Adquisición de datos
Alineación de secuencias
Cálculo de la matriz de distancias
Métodos de distancia:
UPGMA, NJ, etc.
Máxima verosimilitud
Máxima parsimonia
Árbol consenso
B
Matrices de distanciasMatriz Jules Cantor
8Delfin 0 0,252 0,2218 0,1379 0,2272 0,1928Vaca_marin 0,252 0 0,2604 0,198 0,2689 0,2604Musaraña 0,2218 0,2604 0 0,1674 0,2776 0,18Caballo 0,1379 0,198 0,1674 0 0,1928 0,1166Mono_perez 0,2272 0,2689 0,2776 0,1928 0 0,2492murcielago 0,1928 0,2604 0,18 0,1166 0,2492 0Cerdo 0,1237 0,2492 0,2006 0,1332 0,2353 0,1749Elefante_A 0,2353 0,1096 0,2326 0,1724 0,2464 0,2326
Matriz Kimura 2-P8
Delfin 0 0,2579 0,2283 0,1389 0,2333 0,1989Vaca_marin 0,2579 0 0,2702 0,2019 0,2801 0,2706Musaraña 0,2283 0,2702 0 0,1701 0,2873 0,1868Caballo 0,1389 0,2019 0,1701 0 0,1962 0,1181Mono_perez 0,2333 0,2801 0,2873 0,1962 0 0,2585murcielago 0,1989 0,2706 0,1868 0,1181 0,2585 0Cerdo 0,1238 0,2555 0,2048 0,134 0,2403 0,1806Elefante_A 0,241 0,1115 0,2395 0,1751 0,2561 0,2399
Árbol consensoGeneralmente se obtienen resultados dispares según los métodos usadosEl uso de genes distintos o incluso, dentro del mismo gen, zonas distintas, pueden dar lugar a resultados diferentes. Se impone por lo tanto estipular un método para integrar toda esa información en un único árbol
El método más usado es el del consenso.
Veámoslo sobre nuestros resultados
Bootstrap y JackknifeSon técnicas de remuestreo para mejorar la estimación.
En el caso del bootstrap consiste en elegir tantas columnas del conjunto de datos como las que hay originalmente, pero con reemplazamiento, es decir, las columnas se pueden repetir.
En el caso del jacknife, se trata de elegir aleatóriamente un subconjunto, generalmente la mitad.