fbpx
Wikipedia

Infiriendo transferencia genética horizontal

Agosto 06, 2021

Este artículo o sección necesita ser wikificado, por favor, edítalo para que cumpla con las convenciones de estilo.
Este aviso fue puesto el 10 de marzo de 2017.

La transferencia genética horizontal o lateral (TGH o TGL) es la transmisión de partes de ADN genómico entre organismos a través de un proceso desacoplado de la herencia vertical. Cuando ocurren eventos TGH, diferentes fragmentos del genoma son el resultado de diferentes historias evolutivas. Esto puede, entonces, complicar las investigaciones del parentesco evolutivo de linajes y especies. También, como una TGH puede llevarle a los genomas unos genotipos radicalmente diferentes de linajes distantes o incluso nuevos genes con nuevas funciones, es una fuente importante de innovación fenotípica y un mecanismo de adaptación de nichos. Por ejemplo, de relevancia particular para la salud humana es la transferencia lateral de resistencia antibiótica y determinantes de patogenicidad, llevando al surgimiento de linajes patogénicos.[1]​

Infiriendo la transferencia genética horizontal a través de identificación computacional de eventos TGH se basa en la investigación de la composición de la secuencia o historia evolutiva de los genes. Métodos basados en la composición de la secuencia ("paramétricos") busca desviaciones de un promedio genómico mientras que procedimientos de inferencia basados en la historia ("filogenéticos") identifican genes cuya historia evolutiva difiera significativamente de la de la especie huésped. La valoración y evaluación comparativa de los métodos de inferencia de TGH típicamente se basan en genomas simulados, para los cuales la verdadera historia se conoce. En información real, diferentes métodos tienden a inferir diferentes eventos de TGH y, como resultado, puede ser difícil determinar todos los eventos de TGH que no son simples o claros.

Introducción

La transferencia genética horizontal fue observado por primera vez en 1928 en el experimento de Frederick Griffith, mostrando que la virulencia se podía pasar de cepas virulentas a no virulentas de Streptococcus pneumoniae. Griffith demostró que la información genética puede ser transferida horizontalmente entre bacterias a través de un mecanismo conocido como transformación.[2]​ Observaciones similares en la década de los cuarenta[3]​ y cincuenta[4]​ mostró la evidencia de que la conjugación y la transducción son mecanismos adicionales de la TGH.[5]​

Para inferir eventos de TGH, que pueden no resultar en cambios fenotípicos, la mayoría de los métodos contemporáneos se basan en análisis de la información de la secuencia genómica. Estos métodos pueden ser separados a grandes rasgos en dos: métodos paramétricos y filogenéticos. Los métodos paramétricos buscan secciones de un genoma que difieren significativamente del promedio genómico como el contenido CG o uso preferencial de codones.[6]​ Los métodos filogenéticos examinan la historia evolutiva de los genes involucrados e identifican filogenias incompatibles. Estos pueden ser clasificados en los que reconstruyen y coparan árboles filogenéticos explícitamente y los que usan medidas suplentes en lugar de los árboles filogenéticos.[7]​

La característica principal de los métodos paramétricos es que dependen únicamente del genoma que se estudia para inferir eventos de TGH que pudieron haber ocurrido en su linaje. Ha sido una ventaja considerable al inicio de la era de secuenciación, cuando pocos genomas relacionados estrechamente eran disponibles para los métodos comparativos. Sin embargo, como dependen de la uniformidad de la huella del organismo para inferir los eventos de TGH, no contar la variabilidad intragenómica resultará en sobreestimaciones—marcando segmentos nativos como posibles eventos de TGH.[8]​ Similarmente, los segmentos transferidos necesitan exhibir la marca del sonador y ser significativamente diferente al del receptor.[6]​ Además, segmentos genómicos de origen foráneo están sujetos al mismo proceso mutacional como el resto del genoma y, por lo tanto, la diferencia entre los dos tiende a desaparecer a lo largo del tiempo, proceso conocido como amelioración.[9]​ Esto limita la habilidad de los métodos paramétricos para detectar viejas TGH.

Los métodos filogenéticos se benefician de la reciente disponibilidad de muchos genomas secuenciados. Es más, al igual que todos los métodos comparativos, los métodos filogenéticos pueden integrar información de múltiples genomas y en particular entregarlos usando un modelo de evolución. Esto les otorga la habilidad de caracterizar mejor los eventos de TGH que infieren—notablemente al diseñar la especie donadora y el tiempo de transferencia. Sin embargo, los modelos tienen límites y necesitan ser utilizados cuidadosamente. Por ejemplo, filogenias en conflicto pueden resultar de eventos no tomados en cuenta por el modelo, como parología no reconocida debido a duplicación seguida de pérdida de genes. También, muchos acercamientos dependen de un árbol de una especie de referencia que se supone es conocido, cuando en muchos casos puede ser difícil obtener un árbol de confianza. Finalmente, los costos computacionales de reconstruir árboles de muchos genes/especies puede ser prohibidamente caro. Los métodos filogenéticos tiendes a ser aplicados a genes o secuencias proteicas como unidades evolutivas básicas, lo que limita su habilidad para detectar TGH en regiones fuera o entre fronteras de genes.

Debido a sus enfoques complementarios—y usualmente diferentes grupos de candidatos de TGH—combinar predicciones de estos métodos paramétricos y filogenéticos puede dar un grupo de genes candidatos a eventos de TGH más exhaustivo. Es más, combinar diferentes métodos paramétricos ha sido visto que mejora significativamente la calidad de las predicciones.[10]​[11]​ Por otra parte, en ausencia de un grupo exhaustivo de genes verdaderamente transferidos horizontalmente, discrepancias entre diferentes métodos[12]​[13]​ pueden ser resultas a través de la combinación de métodos paramétricos y filogenéticos. Sin embargo, combinar inferencias de múltiples métodos también conlleva a un alto índice de falsos positivos.[14]​

Métodos paramétricos

Los métodos paramétricos utilizan características de la secuencia genómica específicas a especies o clados definidos, también llamados marcadores genéticos, para inferir la TGH. Si un fragmento de un genoma se desvía mucho del marcador, esta es una seña de una posible transferencia horizontal. Por ejemplo, como el contenido de GC bacterial cae dentro de un gran rango (ver Figura 2), el contenido GC de un segmento genómico es un simple marcador genético. Los marcadores genéticos usualmente utilizados incluyen la composición de nucleótidos,[15]​ frecuencias de oligonucleótidos[16]​ o características estructurales del genoma.[17]​

Para detectar TGH usando métodos paramétricos, el marcador genéticos del organismo necesita ser claramente reconocible. Sin embargo, el genoma de este no es siempre uniforme con respecto al marcador genético: por ejemplo, el contenido GC de la posición del tercer codón es menor cerca del término de replicación [18]​ y en contenido CG tiende a ser mayor en genes altamente expresados.[19]​ No tomar en cuenta esta variabilidad intragenómica en el organismo puede resultar en sobrestimaciones, marcando segmentos nativos como candidatos a TGH.[8]​ Una ventana deslizable más grande puede explicar esta variabilidad con el costo de reducir la habilidad para detectar regiones de TGH más pequeñas.[12]​

Igual de importante, segmentos transferidos horizontalmente necesitan exhibir los marcadores genéticos del donador. Esto puede no ser el caso para transferencias antiguas donde las secuencias transferidas son sujetas a los mismos procesos mutacionales que el resto del genoma de aceptador, potencialmente causando que las diferencias se "amelioricen"[9]​ y se vuelvan indetectables a través de métodos paramétricos. Por ejemplo, Bdellovibrio bacteriovorus, una δ-Proteobacteria depredadora, tiene un contenido GC homogéneo y puedeconcluirse que su genoma es resistente a TGH.[20]​ Sin embargo, análisis subsecuente utilizando métod filogenéticos identificaron una cantidad de eventos de TGH antigua en el genoma de B. bacteriovorus.[21]​ Similarmente, si el segmento insertado fue previamente ameliorado al genoma del receptor, como es el caso de las inserciones de profagos,[22]​ métodos paramétricos pueden fallar predecir estos eventos de TGH. También, la composición del donador debe ser significativamente diferente del receptor para poder ser identificada como anormal, una condición que puede perderse en el caso de distancia de corta a media de TGH, la cual es muy prevalente. Además, se ha visto que genes adquiridos recientemente tienden a ser más ricos en AT que el promedio del rceptor,[15]​ lo que indica que las diferencias en contenido GC pueden resultar por procesos mutacionales desconocidos después de la adquisición en vez del genoma del donador.

Composición de nucleótidos

En contenido GC bacterial cae dentro de una rango grande con Ca. Zinderia insecticola teniendo un contenido GC de 13.5%[23]​ mientras que el de Anaeromyxobacter dehalogenans es del [24]​. Incluso en un grupo muy de α-Proteobacterias relacionadas, los valores van del 30% al 65% aproximadamente.[25]​ Estas diferencias pueden ser utilizadas cuando se detectan eventos de TGH como un contenido de GC significativamente diferente para el segmento genómico y pueden ser indicación de un origen foráneo[15]​.

Espectro de oligonucleótidos

El espectro de oligonucleótidos (o frecuencias de k-mero) mide la frecuencia de todas las posibles secuencias de nucleótidos de una longitud, en particular en el genoma. Tiende a variar menos en un genoma que entre genomas y puede, por lo tanto, se utilizado como un marcador genético.[26]​ Una desviación de este marcador sugiere que un segmento genético pudo haber llegado a través de transferencia horizontal.

El espectro de oligonucleótidos debe mucho de su poder discriminatorio a el número de oligonucleótidos posibles: si n es el tamaño del vocabulario y w es el tamaño del oligonucleótido, el número de posibles oligonucleótidos diferentes es nw; por ejemplo, hay 45=1024 posible pentanucleótidos. Algunos métodos pueden capturar la señal grabada en patrones de tamaño variable,[27]​ capturando así los patrones raros y discriminatorios al mismo tiempo que los frecuentes pero menos comunes.

El uso preferencial de codones, una medida relacionada con la frecuencia de codones, fue uno de los primeros métodos utilizados en mediciones metódicas de TGH.[16]​ Este enfoque requiere un genoma receptor el cual contiene una tendencia hacia ciertos condones sinónimos (diferentes codones que codifican para el mismo aminoácido) que es claramente diferente a la tendencia encontrada dentro del genoma del donador. El oligonucleótido más simple utilizado como marcador genético es el dinucleótido, por ejemplo, el tercer nucleótido en un codón y el primer nucleótido en el siguiente codón representan el dinucleótido menos restringido por la preferencia de aminoácidos y de codones.[28]​

Es importante optimizar el tamaño de la ventana deslizable en donde contar la frecuencia de oligonucleótidos: na ventana deslizable más grande será un mejor amortiguador de la variabilidad del genoma del receptor al costo de ser peor detectando regiones más pequeñas de TGH.[29]​ Un buen compromiso ha sido reportado utilizando frecuencias de tetranucleótidos en una ventana deslizable de 5 kb con una separación de 0.5 kb.[30]​

Un método conveniente de modelar marcadores genéticos de oligonucleótidos es utilizar cadenas de Markov. La transición de la matriz de probabilidad puede ser derivada de genes endógenos contra adquiridos,[31]​ de donde las probabilidades posteriores bayesianas para un segmento particular de ADN puede ser obtenido.[32]​

Características estructurales

Como la composición de nucleótidos de una molécula de ADN puede ser representada por una secuencia de letras, sus características estructurales pueden ser codificadas en una secuencia numérica. Sus características estructurales incluyen energías de interacción entre pares de bases vecinos,[33]​ el ángulo de giro que hacen dos bases de un par no coplanar[34]​ o la deformación del ADN inducida por proteínas que moldean la cromatina.[35]​

El análisis de autocorrelación de algunas secuencias numéricas muestra periodicidades características en genomas completos.[36]​ De hecho, después de detectar regiones parecidas a las archaea en la bacteria termofílica Thermotoga maritima,[37]​ el espectro de periodicidad de estas regiones era comparado al de regiones homólogas en la archaea Pyrococcus horikoshii.[17]​ Esto reveló que las similitudes en la periodicidad eran fuertes evidencias apoyando el caso de una TGH masiva entre los reinos bacteria y archaea.[17]​

Contexto genómico

La existencia de islas genómicas, regiones pequeñas (típicamente de 10–200kb) de un genoma que pudieron haber sido adquiridas horizontalmente da soporte a la habilidad de identificar genes no nativos localizándolas en un genoma.[38]​ Por ejemplo, un gen de origen ambiguo que forma parte de un operón no nativo puede ser considerado ser no nativo. Alternativamente, secuencias repetidas en ambos extremos o la presencia de integrasas o transposasas puede indicar una región no nativa.[39]​ Una enfoque de aprendizaje automático que combina análisis de fecuancia de oligonucleótidos con información del contexto fue visto que era efectivo para identificar islas genómicas.[40]​ En otro estudio, el contexto fue utilizado como un indicador secundario, después de remover genes que se cree que son nativos o no nativos a través del uso de otros métodos paramétricos.[10]​

Métodos filogenéticos

El uso de análisis filogenético en la detección de TGH fue impulsado por la disponibilidad de muchos nuevos genomas secuenciados. Los métodos filogenéticos detectan inconsistencias en la historia de la evolución de un gen y especies de dos formas: explícitamente, reconstruyendo el árbol genético y reconciliándolo con el árbol de la especie de referencia, o implícitamente, examinando aspectos que se correlacionan con la historia evolutiva de los genes estudiados, ej. patrones de presencia/ausencia entre especies o distancias evolutivas inesperadamente cortas o distantes.

Métodos filogenéticos explícitos

El objetivo de los métodos filogenéticos explícitos es comparar árboles de genes con árboles de especies asociadas. Mientras que diferencias débilmente sustentadas entre árboles de genes y de especies pueden deberse a la incertidumbre de la inferencia, diferencias estadísticamente significativas pueden sugerir eventos de TGH. Por ejemplo, si dos genes de diferentes especies comparten el nodo de conexión ancestral más reciente en el árbol genético, pero las respectivas especies están separadas en el árbol de especies, un evento de TGH puede ser referenciado. Este enfoque puede producir resultados más específicos que el enfoque paramétrico porque las especies involucradas, el tiempo y la dirección e transferencia puede ser potencialmente identidficada.

Como es discutido a más detalle en siguientes secciones, los métodos filogenéticos varían de métodos simples que identifican desde meras diferencias entre árboles de genes y de especies hasta modelos mecanísticos que infieren posibles secuencias de eventos de TGH. Una estrategia intermediaria involucra deconstruir un árbol genético en partes más pequeñas hasta que cada una corresponda al árbol de especies (enfoques de espectro genómico).

Métodos filogenéticos explícitos dependen de la exactitud del árbol genético y de especie utilizado, pero estos pueden ser difíciles de construir.[41]​ Aún cuando no hay duda sobre los árboles utilizados, las filogenias en conflicto puede ser resultado de procesos evolutivos que no son TGH, como duplicaciones y paridad, causando que estos métodos infieran erróneamente eventos de TGH cuando la paralogía es la explicación correcta. Similarmente, en la presencia de clasificación incompleta de linaje, los métodos filogenéticos explícitos pueden erróneamente inferir eventos de TGH.[42]​ Esta es la razón por la cual algunos métodos explícitos basados en modelos prueban muchos escenarios evolutivos tipos de eventos y comparan su ajuste a la información con criterios de parsimonia o probabilísticos.

Pruebas de topologías

Para detectar conjuntos de genes que se ajustan muy poco al árbol de referencia, uno puede utilizar pruebas estadísticas de topología como la de Kishino–Hasegawa (KH),[43]​ Shimodaira–Hasegawa (SH),[44]​ y Aproximadamente Imparcial (AU por su siglas en inglés Approximately Unbiased)[45]​. Estas pruebas miden la probabilidad del alineamiento de la secuencia del gen cuando una topología de referencia es utilizado como hipótesis nula.

El rechazo de la topología de referencia es una indicación de que la historia evolutiva para la familia del gen es inconsistente con el árbol de referencia. Cuando estas inconsistencias no pueden ser explicadas utilizando un número pequeño de eventos no horizontales, como la pérdida y duplicación de genes, un evento de TGH es inferido.

Un análisis de este tipo buscó TGH en grupos homólogos del linaje de γ-proteobacteria.[46]​ Seis árboles de referencia fueron reconstruidos utilizando ya sea una pequeña subunidad altamente conservada de secuencias de RNA ribosomales, un consenso de los árboles genéticos disponibles o alineamientos concatenados ortólogos. El fracaso de rechazar las seis topologías evaluadas, y el rechazo de las siete topologías alternativas, fue interpretado como evidencia para un número pequeño de eventos de TGH en grupos específicos.

La pruebas de topología identifican diferencias en la topología del árbol tomando en cuenta la incertidumbre de la inferencia del árbol pero no hicieron ningún intento de inferir cómo las diferencias surgieron. Para inferir los detalles de eventos particulares, se requiere de métodos de espectro genómico o arreglos del árbol.

Enfoque de espectro genómico

Para poder identificar la localización de los eventos de TGH, los enfoques de espectro genómico descomponen un árbol genético en subestructuras (como biparticiones o cuartetos) e identifican los que son consistente o inconsistentes con el árbol de especies.

Biparticiones Remover un extremo del árbol de referencia produce dos sub-árboles desconectados, cada uno con un grupo de nodos separados—una bipartición. Si una bipartición está presente tanto en el árbol genético como en el de especies, es compatible; de otro modo, es conflictiva. Estos conflictos pueden indicar un evento de TGH o pueden ser el resultado de la incertidumbre de la inferencia del árbol genético. Para reducir la incertidumbre, los análisis de bipartición se concentran típicamente en biparticiones fuertemente apoyadas como las asociadas con valores bootstrap o probabilidades posteriores por encima de ciertos límites. Cualquier familia de genes que se haya encontrado que tiene una o varias biparticiones conflictivas fuertemente apoyadas se considera como un candidato a TGH.[47]​[48]​

Descomposición de cuartetos Los cuartetos son árboles que consisten en cuatro hojas. En árboles bifurcados (completamente resueltos), cada rama interna induce un cuarteto cuyas hojas son sub-árboles del árbol original o hojas del árbol original. Si la topología de un cuarteto extraído del árbol de especies de referencia es incrustado en el árbol genético, el cuarteto es compatible con el árbol genético. Opuestamente, cuartetos fuertemento apoyados incompatibles indican eventos de TGH.[49]​ Métodos cartográficos de cuartetos son mucho más eficientes computacionalmente y representaciones homogéneas de taxones fáciles de manejar entre las familias de genes, haciéndolos una buena base para desarrollar investigaciones grandes para TGH, buscando caminos de compartición de genes en bases de datos de cientos de genomas completos.[50]​[51]​

Poda e injertos de sub-árboles

Una forma mecanística de modelar eventos de TGH en el árbol de referencia es primero cortar una rama interna—ej. podar el árbol—y después realizar un injerto a otro extremo, una operación llamada como poda e injerto de sub-árboles (SPR por sus siglas en inglés, subtree pruning and regrafting).[52]​ Si un árbol genético era topológicamente consistente con el árbol de referencia, los resultados de la edición son inconsistencias. Similarmente, cuando el árbol genético original es inconsistente con el árbol de referencia, es posible obtener una topología consistente a través de una serie de una o más operaciones SPR aplicadas al árbol de referencia. Interpretando el camino tomado por esta técnica, nodos candidatos a TGH pueden ser marcados así como inferir los genomas del donador y receptor.[48]​[53]​ Para evitar reportar eventos de TGH falsos positivos debido a la incertidumbre de la topología del árbol genético, el "camino" óptimo de las operaciones de SPR pueden ser escogidas entre múltiples combinaciones posibles considerando el soporte de la rama en el árbol genético. Extremos de árboles genéticos apoyados débilmente pueden ser ignorados a priori[54]​ o el apoyo puede ser utilizado para calcular un criterio de optimalidad.[55]​[56]​

Como la conversión de un árbol a otro por un número mínimo de operaciones SPR es NP-Hard,[57]​ resolver el problema se vuelve considerablemente más difícil mientras más nudos sean considerados. El reto computacional radica en encontrar el camino óptimo de edición, ej. el que requiere el menor número de pasos,[58]​[59]​ y diferentes estrategias son utilizadas para resolver el problema. Por ejemplo, el algoritmo HorizStory reduce el problema primero eliminando los nodos consistentes;[60]​ poda e injertos repetitivos reconcilia el árbol de referencia con el árbol genético y ediciones óptimas son interpretadas como eventos de TGH. Los métodos de SPR incluidos en los paquetes de reconstrucción de super árboles disminuyen substancialmente el tiempo de búsqueda por un conjunto de operaciones SPR al considerar múltiples problemas menores localizados en grandes árboles a través de un enfoque de agrupación.[61]​

Métodos de reconciliación basados en modelos

La reconciliación de los árboles genético y de especies conlleva a graficar eventos evolutivos a árboles genéticos de una forma que los hace acordes al árbol de especies. Existen diferentes modelos de reconciliación, difiriendo en los tipos de eventos que toman en cuentan para explicar las incongruencias entre las topologías del árbol genético y de especie. Los primeros métodos modelaban exclusivamente transferencia horizontales (T).[52]​[55]​ Los más recientes también considera eventos de duplicación (D), pérdida (L), clasificación incompleta de linaje (ILS) o recombinación homóloga (HR). La dificulta es que permitiendo múltiples tipos de eventos, el número de posibles reconciliaciones incrementa rápidamente. Por ejemplo, la topología conglictiva de un árbol genético puede ser explicada en término de un solo eventos de TGH o varios eventos de duplicación y pérdidas. Ambas alternativas son consideradas posibles reconciliaciones dependiendo de la frecuencia de los eventos a lo largo del árbol de especies.

Métodos de reconciliación pueden depender de un encuadre de parsimonia o probabilístico para inferir el evento más probable, donde el costo relativo/probabilidad de eventos D, T, L pueden ser fijados a priori o estimados a partir de información.[62]​ El espacio de las reconciliaciones DTL y sus costos parsimonios—los cuales pueden ser muchos para familias de árboles de genes con varias copias—pueden ser explorados eficientemente a través de algortimos de programación dinámica.[62]​[63]​[64]​ En algunos programas, la topología del árbol genético puede ser mejorado donde era incierto que quedara como un evento evolutivo así como el alineamiento de la secuencia inicial.[63]​[65]​[66]​ Modelos más refinados toman en cuenta la frecuencia arbitraria de TGH entre linajes estrechamente relacionados,[67]​ reflejando la pérdida de la eficiencia de HR con la distancia filogenética,[68]​ por ILS,[69]​ o por el hecho de que el donador verdadero de la mayoría de la TGH pertenece a un linaje extinto o no muestreado.[70]​ Externsiones mayores de los modelos DTL están siendo desarrollados hacia una descripción integral del proceso de evolución del genoma. En particular, algunos de ellos consideran transferencia horizontales a arias escalas—modelando la evolución independiente de fragmente de genes[71]​ o reconociendo la coevolución de varios genes (ej. debido a una transferencia de intercambio) en y entre genomas.[72]​

Métodos filogenéticos implícitos

En contraste con los métodos filogenéticos explícitos que comparan la concordancia entre los árboles genético y de especies, los métodos filogenéticos implícitos comparan las distancias evolutivas o la similitud de las secuencias. Aquí, una distancia inesperadamente corta o grande desde un punto de referencia comparada con el promedio puede sugerir un evento de TGH. Como la construcción de un árbol no es necesaria, los enfoques implícitos tienden a ser más simples y rápidos que los métodos explícitos.

Sin embargo, los métodos implícitos pueden estar militados por las grandes diferencias entre la correcta filogenia subyacente y las distancias evolutivas consideradas. Por ejemplo, las secuencia más similar obtenida por el BLAST de mayor puntaje no es siempre las más cercana evolutivamente.[73]​

Mejor alineamiento de secuencia en una especie distante

Una manera simple de identificar eventos de TGH es buscando relaciones entre secuencias con altos puntajes en especies relacionadas de lejos. Por ejemplo, un análisis de los resultados de máxima correspondencia de secuencias de proteínas de la bacteria Thermotoga maritima revelaron que la mayoría de los resultados eran en archaeas en vez de en bacterias estrechamente relacionadas, sugiriendo una extensiva TGH entre las dos;[37]​ estas predicciones fueron después apoyadas por un análisis de las características estructurales de la molécula de ADN.[17]​

Sin embargo, este método está limitado a detectar eventos de TGH relativamente recientes. Además, si la TGH ocurrió en el ancestro común de dos o más especies incluidas en la base de datos, el resultado más cercano será dentro del clado y, por lo tanto, la TGH no será detectada por el método. Así, el límite de número mínimo de resultados foráneos más altos de BLAST para observar y decidir si un gen fue transferido es altamente dependiente de la cobertura taxonómica de las secuencia de las bases de datos. Por lo tanto, es posible que los parámetros experimentales deban ser definidos de manera ad-hoc.[74]​

Discrepancia ente distancias de genes y especies

La hipótesis del reloj molecular plantea que genes homólogos evolucionaron a una velocidad aproximadamente constante en diferentes especies.[75]​Si uno considera solamente genes homólogos relacionados a través de eventos de especiación (referidos como genes ortólogos), su árbol subyacente debería por definición corresponder al árbol de especies. Por lo tanto, asumiendo un reloj molecular, la distancia evolutiva entre genes ortólogos debería de ser aproximadamente proporcional al las distancias evolutivas entre sus especies respectivas. Si un grupo putativo contiene xenólogos (pares de genes relacionados a través de una TGH), la proporcionalidad de las distancias evolutivas puede ser que solo se mantenga entre los ortólogos y no los xenólogos.[76]​

Enfoques simples comparan la distribución de los puntajes de similitud entre secuencias particulares y sus contrapartes ortólogas en otras especies; TGH es inferida a partir de valores atípicos.[77]​[78]​ Los métodos DLIGHT (Inferencia basada en Probabilidad de la Distancia de Genes Horizontalmente Transferidos o en inglés 'Distance Likelihood-based Inference of Genes Horizontally Transferred') más sofisticados consideran simultáneamente el efecto de la TGH en todas las secuencias entre grupos de ortólogos putativos:[7]​ si la prueba de proporción de probabilidad de la hipótesis de TGH contra una hipótesis de un evento no de TGH es significativa, un evento de TGH putativo es inferido. Además, este método permite la inferencia de un donador y receptor potencial dando una estimación del tiempo desde el último evento de TGH.

Perfiles filogenéticos

Un grupo de genes ortólogos o homólogos puede ser analizado en término de la presencia o ausencia de miembros del grupo en los genomas de referencia; estos patrones son llamados.[79]​ Para encontrar eventos de TGH, los perfiles filogenéticos son examinados para encontrar una distribución inusual de los genes. La ausencia de un homólogo en algunos miembros del grupo de especies estrechamente relacionadas indica que el gen analizado pudo haber llegado vía un evento de TGH. Por ejemplo, las tres cepas facultativamente simbióticas de Frankia son de diferentes tamaños: 5.43 Mpb, 7.50 Mpb y 9.04 Mpb, dependiendo del rango de receptores.[80]​ Porciones marcadas de genes de cepas específicas no tuvieron un resultado significante en la base de datos de referencia, y fueron posiblemente adquiridas por TGH de otras bacterias. Similarmente, las tres cepas diversamente fenotípicas de Escherichia coli (uropatogénica, enterohemorrágica y benigna) comparten cerca del 40% del acervo génico total combinado, mientras que el otro 60%son genes específicos de la cepa y consecuentemente candidatos a TGH.[81]​ Más evidencias para estos genes resultando de TGH fue el inesperado patrón de uso preferencial de codones de los genes fundamentales y la falta de una conservación del orden genético (conservación del orden es típico de genes evolucionados verticalmente).[81]​ La presencia/ausencia de homólogos (o su conteo efectivo) puede ser utilizado por programas para reconstruir el escenario evolutivo más probable al igual que el árbol de especies. Como con los métodos de reconciliación, esto puede ser obtenido a partir de estimaciones de parsimonia[82]​ o probabilísticas del número de eventos de ganancias o pérdidas.[83]​[84]​ Modelos pueden ser hechos más complejos por procesos aditivos, como la truncación de genes,[85]​ pero también modelando la heterogeneidad de la proporción de ganancias y pérdidas en diferentes linajes[86]​ y/o en familias de genes.[84]​[87]​

Agrupaciones de sitios polimórficos

Los genes son comúnmente considerados como las unidades básicas transferidas a través de eventos de TGH. Sin embargo, es posible que ocurra la TGH dentro de genes. Por ejemplo, ha sido demostrado que la transferencia hosrizontal entre especies relacionadas estrechamente resulta en más intercambios de fragmentos de marcos abiertos de lectura,[88]​[89]​ un tipo de transferencia llamada conversión genética, mediada por recombinación homóloga. El análisis de un grupo de cuatro cepas de Escherichia coli y dos de Shigella flexneri reveló que las secuencias comunes alas seis cepas contenían sitios polimórficos, consecuencia de recombinación homóloga.[90]​ Agrupaciones de sitios polimórficos en exceso pueden ser utilizadas para detectar ADN recombinado con relativos distantes.[91]​ Este método de detección es, sin embargo, restringido a sitios en común para todas las secuencias analizadas, limitando el análisis a un grupo de organismo estrechamente relacionados.

Evaluación

La existencia de varios y diferentes métodos para inferir TGH plantea la cuestión de cómo validar inferencias individuales y cómo compara los diferentes métodos.

Un problema principal es que, como con otros tipos de inferencias filogenéticas, la verdadera historia evolutiva no puede ser establecida con seguridad. Como resultado, es difícil obtener un grupo de pruebas representativas de eventos de TGH. Además, los métodos de TGH varían considerablemente en la información que consideran y normalmente identifican grupos inconsistentes como candidatos a TGH:[6]​[92]​ no es claro en qué medida tomar la intersección, la unión o alguna otra combinación de los métodos individuales afecta la proporción de falsos positivos y falsos negativos.[14]​

Los métodos paramétricos y filogenéticos aprovechan diferentes fuentes de información; es, por lo tanto, más difícil hacer aseveraciones generales sobre su desempeño relativo. No obstante, se pueden utilizar argumentos conceptuales. Mientras que los métodos paramétricos están limitados al análisis de genomas únicos o en parejas, los métodos filogenéticos otorgan un encuadre natural para tomar ventaja de la información contenida en múltiples genomas. En muchos casos, segmentos de genomas inferidos como TGH basados en su composición anómala pueden ser reconocidos como tal con base en análisis filogenéticos o a través de la mera ausencia en genomas de organismo relacionados. Además, los métodos filogenéticos dependen de modelos explícitos de la evolución de la secuencia, lo que implica una parte bien entendida para los parámetros de inferencia, pruebas de hipótesis y selección de modelos. Esto se refleja en la literatura, la cual tienden a a favorecer los métodos filogenéticos como prueba estándar para la TGH.[93]​[94]​[95]​[96]​ El uso de métodos filogenéticos parece ser la preferencia, especialmente dado el incremento en el poder computacional acompañado de mejoras de algoritmos que los han hecho más manejables,[61]​[70]​ y que cada vez es más la cantidad de genomas muestreados que dan más poder a estas pruebas.

Considerando los métodos filogenéticos, varios enfoques que validan inferencias de TGH individuales y métodos de evaluación comparativa han sido adoptados, típicamente dependiendo de varias formas de simulación. Como la verdad es conocida en similación, el número de falsos positivos y de falsos negativos es fácil de calcular. Sin embargo, simular información no resuelve el problema porque la verdadera extensión de la TGH en la naturaleza permanece en gran parte desconocida y especificar velocidades de TGH en el modelo de simulación es siempre arriesgado. No obstante, estudios que involucran la comparación de varios métodos filogenéticos en un encuadre de simulación podría dar un ensayo cuantitativo de sus desempeños respectivos y por lo tanto ayudar a un biólogo a elegir objetivamente las herramientas correctas.[56]​

Herramientas estándar que simulan la evolución de la secuencia en árboles como INDELible[97]​ o PhyloSim[98]​ pueden ser adaptados para simular TGH. Los eventos de TGH cauan que árboles genéticos importantes entre en conflicto con el árbol de especies. Estos eventos pueden ser simulados a través de SPR del árbol de especies.[54]​ Sin embargo, es importante simular la información que es suficientemente realista para ser representativo del reto de verdaderos bancos de información, y simulación bajo modelos complejos son lo preferible. Un modelo fue desarrollado para simular árboles genéticos con el proceso de substitución heterogénea además de la ocurrencia de la transferencia y tomando en cuenta el hecho de que la transferencia puede llegar de linajes que ahora están extintos.[99]​ Alternativamente, el simulador de la evolución genómica ALF[100]​ genera directamente familias de genes sujetas a TGH tomando en cuenta un gran rango de fuerzas evolutivas como base, pero en el contexto de un genoma completo. Dadas secuencias simuladas que tienen TGH, el análisis de estas secuencias utilizando los métodos de interés y comparación de sus resultados con la verdad conocida permite estudiar su desempeño. Similarmente, los métodos de pruebas en secuencias que se abe que no hay TGH permite que el estudio no tenga falsos positivos.

Simulación de eventos de TGH puede ser realizada por la manipulación de las mismas secuencias biológicas. Genomas de quimeras artificiales pueden ser obtenidos insertando genes foráneos conocidos a posiciones aleatorias del genoma del receptor.[12]​[101]​[102]​[103]​ Las secuencias del donador son insertadas al receptor sin cambios o pueden ser evolucionadas a través de siulación,[7]​ ej. usando los métodos descritos anteriormente.

Una importante advertencia de las simulaciones como forma de comparar los diferentes métodos es que la simulación está basada en suposiciones simplificadas que pueden favorecer ciertos métodos.[104]​

Véase también

Referencias

[105]​

  1. Hiramatsu, K; Cui, L; Kuroda, M; Ito, T (2001). «The emergence and evolution of methicillin-resistant Staphylococcus aureus». Trends in microbiology 9 (10): 486-93. PMID 11597450. doi:10.1016/s0966-842x(01)02175-8. 
  2. Griffith, F (1928). «The Significance of Pneumococcal Types». The Journal of hygiene 27 (2): 113-59. PMC 2167760. PMID 20474956. doi:10.1017/s0022172400031879. 
  3. Tatum, E. L.; Lederberg, J (1947). «Gene Recombination in the Bacterium Escherichia coli». Journal of Bacteriology 53 (6): 673-84. PMC 518375. PMID 16561324. 
  4. Zinder, N. D.; Lederberg, J. (1952). «Genetic Exchange in Salmonella». Journal of Bacteriology 64 (5): 679-699. PMC 169409. PMID 12999698. 
  5. Jones, D; Sneath, P. H. (1970). «Genetic transfer and bacterial taxonomy». Bacteriological reviews 34 (1): 40-81. PMC 378348. PMID 4909647. 
  6. ↑ Lawrence, J. G.; Ochman, H (2002). «Reconciling the many faces of lateral gene transfer». Trends in microbiology 10 (1): 1-4. PMID 11755071. doi:10.1016/s0966-842x(01)02282-x. 
  7. ↑ Dessimoz, C.; Margadant, D.; Gonnet, G. H. (2008). «DLIGHT – Lateral Gene Transfer Detection Using Pairwise Evolutionary Distances in a Statistical Framework». Research in Computational Molecular Biology. Lecture Notes in Computer Science 4955. p. 315. ISBN 978-3-540-78838-6. doi:10.1007/978-3-540-78839-3_27. 
  8. ↑ Guindon, S; Perrière, G (2001). «Intragenomic base content variation is a potential source of biases when searching for horizontally transferred genes». Molecular Biology and Evolution 18 (9): 1838-40. PMID 11504864. doi:10.1093/oxfordjournals.molbev.a003972. 
  9. ↑ Lawrence, J. G.; Ochman, H (1997). «Amelioration of bacterial genomes: Rates of change and exchange». Journal of Molecular Evolution 44 (4): 383-97. PMID 9089078. doi:10.1007/pl00006158. 
  10. ↑ Azad, R. K.; Lawrence, J. G. (2011). «Towards more robust methods of alien gene detection». Nucleic Acids Research 39 (9): e56. PMC 3089488. PMID 21297116. doi:10.1093/nar/gkr059. 
  11. Xiong, D; Xiao, F; Liu, L; Hu, K; Tan, Y; He, S; Gao, X (2012). «Towards a better detection of horizontally transferred genes by combining unusual properties effectively». PLoS ONE 7 (8): e43126. PMC 3419211. PMID 22905214. doi:10.1371/journal.pone.0043126. 
  12. ↑ Becq, J; Churlaud, C; Deschavanne, P (2010). «A benchmark of parametric methods for horizontal transfers detection». PLoS ONE 5 (4): e9989. PMC 2848678. PMID 20376325. doi:10.1371/journal.pone.0009989. 
  13. Poptsova, M (2009). Testing Phylogenetic Methods to Identify Horizontal Gene Transfer. «Horizontal Gene Transfer». Methods in molecular biology (Clifton, N.J.). Methods in Molecular Biology 532. pp. 227-40. ISBN 978-1-60327-852-2. PMID 19271188. doi:10.1007/978-1-60327-853-9_13. 
  14. ↑ Poptsova, M. S.; Gogarten, J. P. (2007). «The power of phylogenetic approaches to detect horizontally transferred genes». BMC Evolutionary Biology 7: 45. PMC 1847511. PMID 17376230. doi:10.1186/1471-2148-7-45. 
  15. ↑ Daubin, V; Lerat, E; Perrière, G (2003). «The source of laterally transferred genes in bacterial genomes». Genome Biology 4 (9): R57. PMC 193657. PMID 12952536. doi:10.1186/gb-2003-4-9-r57. 
  16. ↑ Lawrence, J. G.; Ochman, H (1998). «Molecular archaeology of the Escherichia coli genome». Proceedings of the National Academy of Sciences of the United States of America 95 (16): 9413-7. PMC 21352. PMID 9689094. doi:10.1073/pnas.95.16.9413. 
  17. ↑ Worning, P; Jensen, L. J.; Nelson, K. E.; Brunak, S; Ussery, D. W. (2000). «Structural analysis of DNA sequence: Evidence for lateral gene transfer in Thermotoga maritima». Nucleic Acids Research 28 (3): 706-9. PMC 102551. PMID 10637321. doi:10.1093/nar/28.3.706. 
  18. Deschavanne, P; Filipski, J (1995). «Correlation of GC content with replication timing and repair mechanisms in weakly expressed E.coli genes». Nucleic Acids Research 23 (8): 1350-3. PMC 306860. PMID 7753625. doi:10.1093/nar/23.8.1350. 
  19. Wuitschick, J. D.; Karrer, K. M. (1999). «Analysis of genomic G + C content, codon usage, initiator codon context and translation termination sites in Tetrahymena thermophila». The Journal of eukaryotic microbiology 46 (3): 239-47. PMID 10377985. doi:10.1111/j.1550-7408.1999.tb05120.x. 
  20. Rendulic, S.; Jagtap, P.; Rosinus, A.; Eppinger, M.; Baar, C.; Lanz, C.; Keller, H.; Lambert, C.; Evans, K. J.; Goesmann, A.; Meyer, F.; Sockett, R. E.; Schuster, S. C. (2004). «A Predator Unmasked: Life Cycle of Bdellovibrio bacteriovorus from a Genomic Perspective». Science 303 (5658): 689-692. PMID 14752164. doi:10.1126/science.1093027. 
  21. Gophna, U; Charlebois, R. L.; Doolittle, W. F. (2006). «Ancient lateral gene transfer in the evolution of Bdellovibrio bacteriovorus». Trends in Microbiology 14 (2): 64-9. PMID 16413191. doi:10.1016/j.tim.2005.12.008. 
  22. Vernikos, G. S.; Thomson, N. R.; Parkhill, J (2007). «Genetic flux over time in the Salmonella lineage». Genome Biology 8 (6): R100. PMC 2394748. PMID 17547764. doi:10.1186/gb-2007-8-6-r100. 
  23. McCutcheon, J. P.; Moran, N. A. (2010). «Functional convergence in reduced genomes of bacterial symbionts spanning 200 My of evolution». Genome Biology and Evolution 2: 708-18. PMC 2953269. PMID 20829280. doi:10.1093/gbe/evq055. 
  24. Liu, Z; Venkatesh, S. S.; Maley, C. C. (2008). «Sequence space coverage, entropy of genomes and the potential to detect non-human DNA in human samples». BMC Genomics 9: 509. PMC 2628393. PMID 18973670. doi:10.1186/1471-2164-9-509. 
  25. Bentley, S. D.; Parkhill, J (2004). «Comparative genomic structure of prokaryotes». Annual Review of Genetics 38: 771-92. PMID 15568993. doi:10.1146/annurev.genet.38.072902.094318. 
  26. Karlin, S; Burge, C (1995). «Dinucleotide relative abundance extremes: A genomic signature». Trends in genetics : TIG 11 (7): 283-90. PMID 7482779. 
  27. Vernikos, G. S.; Parkhill, J (2006). «Interpolated variable order motifs for identification of horizontally acquired DNA: Revisiting the Salmonella pathogenicity islands». Bioinformatics 22 (18): 2196-203. PMID 16837528. doi:10.1093/bioinformatics/btl369. 
  28. Hooper, S. D.; Berg, O. G. (2002). «Detection of genes with atypical nucleotide sequence in microbial genomes». Journal of Molecular Evolution 54 (3): 365-75. PMID 11847562. doi:10.1007/s00239-001-0051-8. 
  29. Deschavanne, P. J.; Giron, A; Vilain, J; Fagot, G; Fertil, B (1999). «Genomic signature: Characterization and classification of species assessed by chaos game representation of sequences». Molecular Biology and Evolution 16 (10): 1391-9. PMID 10563018. doi:10.1093/oxfordjournals.molbev.a026048. 
  30. Dufraigne, C; Fertil, B; Lespinats, S; Giron, A; Deschavanne, P (2005). «Detection and characterization of horizontal transfers in prokaryotes using genomic signature». Nucleic Acids Research 33 (1): e6. PMC 546175. PMID 15653627. doi:10.1093/nar/gni004. 
  31. Cortez, D; Forterre, P; Gribaldo, S (2009). «A hidden reservoir of integrative elements is the major source of recently acquired foreign genes and ORFans in archaeal and bacterial genomes». Genome Biology 10 (6): R65. PMC 2718499. PMID 19531232. doi:10.1186/gb-2009-10-6-r65. 
  32. Nakamura, Y; Itoh, T; Matsuda, H; Gojobori, T (2004). «Biased biological functions of horizontally transferred genes in prokaryotic genomes». Nature Genetics 36 (7): 760-6. PMID 15208628. doi:10.1038/ng1381. 
  33. Ornstein, R. L.; Rein, R (1978). «An optimized potential function for the calculation of nucleic acid interaction energies I. Base stacking». Biopolymers 17 (10): 2341-60. PMID 24624489. doi:10.1002/bip.1978.360171005. 
  34. El Hassan, M. A.; Calladine, C. R. (1996). «Propeller-twisting of base-pairs and the conformational mobility of dinucleotide steps in DNA». Journal of Molecular Biology 259 (1): 95-103. PMID 8648652. doi:10.1006/jmbi.1996.0304. 
  35. Olson, W. K.; Gorin, A. A.; Lu, X. J.; Hock, L. M.; Zhurkin, V. B. (1998). «DNA sequence-dependent deformability deduced from protein-DNA crystal complexes». Proceedings of the National Academy of Sciences of the United States of America 95 (19): 11163-8. PMC 21613. PMID 9736707. doi:10.1073/pnas.95.19.11163. 
  36. Herzel, H; Weiss, O; Trifonov, E. N. (1999). «10-11 bp periodicities in complete genomes reflect protein structure and DNA folding». Bioinformatics (Oxford, England) 15 (3): 187-93. PMID 10222405. doi:10.1093/bioinformatics/15.3.187. 
  37. ↑ Fraser, C. M.; Clayton, K. E.; Gill, R. A.; Gwinn, S. R.; Dodson, M. L.; Haft, R. J.; Hickey, D. H.; Peterson, E. K.; Nelson, J. D.; Ketchum, W. C.; McDonald, K. A.; Utterback, L.; Malek, T. R.; Linher, J. A.; Garrett, K. D.; Stewart, M. M.; Cotton, A. M.; Pratt, M. D.; Phillips, M. S.; Richardson, C. A.; Heidelberg, D.; Sutton, J.; Fleischmann, G. G.; Eisen, R. D.; White, J. A.; Salzberg, O.; Smith, S. L.; Venter, H. O.; Fraser, J. C. (1999). «Evidence for lateral gene transfer between Archaea and bacteria from genome sequence of Thermotoga maritima». Nature 399 (6734): 323-329. Bibcode:1999Natur.399..323N. PMID 10360571. doi:10.1038/20601. 
  38. Langille, M. G. I.; Hsiao, W. W. L.; Brinkman, F. S. L. (2010). «Detecting genomic islands using bioinformatics approaches». Nature Reviews Microbiology 8 (5): 373-382. PMID 20395967. doi:10.1038/nrmicro2350. 
  39. Hacker, J; Blum-Oehler, G; Mühldorfer, I; Tschäpe, H (1997). «Pathogenicity islands of virulent bacteria: Structure, function and impact on microbial evolution». Molecular Microbiology 23 (6): 1089-97. PMID 9106201. doi:10.1046/j.1365-2958.1997.3101672.x. 
  40. Vernikos, G. S.; Parkhill, J (2008). «Resolving the structural features of genomic islands: A machine learning approach». Genome Research 18 (2): 331-42. PMC 2203631. PMID 18071028. doi:10.1101/gr.7004508. 
  41. Altenhoff, A. M.; Dessimoz, C (2012). Inferring Orthology and Paralogy. «Evolutionary Genomics». Methods in molecular biology (Clifton, N.J.). Methods in Molecular Biology 855. pp. 259-79. ISBN 978-1-61779-581-7. PMID 22407712. doi:10.1007/978-1-61779-582-4_9. 
  42. Than, C; Ruths, D; Innan, H; Nakhleh, L (2007). «Confounding factors in HGT detection: Statistical error, coalescent effects, and multiple solutions». Journal of Computational Biology 14 (4): 517-35. PMID 17572027. doi:10.1089/cmb.2007.A010. 
  43. Goldman, N; Anderson, J. P.; Rodrigo, A. G. (2000). «Likelihood-based tests of topologies in phylogenetics». Systematic Biology 49 (4): 652-70. PMID 12116432. doi:10.1080/106351500750049752. 
  44. Shimodaira, H; Hasegawa, M (1999). «Multiple Comparisons of Log-Likelihoods with Applications to Phylogenetic Inference». Molecular Biology and Evolution 16 (8): 1114-1116. doi:10.1093/oxfordjournals.molbev.a026201. 
  45. Shimodaira, H (2002). «An approximately unbiased test of phylogenetic tree selection». Systematic Biology 51 (3): 492-508. PMID 12079646. doi:10.1080/10635150290069913. 
  46. Lerat, E; Daubin, V; Moran, N. A. (2003). «From gene trees to organismal phylogeny in prokaryotes: The case of the gamma-Proteobacteria». PLoS Biology 1 (1): E19. PMC 193605. PMID 12975657. doi:10.1371/journal.pbio.0000019. 
  47. Zhaxybayeva, O; Hamel, L; Raymond, J; Gogarten, J. P. (2004). «Visualization of the phylogenetic content of five genomes using dekapentagonal maps». Genome Biology 5 (3): R20. PMC 395770. PMID 15003123. doi:10.1186/gb-2004-5-3-r20. 
  48. ↑ Beiko, R. G.; Harlow, T. J.; Ragan, M. A. (2005). «Highways of gene sharing in prokaryotes». Proceedings of the National Academy of Sciences 102 (40): 14332-7. PMC 1242295. PMID 16176988. doi:10.1073/pnas.0504068102. 
  49. Zhaxybayeva, O; Gogarten, J. P.; Charlebois, R. L.; Doolittle, W. F.; Papke, R. T. (2006). «Phylogenetic analyses of cyanobacterial genomes: Quantification of horizontal gene transfer events». Genome Research 16 (9): 1099-108. PMC 1557764. PMID 16899658. doi:10.1101/gr.5322306. 
  50. Bansal, M. S.; Banay, G; Gogarten, J. P.; Shamir, R (2011). «Detecting highways of horizontal gene transfer». Journal of Computational Biology 18 (9): 1087-114. PMID 21899418. doi:10.1089/cmb.2011.0066. 
  51. Bansal, M. S.; Banay, G; Harlow, T. J.; Gogarten, J. P.; Shamir, R (2013). «Systematic inference of highways of horizontal gene transfer in prokaryotes». Bioinformatics 29 (5): 571-9. PMID 23335015. doi:10.1093/bioinformatics/btt021. 
  52. ↑ Hallett MT, Lagergren J. RECOMB 2001. Montreal: ACM; 2001. Efficient Algorithms for Lateral Gene Transfer Problems; pp. 149–156.
  53. Baroni, M; Grünewald, S; Moulton, V; Semple, C (2005). «Bounding the number of hybridisation events for a consistent evolutionary history». Journal of Mathematical Biology 51 (2): 171-82. PMID 15868201. doi:10.1007/s00285-005-0315-9. 
  54. ↑ Beiko, R. G.; Hamilton, N (2006). «Phylogenetic identification of lateral genetic transfer events». BMC Evolutionary Biology 6: 15. PMC 1431587. PMID 16472400. doi:10.1186/1471-2148-6-15. 
  55. ↑ Nakhleh L, Ruths DA, Wang L: RIATA-HGT: A Fast and Accurate Heuristic for Reconstructing Horizontal Gene Transfer. COCOON, August 16–29, 2005; Kunming 2005.
  56. ↑ Abby, S. S.; Tannier, E; Gouy, M; Daubin, V (2010). «Detecting lateral gene transfers by statistical reconciliation of phylogenetic forests». BMC Bioinformatics 11: 324. PMC 2905365. PMID 20550700. doi:10.1186/1471-2105-11-324. 
  57. Hickey, G; Dehne, F; Rau-Chaplin, A; Blouin, C (2008). «SPR distance computation for unrooted trees». Evolutionary bioinformatics online 4: 17-27. PMC 2614206. PMID 19204804. 
  58. Hein, J.; Jiang, T.; Wang, L.; Zhang, K. (1996). «On the complexity of comparing evolutionary trees». Discrete Applied Mathematics 71: 153-169. doi:10.1016/S0166-218X(96)00062-5. 
  59. Allen, B. L.; Steel, M. (2001). «Subtree Transfer Operations and Their Induced Metrics on Evolutionary Trees». Annals of Combinatorics 5: 1-15. doi:10.1007/s00026-001-8006-8. 
  60. MacLeod, D; Charlebois, R. L.; Doolittle, F; Bapteste, E (2005). «Deduction of probable events of lateral gene transfer through comparison of phylogenetic trees by recursive consolidation and rearrangement». BMC Evolutionary Biology 5: 27. PMC 1087482. PMID 15819979. doi:10.1186/1471-2148-5-27. 
  61. ↑ Whidden, C; Zeh, N; Beiko, R. G. (2014). «Supertrees Based on the Subtree Prune-and-Regraft Distance». Systematic Biology 63 (4): 566-81. PMC 4055872. PMID 24695589. doi:10.1093/sysbio/syu023. 
  62. ↑ Doyon, J. P.; Hamel, S; Chauve, C (2012). «An efficient method for exploring the space of gene tree/species tree reconciliations in a probabilistic framework». IEEE/ACM Transactions on Computational Biology and Bioinformatics 9 (1): 26-39. PMID 21464510. doi:10.1109/TCBB.2011.64. 
  63. ↑ David, L. A.; Alm, E. J. (2011). «Rapid evolutionary innovation during an Archaean genetic expansion». Nature 469 (7328): 93-6. PMID 21170026. doi:10.1038/nature09649. 
  64. Szöllosi, G. J.; Boussau, B; Abby, S. S.; Tannier, E; Daubin, V (2012). «Phylogenetic modeling of lateral gene transfer reconstructs the pattern and relative timing of speciations». Proceedings of the National Academy of Sciences 109 (43): 17513-8. PMC 3491530. PMID 23043116. doi:10.1073/pnas.1202997109. 
  65. Nguyen, T. H.; Ranwez, V; Pointet, S; Chifolleau, A. M.; Doyon, J. P.; Berry, V (2013). «Reconciliation and local gene tree rearrangement can be of mutual profit». Algorithms for Molecular Biology 8 (1): 12. PMC 3871789. PMID 23566548. doi:10.1186/1748-7188-8-12. 
  66. Szöllosi, G. J.; Tannier, E; Lartillot, N; Daubin, V (2013). «Lateral gene transfer from the dead». Systematic Biology 62 (3): 386-97. PMC 3622898. PMID 23355531. doi:10.1093/sysbio/syt003. 
  67. Bansal, M. S.; Alm, E. J.; Kellis, M (2012). «Efficient algorithms for the reconciliation problem with gene duplication, horizontal transfer and loss». Bioinformatics 28 (12): i283-91. PMC 3371857. PMID 22689773. doi:10.1093/bioinformatics/bts225. 
  68. Majewski, J; Zawadzki, P; Pickerill, P; Cohan, F. M.; Dowson, C. G. (2000). «Barriers to genetic exchange between bacterial species: Streptococcus pneumoniae transformation». Journal of Bacteriology 182 (4): 1016-23. PMC 94378. PMID 10648528. doi:10.1128/jb.182.4.1016-1023.2000. 
  69. Sjöstrand, J; Tofigh, A; Daubin, V; Arvestad, L; Sennblad, B; Lagergren, J (2014). «A Bayesian method for analyzing lateral gene transfer». Systematic Biology 63 (3): 409-20. PMID 24562812. doi:10.1093/sysbio/syu007. 
  70. ↑ Szöllõsi, G. J.; Rosikiewicz, W; Boussau, B; Tannier, E; Daubin, V (2013). «Efficient exploration of the space of reconciled gene trees». Systematic Biology 62 (6): 901-12. PMC 3797637. PMID 23925510. doi:10.1093/sysbio/syt054. 
  71. Haggerty, L. S.; Jachiet, P. A.; Hanage, W. P.; Fitzpatrick, D. A.; Lopez, P; O'Connell, M. J.; Pisani, D; Wilkinson, M; Bapteste, E; McInerney, J. O. (2014). «A pluralistic account of homology: Adapting the models to the data». Molecular Biology and Evolution 31 (3): 501-16. PMC 3935183. PMID 24273322. doi:10.1093/molbev/mst228. 
  72. Szöllősi, G. J.; Tannier, E; Daubin, V; Boussau, B (2015). «The inference of gene trees with species trees». Systematic Biology 64 (1): e42-62. PMC 4265139. PMID 25070970. doi:10.1093/sysbio/syu048. 
  73. Koski, L. B.; Golding, G. B. (2001). «The closest BLAST hit is often not the nearest neighbor». Journal of Molecular Evolution 52 (6): 540-2. PMID 11443357. doi:10.1007/s002390010184. 
  74. Wisniewski-Dyé, F.; Borziak, K.; Khalsa-Moyers, G.; Alexandre, G.; Sukharnikov, L. O.; Wuichet, K.; Hurst, G. B.; McDonald, W. H.; Robertson, J. S.; Barbe, V.; Calteau, A.; Rouy, Z.; Mangenot, S.; Prigent-Combaret, C.; Normand, P.; Boyer, M.; Siguier, P.; Dessaux, Y.; Elmerich, C.; Condemine, G.; Krishnen, G.; Kennedy, I.; Paterson, A. H.; González, V.; Mavingui, P.; Zhulin, I. B. (2011). «Azospirillum Genomes Reveal Transition of Bacteria from Aquatic to Terrestrial Environments». En Richardson, Paul M, ed. PLoS Genetics 7 (12): e1002430. PMC 3245306. PMID 22216014. doi:10.1371/journal.pgen.1002430. 
  75. Zuckerkandl, E. and Pauling, L.B. 1965. Evolutionary divergence and convergence in proteins. In Bryson, V.and Vogel, H.J. (editors). Evolving Genes and Proteins. Academic Press, New York. pp. 97–166.
  76. Novichkov, P. S.; Omelchenko, M. V.; Gelfand, M. S.; Mironov, A. A.; Wolf, Y. I.; Koonin, E. V. (2004). «Genome-wide molecular clock and horizontal gene transfer in bacterial evolution». Journal of Bacteriology 186 (19): 6575-85. PMC 516599. PMID 15375139. doi:10.1128/JB.186.19.6575-6585.2004. 
  77. Lawrence, J. G.; Hartl, D. L. (1992). «Inference of horizontal genetic transfer from molecular data: An approach using the bootstrap». Genetics 131 (3): 753-60. PMC 1205046. PMID 1628816. 
  78. Clarke, G. D.; Beiko, R. G.; Ragan, M. A.; Charlebois, R. L. (2002). «Inferring genome trees by using a filter to eliminate phylogenetically discordant sequences and a distance matrix based on mean normalized BLASTP scores». Journal of Bacteriology 184 (8): 2072-80. PMC 134965. PMID 11914337. doi:10.1128/jb.184.8.2072-2080.2002. 
  79. Pellegrini, M; Marcotte, E. M.; Thompson, M. J.; Eisenberg, D; Yeates, T. O. (1999). «Assigning protein functions by comparative genome analysis: Protein phylogenetic profiles». Proceedings of the National Academy of Sciences of the United States of America 96 (8): 4285-8. PMC 16324. PMID 10200254. doi:10.1073/pnas.96.8.4285. 
  80. Normand, P.; Lapierre, P.; Tisa, L. S.; Gogarten, J. P.; Alloisio, N.; Bagnarol, E.; Bassi, C. A.; Berry, A. M.; Bickhart, D. M.; Choisne, N.; Couloux, A.; Cournoyer, B.; Cruveiller, S.; Daubin, V.; Demange, N.; Francino, M. P.; Goltsman, E.; Huang, Y.; Kopp, O. R.; Labarre, L.; Lapidus, A.; Lavire, C.; Marechal, J.; Martinez, M.; Mastronunzio, J. E.; Mullin, B. C.; Niemann, J.; Pujic, P.; Rawnsley, T.; Rouy, Z. (2006). «Genome characteristics of facultatively symbiotic Frankia sp. Strains reflect host range and host plant biogeography». Genome Research 17 (1): 7-15. PMC 1716269. PMID 17151343. doi:10.1101/gr.5798407. 
  81. ↑ Welch, R. A.; Burland, V; Plunkett g, 3rd; Redford, P; Roesch, P; Rasko, D; Buckles, E. L.; Liou, S. R.; Boutin, A; Hackett, J; Stroud, D; Mayhew, G. F.; Rose, D. J.; Zhou, S; Schwartz, D. C.; Perna, N. T.; Mobley, H. L.; Donnenberg, M. S.; Blattner, F. R. (2002). «Extensive mosaic structure revealed by the complete genome sequence of uropathogenic Escherichia coli». Proceedings of the National Academy of Sciences 99 (26): 17020-4. PMC 139262. PMID 12471157. doi:10.1073/pnas.252529799. 
  82. Csűrös, M. S. (2008). «Ancestral Reconstruction by Asymmetric Wagner Parsimony over Continuous Characters and Squared Parsimony over Distributions». Comparative Genomics. Lecture Notes in Computer Science 5267. p. 72. ISBN 978-3-540-87988-6. doi:10.1007/978-3-540-87989-3_6. 
  83. Pagel, M. (1999). «Inferring the historical patterns of biological evolution». Nature 401 (6756): 877-84. PMID 10553904. doi:10.1038/44766. 
  84. ↑ Csurös, M; Miklós, I (2009). «Streamlining and large ancestral genomes in Archaea inferred with a phylogenetic birth-and-death model». Molecular Biology and Evolution 26 (9): 2087-95. PMC 2726834. PMID 19570746. doi:10.1093/molbev/msp123. 
  85. Hao, W; Golding, G. B. (2010). «Inferring bacterial genome flux while considering truncated genes». Genetics 186 (1): 411-26. PMC 2940306. PMID 20551435. doi:10.1534/genetics.110.118448. 
  86. Hao, W; Golding, G. B. (2006). «The fate of laterally transferred genes: Life in the fast lane to adaptation or death». Genome Research 16 (5): 636-43. PMC 1457040. PMID 16651664. doi:10.1101/gr.4746406. 
  87. Hao, W; Golding, G. B. (2008). «Uncovering rate variation of lateral gene transfer during bacterial genome evolution». BMC Genomics 9: 235. PMC 2426709. PMID 18492275. doi:10.1186/1471-2164-9-235. 
  88. Ochman, H; Lawrence, J. G.; Groisman, E. A. (2000). «Lateral gene transfer and the nature of bacterial innovation». Nature 405 (6784): 299-304. PMID 10830951. doi:10.1038/35012500. 
  89. Papke, R. T.; Koenig, J. E.; Rodríguez-Valera, F; Doolittle, W. F. (2004). «Frequent recombination in a saltern population of Halorubrum». Science 306 (5703): 1928-9. PMID 15591201. doi:10.1126/science.1103289. 
  90. Mau, B; Glasner, J. D.; Darling, A. E.; Perna, N. T. (2006). «Genome-wide detection and analysis of homologous recombination among sequenced strains of Escherichia coli». Genome Biology 7 (5): R44. PMC 1779527. PMID 16737554. doi:10.1186/gb-2006-7-5-r44. 
  91. Didelot, X; Falush, D (2007). «Inference of bacterial microevolution using multilocus sequence data». Genetics 175 (3): 1251-66. PMC 1840087. PMID 17151252. doi:10.1534/genetics.106.063305. 
  92. Ragan, M. A. (2001). «On surrogate methods for detecting lateral gene transfer». FEMS microbiology letters 201 (2): 187-91. PMID 11470360. doi:10.1111/j.1574-6968.2001.tb10755.x. 
  93. Ragan, M. A.; Harlow, T. J.; Beiko, R. G. (2006). «Do different surrogate methods detect lateral genetic transfer events of different relative ages?». Trends in Microbiology 14 (1): 4-8. PMID 16356716. doi:10.1016/j.tim.2005.11.004. 
  94. Kechris, K. J.; Lin, J. C.; Bickel, P. J.; Glazer, A. N. (2006). «Quantitative exploration of the occurrence of lateral gene transfer by using nitrogen fixation genes as a case study». Proceedings of the National Academy of Sciences 103 (25): 9584-9. PMC 1480450. PMID 16769896. doi:10.1073/pnas.0603534103. 
  95. Nancy A. Moran; Tyler Jarvik (2010). «Lateral Transfer of Genes from Fungi Underlies Carotenoid Production in Aphids». Science 328 (5978): 624-627. Bibcode:2010Sci...328..624M. PMID 20431015. doi:10.1126/science.1187113. 
  96. Danchin, E. G.; Rosso, M. N.; Vieira, P; De Almeida-Engler, J; Coutinho, P. M.; Henrissat, B; Abad, P (2010). «Multiple lateral gene transfers and duplications have promoted plant parasitism ability in nematodes». Proceedings of the National Academy of Sciences 107 (41): 17651-6. PMC 2955110. PMID 20876108. doi:10.1073/pnas.1008486107. 
  97. Fletcher, W; Yang, Z (2009). «INDELible: A flexible simulator of biological sequence evolution». Molecular Biology and Evolution 26 (8): 1879-88. PMC 2712615. PMID 19423664. doi:10.1093/molbev/msp098. 
  98. Sipos, B; Massingham, T; Jordan, G. E.; Goldman, N (2011). «Phylo Sim - Monte Carlo simulation of sequence evolution in the R statistical computing environment». BMC Bioinformatics 12: 104. PMC 3102636. PMID 21504561. doi:10.1186/1471-2105-12-104. 
  99. Galtier, N (2007). «A model of horizontal gene transfer and the bacterial phylogeny problem». Systematic Biology 56 (4): 633-42. PMID 17661231. doi:10.1080/10635150701546231. 
  100. Dalquen, D. A.; Anisimova, M; Gonnet, G. H.; Dessimoz, C (2012). «ALF--a simulation framework for genome evolution». Molecular Biology and Evolution 29 (4): 1115-23. PMC 3341827. PMID 22160766. doi:10.1093/molbev/msr268. 
  101. Cortez, D. Q.; Lazcano, A; Becerra, A (2005). «Comparative analysis of methodologies for the detection of horizontally transferred genes: A reassessment of first-order Markov models». In silico biology 5 (5-6): 581-92. PMID 16610135. 
  102. Tsirigos, A; Rigoutsos, I (2005). «A new computational method for the detection of horizontal gene transfer events». Nucleic Acids Research 33 (3): 922-33. PMC 549390. PMID 15716310. doi:10.1093/nar/gki187. 
  103. Azad, R. K.; Lawrence, J. G. (2005). «Use of artificial genomes in assessing methods for atypical gene detection». PLoS Computational Biology 1 (6): e56. PMC 1282332. PMID 16292353. doi:10.1371/journal.pcbi.0010056. 
  104. Iantorno, S; Gori, K; Goldman, N; Gil, M; Dessimoz, C (2014). Who Watches the Watchmen? An Appraisal of Benchmarks for Multiple Sequence Alignment. «Multiple Sequence Alignment Methods». Methods in molecular biology (Clifton, N.J.). Methods in Molecular Biology 1079. pp. 59-73. ISBN 978-1-62703-645-0. PMID 24170395. doi:10.1007/978-1-62703-646-7_4. 
  105. Ravenhall M, Škunca N, Lassalle F, Dessimoz C (2015). «Inferring horizontal gene transfer». PLOS Computational Biology 11 (5): e1004095. doi:10.1371/journal.pcbi.1004095.  Parámetro desconocido |review= ignorado (ayuda)
  •   Datos: Q21045430

Agosto 06, 2021
infiriendo, transferencia, genética, horizontal, este, artículo, sección, necesita, wikificado, favor, edítalo, para, cumpla, convenciones, estilo, este, aviso, puesto, marzo, 2017, transferencia, genética, horizontal, lateral, transmisión, partes, genómico, e. Este articulo o seccion necesita ser wikificado por favor editalo para que cumpla con las convenciones de estilo Este aviso fue puesto el 10 de marzo de 2017 La transferencia genetica horizontal o lateral TGH o TGL es la transmision de partes de ADN genomico entre organismos a traves de un proceso desacoplado de la herencia vertical Cuando ocurren eventos TGH diferentes fragmentos del genoma son el resultado de diferentes historias evolutivas Esto puede entonces complicar las investigaciones del parentesco evolutivo de linajes y especies Tambien como una TGH puede llevarle a los genomas unos genotipos radicalmente diferentes de linajes distantes o incluso nuevos genes con nuevas funciones es una fuente importante de innovacion fenotipica y un mecanismo de adaptacion de nichos Por ejemplo de relevancia particular para la salud humana es la transferencia lateral de resistencia antibiotica y determinantes de patogenicidad llevando al surgimiento de linajes patogenicos 1 Infiriendo la transferencia genetica horizontal a traves de identificacion computacional de eventos TGH se basa en la investigacion de la composicion de la secuencia o historia evolutiva de los genes Metodos basados en la composicion de la secuencia parametricos busca desviaciones de un promedio genomico mientras que procedimientos de inferencia basados en la historia filogeneticos identifican genes cuya historia evolutiva difiera significativamente de la de la especie huesped La valoracion y evaluacion comparativa de los metodos de inferencia de TGH tipicamente se basan en genomas simulados para los cuales la verdadera historia se conoce En informacion real diferentes metodos tienden a inferir diferentes eventos de TGH y como resultado puede ser dificil determinar todos los eventos de TGH que no son simples o claros Indice 1 Introduccion 2 Metodos parametricos 2 1 Composicion de nucleotidos 2 2 Espectro de oligonucleotidos 2 3 Caracteristicas estructurales 2 4 Contexto genomico 3 Metodos filogeneticos 3 1 Metodos filogeneticos explicitos 3 1 1 Pruebas de topologias 3 1 2 Enfoque de espectro genomico 3 1 3 Poda e injertos de sub arboles 3 1 4 Metodos de reconciliacion basados en modelos 3 2 Metodos filogeneticos implicitos 3 2 1 Mejor alineamiento de secuencia en una especie distante 3 2 2 Discrepancia ente distancias de genes y especies 3 2 3 Perfiles filogeneticos 3 2 4 Agrupaciones de sitios polimorficos 4 Evaluacion 5 Vease tambien 6 ReferenciasIntroduccion EditarLa transferencia genetica horizontal fue observado por primera vez en 1928 en el experimento de Frederick Griffith mostrando que la virulencia se podia pasar de cepas virulentas a no virulentas de Streptococcus pneumoniae Griffith demostro que la informacion genetica puede ser transferida horizontalmente entre bacterias a traves de un mecanismo conocido como transformacion 2 Observaciones similares en la decada de los cuarenta 3 y cincuenta 4 mostro la evidencia de que la conjugacion y la transduccion son mecanismos adicionales de la TGH 5 Para inferir eventos de TGH que pueden no resultar en cambios fenotipicos la mayoria de los metodos contemporaneos se basan en analisis de la informacion de la secuencia genomica Estos metodos pueden ser separados a grandes rasgos en dos metodos parametricos y filogeneticos Los metodos parametricos buscan secciones de un genoma que difieren significativamente del promedio genomico como el contenido CG o uso preferencial de codones 6 Los metodos filogeneticos examinan la historia evolutiva de los genes involucrados e identifican filogenias incompatibles Estos pueden ser clasificados en los que reconstruyen y coparan arboles filogeneticos explicitamente y los que usan medidas suplentes en lugar de los arboles filogeneticos 7 La caracteristica principal de los metodos parametricos es que dependen unicamente del genoma que se estudia para inferir eventos de TGH que pudieron haber ocurrido en su linaje Ha sido una ventaja considerable al inicio de la era de secuenciacion cuando pocos genomas relacionados estrechamente eran disponibles para los metodos comparativos Sin embargo como dependen de la uniformidad de la huella del organismo para inferir los eventos de TGH no contar la variabilidad intragenomica resultara en sobreestimaciones marcando segmentos nativos como posibles eventos de TGH 8 Similarmente los segmentos transferidos necesitan exhibir la marca del sonador y ser significativamente diferente al del receptor 6 Ademas segmentos genomicos de origen foraneo estan sujetos al mismo proceso mutacional como el resto del genoma y por lo tanto la diferencia entre los dos tiende a desaparecer a lo largo del tiempo proceso conocido como amelioracion 9 Esto limita la habilidad de los metodos parametricos para detectar viejas TGH Los metodos filogeneticos se benefician de la reciente disponibilidad de muchos genomas secuenciados Es mas al igual que todos los metodos comparativos los metodos filogeneticos pueden integrar informacion de multiples genomas y en particular entregarlos usando un modelo de evolucion Esto les otorga la habilidad de caracterizar mejor los eventos de TGH que infieren notablemente al disenar la especie donadora y el tiempo de transferencia Sin embargo los modelos tienen limites y necesitan ser utilizados cuidadosamente Por ejemplo filogenias en conflicto pueden resultar de eventos no tomados en cuenta por el modelo como parologia no reconocida debido a duplicacion seguida de perdida de genes Tambien muchos acercamientos dependen de un arbol de una especie de referencia que se supone es conocido cuando en muchos casos puede ser dificil obtener un arbol de confianza Finalmente los costos computacionales de reconstruir arboles de muchos genes especies puede ser prohibidamente caro Los metodos filogeneticos tiendes a ser aplicados a genes o secuencias proteicas como unidades evolutivas basicas lo que limita su habilidad para detectar TGH en regiones fuera o entre fronteras de genes Debido a sus enfoques complementarios y usualmente diferentes grupos de candidatos de TGH combinar predicciones de estos metodos parametricos y filogeneticos puede dar un grupo de genes candidatos a eventos de TGH mas exhaustivo Es mas combinar diferentes metodos parametricos ha sido visto que mejora significativamente la calidad de las predicciones 10 11 Por otra parte en ausencia de un grupo exhaustivo de genes verdaderamente transferidos horizontalmente discrepancias entre diferentes metodos 12 13 pueden ser resultas a traves de la combinacion de metodos parametricos y filogeneticos Sin embargo combinar inferencias de multiples metodos tambien conlleva a un alto indice de falsos positivos 14 Metodos parametricos EditarLos metodos parametricos utilizan caracteristicas de la secuencia genomica especificas a especies o clados definidos tambien llamados marcadores geneticos para inferir la TGH Si un fragmento de un genoma se desvia mucho del marcador esta es una sena de una posible transferencia horizontal Por ejemplo como el contenido de GC bacterial cae dentro de un gran rango ver Figura 2 el contenido GC de un segmento genomico es un simple marcador genetico Los marcadores geneticos usualmente utilizados incluyen la composicion de nucleotidos 15 frecuencias de oligonucleotidos 16 o caracteristicas estructurales del genoma 17 Para detectar TGH usando metodos parametricos el marcador geneticos del organismo necesita ser claramente reconocible Sin embargo el genoma de este no es siempre uniforme con respecto al marcador genetico por ejemplo el contenido GC de la posicion del tercer codon es menor cerca del termino de replicacion 18 y en contenido CG tiende a ser mayor en genes altamente expresados 19 No tomar en cuenta esta variabilidad intragenomica en el organismo puede resultar en sobrestimaciones marcando segmentos nativos como candidatos a TGH 8 Una ventana deslizable mas grande puede explicar esta variabilidad con el costo de reducir la habilidad para detectar regiones de TGH mas pequenas 12 Igual de importante segmentos transferidos horizontalmente necesitan exhibir los marcadores geneticos del donador Esto puede no ser el caso para transferencias antiguas donde las secuencias transferidas son sujetas a los mismos procesos mutacionales que el resto del genoma de aceptador potencialmente causando que las diferencias se amelioricen 9 y se vuelvan indetectables a traves de metodos parametricos Por ejemplo Bdellovibrio bacteriovorus una d Proteobacteria depredadora tiene un contenido GC homogeneo y puedeconcluirse que su genoma es resistente a TGH 20 Sin embargo analisis subsecuente utilizando metod filogeneticos identificaron una cantidad de eventos de TGH antigua en el genoma de B bacteriovorus 21 Similarmente si el segmento insertado fue previamente ameliorado al genoma del receptor como es el caso de las inserciones de profagos 22 metodos parametricos pueden fallar predecir estos eventos de TGH Tambien la composicion del donador debe ser significativamente diferente del receptor para poder ser identificada como anormal una condicion que puede perderse en el caso de distancia de corta a media de TGH la cual es muy prevalente Ademas se ha visto que genes adquiridos recientemente tienden a ser mas ricos en AT que el promedio del rceptor 15 lo que indica que las diferencias en contenido GC pueden resultar por procesos mutacionales desconocidos despues de la adquisicion en vez del genoma del donador Composicion de nucleotidos Editar En contenido GC bacterial cae dentro de una rango grande con Ca Zinderia insecticola teniendo un contenido GC de 13 5 23 mientras que el de Anaeromyxobacter dehalogenans es del 24 Incluso en un grupo muy de a Proteobacterias relacionadas los valores van del 30 al 65 aproximadamente 25 Estas diferencias pueden ser utilizadas cuando se detectan eventos de TGH como un contenido de GC significativamente diferente para el segmento genomico y pueden ser indicacion de un origen foraneo 15 Espectro de oligonucleotidos Editar El espectro de oligonucleotidos o frecuencias de k mero mide la frecuencia de todas las posibles secuencias de nucleotidos de una longitud en particular en el genoma Tiende a variar menos en un genoma que entre genomas y puede por lo tanto se utilizado como un marcador genetico 26 Una desviacion de este marcador sugiere que un segmento genetico pudo haber llegado a traves de transferencia horizontal El espectro de oligonucleotidos debe mucho de su poder discriminatorio a el numero de oligonucleotidos posibles si n es el tamano del vocabulario y w es el tamano del oligonucleotido el numero de posibles oligonucleotidos diferentes es nw por ejemplo hay 45 1024 posible pentanucleotidos Algunos metodos pueden capturar la senal grabada en patrones de tamano variable 27 capturando asi los patrones raros y discriminatorios al mismo tiempo que los frecuentes pero menos comunes El uso preferencial de codones una medida relacionada con la frecuencia de codones fue uno de los primeros metodos utilizados en mediciones metodicas de TGH 16 Este enfoque requiere un genoma receptor el cual contiene una tendencia hacia ciertos condones sinonimos diferentes codones que codifican para el mismo aminoacido que es claramente diferente a la tendencia encontrada dentro del genoma del donador El oligonucleotido mas simple utilizado como marcador genetico es el dinucleotido por ejemplo el tercer nucleotido en un codon y el primer nucleotido en el siguiente codon representan el dinucleotido menos restringido por la preferencia de aminoacidos y de codones 28 Es importante optimizar el tamano de la ventana deslizable en donde contar la frecuencia de oligonucleotidos na ventana deslizable mas grande sera un mejor amortiguador de la variabilidad del genoma del receptor al costo de ser peor detectando regiones mas pequenas de TGH 29 Un buen compromiso ha sido reportado utilizando frecuencias de tetranucleotidos en una ventana deslizable de 5 kb con una separacion de 0 5 kb 30 Un metodo conveniente de modelar marcadores geneticos de oligonucleotidos es utilizar cadenas de Markov La transicion de la matriz de probabilidad puede ser derivada de genes endogenos contra adquiridos 31 de donde las probabilidades posteriores bayesianas para un segmento particular de ADN puede ser obtenido 32 Caracteristicas estructurales Editar Como la composicion de nucleotidos de una molecula de ADN puede ser representada por una secuencia de letras sus caracteristicas estructurales pueden ser codificadas en una secuencia numerica Sus caracteristicas estructurales incluyen energias de interaccion entre pares de bases vecinos 33 el angulo de giro que hacen dos bases de un par no coplanar 34 o la deformacion del ADN inducida por proteinas que moldean la cromatina 35 El analisis de autocorrelacion de algunas secuencias numericas muestra periodicidades caracteristicas en genomas completos 36 De hecho despues de detectar regiones parecidas a las archaea en la bacteria termofilica Thermotoga maritima 37 el espectro de periodicidad de estas regiones era comparado al de regiones homologas en la archaea Pyrococcus horikoshii 17 Esto revelo que las similitudes en la periodicidad eran fuertes evidencias apoyando el caso de una TGH masiva entre los reinos bacteria y archaea 17 Contexto genomico Editar La existencia de islas genomicas regiones pequenas tipicamente de 10 200kb de un genoma que pudieron haber sido adquiridas horizontalmente da soporte a la habilidad de identificar genes no nativos localizandolas en un genoma 38 Por ejemplo un gen de origen ambiguo que forma parte de un operon no nativo puede ser considerado ser no nativo Alternativamente secuencias repetidas en ambos extremos o la presencia de integrasas o transposasas puede indicar una region no nativa 39 Una enfoque de aprendizaje automatico que combina analisis de fecuancia de oligonucleotidos con informacion del contexto fue visto que era efectivo para identificar islas genomicas 40 En otro estudio el contexto fue utilizado como un indicador secundario despues de remover genes que se cree que son nativos o no nativos a traves del uso de otros metodos parametricos 10 Metodos filogeneticos EditarEl uso de analisis filogenetico en la deteccion de TGH fue impulsado por la disponibilidad de muchos nuevos genomas secuenciados Los metodos filogeneticos detectan inconsistencias en la historia de la evolucion de un gen y especies de dos formas explicitamente reconstruyendo el arbol genetico y reconciliandolo con el arbol de la especie de referencia o implicitamente examinando aspectos que se correlacionan con la historia evolutiva de los genes estudiados ej patrones de presencia ausencia entre especies o distancias evolutivas inesperadamente cortas o distantes Metodos filogeneticos explicitos Editar El objetivo de los metodos filogeneticos explicitos es comparar arboles de genes con arboles de especies asociadas Mientras que diferencias debilmente sustentadas entre arboles de genes y de especies pueden deberse a la incertidumbre de la inferencia diferencias estadisticamente significativas pueden sugerir eventos de TGH Por ejemplo si dos genes de diferentes especies comparten el nodo de conexion ancestral mas reciente en el arbol genetico pero las respectivas especies estan separadas en el arbol de especies un evento de TGH puede ser referenciado Este enfoque puede producir resultados mas especificos que el enfoque parametrico porque las especies involucradas el tiempo y la direccion e transferencia puede ser potencialmente identidficada Como es discutido a mas detalle en siguientes secciones los metodos filogeneticos varian de metodos simples que identifican desde meras diferencias entre arboles de genes y de especies hasta modelos mecanisticos que infieren posibles secuencias de eventos de TGH Una estrategia intermediaria involucra deconstruir un arbol genetico en partes mas pequenas hasta que cada una corresponda al arbol de especies enfoques de espectro genomico Metodos filogeneticos explicitos dependen de la exactitud del arbol genetico y de especie utilizado pero estos pueden ser dificiles de construir 41 Aun cuando no hay duda sobre los arboles utilizados las filogenias en conflicto puede ser resultado de procesos evolutivos que no son TGH como duplicaciones y paridad causando que estos metodos infieran erroneamente eventos de TGH cuando la paralogia es la explicacion correcta Similarmente en la presencia de clasificacion incompleta de linaje los metodos filogeneticos explicitos pueden erroneamente inferir eventos de TGH 42 Esta es la razon por la cual algunos metodos explicitos basados en modelos prueban muchos escenarios evolutivos tipos de eventos y comparan su ajuste a la informacion con criterios de parsimonia o probabilisticos Pruebas de topologias Editar Para detectar conjuntos de genes que se ajustan muy poco al arbol de referencia uno puede utilizar pruebas estadisticas de topologia como la de Kishino Hasegawa KH 43 Shimodaira Hasegawa SH 44 y Aproximadamente Imparcial AU por su siglas en ingles Approximately Unbiased 45 Estas pruebas miden la probabilidad del alineamiento de la secuencia del gen cuando una topologia de referencia es utilizado como hipotesis nula El rechazo de la topologia de referencia es una indicacion de que la historia evolutiva para la familia del gen es inconsistente con el arbol de referencia Cuando estas inconsistencias no pueden ser explicadas utilizando un numero pequeno de eventos no horizontales como la perdida y duplicacion de genes un evento de TGH es inferido Un analisis de este tipo busco TGH en grupos homologos del linaje de g proteobacteria 46 Seis arboles de referencia fueron reconstruidos utilizando ya sea una pequena subunidad altamente conservada de secuencias de RNA ribosomales un consenso de los arboles geneticos disponibles o alineamientos concatenados ortologos El fracaso de rechazar las seis topologias evaluadas y el rechazo de las siete topologias alternativas fue interpretado como evidencia para un numero pequeno de eventos de TGH en grupos especificos La pruebas de topologia identifican diferencias en la topologia del arbol tomando en cuenta la incertidumbre de la inferencia del arbol pero no hicieron ningun intento de inferir como las diferencias surgieron Para inferir los detalles de eventos particulares se requiere de metodos de espectro genomico o arreglos del arbol Enfoque de espectro genomico Editar Para poder identificar la localizacion de los eventos de TGH los enfoques de espectro genomico descomponen un arbol genetico en subestructuras como biparticiones o cuartetos e identifican los que son consistente o inconsistentes con el arbol de especies Biparticiones Remover un extremo del arbol de referencia produce dos sub arboles desconectados cada uno con un grupo de nodos separados una biparticion Si una biparticion esta presente tanto en el arbol genetico como en el de especies es compatible de otro modo es conflictiva Estos conflictos pueden indicar un evento de TGH o pueden ser el resultado de la incertidumbre de la inferencia del arbol genetico Para reducir la incertidumbre los analisis de biparticion se concentran tipicamente en biparticiones fuertemente apoyadas como las asociadas con valores bootstrap o probabilidades posteriores por encima de ciertos limites Cualquier familia de genes que se haya encontrado que tiene una o varias biparticiones conflictivas fuertemente apoyadas se considera como un candidato a TGH 47 48 Descomposicion de cuartetos Los cuartetos son arboles que consisten en cuatro hojas En arboles bifurcados completamente resueltos cada rama interna induce un cuarteto cuyas hojas son sub arboles del arbol original o hojas del arbol original Si la topologia de un cuarteto extraido del arbol de especies de referencia es incrustado en el arbol genetico el cuarteto es compatible con el arbol genetico Opuestamente cuartetos fuertemento apoyados incompatibles indican eventos de TGH 49 Metodos cartograficos de cuartetos son mucho mas eficientes computacionalmente y representaciones homogeneas de taxones faciles de manejar entre las familias de genes haciendolos una buena base para desarrollar investigaciones grandes para TGH buscando caminos de comparticion de genes en bases de datos de cientos de genomas completos 50 51 Poda e injertos de sub arboles Editar Una forma mecanistica de modelar eventos de TGH en el arbol de referencia es primero cortar una rama interna ej podar el arbol y despues realizar un injerto a otro extremo una operacion llamada como poda e injerto de sub arboles SPR por sus siglas en ingles subtree pruning and regrafting 52 Si un arbol genetico era topologicamente consistente con el arbol de referencia los resultados de la edicion son inconsistencias Similarmente cuando el arbol genetico original es inconsistente con el arbol de referencia es posible obtener una topologia consistente a traves de una serie de una o mas operaciones SPR aplicadas al arbol de referencia Interpretando el camino tomado por esta tecnica nodos candidatos a TGH pueden ser marcados asi como inferir los genomas del donador y receptor 48 53 Para evitar reportar eventos de TGH falsos positivos debido a la incertidumbre de la topologia del arbol genetico el camino optimo de las operaciones de SPR pueden ser escogidas entre multiples combinaciones posibles considerando el soporte de la rama en el arbol genetico Extremos de arboles geneticos apoyados debilmente pueden ser ignorados a priori 54 o el apoyo puede ser utilizado para calcular un criterio de optimalidad 55 56 Como la conversion de un arbol a otro por un numero minimo de operaciones SPR es NP Hard 57 resolver el problema se vuelve considerablemente mas dificil mientras mas nudos sean considerados El reto computacional radica en encontrar el camino optimo de edicion ej el que requiere el menor numero de pasos 58 59 y diferentes estrategias son utilizadas para resolver el problema Por ejemplo el algoritmo HorizStory reduce el problema primero eliminando los nodos consistentes 60 poda e injertos repetitivos reconcilia el arbol de referencia con el arbol genetico y ediciones optimas son interpretadas como eventos de TGH Los metodos de SPR incluidos en los paquetes de reconstruccion de super arboles disminuyen substancialmente el tiempo de busqueda por un conjunto de operaciones SPR al considerar multiples problemas menores localizados en grandes arboles a traves de un enfoque de agrupacion 61 Metodos de reconciliacion basados en modelos Editar La reconciliacion de los arboles genetico y de especies conlleva a graficar eventos evolutivos a arboles geneticos de una forma que los hace acordes al arbol de especies Existen diferentes modelos de reconciliacion difiriendo en los tipos de eventos que toman en cuentan para explicar las incongruencias entre las topologias del arbol genetico y de especie Los primeros metodos modelaban exclusivamente transferencia horizontales T 52 55 Los mas recientes tambien considera eventos de duplicacion D perdida L clasificacion incompleta de linaje ILS o recombinacion homologa HR La dificulta es que permitiendo multiples tipos de eventos el numero de posibles reconciliaciones incrementa rapidamente Por ejemplo la topologia conglictiva de un arbol genetico puede ser explicada en termino de un solo eventos de TGH o varios eventos de duplicacion y perdidas Ambas alternativas son consideradas posibles reconciliaciones dependiendo de la frecuencia de los eventos a lo largo del arbol de especies Metodos de reconciliacion pueden depender de un encuadre de parsimonia o probabilistico para inferir el evento mas probable donde el costo relativo probabilidad de eventos D T L pueden ser fijados a priori o estimados a partir de informacion 62 El espacio de las reconciliaciones DTL y sus costos parsimonios los cuales pueden ser muchos para familias de arboles de genes con varias copias pueden ser explorados eficientemente a traves de algortimos de programacion dinamica 62 63 64 En algunos programas la topologia del arbol genetico puede ser mejorado donde era incierto que quedara como un evento evolutivo asi como el alineamiento de la secuencia inicial 63 65 66 Modelos mas refinados toman en cuenta la frecuencia arbitraria de TGH entre linajes estrechamente relacionados 67 reflejando la perdida de la eficiencia de HR con la distancia filogenetica 68 por ILS 69 o por el hecho de que el donador verdadero de la mayoria de la TGH pertenece a un linaje extinto o no muestreado 70 Externsiones mayores de los modelos DTL estan siendo desarrollados hacia una descripcion integral del proceso de evolucion del genoma En particular algunos de ellos consideran transferencia horizontales a arias escalas modelando la evolucion independiente de fragmente de genes 71 o reconociendo la coevolucion de varios genes ej debido a una transferencia de intercambio en y entre genomas 72 Metodos filogeneticos implicitos Editar En contraste con los metodos filogeneticos explicitos que comparan la concordancia entre los arboles genetico y de especies los metodos filogeneticos implicitos comparan las distancias evolutivas o la similitud de las secuencias Aqui una distancia inesperadamente corta o grande desde un punto de referencia comparada con el promedio puede sugerir un evento de TGH Como la construccion de un arbol no es necesaria los enfoques implicitos tienden a ser mas simples y rapidos que los metodos explicitos Sin embargo los metodos implicitos pueden estar militados por las grandes diferencias entre la correcta filogenia subyacente y las distancias evolutivas consideradas Por ejemplo las secuencia mas similar obtenida por el BLAST de mayor puntaje no es siempre las mas cercana evolutivamente 73 Mejor alineamiento de secuencia en una especie distante Editar Una manera simple de identificar eventos de TGH es buscando relaciones entre secuencias con altos puntajes en especies relacionadas de lejos Por ejemplo un analisis de los resultados de maxima correspondencia de secuencias de proteinas de la bacteria Thermotoga maritima revelaron que la mayoria de los resultados eran en archaeas en vez de en bacterias estrechamente relacionadas sugiriendo una extensiva TGH entre las dos 37 estas predicciones fueron despues apoyadas por un analisis de las caracteristicas estructurales de la molecula de ADN 17 Sin embargo este metodo esta limitado a detectar eventos de TGH relativamente recientes Ademas si la TGH ocurrio en el ancestro comun de dos o mas especies incluidas en la base de datos el resultado mas cercano sera dentro del clado y por lo tanto la TGH no sera detectada por el metodo Asi el limite de numero minimo de resultados foraneos mas altos de BLAST para observar y decidir si un gen fue transferido es altamente dependiente de la cobertura taxonomica de las secuencia de las bases de datos Por lo tanto es posible que los parametros experimentales deban ser definidos de manera ad hoc 74 Discrepancia ente distancias de genes y especies Editar La hipotesis del reloj molecular plantea que genes homologos evolucionaron a una velocidad aproximadamente constante en diferentes especies 75 Si uno considera solamente genes homologos relacionados a traves de eventos de especiacion referidos como genes ortologos su arbol subyacente deberia por definicion corresponder al arbol de especies Por lo tanto asumiendo un reloj molecular la distancia evolutiva entre genes ortologos deberia de ser aproximadamente proporcional al las distancias evolutivas entre sus especies respectivas Si un grupo putativo contiene xenologos pares de genes relacionados a traves de una TGH la proporcionalidad de las distancias evolutivas puede ser que solo se mantenga entre los ortologos y no los xenologos 76 Enfoques simples comparan la distribucion de los puntajes de similitud entre secuencias particulares y sus contrapartes ortologas en otras especies TGH es inferida a partir de valores atipicos 77 78 Los metodos DLIGHT Inferencia basada en Probabilidad de la Distancia de Genes Horizontalmente Transferidos o en ingles Distance Likelihood based Inference of Genes Horizontally Transferred mas sofisticados consideran simultaneamente el efecto de la TGH en todas las secuencias entre grupos de ortologos putativos 7 si la prueba de proporcion de probabilidad de la hipotesis de TGH contra una hipotesis de un evento no de TGH es significativa un evento de TGH putativo es inferido Ademas este metodo permite la inferencia de un donador y receptor potencial dando una estimacion del tiempo desde el ultimo evento de TGH Perfiles filogeneticos Editar Un grupo de genes ortologos o homologos puede ser analizado en termino de la presencia o ausencia de miembros del grupo en los genomas de referencia estos patrones son llamados 79 Para encontrar eventos de TGH los perfiles filogeneticos son examinados para encontrar una distribucion inusual de los genes La ausencia de un homologo en algunos miembros del grupo de especies estrechamente relacionadas indica que el gen analizado pudo haber llegado via un evento de TGH Por ejemplo las tres cepas facultativamente simbioticas de Frankia son de diferentes tamanos 5 43 Mpb 7 50 Mpb y 9 04 Mpb dependiendo del rango de receptores 80 Porciones marcadas de genes de cepas especificas no tuvieron un resultado significante en la base de datos de referencia y fueron posiblemente adquiridas por TGH de otras bacterias Similarmente las tres cepas diversamente fenotipicas de Escherichia coli uropatogenica enterohemorragica y benigna comparten cerca del 40 del acervo genico total combinado mientras que el otro 60 son genes especificos de la cepa y consecuentemente candidatos a TGH 81 Mas evidencias para estos genes resultando de TGH fue el inesperado patron de uso preferencial de codones de los genes fundamentales y la falta de una conservacion del orden genetico conservacion del orden es tipico de genes evolucionados verticalmente 81 La presencia ausencia de homologos o su conteo efectivo puede ser utilizado por programas para reconstruir el escenario evolutivo mas probable al igual que el arbol de especies Como con los metodos de reconciliacion esto puede ser obtenido a partir de estimaciones de parsimonia 82 o probabilisticas del numero de eventos de ganancias o perdidas 83 84 Modelos pueden ser hechos mas complejos por procesos aditivos como la truncacion de genes 85 pero tambien modelando la heterogeneidad de la proporcion de ganancias y perdidas en diferentes linajes 86 y o en familias de genes 84 87 Agrupaciones de sitios polimorficos Editar Los genes son comunmente considerados como las unidades basicas transferidas a traves de eventos de TGH Sin embargo es posible que ocurra la TGH dentro de genes Por ejemplo ha sido demostrado que la transferencia hosrizontal entre especies relacionadas estrechamente resulta en mas intercambios de fragmentos de marcos abiertos de lectura 88 89 un tipo de transferencia llamada conversion genetica mediada por recombinacion homologa El analisis de un grupo de cuatro cepas de Escherichia coli y dos de Shigella flexneri revelo que las secuencias comunes alas seis cepas contenian sitios polimorficos consecuencia de recombinacion homologa 90 Agrupaciones de sitios polimorficos en exceso pueden ser utilizadas para detectar ADN recombinado con relativos distantes 91 Este metodo de deteccion es sin embargo restringido a sitios en comun para todas las secuencias analizadas limitando el analisis a un grupo de organismo estrechamente relacionados Evaluacion EditarLa existencia de varios y diferentes metodos para inferir TGH plantea la cuestion de como validar inferencias individuales y como compara los diferentes metodos Un problema principal es que como con otros tipos de inferencias filogeneticas la verdadera historia evolutiva no puede ser establecida con seguridad Como resultado es dificil obtener un grupo de pruebas representativas de eventos de TGH Ademas los metodos de TGH varian considerablemente en la informacion que consideran y normalmente identifican grupos inconsistentes como candidatos a TGH 6 92 no es claro en que medida tomar la interseccion la union o alguna otra combinacion de los metodos individuales afecta la proporcion de falsos positivos y falsos negativos 14 Los metodos parametricos y filogeneticos aprovechan diferentes fuentes de informacion es por lo tanto mas dificil hacer aseveraciones generales sobre su desempeno relativo No obstante se pueden utilizar argumentos conceptuales Mientras que los metodos parametricos estan limitados al analisis de genomas unicos o en parejas los metodos filogeneticos otorgan un encuadre natural para tomar ventaja de la informacion contenida en multiples genomas En muchos casos segmentos de genomas inferidos como TGH basados en su composicion anomala pueden ser reconocidos como tal con base en analisis filogeneticos o a traves de la mera ausencia en genomas de organismo relacionados Ademas los metodos filogeneticos dependen de modelos explicitos de la evolucion de la secuencia lo que implica una parte bien entendida para los parametros de inferencia pruebas de hipotesis y seleccion de modelos Esto se refleja en la literatura la cual tienden a a favorecer los metodos filogeneticos como prueba estandar para la TGH 93 94 95 96 El uso de metodos filogeneticos parece ser la preferencia especialmente dado el incremento en el poder computacional acompanado de mejoras de algoritmos que los han hecho mas manejables 61 70 y que cada vez es mas la cantidad de genomas muestreados que dan mas poder a estas pruebas Considerando los metodos filogeneticos varios enfoques que validan inferencias de TGH individuales y metodos de evaluacion comparativa han sido adoptados tipicamente dependiendo de varias formas de simulacion Como la verdad es conocida en similacion el numero de falsos positivos y de falsos negativos es facil de calcular Sin embargo simular informacion no resuelve el problema porque la verdadera extension de la TGH en la naturaleza permanece en gran parte desconocida y especificar velocidades de TGH en el modelo de simulacion es siempre arriesgado No obstante estudios que involucran la comparacion de varios metodos filogeneticos en un encuadre de simulacion podria dar un ensayo cuantitativo de sus desempenos respectivos y por lo tanto ayudar a un biologo a elegir objetivamente las herramientas correctas 56 Herramientas estandar que simulan la evolucion de la secuencia en arboles como INDELible 97 o PhyloSim 98 pueden ser adaptados para simular TGH Los eventos de TGH cauan que arboles geneticos importantes entre en conflicto con el arbol de especies Estos eventos pueden ser simulados a traves de SPR del arbol de especies 54 Sin embargo es importante simular la informacion que es suficientemente realista para ser representativo del reto de verdaderos bancos de informacion y simulacion bajo modelos complejos son lo preferible Un modelo fue desarrollado para simular arboles geneticos con el proceso de substitucion heterogenea ademas de la ocurrencia de la transferencia y tomando en cuenta el hecho de que la transferencia puede llegar de linajes que ahora estan extintos 99 Alternativamente el simulador de la evolucion genomica ALF 100 genera directamente familias de genes sujetas a TGH tomando en cuenta un gran rango de fuerzas evolutivas como base pero en el contexto de un genoma completo Dadas secuencias simuladas que tienen TGH el analisis de estas secuencias utilizando los metodos de interes y comparacion de sus resultados con la verdad conocida permite estudiar su desempeno Similarmente los metodos de pruebas en secuencias que se abe que no hay TGH permite que el estudio no tenga falsos positivos Simulacion de eventos de TGH puede ser realizada por la manipulacion de las mismas secuencias biologicas Genomas de quimeras artificiales pueden ser obtenidos insertando genes foraneos conocidos a posiciones aleatorias del genoma del receptor 12 101 102 103 Las secuencias del donador son insertadas al receptor sin cambios o pueden ser evolucionadas a traves de siulacion 7 ej usando los metodos descritos anteriormente Una importante advertencia de las simulaciones como forma de comparar los diferentes metodos es que la simulacion esta basada en suposiciones simplificadas que pueden favorecer ciertos metodos 104 Vease tambien EditarTransferencia genetica horizontal Arbol filogenetico Bioinformatica Genomica comparativa HomologiaReferencias Editar 105 Hiramatsu K Cui L Kuroda M Ito T 2001 The emergence and evolution of methicillin resistant Staphylococcus aureus Trends in microbiology 9 10 486 93 PMID 11597450 doi 10 1016 s0966 842x 01 02175 8 Griffith F 1928 The Significance of Pneumococcal Types The Journal of hygiene 27 2 113 59 PMC 2167760 PMID 20474956 doi 10 1017 s0022172400031879 Tatum E L Lederberg J 1947 Gene Recombination in the Bacterium Escherichia coli Journal of Bacteriology 53 6 673 84 PMC 518375 PMID 16561324 Zinder N D Lederberg J 1952 Genetic Exchange in Salmonella Journal of Bacteriology 64 5 679 699 PMC 169409 PMID 12999698 Jones D Sneath P H 1970 Genetic transfer and bacterial taxonomy Bacteriological reviews 34 1 40 81 PMC 378348 PMID 4909647 a b c Lawrence J G Ochman H 2002 Reconciling the many faces of lateral gene transfer Trends in microbiology 10 1 1 4 PMID 11755071 doi 10 1016 s0966 842x 01 02282 x a b c Dessimoz C Margadant D Gonnet G H 2008 DLIGHT Lateral Gene Transfer Detection Using Pairwise Evolutionary Distances in a Statistical Framework Research in Computational Molecular Biology Lecture Notes in Computer Science 4955 p 315 ISBN 978 3 540 78838 6 doi 10 1007 978 3 540 78839 3 27 a b Guindon S Perriere G 2001 Intragenomic base content variation is a potential source of biases when searching for horizontally transferred genes Molecular Biology and Evolution 18 9 1838 40 PMID 11504864 doi 10 1093 oxfordjournals molbev a003972 a b Lawrence J G Ochman H 1997 Amelioration of bacterial genomes Rates of change and exchange Journal of Molecular Evolution 44 4 383 97 PMID 9089078 doi 10 1007 pl00006158 a b Azad R K Lawrence J G 2011 Towards more robust methods of alien gene detection Nucleic Acids Research 39 9 e56 PMC 3089488 PMID 21297116 doi 10 1093 nar gkr059 Xiong D Xiao F Liu L Hu K Tan Y He S Gao X 2012 Towards a better detection of horizontally transferred genes by combining unusual properties effectively PLoS ONE 7 8 e43126 PMC 3419211 PMID 22905214 doi 10 1371 journal pone 0043126 a b c Becq J Churlaud C Deschavanne P 2010 A benchmark of parametric methods for horizontal transfers detection PLoS ONE 5 4 e9989 PMC 2848678 PMID 20376325 doi 10 1371 journal pone 0009989 Poptsova M 2009 Testing Phylogenetic Methods to Identify Horizontal Gene Transfer Horizontal Gene Transfer Methods in molecular biology Clifton N J Methods in Molecular Biology 532 pp 227 40 ISBN 978 1 60327 852 2 PMID 19271188 doi 10 1007 978 1 60327 853 9 13 a b Poptsova M S Gogarten J P 2007 The power of phylogenetic approaches to detect horizontally transferred genes BMC Evolutionary Biology 7 45 PMC 1847511 PMID 17376230 doi 10 1186 1471 2148 7 45 a b c Daubin V Lerat E Perriere G 2003 The source of laterally transferred genes in bacterial genomes Genome Biology 4 9 R57 PMC 193657 PMID 12952536 doi 10 1186 gb 2003 4 9 r57 a b Lawrence J G Ochman H 1998 Molecular archaeology of the Escherichia coli genome Proceedings of the National Academy of Sciences of the United States of America 95 16 9413 7 PMC 21352 PMID 9689094 doi 10 1073 pnas 95 16 9413 a b c d Worning P Jensen L J Nelson K E Brunak S Ussery D W 2000 Structural analysis of DNA sequence Evidence for lateral gene transfer in Thermotoga maritima Nucleic Acids Research 28 3 706 9 PMC 102551 PMID 10637321 doi 10 1093 nar 28 3 706 Deschavanne P Filipski J 1995 Correlation of GC content with replication timing and repair mechanisms in weakly expressed E coli genes Nucleic Acids Research 23 8 1350 3 PMC 306860 PMID 7753625 doi 10 1093 nar 23 8 1350 Wuitschick J D Karrer K M 1999 Analysis of genomic G C content codon usage initiator codon context and translation termination sites in Tetrahymena thermophila The Journal of eukaryotic microbiology 46 3 239 47 PMID 10377985 doi 10 1111 j 1550 7408 1999 tb05120 x Rendulic S Jagtap P Rosinus A Eppinger M Baar C Lanz C Keller H Lambert C Evans K J Goesmann A Meyer F Sockett R E Schuster S C 2004 A Predator Unmasked Life Cycle of Bdellovibrio bacteriovorus from a Genomic Perspective Science 303 5658 689 692 PMID 14752164 doi 10 1126 science 1093027 Gophna U Charlebois R L Doolittle W F 2006 Ancient lateral gene transfer in the evolution of Bdellovibrio bacteriovorus Trends in Microbiology 14 2 64 9 PMID 16413191 doi 10 1016 j tim 2005 12 008 Vernikos G S Thomson N R Parkhill J 2007 Genetic flux over time in the Salmonella lineage Genome Biology 8 6 R100 PMC 2394748 PMID 17547764 doi 10 1186 gb 2007 8 6 r100 McCutcheon J P Moran N A 2010 Functional convergence in reduced genomes of bacterial symbionts spanning 200 My of evolution Genome Biology and Evolution 2 708 18 PMC 2953269 PMID 20829280 doi 10 1093 gbe evq055 Liu Z Venkatesh S S Maley C C 2008 Sequence space coverage entropy of genomes and the potential to detect non human DNA in human samples BMC Genomics 9 509 PMC 2628393 PMID 18973670 doi 10 1186 1471 2164 9 509 Bentley S D Parkhill J 2004 Comparative genomic structure of prokaryotes Annual Review of Genetics 38 771 92 PMID 15568993 doi 10 1146 annurev genet 38 072902 094318 Karlin S Burge C 1995 Dinucleotide relative abundance extremes A genomic signature Trends in genetics TIG 11 7 283 90 PMID 7482779 Vernikos G S Parkhill J 2006 Interpolated variable order motifs for identification of horizontally acquired DNA Revisiting the Salmonella pathogenicity islands Bioinformatics 22 18 2196 203 PMID 16837528 doi 10 1093 bioinformatics btl369 Hooper S D Berg O G 2002 Detection of genes with atypical nucleotide sequence in microbial genomes Journal of Molecular Evolution 54 3 365 75 PMID 11847562 doi 10 1007 s00239 001 0051 8 Deschavanne P J Giron A Vilain J Fagot G Fertil B 1999 Genomic signature Characterization and classification of species assessed by chaos game representation of sequences Molecular Biology and Evolution 16 10 1391 9 PMID 10563018 doi 10 1093 oxfordjournals molbev a026048 Dufraigne C Fertil B Lespinats S Giron A Deschavanne P 2005 Detection and characterization of horizontal transfers in prokaryotes using genomic signature Nucleic Acids Research 33 1 e6 PMC 546175 PMID 15653627 doi 10 1093 nar gni004 Cortez D Forterre P Gribaldo S 2009 A hidden reservoir of integrative elements is the major source of recently acquired foreign genes and ORFans in archaeal and bacterial genomes Genome Biology 10 6 R65 PMC 2718499 PMID 19531232 doi 10 1186 gb 2009 10 6 r65 Nakamura Y Itoh T Matsuda H Gojobori T 2004 Biased biological functions of horizontally transferred genes in prokaryotic genomes Nature Genetics 36 7 760 6 PMID 15208628 doi 10 1038 ng1381 Ornstein R L Rein R 1978 An optimized potential function for the calculation of nucleic acid interaction energies I Base stacking Biopolymers 17 10 2341 60 PMID 24624489 doi 10 1002 bip 1978 360171005 El Hassan M A Calladine C R 1996 Propeller twisting of base pairs and the conformational mobility of dinucleotide steps in DNA Journal of Molecular Biology 259 1 95 103 PMID 8648652 doi 10 1006 jmbi 1996 0304 Olson W K Gorin A A Lu X J Hock L M Zhurkin V B 1998 DNA sequence dependent deformability deduced from protein DNA crystal complexes Proceedings of the National Academy of Sciences of the United States of America 95 19 11163 8 PMC 21613 PMID 9736707 doi 10 1073 pnas 95 19 11163 Herzel H Weiss O Trifonov E N 1999 10 11 bp periodicities in complete genomes reflect protein structure and DNA folding Bioinformatics Oxford England 15 3 187 93 PMID 10222405 doi 10 1093 bioinformatics 15 3 187 a b Fraser C M Clayton K E Gill R A Gwinn S R Dodson M L Haft R J Hickey D H Peterson E K Nelson J D Ketchum W C McDonald K A Utterback L Malek T R Linher J A Garrett K D Stewart M M Cotton A M Pratt M D Phillips M S Richardson C A Heidelberg D Sutton J Fleischmann G G Eisen R D White J A Salzberg O Smith S L Venter H O Fraser J C 1999 Evidence for lateral gene transfer between Archaea and bacteria from genome sequence of Thermotoga maritima Nature 399 6734 323 329 Bibcode 1999Natur 399 323N PMID 10360571 doi 10 1038 20601 Langille M G I Hsiao W W L Brinkman F S L 2010 Detecting genomic islands using bioinformatics approaches Nature Reviews Microbiology 8 5 373 382 PMID 20395967 doi 10 1038 nrmicro2350 Hacker J Blum Oehler G Muhldorfer I Tschape H 1997 Pathogenicity islands of virulent bacteria Structure function and impact on microbial evolution Molecular Microbiology 23 6 1089 97 PMID 9106201 doi 10 1046 j 1365 2958 1997 3101672 x Vernikos G S Parkhill J 2008 Resolving the structural features of genomic islands A machine learning approach Genome Research 18 2 331 42 PMC 2203631 PMID 18071028 doi 10 1101 gr 7004508 Altenhoff A M Dessimoz C 2012 Inferring Orthology and Paralogy Evolutionary Genomics Methods in molecular biology Clifton N J Methods in Molecular Biology 855 pp 259 79 ISBN 978 1 61779 581 7 PMID 22407712 doi 10 1007 978 1 61779 582 4 9 Than C Ruths D Innan H Nakhleh L 2007 Confounding factors in HGT detection Statistical error coalescent effects and multiple solutions Journal of Computational Biology 14 4 517 35 PMID 17572027 doi 10 1089 cmb 2007 A010 Goldman N Anderson J P Rodrigo A G 2000 Likelihood based tests of topologies in phylogenetics Systematic Biology 49 4 652 70 PMID 12116432 doi 10 1080 106351500750049752 Shimodaira H Hasegawa M 1999 Multiple Comparisons of Log Likelihoods with Applications to Phylogenetic Inference Molecular Biology and Evolution 16 8 1114 1116 doi 10 1093 oxfordjournals molbev a026201 Shimodaira H 2002 An approximately unbiased test of phylogenetic tree selection Systematic Biology 51 3 492 508 PMID 12079646 doi 10 1080 10635150290069913 Lerat E Daubin V Moran N A 2003 From gene trees to organismal phylogeny in prokaryotes The case of the gamma Proteobacteria PLoS Biology 1 1 E19 PMC 193605 PMID 12975657 doi 10 1371 journal pbio 0000019 Zhaxybayeva O Hamel L Raymond J Gogarten J P 2004 Visualization of the phylogenetic content of five genomes using dekapentagonal maps Genome Biology 5 3 R20 PMC 395770 PMID 15003123 doi 10 1186 gb 2004 5 3 r20 a b Beiko R G Harlow T J Ragan M A 2005 Highways of gene sharing in prokaryotes Proceedings of the National Academy of Sciences 102 40 14332 7 PMC 1242295 PMID 16176988 doi 10 1073 pnas 0504068102 Zhaxybayeva O Gogarten J P Charlebois R L Doolittle W F Papke R T 2006 Phylogenetic analyses of cyanobacterial genomes Quantification of horizontal gene transfer events Genome Research 16 9 1099 108 PMC 1557764 PMID 16899658 doi 10 1101 gr 5322306 Bansal M S Banay G Gogarten J P Shamir R 2011 Detecting highways of horizontal gene transfer Journal of Computational Biology 18 9 1087 114 PMID 21899418 doi 10 1089 cmb 2011 0066 Bansal M S Banay G Harlow T J Gogarten J P Shamir R 2013 Systematic inference of highways of horizontal gene transfer in prokaryotes Bioinformatics 29 5 571 9 PMID 23335015 doi 10 1093 bioinformatics btt021 a b Hallett MT Lagergren J RECOMB 2001 Montreal ACM 2001 Efficient Algorithms for Lateral Gene Transfer Problems pp 149 156 Baroni M Grunewald S Moulton V Semple C 2005 Bounding the number of hybridisation events for a consistent evolutionary history Journal of Mathematical Biology 51 2 171 82 PMID 15868201 doi 10 1007 s00285 005 0315 9 a b Beiko R G Hamilton N 2006 Phylogenetic identification of lateral genetic transfer events BMC Evolutionary Biology 6 15 PMC 1431587 PMID 16472400 doi 10 1186 1471 2148 6 15 a b Nakhleh L Ruths DA Wang L RIATA HGT A Fast and Accurate Heuristic for Reconstructing Horizontal Gene Transfer COCOON August 16 29 2005 Kunming 2005 a b Abby S S Tannier E Gouy M Daubin V 2010 Detecting lateral gene transfers by statistical reconciliation of phylogenetic forests BMC Bioinformatics 11 324 PMC 2905365 PMID 20550700 doi 10 1186 1471 2105 11 324 Hickey G Dehne F Rau Chaplin A Blouin C 2008 SPR distance computation for unrooted trees Evolutionary bioinformatics online 4 17 27 PMC 2614206 PMID 19204804 Hein J Jiang T Wang L Zhang K 1996 On the complexity of comparing evolutionary trees Discrete Applied Mathematics 71 153 169 doi 10 1016 S0166 218X 96 00062 5 Allen B L Steel M 2001 Subtree Transfer Operations and Their Induced Metrics on Evolutionary Trees Annals of Combinatorics 5 1 15 doi 10 1007 s00026 001 8006 8 MacLeod D Charlebois R L Doolittle F Bapteste E 2005 Deduction of probable events of lateral gene transfer through comparison of phylogenetic trees by recursive consolidation and rearrangement BMC Evolutionary Biology 5 27 PMC 1087482 PMID 15819979 doi 10 1186 1471 2148 5 27 a b Whidden C Zeh N Beiko R G 2014 Supertrees Based on the Subtree Prune and Regraft Distance Systematic Biology 63 4 566 81 PMC 4055872 PMID 24695589 doi 10 1093 sysbio syu023 a b Doyon J P Hamel S Chauve C 2012 An efficient method for exploring the space of gene tree species tree reconciliations in a probabilistic framework IEEE ACM Transactions on Computational Biology and Bioinformatics 9 1 26 39 PMID 21464510 doi 10 1109 TCBB 2011 64 a b David L A Alm E J 2011 Rapid evolutionary innovation during an Archaean genetic expansion Nature 469 7328 93 6 PMID 21170026 doi 10 1038 nature09649 Szollosi G J Boussau B Abby S S Tannier E Daubin V 2012 Phylogenetic modeling of lateral gene transfer reconstructs the pattern and relative timing of speciations Proceedings of the National Academy of Sciences 109 43 17513 8 PMC 3491530 PMID 23043116 doi 10 1073 pnas 1202997109 Nguyen T H Ranwez V Pointet S Chifolleau A M Doyon J P Berry V 2013 Reconciliation and local gene tree rearrangement can be of mutual profit Algorithms for Molecular Biology 8 1 12 PMC 3871789 PMID 23566548 doi 10 1186 1748 7188 8 12 Szollosi G J Tannier E Lartillot N Daubin V 2013 Lateral gene transfer from the dead Systematic Biology 62 3 386 97 PMC 3622898 PMID 23355531 doi 10 1093 sysbio syt003 Bansal M S Alm E J Kellis M 2012 Efficient algorithms for the reconciliation problem with gene duplication horizontal transfer and loss Bioinformatics 28 12 i283 91 PMC 3371857 PMID 22689773 doi 10 1093 bioinformatics bts225 Majewski J Zawadzki P Pickerill P Cohan F M Dowson C G 2000 Barriers to genetic exchange between bacterial species Streptococcus pneumoniae transformation Journal of Bacteriology 182 4 1016 23 PMC 94378 PMID 10648528 doi 10 1128 jb 182 4 1016 1023 2000 Sjostrand J Tofigh A Daubin V Arvestad L Sennblad B Lagergren J 2014 A Bayesian method for analyzing lateral gene transfer Systematic Biology 63 3 409 20 PMID 24562812 doi 10 1093 sysbio syu007 a b Szollosi G J Rosikiewicz W Boussau B Tannier E Daubin V 2013 Efficient exploration of the space of reconciled gene trees Systematic Biology 62 6 901 12 PMC 3797637 PMID 23925510 doi 10 1093 sysbio syt054 Haggerty L S Jachiet P A Hanage W P Fitzpatrick D A Lopez P O Connell M J Pisani D Wilkinson M Bapteste E McInerney J O 2014 A pluralistic account of homology Adapting the models to the data Molecular Biology and Evolution 31 3 501 16 PMC 3935183 PMID 24273322 doi 10 1093 molbev mst228 Szollosi G J Tannier E Daubin V Boussau B 2015 The inference of gene trees with species trees Systematic Biology 64 1 e42 62 PMC 4265139 PMID 25070970 doi 10 1093 sysbio syu048 Koski L B Golding G B 2001 The closest BLAST hit is often not the nearest neighbor Journal of Molecular Evolution 52 6 540 2 PMID 11443357 doi 10 1007 s002390010184 Wisniewski Dye F Borziak K Khalsa Moyers G Alexandre G Sukharnikov L O Wuichet K Hurst G B McDonald W H Robertson J S Barbe V Calteau A Rouy Z Mangenot S Prigent Combaret C Normand P Boyer M Siguier P Dessaux Y Elmerich C Condemine G Krishnen G Kennedy I Paterson A H Gonzalez V Mavingui P Zhulin I B 2011 Azospirillum Genomes Reveal Transition of Bacteria from Aquatic to Terrestrial Environments En Richardson Paul M ed PLoS Genetics 7 12 e1002430 PMC 3245306 PMID 22216014 doi 10 1371 journal pgen 1002430 Zuckerkandl E and Pauling L B 1965 Evolutionary divergence and convergence in proteins In Bryson V and Vogel H J editors Evolving Genes and Proteins Academic Press New York pp 97 166 Novichkov P S Omelchenko M V Gelfand M S Mironov A A Wolf Y I Koonin E V 2004 Genome wide molecular clock and horizontal gene transfer in bacterial evolution Journal of Bacteriology 186 19 6575 85 PMC 516599 PMID 15375139 doi 10 1128 JB 186 19 6575 6585 2004 Lawrence J G Hartl D L 1992 Inference of horizontal genetic transfer from molecular data An approach using the bootstrap Genetics 131 3 753 60 PMC 1205046 PMID 1628816 Clarke G D Beiko R G Ragan M A Charlebois R L 2002 Inferring genome trees by using a filter to eliminate phylogenetically discordant sequences and a distance matrix based on mean normalized BLASTP scores Journal of Bacteriology 184 8 2072 80 PMC 134965 PMID 11914337 doi 10 1128 jb 184 8 2072 2080 2002 Pellegrini M Marcotte E M Thompson M J Eisenberg D Yeates T O 1999 Assigning protein functions by comparative genome analysis Protein phylogenetic profiles Proceedings of the National Academy of Sciences of the United States of America 96 8 4285 8 PMC 16324 PMID 10200254 doi 10 1073 pnas 96 8 4285 Normand P Lapierre P Tisa L S Gogarten J P Alloisio N Bagnarol E Bassi C A Berry A M Bickhart D M Choisne N Couloux A Cournoyer B Cruveiller S Daubin V Demange N Francino M P Goltsman E Huang Y Kopp O R Labarre L Lapidus A Lavire C Marechal J Martinez M Mastronunzio J E Mullin B C Niemann J Pujic P Rawnsley T Rouy Z 2006 Genome characteristics of facultatively symbiotic Frankia sp Strains reflect host range and host plant biogeography Genome Research 17 1 7 15 PMC 1716269 PMID 17151343 doi 10 1101 gr 5798407 a b Welch R A Burland V Plunkett g 3rd Redford P Roesch P Rasko D Buckles E L Liou S R Boutin A Hackett J Stroud D Mayhew G F Rose D J Zhou S Schwartz D C Perna N T Mobley H L Donnenberg M S Blattner F R 2002 Extensive mosaic structure revealed by the complete genome sequence of uropathogenic Escherichia coli Proceedings of the National Academy of Sciences 99 26 17020 4 PMC 139262 PMID 12471157 doi 10 1073 pnas 252529799 Csuros M S 2008 Ancestral Reconstruction by Asymmetric Wagner Parsimony over Continuous Characters and Squared Parsimony over Distributions Comparative Genomics Lecture Notes in Computer Science 5267 p 72 ISBN 978 3 540 87988 6 doi 10 1007 978 3 540 87989 3 6 Pagel M 1999 Inferring the historical patterns of biological evolution Nature 401 6756 877 84 PMID 10553904 doi 10 1038 44766 a b Csuros M Miklos I 2009 Streamlining and large ancestral genomes in Archaea inferred with a phylogenetic birth and death model Molecular Biology and Evolution 26 9 2087 95 PMC 2726834 PMID 19570746 doi 10 1093 molbev msp123 Hao W Golding G B 2010 Inferring bacterial genome flux while considering truncated genes Genetics 186 1 411 26 PMC 2940306 PMID 20551435 doi 10 1534 genetics 110 118448 Hao W Golding G B 2006 The fate of laterally transferred genes Life in the fast lane to adaptation or death Genome Research 16 5 636 43 PMC 1457040 PMID 16651664 doi 10 1101 gr 4746406 Hao W Golding G B 2008 Uncovering rate variation of lateral gene transfer during bacterial genome evolution BMC Genomics 9 235 PMC 2426709 PMID 18492275 doi 10 1186 1471 2164 9 235 Ochman H Lawrence J G Groisman E A 2000 Lateral gene transfer and the nature of bacterial innovation Nature 405 6784 299 304 PMID 10830951 doi 10 1038 35012500 Papke R T Koenig J E Rodriguez Valera F Doolittle W F 2004 Frequent recombination in a saltern population of Halorubrum Science 306 5703 1928 9 PMID 15591201 doi 10 1126 science 1103289 Mau B Glasner J D Darling A E Perna N T 2006 Genome wide detection and analysis of homologous recombination among sequenced strains of Escherichia coli Genome Biology 7 5 R44 PMC 1779527 PMID 16737554 doi 10 1186 gb 2006 7 5 r44 Didelot X Falush D 2007 Inference of bacterial microevolution using multilocus sequence data Genetics 175 3 1251 66 PMC 1840087 PMID 17151252 doi 10 1534 genetics 106 063305 Ragan M A 2001 On surrogate methods for detecting lateral gene transfer FEMS microbiology letters 201 2 187 91 PMID 11470360 doi 10 1111 j 1574 6968 2001 tb10755 x Ragan M A Harlow T J Beiko R G 2006 Do different surrogate methods detect lateral genetic transfer events of different relative ages Trends in Microbiology 14 1 4 8 PMID 16356716 doi 10 1016 j tim 2005 11 004 Kechris K J Lin J C Bickel P J Glazer A N 2006 Quantitative exploration of the occurrence of lateral gene transfer by using nitrogen fixation genes as a case study Proceedings of the National Academy of Sciences 103 25 9584 9 PMC 1480450 PMID 16769896 doi 10 1073 pnas 0603534103 Nancy A Moran Tyler Jarvik 2010 Lateral Transfer of Genes from Fungi Underlies Carotenoid Production in Aphids Science 328 5978 624 627 Bibcode 2010Sci 328 624M PMID 20431015 doi 10 1126 science 1187113 Danchin E G Rosso M N Vieira P De Almeida Engler J Coutinho P M Henrissat B Abad P 2010 Multiple lateral gene transfers and duplications have promoted plant parasitism ability in nematodes Proceedings of the National Academy of Sciences 107 41 17651 6 PMC 2955110 PMID 20876108 doi 10 1073 pnas 1008486107 Fletcher W Yang Z 2009 INDELible A flexible simulator of biological sequence evolution Molecular Biology and Evolution 26 8 1879 88 PMC 2712615 PMID 19423664 doi 10 1093 molbev msp098 Sipos B Massingham T Jordan G E Goldman N 2011 Phylo Sim Monte Carlo simulation of sequence evolution in the R statistical computing environment BMC Bioinformatics 12 104 PMC 3102636 PMID 21504561 doi 10 1186 1471 2105 12 104 Galtier N 2007 A model of horizontal gene transfer and the bacterial phylogeny problem Systematic Biology 56 4 633 42 PMID 17661231 doi 10 1080 10635150701546231 Dalquen D A Anisimova M Gonnet G H Dessimoz C 2012 ALF a simulation framework for genome evolution Molecular Biology and Evolution 29 4 1115 23 PMC 3341827 PMID 22160766 doi 10 1093 molbev msr268 Cortez D Q Lazcano A Becerra A 2005 Comparative analysis of methodologies for the detection of horizontally transferred genes A reassessment of first order Markov models In silico biology 5 5 6 581 92 PMID 16610135 Tsirigos A Rigoutsos I 2005 A new computational method for the detection of horizontal gene transfer events Nucleic Acids Research 33 3 922 33 PMC 549390 PMID 15716310 doi 10 1093 nar gki187 Azad R K Lawrence J G 2005 Use of artificial genomes in assessing methods for atypical gene detection PLoS Computational Biology 1 6 e56 PMC 1282332 PMID 16292353 doi 10 1371 journal pcbi 0010056 Iantorno S Gori K Goldman N Gil M Dessimoz C 2014 Who Watches the Watchmen An Appraisal of Benchmarks for Multiple Sequence Alignment Multiple Sequence Alignment Methods Methods in molecular biology Clifton N J Methods in Molecular Biology 1079 pp 59 73 ISBN 978 1 62703 645 0 PMID 24170395 doi 10 1007 978 1 62703 646 7 4 Ravenhall M Skunca N Lassalle F Dessimoz C 2015 Inferring horizontal gene transfer PLOS Computational Biology 11 5 e1004095 doi 10 1371 journal pcbi 1004095 Parametro desconocido review ignorado ayuda Datos Q21045430Obtenido de https es wikipedia org w index php title Infiriendo transferencia genetica horizontal amp oldid 136534329, wikipedia, wiki, leyendo, leer, libro, biblioteca,

español

, española, descargar, gratis, descargar gratis, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, imagen, música, canción, película, libro, juego, juegos