al momento de realizar inferencias había una tendencia a formalizar pruebas de escenarios filogeograficos alternativos pero las inferencias van desde: post hoc, cualitativas (Avise, 1994) Stone, 2000; Emerson et al 2001; Wakeley, 2002 pruebas de estructura poblacional significativa (Excoffier et al., 1992) pruebas de hipótesis especificas, basadas en coalescencia, sobre pasado demografico y biogeografico (Edwards, 1993; Knowles et al., 1999; Kliman et al 2000, Knowles 2000; Milot, et al., 2000 Emerson et al 2001; Hare, 2001 lmportante considerar explícitamente las limitaciones de cada aproximación evitar sobre interpretaciones
107 -identificar fuentes de error -considerar hipótesis alternativas que se adecuan igualmente bien a los datos -los presupuestos que se hicieron sobre la historia de la especie son precisos? -modelos genéticos poblacionales desarrollados desde el 82 -proveen marco estadístico para estimar parámetros demográficos: Ne tasas de migración tiempos de divergencia crecimiento poblacional decrecimiento poblacional poner a prueba hipótesis
108 SIN embargo... a pesar del poder estadístico y la sofisticación computacional de estos modelos para estimación de parámetros poblacionales (e.g. estimación conjunta de verosimilitud de tiempos de divergencia y tasas de migración) se asume una historia poblacional subyacente simple la posibilidad de historias mas complejas, e.g. divergencia simple entre dos poblaciones no divididas de tamaño constante la genética de poblaciones clásica tiene poco para ofrecer serie de poblaciones que divergen con tasas de migración variables necesitan nuevos métodos NCPA intenta distinguir entre varios procesos históricos y demográficos no hay significancia estadística asociada a la clave de inferencia no hay hipótesis alternativas contrastadas explícitamente con un valor estadístico asociado
109 avocan el uso y desarrollo de métodos filogeograficos que relacionan de manera explícita y estadística los procesos, predicciones y pruebas (modelos genéticos poblaciones basados en coalescencia) y consideran un conjunto de procesos e historias alternativas (como NCPA). proponer historias filogeograficas explícitas derivar los valores esperados estocásticos FILOGEOGRAFIA ESTADISTICA comparar con los datos en pruebas estadísticas formales poder asociar errores con hipótesis especificas evaluar el soporte para explicaciones alternativas
110 poblaciones contemporáneas de langostas Melanoplus oregonensis árbol mtdna estructura filogeográfica de los haplotipos habitan sky islands en los picos de montañas ninguno de los grupos filogeográficos regionales era monofiletico H1 = colonización desde refugios ancestrales H2 = ancestro ampliamente distribuido y fragmentación
111 aproximación coalescente para evaluar la probabilidad de n linajes de genes fallarían en coalescer dentro de linajes de poblaciones que representan fuentes de supuestos refugios ancestrales, produciendo una discordancia entre gene tree-population tree
112 estimación de tiempos de divergencia tasas de mutación complejo! reloj taxa especifico métodos para tasas variables el grado de coincidencia de T y τ depende: Ne tiempo transcurrido H0 = comparar τ
113 solamente considerando modelos demográficos explícitos será posible determinar que historias poblacionales son compatibles o no con los datos
114 extraer información de los datos para distinguir entre escenarios históricos alternativos: derivar de manera teórica lo esperado por simulación o cálculos analíticos comparar esto cuantitativamente con lo observado hay que calcular un estadístico es importante elegir cual es adecuado para la pregunta en cuestión IMPORTANTISIMO revisar cada uno de los presupuestos fijos (parámetros) del modelo
115 Método ideal proveer representación precisa sobre el pasado considerar varios procesos alternativos estimaciones de la historia con alguna medida de error asociada AUN NO EXISTE!!!
116 limitantes/problemas: MUCHOS tres áreas principales vitales para estudios filogeográficos que necesitan mas desarrollo: 1-parametrización de los modelos 2-estrategias de búsqueda a través de historias alternativas 3-criterios para juzgar la adecuación de las explicaciones de los datos
117 Con la expansión de la teoría de la coalescencia, EF representan un cambio de la interpretación a posteriori de patrones para poner a prueba hipótesis basado en modelos que son definidos a priori, y estas presentan nuevos desafíos historias de especies pueden ser complejas y hay desafíos relaciones a los tres pasos claves en la FE: 1-como definir un grupo realista de hipótesis históricas alternativas, 2-como decidir sobre la complejidad de cualquier modelo, 3-como integrar la información desde datos externos.
118
119
120
LAB 1 LAB 1/2. Estadística descriptiva. Pruebas de neutralidad. Mismatch distribution. Tajima Fu MacDonald-Kreitman
LAB 1 Estadística descriptiva Pruebas de neutralidad Tajima Fu MacDonald-Kreitman Mismatch distribution LAB 1/2 1-numero de sitios segregantes en una muestra numero de sitios Tajima, 1989 : Var se puede
Más detallesLa teoría de coalescencia
La teoría de coalescencia Proceso estocástico Es un linaje de alelos proyectado hacia el pasado (su ancestro común mas reciente) Aproximación básica usando el modelo de Wright-Fisher Modelo probabilístico
Más detalles4b. Deriva genética. Mutación. Equilibrios entre mutación y deriva.
Curso de Evolución 2014 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ edu uy/ 4b. Deriva genética. Mutación. Equilibrios entre mutación y deriva.
Más detallesCurso de Genética de Poblaciones 2007 Aplicaciones del coalescente Enrique Lessa
Curso de Genética de Poblaciones 2007 Aplicaciones del coalescente Enrique Lessa 1. Ideas básicas. 2. Detalles adicionales del modelo. 3. El modelo neutral estándar. 4. Pruebas de neutralidad: una clasificación.
Más detallesDeriva selección: Pob. grande, deriva pequeña. Estudios de simulación nos dan una idea del efecto de deriva en las poblaciones:
DERIVA GENÉTICA = Genetic drift Deriva genética: cambio producido en las frecuencias alélicas debido al muestreo de los gametos, que se realiza generación tras generación, a causa del tamaño finito de
Más detalles07/10/2013. Diversos tipos: Sustitución: Ts = Pu x Pu ó Py x Py
MUTACIÓN Mutación es la base de la evolución, ya que es la 1ª fuente de variación : Mutación: aparecen nuevas variantes Transposición, migración y recombinación: generan nuevas combinaciones Selección,
Más detallesGenética de poblaciones
Genética de poblaciones Población Intuitivamente: grupo local de individuos de la misma especie (implicaciones demográficas) que se reproducen entre sí (implicaciones genéticas). Conjuntos de individuos
Más detallesLA ENDOGAMIA. MODELO SIMPLE DE POBLACIÓN SUBDIVIDIDA
LA ENDOGAMIA. MODELO SIMPLE DE POBLACIÓN SUBDIVIDIDA Sewall Wright James F. Crow Motoo Kimura LA POBLACIÓN IDEAL DE WRIGHT DERIVA GENÉTICA Varianza de la frecuencia génica Proceso de fijación Frecuencias
Más detallesMUTACION, MIGRACION Y DERIVA GENICA. Dra. Egle Villegas Castagnasso
MUTACION, MIGRACION Y DERIVA GENICA Dra. Egle Villegas Castagnasso POBLACIÓN DESDE EL PUNTO DE VISTA BIOLOGICO Un grupo de individuos de la misma especie que habitan en una zona geográfica restringida
Más detallesEVOLUCIÓN. I. Objetivos. II. Introducción
Práctica #8 I. Objetivos 54 EVOLUCIÓN * Explicar el equilibrio Hardy-Weinberg en termino de las frecuencias alelicas y frecuencias genotipicas * Describir las condiciones para el mantenimiento del equilibrio
Más detalles8. Estructura poblacional y flujo génico. Estadísticos F. Equilibrios entre deriva y flujo génico.
Curso de Evolución 2015 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ 8. Estructura poblacional y flujo génico. Estadísticos F. Equilibrios entre
Más detallesGENÉTICA DE LA CONSERVACIÓN. Biología de la Conservación
GENÉTICA DE LA CONSERVACIÓN Biología de la Conservación Genética de la conservación Hoja de ruta Genética de la conservación Diversidad genética Importancia de la diversidad genética Los problemas de las
Más detallesTEMA 7 GENÉTICA DE POBLACIONES
TEMA 7 GENÉTICA DE POBLACIONES Genética de Poblaciones Introducción a la Genética de Poblaciones El Equilibrio de Hardy-Weinberg Agentes Evolutivos que afectan al equilibrio H-W Genética de Poblaciones
Más detallesPOPULATION GENOMICS. El paradigma poblacional. Medida de la variación genética y genómica. Desequilibrio de ligamiento
POPULATION GENOMICS Antonio Barbadilla Bioinformatics of Genetic Diversity Research Genomics, Bioinformatics and Evolution group Departament de Genètica i Microbiologia Universitat Autònoma de Barcelona
Más detallesGenética de poblaciones
Genética de poblaciones Antecedentes Darwin-Wallace + redescubrimiento de la herencia de caracteres de Mendel = La variación genética es la base de la evolución. Enlace del concepto de genes y alelos con
Más detallesGENÉTICA DE POBLACIONES Dra. Blanca Urzúa Orellana Departamento de Ciencias Básicas y Comunitarias. Facultad de Odontología, U. De Chile.
GENÉTICA DE POBLACIONES Dra. Blanca Urzúa Orellana Departamento de Ciencias Básicas y Comunitarias. Facultad de Odontología, U. De Chile. GENÉTICA DE POBLACIONES 1. Introducción: Qué es la genética de
Más detalles06/05/2013 EQUILIBRIO DE HARDY-WEINBERG EQUILIBRIO DE HARDY-WEINBERG EQUILIBRIO DE HARDY-WEINBERG
GENÉTICA DE POBLACIONES Estudia la dotación genética de los grupos de individuos y los cambios que sufre ésta con el tiempo. Población mendeliana: grupo de individuos, de reproducción sexual, que se reproducen
Más detallesUtilizamos modelos matemáticos para conocer el modo por el cual un proceso es influenciado por variables fundamentales
GENÉTICA DE POBLACIONES Estudia la dotación genética de los grupos de individuos y los cambios que sufre ésta con el tiempo. Población mendeliana: grupo de individuos, de reproducción sexual, que se reproducen
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesGENÉTICA CUANTITATIVA
GENÉTICA CUANTITATIVA PROYECTO EDITORIAL MANUALES DE GENÉTICA Coordinador: César Benito GENÉTICA CUANTITATIVA Armando Caballero Rúa Consulte nuestra página web: www.sintesis.com En ella encontrará el catálogo
Más detallesGenética de las poblaciones humanas canarias Seminario 1
Genética de las poblaciones humanas canarias Seminario 1 Grado en Biología 3 er curso El estudio de nuestro pasado Además de la investigación genética de nuestro pasado, otras evidencias a considerar son:
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesTipos de variación genética
Tipos de variación genética GENÉTICA DE POBLACIONES La genética de poblaciones es la rama de la genética que describe en términos matemáticos las consecuencias de la genética mendeliana a nivel poblacional.
Más detallesINTRODUCCIÓN A LA GENÉTICA DE POBLACIONES
INTRODUCCIÓN A LA GENÉTICA DE POBLACIONES PROYECTO EDITORIAL CIENCIAS BIOLÓGICAS Directores: Benjamín Fernández Juan-Ramón Lacadena Áreas de publicación: BIOLOGÍA AMBIENTAL Coordinador: Francisco García
Más detallesSewall Wright. APAREAMIENTOS NO AL AZAR (apartamientos de la panmixia)
Curso de Evolución 206 acultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ 8. Estructura poblacional y flujo génico. Estadísticos. Equilibrios entre deriva
Más detallesLa meiosis comprende una replicación del ADN seguida de dos divisiones celulares sucesivas
LIGAMIENTO Ligamiento Ligamiento describe el fenómeno por el que alelos en genes vecinos, ubicados en el mismo cromosoma, serán transmitidos juntos más frecuentemente que por azar. La meiosis comprende
Más detallesAlgoritmos Genéticos. Introducción a la Robótica Inteligente. Álvaro Gutiérrez 20 de abril de
Algoritmos Genéticos Introducción a la Robótica Inteligente Álvaro Gutiérrez 20 de abril de 2016 aguti@etsit.upm.es www.robolabo.etsit.upm.es Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos
Más detallesContexto: origen africano de los homínidos. 22. El registro molecular de la evolución humana. Contexto: posición filogenética
Curso de Evolución 005 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ Contexto: origen africano de los homínidos. El registro molecular de la evolución humana. Contexto: posición
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesGen. Locus. El lugar donde se localiza el gen en el cromosoma.
GENÉTICA MENDELIANA Griffiths A., Wessler S., Lewontin R., Gelbart W., Suzuki D., Miller J. (2005) Introduction to Genetic Analysis (8 th ed). W.H. Freeman and Company, New York. (también ediciones recientes)
Más detallesTeoría sintética (neodarwinista) La microevolución en el contexto de la teoría de la evolución. Teoría sintética (neodarwinista) La teoría:
Curso de Evolución 06 Facultad de Ciencias Montevideo, Uruguay htt://evolucion.fcien.edu.uy/ htt://eva.universidad.edu.uy/ G. H. Hardy W. Weinberg Teoría sintética (neodarwinista) los genes mutan, los
Más detallesMÉTODOS PARA ESTIMAR PARÁMETROS FENOTÍPICOS Y GENÉTICOS DE LA DESCENDENCIA
MÉTODOS PARA ESTIMAR PARÁMETROS FENOTÍPICOS Y GENÉTICOS DE LA DESCENDENCIA Aplicar métodos matemáticos para estimar componentes de similitud o varianza genética entre individuos de una población La habilidad
Más detallesEL DESEQUILIBRIO DE LIGAMIENTO
1 EL DESUILIBRIO DE LIGAMIENTO La expresión desequilibrio de ligamiento es una de las más desafortunadas expresiones usadas en genética cuantitativa, puesto que puede no haber ligamiento entre genes y
Más detallesIES Santa Clara. PAU/EBAU BIOLOGÍA 2º BACHILLER
GENÉTICA MENDELIANA Jun 01 1. Comenta brevemente la relación existente entre variedad alélica y evolución, de qué forma se originan nuevas variantes alélicas a partir de un alelo original? 2. Describe,
Más detallesGENÉTICA DE POBLAC A IONE N S
GENÉTICA DE POBLACIONES Genética de Poblaciones Es el estudio de los GENES en las poblaciones Estudia la constitución genética de los individuos que la componen y la transmisión de los genes de una generación
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesSelección Natural y Evolución
Selección Natural y Evolución La evolución es un cambio en la composición genética de las poblaciones. El estudio de los mecanismos evolutivos corresponde a la genética poblacional" (Dobzhansky, 1951),
Más detallesCONCEPTOS. Capítulo 1: DEFINICIONES Y conceptos Estadística Computacional 1º Semestre 2003
Universidad Técnica Federico Santa María Departamento de Informática ILI-280 CONCEPTOS Capítulo 1: DEFINICIONES Y conceptos Estadística Computacional 1º Semestre 2003 Profesor :Héctor Allende Página :
Más detallesEJERCICIOS ADICIONALES TEMA 7
EJERCICIOS ADICIONALES TEMA 7 TEMA 7. RECOMBINACIÓN En un individuo F1 heterocigoto para cuatro genes no ligados (AaBbCcDd) procedente del cruce de dos líneas puras, qué proporción de sus gametos serán
Más detallesConceptos básicos de filogenética molecular
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 18 de julio del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Conceptos básicos de filogenética molecular 18 de julio del 2013 1 / 43 1 Conceptos básicos
Más detallesEjercicio para detectar ligamiento y frecuencias de recombinación:
Ejercicio para detectar ligamiento y frecuencias de recombinación: Considere un cruce entre los genotipos hipotéticos AABB x aabb a la F1, AaBb, se le hace un cruce de prueba, suponiendo que los fenotipos
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesModos De Especiación. Especiación Alopátrica. Especiación Parapátrica. Especiación Simpátrica
ESPECIACIÓN La evolución de barreras para el flujo genético y el proceso de especiación son una consecuencia no-adaptativa de cambios que ocurren por razones diferentes. Qué cambios son estos y por qué
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detalles4. Genética Mendeliana
4. Genética Mendeliana 4. Genética mendeliana 4.1 Leyes de Mendel 4.2 Interacciones génicas 4.4 Método mendeliano 4.4 Genealogías 4.5 Cálculo de probabilidad 4.6 Método CHI Cuadrado Introducción La información
Más detallesInteligencia Artificial
Algoritmos genéticos Bases En la naturaleza todos los seres vivos se enfrentan a problemas que deben resolver con éxito, como conseguir más luz solar o conseguir comida. La Computación Evolutiva interpreta
Más detallesAA Aa aa p 2 2pq q 2
QUÉ ESTUDIA LA GENÉTICA POBLACIONAL? SE OCUPA FACTORES GENÉTICOS FACTORES AMBIENTALES GENÉTICA POBLACIONAL ley de Hardy-Weinberg 1908 AA Aa aa p 2 2pq q 2 Hardy Weinberg condiciones de equilibrio : población
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesSocioestadística I Análisis estadístico en Sociología
Análisis estadístico en Sociología Capítulo 4 TEORÍA DE LA PROBABILIDAD Y SUS PRINCIPIOS. ESTADÍSTICA INFERENCIAL 1. INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL En los capítulos anteriores, hemos utilizado
Más detallesProbabilidad y Verosimilitud
Probabilidad y Verosimilitud Clase Teórica 8 Alexandre Aires-da-Silva Comisión Interamericana del Atún Tropical (CIAT) Curso de introducción a modelos de dinámica poblacional y evaluación de recursos marinos
Más detallesGenómica comparada. Brown 2002, págs
Genómica comparada 1. Teoría neutralista de la evolución molecular 2. Sustituciones nucleotídicas sinónimas y no-sinónimas. Interpretación de la razón Ka/Ks. 3. Duplicaciones y el destino de los genes
Más detallesLa expansión binomial
La expansión binomial Tomando como base los conceptos y ejemplos relacionados con probabilidad analizados en el subtema 1; en este subtema se incluirá el estadístico de la expansión binomial, para poder
Más detallesTEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS
TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) PROCEDIMIENTOS ESTADISTICOS CONSTRUCCION DE MODELOS DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS Cada procedimiento es aplicable a un
Más detalles11. Concepto biológico de especie. Críticas y alternativas: conceptos filogenético, de reconocimiento, y de cohesión.
Curso de Evolución 2015 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ 11. Concepto biológico de especie. Críticas y alternativas: conceptos filogenético,
Más detallesTema 13. Los caracteres cuantitativos
Tema 13. Los caracteres cuantitativos Genética CC. Mar 2004-05 Objetivos Comprender los patrones de la herencia de los caracteres poligénicos Describir el modo de análisis de los caracteres cuantitativos
Más detallesGenética de poblaciones
Genética de poblaciones Selección natural Selección natural Cambio en las frecuencias alélicas en favor de genotipos que aumentan el fitness de los individuos. Única fuerza de cambio que conduce a evolución
Más detallesComputación Evolutiva Algoritmos Genéticos
Computación Evolutiva Algoritmos Genéticos Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL Hace 200 años... Inteligencia Computacional - FICH - UNL La idea de que las especies
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesGLOSARIO FIJACIÓN: el proceso por el cual, tanto deriva o selección, una nueva mutación aumenta su frecuencia hasta reemplazar a las demás variantes,
GLOSARIO FIJACIÓN: el proceso por el cual, tanto deriva o selección, una nueva mutación aumenta su frecuencia hasta reemplazar a las demás variantes, alcanzando una frecuencia de 1 RELOJ MOLECULAR: cuando
Más detallesFecha de elaboración: 2003 Fecha de última actualización: F1232 Probabilidad y Estadística 1/9
Programa elaborado por: PROGRAMA DE ESTUDIO PROBABILIDAD Y ESTADÍSTICA Programa Educativo: Área de Formación : Licenciatura en Física Integral Profesional Horas teóricas: 4 Horas prácticas: 0 Total de
Más detallesLa herencia de la personalidad
La herencia de la personalidad Todos sabemos que cada individuo tiene una personalidad diferente. Sin embargo, qué es lo que realmente contribuye a la individualidad? La personalidad tiene una naturaleza
Más detallesGenética Mendeliana. Las leyes de la herencia
Genética Mendeliana. Las leyes de la herencia Gregor Mendel, 1860 Monasterio de Sto. Tomás, Rep. Checa Los Experimentos de Gregor Mendel (1865) Material experimental: Semillas de plantas de chícharo (Pisum
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Más detallesAlgoritmos genéticos
Algoritmos genéticos Introducción 2 Esquema básico 3 El problema de la mochila 7 Asignación de recursos 0 El problema del viajante 3 Variantes del esquema básico 5 Por qué funciona? 9 Observaciones finales
Más detallesLos agentes que cambian las frecuencias génicas de las poblaciones, o sea los factores de evolución, como mencioné antes, son la mutación, la deriva
Pocas poblaciones están tan aisladas que escapan a la llegada o partida de miembros. Cuando los organismos migran de una población a otra se llevan alelos del primer grupo y lo introducen en el segundo.
Más detallesMecanismos de la microevolución. Conceptos de especie / especiación
Curso de Evolución 2014 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ 11. Concepto biológico de especie. Críticas y alternativas: conceptos filogenético,
Más detallesSimulación de eventos discretos.
Simulación de eventos discretos http://humberto-r-alvarez-a.webs.com Qué es simulación? Consiste en diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentalmente con
Más detallesMecanismo propuesto por Darwin en El Origen de las Especies (1859), para explicar la evolución de todas las formas de vida en la tierra:
Mecanismo propuesto por Darwin en El Origen de las Especies (1859), para explicar la evolución de todas las formas de vida en la tierra: Curso de Evolución 2014 Facultad de Ciencias Montevideo, Uruguay
Más detallesPara resolver las actividades que se presentan a continuación consulta la UNIDAD Nº 6:
UNIDAD Nº 6 GENETICA, HERENCIA Y CANCER Muchas enfermedades que presentan manifestaciones clínicas a nivel del sistema estomatognático son de origen genético. Los principales tipos de enfermedades determinadas
Más detallesLa econometría : una mirada de pájaro
La econometría : una mirada de pájaro Contenido Objetivo Definición de Econometría Modelos determinista y estocástico Metodología de la econometría Propiedades de un modelo econométrico Supuestos de un
Más detallesTema 6. Variables Aleatorias Discretas
Presentación y Objetivos. Tema 6. Variables Aleatorias Discretas En esta unidad se presentan algunos ejemplos estándar de variables aleatorias discretas relacionadas de diversas formas dependiendo de su
Más detallesPerspectivas y desafíos de la selección genómica: una nueva herramienta para la mejora genética?
Perspectivas y desafíos de la selección genómica: una nueva herramienta para la mejora genética? Elly Navajas Sustainable Livestock Systems Research Group Scottish Agricultural College Jornada Genética
Más detallesTema 4 Ampliaciones de la Genética Mendeliana I: T ma m a 5 5 Ampliaciones de la Genética Mendeliana II: Ampliaciones de la Genética
Tema 4: Ampliaciones de la Genética Mendeliana I: Árboles genealógicos. Rasgos autosómicos recesivos. Rasgos autosómicos dominantes. Dominancia incompleta. Alelos codominantes. Alelos múltiples. Tema 5:
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesProcesos evolutivos en poblaciones y especies
Procesos evolutivos en poblaciones y especies 1. La mayoría de los rasgos fenotípicos son adaptativos. 2. Hay adaptación a causa de la selección natural. 3. Las adaptaciones evolucionan por selección natural
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesFilogenias. Inferencia filogenética
Filogenias Para Darwin la evolución es descendencia con modificación a partir de un único origen de la vida. Siguiendo esta idea, todos los taxa actuales tendrán algún tipo de parentesco más o menos cercano.
Más detallesGenética de poblaciones
Genética de poblaciones Venados B.C. vs Chihuahua Misma poblacion? Población.- Grupo de individuos de una misma especie que habitan un espacio comun. Ecológica..y entre los cuales existe una alta probabilidad
Más detallesINTRODUCCIÓN POBLACIÓN IDEAL TAMAÑO EFECTIVO Y
TEMA 8: GESTIÓN GENÉTICA DE LAS POBLACIONES II (POBLACIONES NO GENEALÓGICAS) Juan Vicente Delgado Bermejo. Profesor Titular de Genética de la Universidad de Córdoba. España INTRODUCCIÓN POBLACIÓN IDEAL
Más detallesPATRONES CLASICOS DE HERENCIA. MSc Dra. María Teresa Lemus Valdés Esp. I y II Grado Genética Clínica Profesora e Investigadora Auxiliar
PATRONES CLASICOS DE HERENCIA MSc Dra. María Teresa Lemus Valdés Esp. I y II Grado Genética Clínica Profesora e Investigadora Auxiliar OBJETIVOS INTERPRETAR las bases biológicas de la clasificación de
Más detallesRegión codificante. eucarionte
Gen La unidad hereditaria básica. Por definición molecular, una secuencia de DNA necesaria para brindar un producto funcional a la célula: proteína o RNA. Región codificante eucarionte Alelo La forma alternativa
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesTeoría neutral de la evolución molecular
Curso de Evolución 2014 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ Contexto histórico: Hace muy poco tiempo que empezamos a conocer en profundidad
Más detallesTema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg
Tema 14: Genética de Poblaciones Población mendeliana Equilibrio Hardy-Weinberg 1 Tema 14: Genética Poblaciones I 1 Tema 14: Genética de Poblaciones I: La revolución darwiniana, el equilibrio de Hardy-
Más detallesCurso de Evolución 2015 Facultad de Ciencias Montevideo, Uruguay
Curso de Evolución 2015 Facultad de Ciencias Montevideo, Uruguay http://evolucion.fcien.edu.uy/ http://eva.universidad.edu.uy/ 5. Selección natural. Principales tipos de selección sobre caracteres mendelianos
Más detallesNombre:... Año de curso:...
UNIVERSIDAD DE LA REPUBLICA FACULTAD DE AGRONOMÍA Departamento de Producción Animal y Pasturas EXAMEN DE ZOOTECNIA 19 de Febrero de 2016 Nombre:... Año de curso:... ATENCION! El Examen dura 3 horas. Controla
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesPROGRAMA ANALÍTICO DE ASIGNATURA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO COORDINACIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO PROGRAMA ANALÍTICO DE ASIGNATURA 1.- DATOS GENERALES 1.1 INSTITUTO: Instituto de Ciencias
Más detallesTema 27. LIGAMIENTO I
Tema 27. LIGAMIENTO I Genes independientes o ligados. Sobrecruzamiento y recombinación. * frecuencia de recombinación y Distancia entre genes. * Estudio del ligamiento en la especie humana. * Puntuación
Más detallesEndogamia Apareamiento no-aleatorio (consanguinidad) Luis Eguiarte, Valeria Souza, et al. Endogamia más extrema... autoferilización...
Endogamia Apareamiento no-aleatorio (consanguinidad) apareamientos no-aleatorios... GENETICA DE POBLACIONES: Luis Eguiarte, Valeria Souza, et al. Edogamia: se reduce la proporción de homócigos f. alélicas
Más detallesTécnicas de Minería de Datos
Técnicas de Minería de Datos Act. Humberto Ramos S. 1 Qué es Minería de datos? El desarrollo de dispositivos tecnológicos para acumular datos a bajo costo. Acumulación o registro de gran cantidad de datos.
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detalles