Visão geral
A filogenética de máxima verossimilhança (ML) é uma estrutura estatística que identifica a topologia de árvore com maior probabilidade de ter produzido os dados de sequência observados sob um modelo explícito de evolução molecular. Ao contrário dos métodos baseados em distância que reduzem as informações da sequência em um único número por par, o ML avalia cada local no alinhamento, calculando a probabilidade dos dados dados uma árvore e um modelo de substituição. A árvore com a maior pontuação de verossimilhança é selecionada como a melhor estimativa da história evolutiva. Os métodos de ML são computacionalmente intensivos, mas oferecem propriedades estatísticas bem estabelecidas, incluindo consistência e a capacidade de comparar modelos concorrentes.
Conceitos-chave
O cálculo da probabilidade depende de um modelo de substituição: um processo de Markov que descreve as taxas nas quais um nucleotídeo (ou aminoácido) se transforma em outro. Os modelos comumente usados incluem JC69 (taxas iguais), GTR (reversível no tempo geral com frequências básicas desiguais) e heterogeneidade de taxa modelada por meio de uma distribuição gama (G) com uma proporção de locais invariantes (I). Pesquisas heurísticas em árvores (por exemplo, poda e reenxerto de subárvores, ou SPR) navegam pelo vasto espaço de topologias possíveis. Seleção de modelo usando critérios de informação como AIC ou BIC identifica o modelo de substituição mais adequado para os dados.
Aplicativos
A filogenética de ML é amplamente aplicada em sistemática molecular, filodinâmica viral e genômica comparativa. Ele forma a espinha dorsal de muitas árvores de espécies de grande escala e é o método de escolha para a maioria dos estudos filogenéticos revisados por pares. A abordagem é usada rotineiramente para rastrear dados de sequenciamento de DNA de surtos de patógenos, para estudar a dinâmica evolutiva de estrutura e classificação viral e para resolver relações profundas em genética bacteriana onde a evolução rápida pode obscurecer o sinal filogenético.
