Aperçu
La phylogénétique bayésienne fournit un cadre probabiliste pour déduire des arbres évolutifs en combinant les connaissances antérieures avec les données de séquence observées grâce au théorème de Bayes. Plutôt que de renvoyer un seul meilleur arbre, il produit une distribution a posteriori sur les topologies des arbres, les longueurs de branches et les paramètres du modèle de substitution. Cette distribution quantifie l’incertitude inhérente à l’inférence phylogénétique, permettant aux chercheurs d’attribuer des probabilités a posteriori à des clades individuels. La complexité de l’espace des paramètres nécessite un échantillonnage par chaîne de Markov Monte Carlo (MCMC), qui explore des milliers ou des millions d’arbres et de valeurs de paramètres.
Concepts clés
Les algorithmes MCMC - généralement l’échantillonnage Metropolis-Hastings ou Gibbs - génèrent une chaîne d’échantillons corrélés à partir de la distribution postérieure. La convergence est évaluée à l’aide de diagnostics tels que la taille effective de l’échantillon (ESS) et le facteur de réduction d’échelle potentiel (PSRF). Une période de burn-in élimine les premiers échantillons avant que la chaîne n’atteigne la stationnarité. Les probabilités postérieures sur les clades représentent la proportion d’arbres échantillonnés contenant ce clade et sont plus intuitives que les valeurs de support bootstrap. La distribution antérieure peut incorporer des informations externes, telles que des étalonnages de fossiles pour la datation moléculaire.
Flux de travail pratique
Une analyse phylogénétique bayésienne dans MrBayes commence par la lecture d’un alignement de séquence au format NEXUS et la spécification du modèle de substitution - généralement le modèle le mieux adapté identifié par ModelTest ou jModelTest basé sur AIC. Les paramètres MCMC sont configurés avec deux analyses indépendantes, chacune avec quatre chaînes (une froide et trois chauffées), pour améliorer l’échantillonnage du paysage postérieur. L’analyse s’étend sur 1 à 10 millions de générations avec un échantillonnage toutes les 1 000 générations. L’évaluation de la convergence est effectuée à l’aide de l’écart type des fréquences divisées (SDSF), qui devrait s’approcher des valeurs inférieures à 0,01 lorsque les deux exécutions convergent vers des topologies arborescentes similaires. MrBayes génère un fichier de paramètres qui est examiné dans Tracer pour confirmer que la taille effective des échantillons (ESS) dépasse 200 pour tous les paramètres continus : de faibles valeurs ESS indiquent un mauvais mélange et nécessitent des analyses plus longues. Les premiers 10 à 25 % des échantillons sont rejetés en tant que déverminage. Les probabilités a posteriori pour chaque clade sont lues directement à partir de l’arbre de consensus : les valeurs supérieures à 0,95 sont considérées comme fortement soutenues, celles de 0,90 à 0,95 modérément soutenues et celles inférieures à 0,90 comme faibles. Pour les analyses BEAST, l’interface BEAUti fournit une configuration étape par étape des partitions de données, des modèles d’horloge et des arbres a priori, avec la capacité supplémentaire d’estimer les temps de divergence dans des modèles d’horloge détendus. Les probabilités bayésiennes a posteriori sont généralement interprétées comme la probabilité qu’un clade soit vrai compte tenu des données et du modèle – distinctes du support bootstrap, qui mesure la reproductibilité. La présentation de la distribution a posteriori complète plutôt que d’une estimation ponctuelle constitue un avantage clé du cadre bayésien. ### Candidatures
La phylogénétique bayésienne est particulièrement appréciée lorsque l’évaluation de l’incertitude est critique, comme dans la génétique de la conservation, les prévisions épidémiologiques et la délimitation des espèces. Il excelle dans l’intégration de plusieurs types de données, notamment les caractères morphologiques et les plages stratigraphiques. En pratique, les analyses bayésiennes complètent les études de séquençage de l’ADN et s’adaptent bien aux données du séquençage de nouvelle génération. Ils sont fréquemment appliqués pour résoudre les relations en génétique bactérienne, où le transfert horizontal de gènes et la recombinaison créent des signaux phylogénétiques contradictoires que les modèles bayésiens peuvent prendre en compte.
