Filogenias moleculares

Autores
Barrile, Franco; Lenguas Francavilla, Marina; Brusa, Francisco; Montemayor Borsinger, Sara Itzel; Río, María Guadalupe del
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
parte de libro
Estado
versión publicada
Descripción
El aumento de las herramientas bioinformáticas para el análisis de grandes volúmenes de datos a partir de la década de 1980 propició la aparición de nuevas metodologías para el análisis de datos moleculares. Tanto las zonas codificantes, exones, como las no codificantes, intrones, del ADN se utilizan en estudios filogenéticos, pero no las denominadas hipervariantes o ADN altamente repetitivo, las cuales son utilizadas para otros tipos de estudios. La selección de los genes que se van a estudiar depende del objetivo del estudio. Si el objeto de estudio son taxones superiores se usan genes ribosomales y de cloroplastos que tienen bajas tasas de mutación. En cambio, si el estudio emplea taxones inferiores, como por ejemplo especies próximas, se estudiarán genes con tasas de mutación más alta, menos conservados, por ejemplo los mitocondriales como la Citocromo Oxidasa I y II (COI y COII, respectivamente). Los análisis que incluyen datos moleculares para la construcción de hipótesis filogenéticas puede llevarse a cabo aplicando los métodos de la parsimonia, por ejemplo utilizando el TNT como se ha visto en el capítulo anterior, pero también se pueden aplicar técnicas que surgen de la estadística. Estas técnicas para el análisis de datos moleculares tienen una fuerte raíz en métodos probabilísticos y entre ellas se destacan: Máxima Verosimilitud, Inferencia Bayesiana y métodos de distancia como el Neighbor-Joining. Una característica común entre estas metodologías es que comienzan trabajando con secuencias alineadas. Estos alineamientos, como se explicó en el capítulo 4, sirven para inferir que sitios o posiciones son primariamente homólogos entre los taxones analizados. Existen dos grandes aproximaciones: los alineamientos de a pares de secuencias y los alineamientos múltiples. Los alineamientos de a pares fueron los primeros en desarrollarse y permiten alinear de a dos secuencias por vez. Los algoritmos usados para este tipo de alineamiento son simples pero no se pueden utilizar si se pretende alinear muchas secuencias. En cambio, los alineamientos múltiples (MSA por sus siglas en inglés de multiple sequence analysis) permiten alinear más de dos secuencias al mismo tiempo, lo cual es ideal al momento de construir filogenias donde hay gran cantidad de taxones. Los MSA son los más usados en la actualidad y utilizan sus propios algoritmos para producir los alineamientos. Estos algoritmos fueron complejizándose con el tiempo siendo CLUSTAL el más usado durante la década de 1990 y MAFFT y MUSCLE a partir de la década de los 2000.
Facultad de Ciencias Naturales y Museo
Materia
Ciencias Naturales
hipótesis filogenéticas
herramientas bioinformáticas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/177316

id SEDICI_dab914f48ac1e11a655e86914b4b53cd
oai_identifier_str oai:sedici.unlp.edu.ar:10915/177316
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Filogenias molecularesBarrile, FrancoLenguas Francavilla, MarinaBrusa, FranciscoMontemayor Borsinger, Sara ItzelRío, María Guadalupe delCiencias Naturaleshipótesis filogenéticasherramientas bioinformáticasEl aumento de las herramientas bioinformáticas para el análisis de grandes volúmenes de datos a partir de la década de 1980 propició la aparición de nuevas metodologías para el análisis de datos moleculares. Tanto las zonas codificantes, exones, como las no codificantes, intrones, del ADN se utilizan en estudios filogenéticos, pero no las denominadas hipervariantes o ADN altamente repetitivo, las cuales son utilizadas para otros tipos de estudios. La selección de los genes que se van a estudiar depende del objetivo del estudio. Si el objeto de estudio son taxones superiores se usan genes ribosomales y de cloroplastos que tienen bajas tasas de mutación. En cambio, si el estudio emplea taxones inferiores, como por ejemplo especies próximas, se estudiarán genes con tasas de mutación más alta, menos conservados, por ejemplo los mitocondriales como la Citocromo Oxidasa I y II (COI y COII, respectivamente). Los análisis que incluyen datos moleculares para la construcción de hipótesis filogenéticas puede llevarse a cabo aplicando los métodos de la parsimonia, por ejemplo utilizando el TNT como se ha visto en el capítulo anterior, pero también se pueden aplicar técnicas que surgen de la estadística. Estas técnicas para el análisis de datos moleculares tienen una fuerte raíz en métodos probabilísticos y entre ellas se destacan: Máxima Verosimilitud, Inferencia Bayesiana y métodos de distancia como el Neighbor-Joining. Una característica común entre estas metodologías es que comienzan trabajando con secuencias alineadas. Estos alineamientos, como se explicó en el capítulo 4, sirven para inferir que sitios o posiciones son primariamente homólogos entre los taxones analizados. Existen dos grandes aproximaciones: los alineamientos de a pares de secuencias y los alineamientos múltiples. Los alineamientos de a pares fueron los primeros en desarrollarse y permiten alinear de a dos secuencias por vez. Los algoritmos usados para este tipo de alineamiento son simples pero no se pueden utilizar si se pretende alinear muchas secuencias. En cambio, los alineamientos múltiples (MSA por sus siglas en inglés de multiple sequence analysis) permiten alinear más de dos secuencias al mismo tiempo, lo cual es ideal al momento de construir filogenias donde hay gran cantidad de taxones. Los MSA son los más usados en la actualidad y utilizan sus propios algoritmos para producir los alineamientos. Estos algoritmos fueron complejizándose con el tiempo siendo CLUSTAL el más usado durante la década de 1990 y MAFFT y MUSCLE a partir de la década de los 2000.Facultad de Ciencias Naturales y MuseoEditorial de la Universidad Nacional de La Plata (EDULP)2024info:eu-repo/semantics/bookPartinfo:eu-repo/semantics/publishedVersionCapitulo de librohttp://purl.org/coar/resource_type/c_3248info:ar-repo/semantics/parteDeLibroapplication/pdf161-173http://sedici.unlp.edu.ar/handle/10915/177316spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2407-0info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/177084info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:39:42Zoai:sedici.unlp.edu.ar:10915/177316Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:39:42.965SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Filogenias moleculares
title Filogenias moleculares
spellingShingle Filogenias moleculares
Barrile, Franco
Ciencias Naturales
hipótesis filogenéticas
herramientas bioinformáticas
title_short Filogenias moleculares
title_full Filogenias moleculares
title_fullStr Filogenias moleculares
title_full_unstemmed Filogenias moleculares
title_sort Filogenias moleculares
dc.creator.none.fl_str_mv Barrile, Franco
Lenguas Francavilla, Marina
Brusa, Francisco
Montemayor Borsinger, Sara Itzel
Río, María Guadalupe del
author Barrile, Franco
author_facet Barrile, Franco
Lenguas Francavilla, Marina
Brusa, Francisco
Montemayor Borsinger, Sara Itzel
Río, María Guadalupe del
author_role author
author2 Lenguas Francavilla, Marina
Brusa, Francisco
Montemayor Borsinger, Sara Itzel
Río, María Guadalupe del
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Naturales
hipótesis filogenéticas
herramientas bioinformáticas
topic Ciencias Naturales
hipótesis filogenéticas
herramientas bioinformáticas
dc.description.none.fl_txt_mv El aumento de las herramientas bioinformáticas para el análisis de grandes volúmenes de datos a partir de la década de 1980 propició la aparición de nuevas metodologías para el análisis de datos moleculares. Tanto las zonas codificantes, exones, como las no codificantes, intrones, del ADN se utilizan en estudios filogenéticos, pero no las denominadas hipervariantes o ADN altamente repetitivo, las cuales son utilizadas para otros tipos de estudios. La selección de los genes que se van a estudiar depende del objetivo del estudio. Si el objeto de estudio son taxones superiores se usan genes ribosomales y de cloroplastos que tienen bajas tasas de mutación. En cambio, si el estudio emplea taxones inferiores, como por ejemplo especies próximas, se estudiarán genes con tasas de mutación más alta, menos conservados, por ejemplo los mitocondriales como la Citocromo Oxidasa I y II (COI y COII, respectivamente). Los análisis que incluyen datos moleculares para la construcción de hipótesis filogenéticas puede llevarse a cabo aplicando los métodos de la parsimonia, por ejemplo utilizando el TNT como se ha visto en el capítulo anterior, pero también se pueden aplicar técnicas que surgen de la estadística. Estas técnicas para el análisis de datos moleculares tienen una fuerte raíz en métodos probabilísticos y entre ellas se destacan: Máxima Verosimilitud, Inferencia Bayesiana y métodos de distancia como el Neighbor-Joining. Una característica común entre estas metodologías es que comienzan trabajando con secuencias alineadas. Estos alineamientos, como se explicó en el capítulo 4, sirven para inferir que sitios o posiciones son primariamente homólogos entre los taxones analizados. Existen dos grandes aproximaciones: los alineamientos de a pares de secuencias y los alineamientos múltiples. Los alineamientos de a pares fueron los primeros en desarrollarse y permiten alinear de a dos secuencias por vez. Los algoritmos usados para este tipo de alineamiento son simples pero no se pueden utilizar si se pretende alinear muchas secuencias. En cambio, los alineamientos múltiples (MSA por sus siglas en inglés de multiple sequence analysis) permiten alinear más de dos secuencias al mismo tiempo, lo cual es ideal al momento de construir filogenias donde hay gran cantidad de taxones. Los MSA son los más usados en la actualidad y utilizan sus propios algoritmos para producir los alineamientos. Estos algoritmos fueron complejizándose con el tiempo siendo CLUSTAL el más usado durante la década de 1990 y MAFFT y MUSCLE a partir de la década de los 2000.
Facultad de Ciencias Naturales y Museo
description El aumento de las herramientas bioinformáticas para el análisis de grandes volúmenes de datos a partir de la década de 1980 propició la aparición de nuevas metodologías para el análisis de datos moleculares. Tanto las zonas codificantes, exones, como las no codificantes, intrones, del ADN se utilizan en estudios filogenéticos, pero no las denominadas hipervariantes o ADN altamente repetitivo, las cuales son utilizadas para otros tipos de estudios. La selección de los genes que se van a estudiar depende del objetivo del estudio. Si el objeto de estudio son taxones superiores se usan genes ribosomales y de cloroplastos que tienen bajas tasas de mutación. En cambio, si el estudio emplea taxones inferiores, como por ejemplo especies próximas, se estudiarán genes con tasas de mutación más alta, menos conservados, por ejemplo los mitocondriales como la Citocromo Oxidasa I y II (COI y COII, respectivamente). Los análisis que incluyen datos moleculares para la construcción de hipótesis filogenéticas puede llevarse a cabo aplicando los métodos de la parsimonia, por ejemplo utilizando el TNT como se ha visto en el capítulo anterior, pero también se pueden aplicar técnicas que surgen de la estadística. Estas técnicas para el análisis de datos moleculares tienen una fuerte raíz en métodos probabilísticos y entre ellas se destacan: Máxima Verosimilitud, Inferencia Bayesiana y métodos de distancia como el Neighbor-Joining. Una característica común entre estas metodologías es que comienzan trabajando con secuencias alineadas. Estos alineamientos, como se explicó en el capítulo 4, sirven para inferir que sitios o posiciones son primariamente homólogos entre los taxones analizados. Existen dos grandes aproximaciones: los alineamientos de a pares de secuencias y los alineamientos múltiples. Los alineamientos de a pares fueron los primeros en desarrollarse y permiten alinear de a dos secuencias por vez. Los algoritmos usados para este tipo de alineamiento son simples pero no se pueden utilizar si se pretende alinear muchas secuencias. En cambio, los alineamientos múltiples (MSA por sus siglas en inglés de multiple sequence analysis) permiten alinear más de dos secuencias al mismo tiempo, lo cual es ideal al momento de construir filogenias donde hay gran cantidad de taxones. Los MSA son los más usados en la actualidad y utilizan sus propios algoritmos para producir los alineamientos. Estos algoritmos fueron complejizándose con el tiempo siendo CLUSTAL el más usado durante la década de 1990 y MAFFT y MUSCLE a partir de la década de los 2000.
publishDate 2024
dc.date.none.fl_str_mv 2024
dc.type.none.fl_str_mv info:eu-repo/semantics/bookPart
info:eu-repo/semantics/publishedVersion
Capitulo de libro
http://purl.org/coar/resource_type/c_3248
info:ar-repo/semantics/parteDeLibro
format bookPart
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/177316
url http://sedici.unlp.edu.ar/handle/10915/177316
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2407-0
info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/177084
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
161-173
dc.publisher.none.fl_str_mv Editorial de la Universidad Nacional de La Plata (EDULP)
publisher.none.fl_str_mv Editorial de la Universidad Nacional de La Plata (EDULP)
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846064411635089408
score 13.22299