LifePrint: un nuevo método de distancia para construir árboles filogenéticos sin alineamientos múltiples

Abstract

RESUMEN: Este trabajo propone y caracteriza LifePrint, un método de distancia de k-tuplos sin alineamientos múltiples (MSA, por sus siglas en inglés) para estimar relaciones filogenéticas entre genomas completos. Se diseñó una muestra representativa de todos los tuplos posibles de DNA con una longitud de 9 nucleótidos (9-tuplos). Dicho conjunto comprende 1878 tuplos (el Conjunto de 9-tuplos de LifePrint; LPS9, por sus siglas en inglés), diferentes cada uno en por lo menos dos diferencias nucleotídicas internas y no contiguas. Para validar LifePrint se analizaron varios genomas reales y simulados de viroides. Usando diferentes métricas de distancia, se escrutaron diversos genomas para estimar las distancias de k-tuplos entre sus secuencias. Posteriormente, se usaron las distancias de k-tuplos estimadas, para construir árboles filogenéticos, usando el algoritmo neighbor-joining (NJ). La precisión comparada entre LifePrint y un método de 5-tuplos (que utiliza el conjunto completo de tuplos de dicha longitud), reportado previamente, fue evaluada usando la diferencia simétrica (SD, por sus siglas en inglés) entre los árboles estimados por cada método y un árbol filogenético (“árbol verdadero”) construido con genomas simulados. El esquema óptimo de búsqueda de similitud identificado para el LPS9, permite hasta dos diferencias nucleotídicas entre cada tuplo y el genoma escrutado. Los resultados de las búsquedas de similitud en genomas simulados, indicaron que, en la mayoría de los casos, el LPS9 es capaz de detectar eficientemente sustituciones de una sola base entre los genomas. El análisis de variantes genómicas simuladas, con una proporción alta de sustituciones, indica que el LPS9 es capaz de discernir relaciones entre variantes hasta con un 40% de sustituciones nucleotídicas. LifePrint estimó filogenias más precisas que el método de 5-tuplos reportado previamente. Los árboles construidos con LifePrint presentan valores de proporción de bootstrap mayores que los árboles construidos con el método de 5-tuplos.