Filogenetik Analiz — Moleküler Veriden Evrimsel Ağaç Yeniden Yapılandırması
Phylogenetic Analysis of Molecular Sequence Data · Ayrıca şöyle bilinir: molecular phylogenetics, phylogenetic inference, evolutionary tree reconstruction, phylogenomics
Filogenetik analiz, moleküler dizi verilerini karşılaştırarak ve gözlemlenen benzerlikleri ve farklılıkları en iyi açıklayan dallanma ağacını tahmin ederek organizmaların, genlerin veya proteinlerin evrimsel geçmişini yeniden yapılandırır. 1960'lardan itibaren Felsenstein ve meslektaşlarının çalışmalarına dayanan bu yöntem, evrimsel biyoloji, mikrobiyoloji, epidemiyoloji ve karşılaştırmalı genomikte temel bir tekniktir ve viral salgınların kökenlerini izlemeden yeni türlerin sınıflandırılmasına kadar çeşitli görevleri destekler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+3 tane daha
Ne zaman kullanılır
Merkezi sorunun evrimsel ilişkiler, ortak atalar, ayrılma zamanları veya zaman veya coğrafya üzerinde viral soy hatları gibi dizilerin yayılmasıyla ilgili olduğu durumlarda filogenetik analizi kullanın. Tüm taksonlar için homolog dizilerin elde edilebildiği ve güvenilir bir şekilde hizalanabildiği her durumda uygundur. Özellikle bulaşıcı hastalık salgınlarının izlenmesi, yeni organizmaların sınıflandırılması, kalibre edilmiş moleküler saatlerle ayrılma olaylarının tarihlendirilmesi ve gen ailesi evriminin incelenmesi için güçlüdür. Dizilerin çok kısa veya hizalanamayacak kadar farklı olduğu durumlarda, soru popülasyon içi genetik varyasyonla ilgili olduğunda (bunun yerine GWAS veya karışım analizi kullanın) veya yatay gen transferi veya melezleşmenin ağaç modelini uygunsuz hale getirecek kadar yaygın olduğu ve filogenetik ağ yöntemlerinin kullanılması gerektiği durumlarda kullanmayın.
Güçlü yönler & sınırlılıklar
- Sadece bir küme diyagramı yerine, nicelleştirilmiş dal desteği ile açık, test edilebilir bir evrimsel hipotez sağlar.
- Maksimum olabilirlik ve Bayesci yöntemler istatistiksel olarak temellidir ve açık substitüsyon modelleri aracılığıyla substitüsyon doygunluğunu ve oran heterojenliğini ele alır.
- Modern araçlar IQ-TREE ve RAxML-NG ile birkaç diziden binlerce taksona kadar ölçeklenir.
- BEAST aracılığıyla Bayesci çıkarım, moleküler saat modeli altında ayrılma tarihlerini tahmin etmek için zamansal bilgiyi entegre eder.
- Mitokondriyal belirteçler, tam genomlar, transkriptomlar, viral genomlar ve protein aileleri dahil olmak üzere moleküler verilerin tüm spektrumunda uygulanabilir.
- Çıkarılan ağaç, yalnızca dizi hizalaması kadar iyidir; hizalamadaki hatalar doğrudan topoloji hatalarına yayılır.
- Aşırı basit bir substitüsyon modeli kullanarak modelin yanlış belirlenmesi, istatistiksel olarak güvenilir ancak biyolojik olarak yanlış ağaçlar üretebilir.
- Eksik soy sıralaması, gen duplikasyonu veya yatay gen transferi nedeniyle tek bir gen ağacı tür ağacını yansıtmayabilir.
- Bayesci MCMC analizleri hesaplama açısından yoğun olabilir ve etkili örneklem boyutu ve izleme grafikleri dahil olmak üzere dikkatli yakınsama tanılamaları gerektirir.
- Uzun dal çekimi, hızlı evrimleşen soy hatlarının parsimoni veya yanlış belirlenmiş maksimum olabilirlik modelleri altında yapay olarak dış grupla kümelenmesine neden olur.
SSS
Hangi ağaç çıkarım yöntemini kullanmalıyım — komşu-birleştirme, maksimum olabilirlik veya Bayesci?
Çoğu modern analiz için, IQ-TREE veya RAxML ile maksimum olabilirlik varsayılan seçimdir: istatistiksel olarak temellidir, büyük veri kümelerinde hızlıdır ve bootstrap desteği sağlar. Komşu-birleştirme, hızlı keşif çalışmaları veya çalışma zamanının engelleyici olduğu çok büyük dizi kümeleri için kabul edilebilirdir. MrBayes veya BEAST aracılığıyla Bayesci çıkarım, topolojiler ve dal uzunlukları üzerinde tam ardıl dağılımlara ihtiyaç duyduğunuzda veya moleküler saat tarihlendirmesi için zamansal bilgiyi entegre ederken tercih edilir. Uzun dal çekimi altındaki tutarsızlık nedeniyle artık moleküler veriler için parsimoni nadiren önerilmektedir.
Bootstrap destek değerlerimin güvenilir olup olmadığını nasıl anlarım?
70-75'in üzerindeki bootstrap değerleri geleneksel olarak orta destek olarak kabul edilir ve 95'in üzerindekiler güçlü destek olarak kabul edilir. Ancak, yüksek bootstrap değerleri, veri modelin yanlış belirlenmesi veya uzun dal çekimi nedeniyle sistematik olarak yanıltıcıysa yanlış bir ağacın yanında hala bulunabilir. Her zaman destek değerlerini biyolojik makullükle birlikte yorumlayın ve mümkünse bağımsız lokuslar veya morfolojik kanıtlarla doğrulayın.
Eksik soy sıralaması nedir ve neden önemlidir?
Eksik soy sıralaması, atasal polimorfizmin birden fazla türleşme olayını geçtiği ve bireysel gen ağaçlarının gerçek tür ağacından farklı olmasına neden olduğu durumlarda ortaya çıkar. Özellikle hızlı radyasyonlarda ve yakın zamanda ayrılmış taksonlarda yaygındır. Yakın akraba türler arasında birden fazla lokusla çalışıyorsanız, tek başına birleştirme yüksek güvenle yanlış tür topolojisini kurtarabilir. Bu tutarsızlığı hesaba katmak için ASTRAL (koalesans tabanlı) gibi bir tür-ağacı yöntemi veya BEAST çoklu türler koalesansını kullanın.
Filogenetik için tam genom verilerini kullanabilir miyim?
Evet. Yüzlerce veya binlerce lokus kullanan filogenomik artık standarttır ve çözünürlüğü büyük ölçüde artırır. Dikkatli ortolog tanımlaması, hizalama kırpma ve eksik verilerin işlenmesini gerektirir. IQ-TREE'deki bölümleme modelleriyle birleştirme ve ASTRAL gibi koalesans tür-ağacı yöntemleri baskın yaklaşımlardır. Yatay gen transferinin yaygın olduğu prokaryotlar için, bir tür ağacı çıkarmadan önce bir çekirdek genom veya rekombinasyon filtrelenmiş bir yaklaşım önerilir.
Dizilerim çok farklı taksonlardan geliyor — hizalama hala güvenilir mi?
Yaklaşık %40-50 nükleotid kimliği veya %25 protein kimliğinin üzerindeki yüksek farklılaşma, hizalamayı giderek daha güvenilmez hale getirir ve filogenetik sinyal substitüsyon doygunluğu ile gizlenebilir. Bu gibi durumlarda, amino asit düzeyinde hizalanmış protein kodlama verilerini kullanın, belirsiz sütunları agresif bir şekilde kırpın, doygunluk testleri uygulayın ve bir ağ veya süper ağaç yaklaşımının çatallı bir ağaçtan daha uygun olup olmadığını düşünün.
Kaynaklar
- Felsenstein, J. (2004). Inferring Phylogenies. Sinauer Associates. ISBN: 978-0878931774
- Felsenstein, J. (1981). Evolutionary trees from DNA sequences: A maximum likelihood approach. Journal of Molecular Evolution, 17(6), 368-376. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Phylogenetic Analysis of Molecular Sequence Data. ScholarGate. https://scholargate.app/tr/bioinformatics/phylogenetic-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- eQTL AnaliziBiyoenformatik↔ karşılaştır
- Genom Çapında İlişkilendirme Çalışması (GWAS)Biyoenformatik↔ karşılaştır
- RNA-seq Diferansiyel İfadeBiyoenformatik↔ karşılaştır
- Dizi HizalamaBiyoenformatik↔ karşılaştır
- Variant CallingBiyoenformatik↔ karşılaştır