Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Gen pop9mantpol

4,662 views

Published on

Published in: Education
  • Be the first to comment

  • Be the first to like this

Gen pop9mantpol

  1. 1. Genetica di popolazioni 9: Mantenimento dei polimorfismi
  2. 2. Programma del corso 1. Diversità genetica 2. Equilibrio di Hardy-Weinberg 3. Inbreeding 4. Linkage disequilibrium 5. Mutazione 6. Deriva genetica 7. Flusso genico e varianze genetiche 8. Selezione 9. Mantenimento dei polimorfismi e teoria neutrale 10. Introduzione alla teoria coalescente 11. Struttura e storia della popolazione umana + Lettura critica di articoli
  3. 3. Mantenimento dei polimorfismi 1. Il modello di Fisher e lo shifting balance di Wright 2. La teoria neutrale di Kimura 3. Verifica di alcune previsioni della teoria neutrale 4. Costruzione di alberi evolutivi
  4. 4. Fisher: mutazione e selezione tempo p 1.0 t0
  5. 5. Fisher: mutazione e selezione C’è troppo polimorfismo perché un modello di questo tipo possa avere un valore generale
  6. 6. Loci diversi mostrano diversi livelli di polimorfismo S = n di siti polimorfici π = diversità nucleotidica media fra coppie di individui Da Tishkoff e Verrelli 2003
  7. 7. Ma dimostrare che si tratta dell’effetto della selezione è difficile Strong evidence for the adaptive status of a trait would require the following: (1)evidence of differential fertility or mortality dependent on a particular genetic difference, (2)evidence from in vitro or in vivo studies of functional differences between genotypes that affect reproductive success, and (3)evidence of geographic concordance between the distribution of a genetic trait and some environmental factor that could be a selective force. As a consequence of these demands for evidence, G.A. Harrison (1988) pointed out that evidence for polymorphisms being maintained [in humans] by selection is largely nonexistent." He observed that our strongest evidence of selection and genetic adaptation involves the polymorphisms at G6PD, at b-globin, and at the Duffy blood group, most likely maintained due to the selective pressures from falciparum malaria and vivax malaria.
  8. 8. Paesaggi adattativi
  9. 9. Il paesaggio adattativo di Wright fitness Y X massimo locale massimo assoluto picchi adattativi Un sistema gravitazionale i cui oggetti (popolazioni) sono attratti dai picchi e vanno verso l’alto
  10. 10. Teoria dello shifting balance di Wright Fase 1. Deriva genetica Fase 2. Selezione di massa (selezione vera e propria) Fase 3. Selezione fra demi (flusso genico) Epistasi
  11. 11. Evoluzione nel paesaggio adattativo fitness Y X Problema: stima di Ne
  12. 12. Il paesaggio adattativo neutrale fitness Y X
  13. 13. Teoria neutrale e selezione Non è vero che la teoria neutrale non considera la selezione. Selezione purificatrice: s=0 oppure s=1 (ω=1 oppure ω=0)
  14. 14. Un ruolo marginale della selezione? 1. Frequenze alleliche in un branzino, Morone saxatilis (Bielawski & Pumo 1997) Allele Pop. 1 2 4 5 OPC-2*120 0.11 0.69 0.77 0.29 OPK-1*465 0.96 1.00 0.00 1.00 OPK-2*380 0.31 0.46 0.60 0.46 OPK-19*525 0.18 0.27 0.55 0.61 OPK-20**230 0.41 0.42 0.04 0.07
  15. 15. 2. Tasso evolutivo in regioni diverse della proinsulina di maiale B C A Tasso evolutivo: 0.4 X 10-9 /aa/anno 2.4 X 10-9 /aa/anno
  16. 16. 3. Globina alfa Sostituzioni e tempi di divergenza rispetto all’uomo
  17. 17. L’orologio molecolare secondo Kimura: 10-9 sostituzioni per sito aa per anno
  18. 18. Presupposti empirici della teoria neutrale • La variabilità genetica è maggiore di quanto si pensasse • Il tasso di sostituzioni amminoacidiche per anno è uniforme nella stessa specie in proteine diverse • Il numero di sostituzioni nella stessa proteina di due specie è correlato al loro tempo evolutivo di separazione (orologio molecolare: Zuckerkandl & Pauling 1965) Evoluzione: mutazione neutrale + deriva casuale Problema di ogni modello basato sulla deriva: Stima di Ne.
  19. 19. 2. Deriva casuale Probabilità di fissazione: PF = qR, PF = qB PF (nuovo allele) = 1/2N qR qB Tasso di mutazione = μ per sito per anno Probabilità di mutazione = PM = μ X 2N 1. Mutazione neutrale
  20. 20. Tasso evolutivo Tasso evolutivo = TE = probabilità di fissazione di un mutante TE dipende dall’effetto congiunto di due processi indipendenti, mutazione neutrale e deriva casuale PF (nuovo allele) = 1/2N PM = 2Nμ TE = PM x PF = 2Nμ / 2N = μ
  21. 21. Se il tasso evolutivo è = μ Orologio molecolare: •Se il tasso di mutazione è 10-6 per locus per anno, il tempo medio fra due sostituzioni alleliche a quel locus sarà 106 anni. •Se il tasso di mutazione è 10-9 per sito per anno, il tempo medio fra due sostituzioni amminoacidiche a quel sito sarà 109 anni. Tempo medio fra due sostituzioni = 1/TE = 1/ μ
  22. 22. Considerando l’intervallo fra fissazioni non c’è bisogno di conoscere Ne da Maynard-Smith 1989
  23. 23. Problemi irrisolti fra Fisher e Wright Wade e Goodnight 1998
  24. 24. Anche Fisher e Wright hanno i loro guai Wade e Goodnight 1998
  25. 25. Alberi filogenetici 1. Una matrice di distanze; 2. Un metodo di costruzione
  26. 26. Metodi per costruire alberi filogenetici Rooted Unrooted
  27. 27. Metodi per costruire alberi filogenetici UPGMA Neighbor joining Massima parsimonia Massima likelihood … Network Neighbor joining UPGMA Massima parsimonia …
  28. 28. UPGMA: Unweighted Pair-Group Method with Arithmetic Mean A B C D A 0 B dAB 0 C dAC dBC 0 D dAD dBD dCD 0 1. A ogni passaggio, le due OTU più vicine sono raggruppate; 2. Si ricalcola la matrice di distanze sostituendo alle righe/colonne delle due OTU raggruppate la loro media. A BC D A 0 BC dA(BC) 0 D dAD D(BC)D 0
  29. 29. SAHN (UPGMA) Taxon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 A 1 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 B 0 1 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 C 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 D 0 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 E 0 1 0 0 0 0 0 0 0 0 0 1 0 1 1 1 1 1 1 1 Dataset Matrice di dissimilarità SAHN: Sequential Agglomerative Hierarchical and Nested clustering methods UPGMA: Unweighte Pair-Group Method, Arithmetic averaging
  30. 30. Taxon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 A 1 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 B 0 1 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 C 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 D 0 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 E 0 1 0 0 0 0 0 0 0 0 0 1 0 1 1 1 1 1 1 1 Matrice di dissimilarità % A 0 B 0.20 0 C - - 0 D - - - 0 E - - - 0.40 0 A B C D E SAHN (UPGMA)
  31. 31. SAHN (UPGMA) Taxon 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 A 1 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 B 0 1 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 C 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 1 D 0 1 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1 1 E 0 1 0 0 0 0 0 0 0 0 0 1 0 1 1 1 1 1 1 1 Matrice di dissimilarità % A 0 B 0.20 0 C 0.55 0.65 0 D 0.60 0.25 0.50 0 E 0.90 0.80 0.55 0.40 0 A B C D E
  32. 32. SAHN (UPGMA) Clustering Algorithm C D E A B 0.10.7 0.50.6 0.30.4 0.2 (AB) C = = AC+BC 2 0.55+0.65 2 = = 0.60 0 AB 0 C 0.60 0 D 0.43 0.50 0 E 0.85 0.55 0.40 0 AB C D E
  33. 33. C A B 0.10.7 0.50.6 0.30.4 0.2 0 D E SAHN (UPGMA) AB 0 C 0.43 0 DE 0.64 0.53 0 AB C DE AB 0 C 0.60 0 D 0.43 0.50 0 E 0.85 0.55 0.40 0 AB C D E
  34. 34. SAHN (UPGMA) AB 0 C 0.43 0 DE 0.64 0.53 0 AB C DE AB 0 CDE 0.59 0 AB CDE A B 0.10.7 0.50.6 0.30.4 0.2 0 D E C
  35. 35. SAHN (UPGMA) A B 0.10.7 0.50.6 0.30.4 0.2 0 D E C
  36. 36. internal atrial two temporal pedicillate Taxon amnion legs scales blood nostrils septum fenestrations hemipenes gizzard teeth feathers wings vertebrae perch no no yes cold no no no no no no no no yes coelocanth no no yes cold yes yes no no no no no no yes salamander no yes no cold yes yes no no no yes no no yes frog no yes no cold yes yes no no no yes no no yes turtle yes yes yes cold yes yes no no no no no no yes human yes yes no warm yes yes no no no no no no yes gecko yes yes yes cold yes yes yes yes no no no no yes snake yes no yes cold yes yes yes yes no no no no yes alligator yes yes yes cold yes yes yes no yes no no no yes budgy yes yes no warm yes yes yes no yes no yes yes yes SAHN (UPGMA)
  37. 37. Percent similarity matrix SAHN (UPGMA)
  38. 38. perch coelacanth turtle human gecko snake alligator budgy salamander frog SAHN (UPGMA)
  39. 39. SAHN (UPGMA) ties
  40. 40. N di sostituzioni a coppie
  41. 41. E la selezione? μ = L μ’ f tasso di mutazione per un locus lunghezza in bp tasso di mutazione per sito frazione di siti a cui la mutazione è neutrale f = 1 per cambiamenti sinonimi negli introni (?) negli pseudogeni nelle regioni intrageniche
  42. 42. Vantaggi e limiti dell’orologio molecolare 1. Se le macromolecole si evolvono a tasso costante si possono utilizzare per datare eventi di speciazione 2. Fornisce un’ipotesi nulla sotto cui confrontare geni diversi nella stessa specie e geni omologhi in specie diverse 3. I tempi di divergenza si riferiscono a mutazioni fissate; non è chiaro fino a che punto le stime siano accurate se si trattano siti polimorfici come se non lo fossero Ma funziona o non funziona?
  43. 43. Alberi e orologio molecolare a: TTATCAAGCCAAT b: TTATCAGGCCAAT 1 c: TTATGAGGCCATT 3 2 a b c N di sostituzioni 1 2
  44. 44. Alberi e orologio molecolare a: TTATCAAGCCAAT b: TTATCAGGCCAAT 1 c: TTATGAGGCCATT 3 2 a b c N di anni 9 000 000 18 000 000
  45. 45. Tutto comincia da qui
  46. 46. Per saggiare le previsioni della teoria neutrale Ci interessa la lunghezza dei segmenti verdi, ma in genere possiamo misurare solo quello arancione
  47. 47. H0 H1 O O O A A A B B B Per discriminare fra l’ipotesi neutrale H0 e l’ipotesi alternativa H1 ci manca un dato
  48. 48. H0 H1 O O O A A A B B B xA= kAC + kAB – kBC xB= kBC + kAB – kAC d= kAC- kBC 2 2 H0: d =0 H1: d ≠ 0 A B O C xA xB outgroup xC
  49. 49. Il test del tasso relativo:ratto e topo Se d > 1.96 V(d), P<0.05 r=ratto, t=topo, cu= coniglio o uomo
  50. 50. Il test del tasso relativo: uomo e primati Se d > 1.96 V(d), P<0.05
  51. 51. Riassumendo • Il tasso di sostituzione varia fra loci nello stesso gruppo tassonomico e fra gruppi tassonomici per gli stessi loci • Il tasso evolutivo è uguale (local clock) in certi gruppi di organismi ma non in altri, per certi geni ma non per altri E quindi?
  52. 52. Sintesi • Nel modello di Fisher il polimorfismo è l’eccezione e rappresenta uno stadio transitorio nel processo di adattamento • Nel modello di Wright il polimorfismo è la regola e riflette l’interazione fra selezione, deriva e flusso genico • Nel modello di Kimura il polimorfismo è la regola e riflette l’equilibrio fra mutazione e deriva sotto selezione purificatrice • Qual è quello buono? Dipende • È sempre possibile rappresentare le differenze (o le somiglianze) fra individui o gruppi in forma di albero • Assumendo neutralità, la lunghezza dei rami dell’albero è una stima del tempo di separazione fra individui o gruppi
  53. 53. Prudic K.L., Jeon, C., Cao, H., & Monteiro, A. (2011) Developmental Plasticity in Sexual Roles of Butterfly Species Drives Mutual Sexual Ornamentation. Science. 331:73-75 Cold weather causes female butterflies to act like males. (Byciclus aninana)

×