Aperçu

La construction d’arbres phylogénétiques est le processus consistant à déduire des relations évolutives entre des entités biologiques (espèces, gènes ou populations) à partir de données de séquence moléculaire. La structure arborescente qui en résulte se compose de branches (lignées) reliées à des nœuds (ancêtres communs), la longueur des branches représentant souvent l’ampleur du changement évolutif. L’hypothèse fondamentale est que la similarité des séquences reflète une ascendance partagée. Les méthodes vont des approches simples basées sur la distance, qui convertissent les différences de séquence par paire en distances évolutives, aux méthodes plus complexes basées sur les caractères qui évaluent indépendamment la position de chaque nucléotide ou acide aminé.

Concepts clés

Une première étape essentielle est l’alignement des séquences, où les positions homologues sont mises en correspondance entre les taxons. Les méthodes basées sur la distance telles que la jonction de voisins (NJ) construisent des arbres à partir d’une matrice de distances par paires et sont rapides en termes de calcul. Les méthodes basées sur les caractères incluent la parcimonie maximale, qui minimise le nombre total de changements évolutifs, et des approches plus rigoureuses statistiquement comme le maximum de vraisemblance et l’inférence bayésienne. Le bootstrapping fournit des estimations de confiance en rééchantillonnant les colonnes d’alignement et en recalculant l’arborescence plusieurs fois. Les formats de fichiers courants incluent FASTA (alignements d’entrée) et Newick (topologie arborescente).

Flux de travail pratique

La construction des arbres suit un pipeline standardisé. À partir des lectures de séquençage brutes, les séquences de qualité sont assemblées et alignées à l’aide de MAFFT ou MUSCLE, avec un affinement manuel guidé par les blocs conservés de l’alignement. La sélection du modèle est effectuée avec ModelTest-NG ou jModelTest pour identifier le modèle de substitution le mieux adapté selon les critères AIC ou BIC, le modèle sélectionné spécifie les fréquences nucléotidiques, les taux de substitution et les paramètres d’hétérogénéité des taux. L’inférence d’arbre à vraisemblance maximale est exécutée dans IQ-TREE ou RAxML-NG, qui effectuent des recherches rapides d’escalade en utilisant l’échange avec le plus proche voisin (NNI) et les mouvements d’élagage et de regreffe de sous-arbres (SPR) pour naviguer dans l’espace des arbres. L’analyse bootstrap évalue la prise en charge des nœuds en rééchantillonnant les colonnes d’alignement : 100 à 1 000 pseudo-réplications sont générées, chacune analysée indépendamment, et la fréquence à laquelle chaque bipartition apparaît dans les réplications est signalée comme valeur de prise en charge du bootstrap. Les valeurs supérieures à 70 % sont généralement considérées comme fiables, bien que le seuil varie selon les études. L’arborescence résultante est visualisée dans FigTree ou iTOL, où les longueurs de branche représentent les substitutions par site et les étiquettes de nœuds affichent les valeurs de support. Pour les grands ensembles de données, les méthodes d’arbre rapide telles que FastTree ou IQ-TREE avec l’indicateur -fast fournissent rapidement des arbres ML approximatifs. Des arbres de jonction de voisins basés sur la distance peuvent être générés pour des analyses exploratoires rapides, mais n’ont pas la rigueur statistique des méthodes ML pour la publication finale. ### Candidatures

Les arbres phylogénétiques sont indispensables en biologie. Ils soutiennent la classification taxonomique, retracent l’origine et la propagation des agents pathogènes et guident la découverte de médicaments en révélant la conservation évolutive des cibles médicamenteuses. En génomique comparative, la topologie arborescente éclaire l’identification des orthologues et des paralogues. Ces analyses s’appuient directement sur les données fondamentales de séquençage de l’ADN et complètent les études en génétique bactérienne en cartographiant les relations entre les souches. Les méthodes phylogénétiques clarifient également l’histoire évolutive des virus, facilitant ainsi les efforts de structure et classification virales.