Métodos de Inferencia Filogenética

Una familia de métodos computacionales, de distancia, parsimonia, máxima verosimilitud y bayesianos, estima árboles evolutivos a partir de datos moleculares y morfológicos.

Definition

Los métodos de inferencia filogenética son algoritmos y marcos estadísticos que estiman las relaciones de ramificación entre taxones a partir de datos de caracteres observados, típicamente bajo modelos explícitos de cambio evolutivo.

Scope

Este tema cubre las principales clases de métodos de estimación de árboles: métodos de distancia como el "neighbor-joining", parsimonia basada en caracteres, máxima verosimilitud basada en modelos e inferencia bayesiana utilizando cadenas de Markov Monte Carlo, junto con los modelos de sustitución, criterios de optimalidad y el software que los implementa.

Core questions

• ¿Cuáles son las principales clases de métodos de inferencia de árboles?
• ¿Cómo difieren los enfoques de distancia, parsimonia, verosimilitud y bayesianos?
• ¿Qué papel juegan los modelos de sustitución en la inferencia?
• ¿Cómo se adaptan los métodos a grandes conjuntos de datos?

Key theories

Inferencia de máxima verosimilitud

La máxima verosimilitud selecciona el árbol y los parámetros del modelo que hacen que las secuencias observadas sean más probables bajo un modelo de sustitución explícito, proporcionando un marco estadísticamente consistente.

Métodos de distancia

Los enfoques de distancia, como el "neighbor-joining", convierten rápidamente las diferencias de secuencia por pares en un árbol, ofreciendo velocidad a costa de descartar información a nivel de caracteres.

Inferencia bayesiana con MCMC

Los métodos bayesianos muestrean árboles en proporción a su probabilidad posterior utilizando cadenas de Markov Monte Carlo, lo que produce tanto una estimación del árbol como una medida de incertidumbre.

Clinical relevance

Estos métodos se utilizan para reconstruir historias de transmisión de patógenos, datar eventos de divergencia y ubicar organismos recién descubiertos, apoyando directamente la epidemiología molecular y la genómica comparada.

History

El marco de verosimilitud de Felsenstein en 1981 y el "neighbor-joining" de Saitou y Nei en 1987 establecieron las tradiciones estadística y de distancia; software ampliamente adoptado como MrBayes y RAxML en la década de 2000 hizo que los análisis bayesianos y de verosimilitud a gran escala fueran rutinarios.

Debates

Velocidad versus precisión entre métodos

Los métodos de distancia y parsimonia son rápidos pero hacen simplificaciones más fuertes, mientras que los métodos de verosimilitud y bayesianos son más precisos pero computacionalmente exigentes, un compromiso que determina la elección del método para grandes conjuntos de datos.

Key figures

• Joseph Felsenstein
• Masatoshi Nei
• John Huelsenbeck

Seminal works

• felsenstein1981
• saitounei1987
• ronquist2003
• stamatakis2006

Frequently asked questions

¿Cuál es la diferencia entre la filogenética de máxima verosimilitud y la bayesiana?

La máxima verosimilitud encuentra el único árbol y los parámetros que mejor se ajustan a los datos, mientras que la inferencia bayesiana produce una distribución de árboles ponderada por su probabilidad posterior, expresando naturalmente la incertidumbre.

¿Por qué se necesitan modelos de sustitución?

Porque las diferencias de secuencia observadas subestiman el número real de cambios cuando los sitios mutan más de una vez; los modelos corrigen las tasas desiguales y los múltiples eventos de mutación para estimar los árboles con precisión.