Visão geral

A construção de árvores filogenéticas é o processo de inferir relações evolutivas entre entidades biológicas – espécies, genes ou populações – a partir de dados de sequência molecular. A estrutura semelhante a uma árvore resultante consiste em ramos (linhagens) conectados em nós (ancestrais comuns), com comprimentos de ramos frequentemente representando a quantidade de mudança evolutiva. A suposição fundamental é que a similaridade de sequência reflete ancestralidade compartilhada. Os métodos variam desde abordagens simples baseadas em distâncias, que convertem diferenças de sequências entre pares em distâncias evolutivas, até métodos mais complexos baseados em caracteres que avaliam cada posição de nucleotídeo ou aminoácido independentemente.

Conceitos-chave

Um primeiro passo crítico é o alinhamento de sequências, onde as posições homólogas são combinadas entre os táxons. Métodos baseados em distância, como junção de vizinhos (NJ), constroem árvores a partir de uma matriz de distâncias entre pares e são computacionalmente rápidos. Métodos baseados em caracteres incluem máxima parcimônia, que minimiza o número total de mudanças evolutivas, e abordagens estatisticamente mais rigorosas, como máxima verossimilhança e inferência bayesiana. Bootstrapping fornece estimativas de confiança ao reamostrar colunas de alinhamento e recalcular a árvore várias vezes. Os formatos de arquivo comuns incluem FASTA (alinhamentos de entrada) e Newick (topologia em árvore).

Fluxo de trabalho prático

A construção da árvore segue um pipeline padronizado. A partir de leituras de sequenciamento bruto, sequências com qualidade cortada são montadas e alinhadas usando MAFFT ou MUSCLE, com refinamento manual guiado pelos blocos conservados do alinhamento. A seleção do modelo é realizada com ModelTest-NG ou jModelTest para identificar o modelo de substituição mais adequado sob os critérios AIC ou BIC - o modelo selecionado especifica frequências de nucleotídeos, taxas de substituição e parâmetros de heterogeneidade de taxa. A inferência de árvore de máxima verossimilhança é executada em IQ-TREE ou RAxML-NG, que executa pesquisas rápidas de escalada usando intercâmbio de vizinho mais próximo (NNI) e movimentos de poda e reenxerto de subárvore (SPR) para navegar no espaço da árvore. A análise de bootstrap avalia o suporte do nó por meio da reamostragem de colunas de alinhamento: 100–1.000 pseudoréplicas são geradas, cada uma analisada independentemente, e a frequência com que cada bipartição aparece nas réplicas é relatada como o valor de suporte de bootstrap. Valores acima de 70% são geralmente considerados confiáveis, embora o limite varie de acordo com o estudo. A árvore resultante é visualizada no FigTree ou iTOL, onde os comprimentos dos ramos representam substituições por site e os rótulos dos nós exibem valores de suporte. Para grandes conjuntos de dados, métodos de árvore rápidos, como FastTree ou IQ-TREE com o sinalizador -fast, fornecem árvores de ML aproximadas rapidamente. Árvores de junção de vizinhos baseadas em distância podem ser geradas para análises exploratórias rápidas, mas carecem do rigor estatístico dos métodos de ML para publicação final.

Aplicativos

As árvores filogenéticas são indispensáveis em toda a biologia. Eles sustentam a classificação taxonômica, rastreiam a origem e a disseminação de patógenos e orientam a descoberta de medicamentos, revelando a conservação evolutiva dos alvos dos medicamentos. Na genômica comparativa, a topologia em árvore informa a identificação de ortólogos e parálogos. Essas análises baseiam-se diretamente em dados fundamentais de sequenciamento de DNA e complementam estudos em genética bacteriana mapeando relações de cepas. Os métodos filogenéticos também esclarecem a história evolutiva dos vírus, auxiliando nos esforços de estrutura e classificação viral.