Descripción general

La construcción de árboles filogenéticos es el proceso de inferir relaciones evolutivas entre entidades biológicas (especies, genes o poblaciones) a partir de datos de secuencias moleculares. La estructura arbórea resultante consta de ramas (linajes) conectadas en nodos (ancestros comunes), y la longitud de las ramas a menudo representa la cantidad de cambio evolutivo. La suposición fundamental es que la similitud de secuencia refleja una ascendencia compartida. Los métodos van desde enfoques simples basados en distancias, que convierten diferencias de secuencias por pares en distancias evolutivas, hasta métodos más complejos basados en caracteres que evalúan cada posición de nucleótido o aminoácido de forma independiente.

Conceptos clave

Un primer paso fundamental es la alineación de secuencias, donde las posiciones homólogas coinciden entre taxones. Métodos basados en distancia, como la unión de vecinos (NJ), construyen árboles a partir de una matriz de distancias por pares y son computacionalmente rápidos. Los métodos basados en caracteres incluyen la máxima parsimonia, que minimiza el número total de cambios evolutivos, y enfoques estadísticamente más rigurosos como la máxima verosimilitud y la inferencia bayesiana. Bootstrapping proporciona estimaciones de confianza al volver a muestrear las columnas de alineación y recalcular el árbol muchas veces. Los formatos de archivo comunes incluyen FASTA (alineaciones de entrada) y Newick (topología de árbol).

Flujo de trabajo práctico

La construcción de árboles sigue un proceso estandarizado. A partir de lecturas de secuenciación sin procesar, las secuencias recortadas de calidad se ensamblan y alinean utilizando MAFFT o MUSCLE, con un refinamiento manual guiado por los bloques conservados de la alineación. La selección del modelo se realiza con ModelTest-NG o jModelTest para identificar el modelo de sustitución que mejor se ajusta según los criterios AIC o BIC: el modelo seleccionado especifica frecuencias de nucleótidos, tasas de sustitución y parámetros de heterogeneidad de tasas. La inferencia de árbol de máxima probabilidad se ejecuta en IQ-TREE o RAxML-NG, que realizan búsquedas rápidas de escalada utilizando movimientos de intercambio de vecino más cercano (NNI) y poda y reinjerto de subárboles (SPR) para navegar por el espacio del árbol. El análisis Bootstrap evalúa el soporte de nodos mediante el remuestreo de las columnas de alineación: se generan entre 100 y 1000 pseudoréplicas, cada una de las cuales se analiza de forma independiente, y la frecuencia con la que aparece cada bipartición en las réplicas se informa como el valor de soporte bootstrap. Los valores superiores al 70% generalmente se consideran confiables, aunque el umbral varía según el estudio. El árbol resultante se visualiza en FigTree o iTOL, donde las longitudes de las ramas representan sustituciones por sitio y las etiquetas de los nodos muestran valores de soporte. Para conjuntos de datos grandes, los métodos de árbol rápidos como FastTree o IQ-TREE con el indicador -fast proporcionan árboles ML aproximados rápidamente. Se pueden generar árboles de unión de vecinos basados en la distancia para análisis exploratorios rápidos, pero carecen del rigor estadístico de los métodos de ML para la publicación final.

Aplicaciones

Los árboles filogenéticos son indispensables en toda la biología. Respaldan la clasificación taxonómica, rastrean el origen y la propagación de patógenos y guían el descubrimiento de fármacos al revelar la conservación evolutiva de los objetivos de los fármacos. En genómica comparada, la topología de árbol informa la identificación de ortólogos y parálogos. Estos análisis se basan directamente en datos fundamentales de secuenciación de ADN y complementan los estudios de genética bacteriana mediante el mapeo de las relaciones entre cepas. Los métodos filogenéticos también aclaran la historia evolutiva de los virus, lo que ayuda a los esfuerzos de estructura y clasificación viral.