Übersicht

Bei der phylogenetischen Baumkonstruktion werden aus molekularen Sequenzdaten evolutionäre Beziehungen zwischen biologischen Einheiten – Arten, Genen oder Populationen – abgeleitet. Die resultierende baumartige Struktur besteht aus Zweigen (Abstammungslinien), die an Knoten (gemeinsamen Vorfahren) verbunden sind, wobei die Zweiglängen häufig das Ausmaß der evolutionären Veränderung darstellen. Die Grundannahme ist, dass Sequenzähnlichkeit eine gemeinsame Abstammung widerspiegelt. Die Methoden reichen von einfachen distanzbasierten Ansätzen, die paarweise Sequenzunterschiede in evolutionäre Abstände umwandeln, bis hin zu komplexeren zeichenbasierten Methoden, die jede Nukleotid- oder Aminosäureposition unabhängig bewerten.

Schlüsselkonzepte

Ein entscheidender erster Schritt ist die Sequenzausrichtung, bei der homologe Positionen über Taxa hinweg abgeglichen werden. Distanzbasierte Methoden wie Neighbor-Joining (NJ) konstruieren Bäume aus einer Matrix paarweiser Distanzen und sind rechenschnell. Charakterbasierte Methoden umfassen maximale Sparsamkeit, die die Gesamtzahl evolutionärer Veränderungen minimiert, und statistisch strengere Ansätze wie Maximum Likelihood und Bayesian Inference. Bootstrapping liefert Konfidenzschätzungen, indem Ausrichtungsspalten erneut abgetastet und der Baum viele Male neu berechnet wird. Zu den gängigen Dateiformaten gehören FASTA (Eingabeausrichtungen) und Newick (Baumtopologie).

Praktischer Arbeitsablauf

Der Baumbau folgt einer standardisierten Pipeline. Ausgehend von rohen Sequenzierungslesungen werden qualitätsreduzierte Sequenzen mithilfe von MAFFT oder MUSCLE zusammengestellt und ausgerichtet, wobei die manuelle Verfeinerung anhand der konservierten Blöcke der Ausrichtung erfolgt. Die Modellauswahl erfolgt mit ModelTest-NG oder jModelTest, um das am besten passende Substitutionsmodell gemäß AIC- oder BIC-Kriterien zu identifizieren – das ausgewählte Modell gibt Nukleotidhäufigkeiten, Substitutionsraten und Ratenheterogenitätsparameter an. Die Maximum-Likelihood-Bauminferenz wird in IQ-TREE oder RAxML-NG ausgeführt, die schnelle Hill-Climbing-Suchen mithilfe von Nearest-Neighbor Interchange (NNI) und Subtree Pruning and Regrafting (SPR)-Bewegungen durchführen, um durch den Baumraum zu navigieren. Die Bootstrap-Analyse bewertet die Knotenunterstützung durch Resampling von Alignment-Spalten: 100–1.000 Pseudoreplikate werden generiert, jedes unabhängig analysiert, und die Häufigkeit, mit der jede Bipartition über Replikate hinweg auftritt, wird als Bootstrap-Unterstützungswert angegeben. Werte über 70 % gelten im Allgemeinen als zuverlässig, obwohl der Schwellenwert je nach Studie variiert. Der resultierende Baum wird in FigTree oder iTOL visualisiert, wobei die Zweiglängen die Ersetzungen pro Standort darstellen und Knotenbeschriftungen Unterstützungswerte anzeigen. Für große Datensätze stellen schnelle Baummethoden wie FastTree oder IQ-TREE mit dem Flag -fast schnell ungefähre ML-Bäume bereit. Distanzbasierte Nachbarverknüpfungsbäume können für schnelle explorative Analysen generiert werden, ihnen fehlt jedoch die statistische Genauigkeit von ML-Methoden für die endgültige Veröffentlichung.

Anwendungen

Phylogenetische Bäume sind in der gesamten Biologie unverzichtbar. Sie untermauern die taxonomische Klassifizierung, verfolgen den Ursprung und die Ausbreitung von Krankheitserregern und leiten die Arzneimittelentwicklung, indem sie die evolutionäre Erhaltung von Arzneimittelzielen aufdecken. In der vergleichenden Genomik dient die Baumtopologie als Grundlage für die Identifizierung von Orthologen und Paralogen. Diese Analysen bauen direkt auf grundlegenden Daten zur DNA-Sequenzierung auf und ergänzen Studien zur Bakteriengenetik durch die Kartierung von Stammbeziehungen. Phylogenetische Methoden klären auch die Evolutionsgeschichte von Viren und unterstützen so die Bemühungen zur Virusstruktur und -klassifizierung.