基因樹和物種樹的關(guān)系及建樹方法

1、基因樹和物種樹的關(guān)系及建樹方法一.基因樹和物種樹1.概念二者關(guān)系二構(gòu)建基因樹或分子樹1.同源DNA排序問題2.分子生物學(xué)數(shù)據(jù)類型（2種類型）數(shù)據(jù)轉(zhuǎn)換建樹方法（主要介紹四種方法）非加權(quán)組平均法（UPGMA法）鄰接法（NJ法）最大簡約法（MP法）最大似然法（ML法）幾種建樹方法的比較一基因樹和物種樹genetree分子樹(moleculartree):依據(jù)分子數(shù)據(jù)構(gòu)建的反映分子系統(tǒng)發(fā)育的樹物種樹(speciestree):反映物種實(shí)際種系發(fā)生的樹系統(tǒng)發(fā)育(Phylogeny)：是指一群有機(jī)體發(fā)生或進(jìn)化的歷史.系統(tǒng)發(fā)育樹(Phylogenetictree):就是描述這一群有機(jī)體發(fā)生或進(jìn)化順序的拓樸結(jié)

2、構(gòu)。根據(jù)系統(tǒng)發(fā)育樹的具體表達(dá)形式,可分為基因樹(Genetree):當(dāng)一個(gè)分子系統(tǒng)樹是根據(jù)某一個(gè)基因數(shù)據(jù)構(gòu)建而來的,稱為基因樹.物種樹(Speciestree):是指代表一組物種進(jìn)化過程的系統(tǒng)樹.基因樹與物種樹的關(guān)系分子系統(tǒng)學(xué)的目的,就是通過分子樹來推測物種樹.在許多情況下這兩者是一致的但是下列一些因素可能會(huì)造成分子樹與物種樹相偏離.A遺傳滲漏即DNA跨越物種界限的轉(zhuǎn)移.如果在構(gòu)建分子樹是采用的是從其它物種水平轉(zhuǎn)移而來的DNA序列,其結(jié)果與物種樹大相徑庭.B.祖先多態(tài)性例如a,b兩物種的共同祖先c在某個(gè)位點(diǎn)c是多態(tài)的(cl,c2),在進(jìn)化的過程中cl演化成al和b1;c2演化成a2和b2，若依

3、據(jù)al和bl,則推測的祖先為cl,如依據(jù)的祖先為a2和b2，側(cè)推測的祖先為c2,這樣a,b具有兩個(gè)祖種,顯然不符.原因在于基因的進(jìn)化早于物種的分化.為避免上述因素的影響,在分子系統(tǒng)研究中應(yīng)盡可能分析互不連續(xù)的基因位點(diǎn)。mtDNA在基因進(jìn)化中是整個(gè)轉(zhuǎn)移的,所以即使分析多個(gè)線立體基因,亦不能排除影響.基因樹與物種樹存在兩方面的區(qū)別:(1)對(duì)于某一被研究的基因,可能存在種內(nèi)多態(tài)性,即在物種分化之前,該基因可能已經(jīng)開始分化。所以兩物種間該基因的分化時(shí)間可能早于這兩個(gè)物種的分化的時(shí)間。由這一基因計(jì)算而來的分支長度(分歧時(shí)間)可能偏離.(2)基因樹的分支情況(拓?fù)浣Y(jié)構(gòu))可能不同于物種樹。這種情況一般發(fā)生在

4、分支點(diǎn)非常接近的物種間。例如人猩猩和黑猩猩間的關(guān)系。通過增加DNA序列的長度并測定多個(gè)相互獨(dú)立的基因片段,一般可以避免這種問題的發(fā)生。由于物種的進(jìn)化歷史不可能再現(xiàn),所以不可能重建絕對(duì)完整的歷史,同樣也不可能獲取絕對(duì)的物種樹。但是通過多基因,大量DNA序列的正確分析,可以最大限度地縮小基因樹與物種樹間的差別。在這種情況下獲得的系統(tǒng)樹可被接受為物種樹。OABCD二構(gòu)建基因樹（分子樹）1.同源DNA序列的排序（Alignment）問題建立數(shù)據(jù)矩陣之前,必須獲得具體的特征數(shù)據(jù),所以要確定同源大分子相對(duì)應(yīng)的位點(diǎn),系統(tǒng)分析的前提是:不僅分析對(duì)象（大分子）是同源的,而且所比較的位點(diǎn)也是同源的,即分析對(duì)象的某

5、一個(gè)位點(diǎn)必須能夠確定可以追溯到共同祖先的同一位點(diǎn).對(duì)兩個(gè)同源DNA序列的比較，首先要確定他們從最近的共同祖先分離后，各序列中缺失/插入所發(fā)生的位置以及與同源部分的對(duì)應(yīng)關(guān)系,這個(gè)過程叫排序（比對(duì)）。對(duì)于編碼蛋白質(zhì)區(qū)域而言，由于蛋白質(zhì)功能上的需要和三聯(lián)體密碼結(jié)構(gòu)的限制，缺失/插入很少發(fā)生或發(fā)生后很容易被選擇淘汰。因此，一般比較容易比對(duì)。而在非編碼區(qū)域，缺失/插入發(fā)生的頻率可能很高。在這種情況下，比對(duì)過程變得十分復(fù)雜，一般必須借助于計(jì)算機(jī)。各種主要的DNA序列分析軟件中，如PC/GENE，GCG和MacVector等，都有DNA排序功能。根據(jù)經(jīng)驗(yàn)，如果DNA同源度低于70%75%，就不容易獲得確定的

6、排序。Clustalwx不同的排序代表了不同的進(jìn)化途徑。采用不同的比對(duì)，可能得到完全不同的系統(tǒng)樹。一種穩(wěn)定的方法是，刪除涉及缺失/插入的序列片段。但是，有時(shí)缺失/插入可能代表重要的進(jìn)化信息，簡單的刪除并不可取。建議，如果存在多種合理的排序，而不同的排序又得到不同的系統(tǒng)樹，就應(yīng)該再測定另一個(gè)獨(dú)立的DNA序列，根據(jù)這段序列得到的系統(tǒng)樹判斷究竟哪個(gè)排序更為合理。如果無法得到新的序列，增加外源物種可能有助于問題的解決。例如：DNA同源序列a和b的排序bCGTAGTCATGACaCGATAGTTCCATGGCb1CG-TAGT-CATGACbCG-TAG-T-CATGACb3C-GATGT-CATGAG

7、b4C-GTAG-TCATGAC同源大分子排序,在比較時(shí)可能出現(xiàn)三種情況:兩個(gè)比較的位點(diǎn)為相同的單元（相同的堿基或相同的氨基酸）,稱匹配;兩個(gè)比較的位點(diǎn)為不同的單元（可能發(fā)生轉(zhuǎn)換或顛換）,叫不匹配。所比較的位點(diǎn)上有一方是空缺的（可能發(fā)生堿基丟失或插入而造成的）叫做空位或斷溝;一個(gè)簡單的例子。有三個(gè)同源序列S1,S2和S3S1AGACCTAGTS2AGACTAGTS3AGAACCTAGT先比較S1和S2:S1AGACCTAGTS2AGA-CTAGT再比較S1和S3:S1AGA-CCTAGTS3AGAACCTAGT三者合在一起比較，以S3為參考序列:S3AGAACCTAGTAGA-CCTAGTAG

8、A-CTAGT2分子生物學(xué)數(shù)據(jù)類型離散性特征數(shù)據(jù)即所獲得的是2個(gè)或更多的離散的值，是賦予給某一個(gè)具體的運(yùn)算分類單元(OUT)。它可以進(jìn)一步分為二態(tài)特征與多態(tài)特征。前者如RE位點(diǎn),RAPD數(shù)據(jù)等。后者如核酸序列信息，就是某一位點(diǎn)核苷酸的堿基具有A,T,G或C四種可能。相似性和距離數(shù)據(jù)它并不是某一具體分類單元所具有,而是有彼此間的相似性或距離所表示出來的各分類單元間的相互關(guān)系,如免疫學(xué)方法，與DNA雜交所得到的只有OTU相似性信息。3數(shù)據(jù)轉(zhuǎn)換對(duì)DNA標(biāo)記技術(shù)如RFLP,AFLP,RAPD及微衛(wèi)星DNA技術(shù)和DNA序列測定技術(shù)所得到離散特征數(shù)據(jù),用來重建系統(tǒng)發(fā)育樹時(shí)也可基于一定的模型計(jì)算出遺傳距離,

9、然后利用距離法來重建系統(tǒng)發(fā)育樹。DNA序列數(shù)據(jù)利用DNA序列數(shù)據(jù)計(jì)算遺傳距離最簡單的方法是計(jì)算p距離(p-distance),計(jì)算式為：p=nd/n，其中n為所測定序列的核苷酸數(shù)，nd為核苷酸差異數(shù)。p距離沒有考慮同一個(gè)位點(diǎn)多個(gè)核苷酸間的替換狀況，即將2個(gè)序列間核苷酸差異率作為彼此間的遺傳距離。若考慮核苷酸替換，必須利用核苷酸替換的數(shù)學(xué)模型對(duì)上述p距離進(jìn)行校正，其中較簡單的是Jukes-Cantor模型,它認(rèn)為4種核苷酸A,T,C和G間的彼此替換速率相等。其遺傳距離表達(dá)為：d=-(3/4)ln(l一4/)/3)p即為2個(gè)0TU序列間核苷酸的差異率。在實(shí)際應(yīng)用中，Jukes-Cantor模型并不

10、理想，但當(dāng)d=0.05時(shí)亦可對(duì)遺傳距離作出很好的估計(jì)。在DNA序列中，通常核苷酸轉(zhuǎn)換的比率(AT和GC)要高于顛換的比率，特別是對(duì)動(dòng)物mtDNA而言。在這種情況下，Kimura的二參數(shù)法可以用來很好地估計(jì)遺傳距離(d)in，d=-(1/2)In(1-2P-Q)-(1/4)In(12Q)其中P和Q分別為序列中核苷酸轉(zhuǎn)換和顛換的比率。用這種方法來估計(jì)遺傳距離時(shí)，其假定前提為核苷酸序列中A、T、C和G的比例相等，各占1/4。若比例不等，則需選擇其它方法來估計(jì)遺傳距離，其計(jì)算公式亦不同。因此，利用DNA序列信息計(jì)算遺傳距離時(shí)需視實(shí)際情況選用一定的方法。RFLP數(shù)據(jù)將RFLP數(shù)據(jù)轉(zhuǎn)換成遺傳距離的方法較多

11、10。常用的是先計(jì)算序列i和序列j限制性位點(diǎn)或片段的相似指數(shù)，然后再轉(zhuǎn)換成遺傳距離。對(duì)相似指數(shù)(SJ，有S=2m/(m+m)，TOC o 1-5 h zijijij其中m和m分別為序列i和序列j總限制性位點(diǎn)或片ij段數(shù)，m為序列i和序列j間共有位點(diǎn)或片段數(shù)。若ijO使用的限制性內(nèi)切酶其識(shí)別序列的核苷酸數(shù)(r)相同，則i和j間的遺傳距離(d)為：ij心=-111Sj/?RAPD數(shù)據(jù)在RAPD研究中，獲得的是某一擴(kuò)增帶在OTUs中有(通常記錄為“1”)或無(通常記錄為“0”)的一組信息。利用這些信息計(jì)算其中下標(biāo)k為第k組內(nèi)切酶，且遺傳距離時(shí)，通常也是先計(jì)算彼此間的相似性指數(shù)，然后進(jìn)行轉(zhuǎn)換。目前用來

12、計(jì)算相似性指數(shù)的算法很多。將相似指數(shù)轉(zhuǎn)換為距離(d)的方法較多，常用的有:d=1-s；d=1/s-1；d=-ln(s)；出=J1-E；(5)d=(s+1)/2等，其中當(dāng)所得到的s值位于-1和1之間時(shí)，常選用公式(5)進(jìn)行轉(zhuǎn)換。對(duì)前3種方法，當(dāng)2個(gè)OTU間趨異程度較小時(shí)，轉(zhuǎn)換后所得到的距離差不多相等，但隨著2個(gè)OTU間的趨異程度增加，各種轉(zhuǎn)換所得到的距離就有差異，所得到的系統(tǒng)發(fā)育樹就有可能不同。因此，應(yīng)根據(jù)適當(dāng)?shù)倪M(jìn)化模型選擇合適的轉(zhuǎn)換方法。4建樹方法(主要介紹四種方法)1)UPGMA法(unweightedpairgroupmethodusingarithmeticaverage)非加權(quán)配對(duì)算術(shù)

13、平均法或非加權(quán)組平均法NTSYS3.4前提條件:在進(jìn)化過程中,每一世代發(fā)生趨異的次數(shù)相同,即堿基或氨基酸的替換速率是均等且恒等的。UPGMA法計(jì)算原理和過程:以已求得的距離系數(shù)，所有比較的分類單元的成對(duì)距離構(gòu)成一個(gè)txt方陣,即建立一個(gè)距離矩陣M。對(duì)于一個(gè)給定的距離矩陣，尋求最小距離值Dpq。定義類群p和q之間的分支深度Lpq=Dpq/2。若p和q是最后一個(gè)類群,側(cè)聚類過程完成,否側(cè)合并p和q成一個(gè)新類群r。定義并計(jì)算新類群r到其他各類群i(iHp和q)的距離Dir=(Dpi+Dqi)/2。回到第一步，在矩陣中消除p和q,加入新類群r,矩陣減少一階,重復(fù)進(jìn)行直至達(dá)到最后歸群。UPGMA法比較直

14、觀和簡單,運(yùn)算速度快,應(yīng)用很廣。它的缺點(diǎn)在于當(dāng)分子進(jìn)化速率較大時(shí),在建樹過程會(huì)引入系統(tǒng)誤差。2)鄰接法NJ法(neighborjoiningmethod)是一種推論疊加樹的方法。在概念上與UPGMA法相同,但是有四點(diǎn)區(qū)別NJ法不要求距離符合超度量特性,但要求數(shù)據(jù)應(yīng)非常接近或符合疊加性條件,即該方法要求對(duì)距離進(jìn)行校正。鄰接法在成聚過程中連接的是分類單元之間的節(jié)點(diǎn)(node)，而不是分類單元本身。NJ法中原是距離數(shù)據(jù)用于估算系統(tǒng)樹上所有端結(jié)分類單元之間的距離矩陣，校正后的距離用于確定節(jié)點(diǎn)之間的連接順序。在重建系統(tǒng)發(fā)育樹時(shí),NJ法取消了UPGMA法所做的假定，認(rèn)為在此進(jìn)化分支上，發(fā)生趨異的次數(shù)可以不

15、同。鄰接法的運(yùn)算過程如下:對(duì)于給定距離矩陣中的每一端結(jié)i,用下式計(jì)算與其它分類單元之間的凈趨異量(Ri)(t:矩陣中的分類單元數(shù))建立一個(gè)速率校正距離矩陣M,其元素由下式確定:定義一個(gè)新節(jié)點(diǎn)u,u的三個(gè)分支分別與節(jié)點(diǎn)i,j和樹的其余部分相連,并且Dij為矩陣中距離最小者,u到節(jié)點(diǎn)i和j的分支長度定義為定義u到樹的其它節(jié)點(diǎn)k(kHi和j外的所有節(jié)點(diǎn))的距離:從距離矩陣中刪除i和j的距離，矩陣減少一階。如果矩陣仍然多于兩個(gè)的節(jié)點(diǎn)，重復(fù)第-步，否測除最外兩個(gè)節(jié)點(diǎn)的分支長度來確定外,樹上其余節(jié)點(diǎn)都確定,最后是剩余的2個(gè)的分支長度Sy=Dij現(xiàn)在舉一例說明鄰接法的計(jì)算過程和原理。3)最大簡約法(Maxi

16、mumParsimonyMethod)(以WagnerParsimony來說明MaximumParsimony法的原理和步驟)3.1WagnerParsimony有兩次方向相反的操作。第一次叫做后根次序遍歷(postordertraversal),第二次叫做先根次序遍歷(preordertraversal)。用WagnerParsimony決定一個(gè)性狀演變系列中性狀變化的最小量,僅僅需要從終端分類單元開始逐步向根進(jìn)行的一次操作,這樣的操作叫做后根次序遍歷。操作過程如下:假設(shè)有一個(gè)無根支序圖。首先人為地先擇任意一個(gè)終端分類單元為無根支序圖賦根,在具體分析中,通常選擇一個(gè)外群來實(shí)現(xiàn)這個(gè)目的。對(duì)所形

17、成的有根支序圖，從根節(jié)點(diǎn)開始向上分別標(biāo)記各個(gè)節(jié)點(diǎn)。從支序圖的頂部開始向著根出發(fā),對(duì)支序圖上的性狀進(jìn)行優(yōu)化。若節(jié)點(diǎn)I和j的性狀集的交是非空集的話,側(cè)節(jié)點(diǎn)k的性態(tài)集就等于這個(gè)交集，在這種節(jié)點(diǎn)上,性狀變化的次數(shù)等于零;若節(jié)點(diǎn)I和j的狀態(tài)集的交是空集時(shí)在這兩個(gè)性狀集中各選擇一個(gè)性狀構(gòu)成節(jié)點(diǎn)的最小性狀閉集(thesmallestclosedset)賦予正在研究中的節(jié)點(diǎn),在這種節(jié)點(diǎn)上,性狀變化的次數(shù)是這個(gè)最小性狀閉集的差值。第3步,這種操作直至支序圖的根節(jié)點(diǎn)為止。最后查根分類單元(roottaxon),看它的性狀是否被包括在根節(jié)點(diǎn)的性狀集中。若包括,支序圖在根節(jié)點(diǎn)處的長度增加;如果不包括,計(jì)算根分類單元的

18、性狀與根節(jié)點(diǎn)性狀集中最接近的性狀之間的差值,這個(gè)差值就是秩序屠宰根節(jié)點(diǎn)處長度的增加值。計(jì)算出支序圖在每個(gè)節(jié)點(diǎn)處的長度增加值，它們的總和就是支序圖的長度。通過后根次序遍歷只知道在支序圖上一個(gè)性狀演變系列中性狀變化的次數(shù),無法確定發(fā)生了什麼樣的變化。因此需要在上面操作的基礎(chǔ)上,在支序圖上逆后根次序遍歷的方向進(jìn)行第二次操作,即從支序圖的根向終端分類單元逐個(gè)考查每個(gè)節(jié)點(diǎn),這個(gè)過程叫做先根次序遍歷，目的是得到最大簡約的重建集(MPR)。具體方法:如果一個(gè)節(jié)點(diǎn)已經(jīng)被賦予一個(gè)最小性狀閉集,側(cè)保持這個(gè)性狀不變;如果一個(gè)節(jié)點(diǎn)被賦予一個(gè)最小性狀閉集，側(cè)選擇那個(gè)與它的最近祖先(在支序圖上該節(jié)點(diǎn)下放的那個(gè)節(jié)點(diǎn)或者分類

19、單元)的性狀最接近的性狀賦予這個(gè)節(jié)點(diǎn)。然后在支序圖上分析性狀的變化次數(shù)，計(jì)算支序圖的長度?，F(xiàn)在舉例來說明MP法的原理和步驟。見膠片3.2Wagner簡約法外,還有Fitch簡約法,Dollo簡約法,Camin-Sokal簡約法，多態(tài)現(xiàn)象簡約法(Polymorphism。)3.3簡約法方法的優(yōu)缺點(diǎn):在各種簡約性方法中,Fitch和Wagnrer簡約法能應(yīng)用于各類性狀,對(duì)于進(jìn)緣種類的分析一般都能給出正確的簡約樹,所以應(yīng)用最廣泛。其它的簡約方法多應(yīng)用于某些特定類型的數(shù)據(jù)。簡約性方法與其它系統(tǒng)發(fā)育分析方法相比有以下幾方面的優(yōu)點(diǎn):直接應(yīng)用原始性狀數(shù)據(jù),并不需要將原始數(shù)據(jù)轉(zhuǎn)換成距離數(shù)據(jù),避免了不可逆轉(zhuǎn)的信

20、息丟失;較少依靠關(guān)于系列進(jìn)化的假說,或至少能依靠一種更符合實(shí)際的簡單的進(jìn)化假說;大多數(shù)簡約法的計(jì)算機(jī)算法及程序比其它方法更成熟,并允許對(duì)數(shù)據(jù)的系統(tǒng)發(fā)育信號(hào)和序列進(jìn)化的動(dòng)力更深入的分析。簡約法的缺點(diǎn):只適用于親緣關(guān)系密切的種類或序列之間分析,對(duì)于進(jìn)化時(shí)間較長的物種或序列,由于平行和回復(fù)突變的干擾,會(huì)得出不正確的結(jié)果。當(dāng)系統(tǒng)樹上不同支系在進(jìn)化改變量上不等時(shí)也會(huì)引起誤差。4)最大似然法(MaximumLikelyhoodMethod)即ML法是應(yīng)用統(tǒng)計(jì)推斷構(gòu)建系統(tǒng)發(fā)育關(guān)系的典型方法。4.1ML法的原理：建立一個(gè)關(guān)于進(jìn)化過程的模型和一組觀測數(shù)據(jù)就可進(jìn)行統(tǒng)計(jì)推斷。一棵樹T的似然性產(chǎn)生該樹的觀測數(shù)據(jù)D與進(jìn)

21、化模型的概率L;在給定D和M的條件下,不同分支形式和分支長度的樹有不同的似然性數(shù)值。極似然法的標(biāo)準(zhǔn)時(shí)選擇具有最大似然性值的樹。4.2ML法進(jìn)行系統(tǒng)發(fā)育分析的過程步驟:建立關(guān)于進(jìn)化過程的模型。原側(cè)上不同的分子類型或數(shù)據(jù)類型應(yīng)有不同的進(jìn)化模型或模型中的參數(shù)值不同。目前最大似然法主要用于核酸序列分析,所用的進(jìn)化模型都比較簡單，如Jukes-Cantor模型,Kimura的兩參數(shù)模型等。根據(jù)進(jìn)化模型，建立描述序列中一個(gè)有初始狀態(tài)經(jīng)過進(jìn)化時(shí)間t后改變觀測狀態(tài)的概率表達(dá)式。根據(jù)上面的結(jié)果，計(jì)算各序列之間的似然性關(guān)系。這為最復(fù)雜的一步。似然性值的顯著性檢驗(yàn)。4.3最大似然法的存在的主要問題計(jì)算上的復(fù)雜性，需

22、要大量的計(jì)算時(shí)間。進(jìn)化模型的問題，所使用的進(jìn)化模型未能反映出序列進(jìn)化的真實(shí)情況，原因在于對(duì)進(jìn)化過程的了解的局限性，加上由于計(jì)算上的限制。5上述幾種建樹方法的比較I在距離法中UPGMA比較簡單而且使用。當(dāng)使用的距離數(shù)據(jù)來源于多核苷酸數(shù)量較多的多個(gè)基因的分析結(jié)果時(shí),利用UPGMA法能夠得到可靠的系統(tǒng)發(fā)育樹。II在離散特征法中，在不同世系間進(jìn)化速率相差較大，且進(jìn)化速率恒定而樹的內(nèi)支很短的情況下,MP法并不能對(duì)一個(gè)真正的系統(tǒng)發(fā)育樹做出始終一致的判斷。即使有時(shí)MP法能夠得到一個(gè)始終一致的判斷，但它獲得一個(gè)正確樹的效率，通常要比NJ法和ML法低。III序列趨異程度較?。╠vO.l）,核苷酸替換的速率在一定程度上恒定;沒有很高的轉(zhuǎn)換與替