Modelo de Sustitucion Nucleotidica

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 2

La selección adecuada del modelo a emplear es de gran importancia.

Un modelo muy
complejo será muy difícil de calcular y acarreará una mayor cantidad de error, pero un modelo
muy simplista no será capaz de inferir algo significativo sobre el proceso que modela.

En el caso de considerar que todos los cambios son igualmente probables, el tipo de modelo
que estaríamos empleando es el Jukes Cantor, en dónde un solo parámetro representa a todos
los tipos de cambios. Este modelo es muy sencillo y relativamente fácil de aplicar, pero resulta
poco informativo y poco realista. Por otro lado, si consideramos factible el suponer que las
transiciones tiene una frecuencia diferente a las transversiones podemos asignar un parámetro
diferente para cada tipo de cambio, cabe mencionar que al hacer esto no implica que un tipo
de cambio sea más frecuente que el otro, simplemente permitimos que la frecuencia asuman
un valor diferente y dejamos que sean los propios datos en el alineamiento los que indiquen la
preponderancia de cada tipo de cambio.

En el modelo Kimura, los cambios de dos parámetros de los modelos (A <-> G y C <-> T
cambian) se mueven de manera diferente que transversiones (A <-> T, A <-> C, G <-> C y G <->
T) porque se observa que las transiciones ocurren con mucha más frecuencia que las
transversiones. Los modelos también intentan corregir varios golpes por sitio, de modo que a
medida que las secuencias se saturan más con mutaciones, hay una mayor probabilidad de
que una distancia observada sea menor que la distancia verdadera entre las dos secuencias. La
distancia de Kimura entre las secuencias es, por tanto, proporcional al % de identidad.

En ese caso el modelo resultante será el Kimura 2 parameter, empleando dos parámetros para
representar los dos diferentes tipos de cambios.

Una de las pruebas más comúnmente utilizadas de la fiabilidad de un árbol inferido es la


prueba de Felsenstein (1985) bootstrap, que se evalúa utilizando la técnica de re-muestreo
bootstrap de Efron (1982). Si hay m secuencias, cada una con n nucleótidos (o codones o
aminoácidos), un árbol filogenético puede ser reconstruido usando algún método de
construcción de árboles. De cada secuencia, se seleccionan aleatoriamente n nucleótidos con
reemplazos, dando lugar a m filas de n columnas cada una. Estos constituyen ahora un nuevo
conjunto de secuencias. Un árbol se reconstruye con estas nuevas secuencias utilizando el
mismo método de construcción de árboles que antes. A continuación la topologíade este árbol
se compara con el del árbol original. Cada rama interior del árbol original que es diferente del
árbol bootstrap, la secuencia en la que se divide, recibe una puntuación de 0; a todas las
demás ramas interiores se les da el valor 1. Este procedimiento de re-muestreo de los sitios y
la posterior reconstrucción del árbol se repite varios cientos de veces y se anota el porcentaje
de veces que cada rama interior se da un valor de 1. Esto se conoce como el valor de arranque.
Como regla general, si el valor de arranque para una rama interior dada es 95% o superior,
entonces la topología en esa rama se considera "correcta".

También podría gustarte