Dragoş Lucian Gorgan - Editura Bioflux

Ak
Această distanţă este dată de:
d d d 2
d
ik
jk
ij
Dacă se calculează toate distanţele pe baza acestei valori, vom obţine o nouă
matrice de tipul (m-1)(m-1). Pentru această nouă matrice, putem calcula o nouă sumă
Sij, care va fi notată cu Sij`, deoarece nu include lungimea ramurilor externe pentru
prima pereche de taxoni vecini identificaţi, astfel încât apare ca fiind mai mică decât
suma totală (Sij) a lungimii braţelor la acest nivel al construcţiei arborelui filogenetic.
Pentru găsirea unei noi perechi de taxoni vecini, se ia în considerare din nou
perechea cu cea mai mică valoare Sij. Un nou nod B poate fi creat pentru această
nouă pereche de taxoni şi o nouă valoare a matricei distanţei (m-2)(m-2) este
calculată. Această procedură se repetă, până când toţi taxonii sunt grupaţi într-un
singur arbore fără punct de origine (unrooted tree) de tip neighbour joining (Figurile 12
- 14).
2.5.2.4. ALEGEREA TIPULUI DE DISTANŢĂ EVOLUTIVĂ FOLOSITĂ ÎN
RECONSTRUCŢIILE FILOGENETICE
Acurateţea unei filogenii deduse pe bază de secvenţe depinde de doi factori : (1)
relaţia liniară dintre distanţa estimată şi numărul real de substituţii şi (2) eroarea
standard a coeficientului de variaţie a distanţei utilizate. Până în momentul de faţă nu
a fost pus la punct nici un test statistic general valabil pentru a putea alege modul de
estimare a distanţei evolutive. Totuşi în urma estimărilor pe calculator şi a datelor
experimentale s-a ajuns la o serie de generalizări utile:
1. Când numărul de substituţii nucleotidice estimat prin metoda JC este 0,
05
se recomandă utilizarea distanţei p sau distanţa JC chiar dacă există diferenţă între
numărul de transversii şi tranziţii sau dacă rata de substituţie r variază de la situs la
situs. În acest caz utilizarea modelului K2P sau a altor modele mai complexe dă
acelaşi rezultat însă aceste metode au o varianţă mai mare datorită numărului mai
mare de parametri.
2. Când 0,05 1 pentru mai multe perechi de secvenţe arborele filogenetic construit
este de obicei greşit (din cauza varianţei mari a distanţelor estimate şi a erorilor de
aliniere). Acest tip de seturi de date trebuiesc ocolite pe cât este posibil eliminând
porţiunile slab conservate folosindu-le pe cele mai puţin variabile (ca în cazul
46