Algorytmy konstruowania dendrogramów stosowanych przy analizie filogenetycznej mikroorganizmów

• Autorzy: Zdziennicki F. , Misiewicz A.

Warianty tytułu

EN

Dendrogram constructing algorithms applied in phylogenetic analysis of microorganisms

• Języki publikacji: PL

Abstrakty

PL

Bioinformatyka jest obecnie dynamicznie rozwijającą się dziedziną nauki, łączącą dwie dotychczas niezwiązane ze sobą dziedziny –biologię oraz informatykę. Jej gwałtowny rozwój wynika z konieczności szybkiej i rzetelnej analizy dużej liczby danych otrzymywanych podczas badań. Dane te są niejednokrotnie złożone i wzajemnie powiązane, co wymusza zastosowanie odpowiednich narzędzi informatycznych oraz sprzętu o dużej mocy obliczeniowej. Jednym z takich narzędzi jest filogenetyka molekularna, która daje możliwość stosowania kilku algorytmów konstruowania dendrogramów będących graficzną prezentacją wyników analizy. W ciągu ostatnich lat nastąpił rozwój algorytmów konstruowania dendrogramów, poczynając od UPGMA, przez NJ, po metody znacznie bardziej szczegółowe, takie jak MP czy ML. Na rozwój ten wpływa potrzeba opracowania jak najbardziej optymalnej metody, która uwzględni złożoność procesów biologicznych stojących za danymi. Podstawą matematyczną każdego z opisanych algorytmów jest analiza skupień. Pozwala ona na grupowanie danych ze zbioru w mniejsze podzbiory na podstawie ich podobieństwa.

EN

Nowadays bioinformatics is a dynamically developing field of science linking together two separated fields of biology and informatics. It is an answer to need of havingfast and reliable analysis of large amount of data obtained during research. Such data is often complicated and requires adequate informatics tools and equipmentwith large computing power. One of these tools is molecular phylogenetics, which possibility to use a few dendrogram construction algorithms. Dendrogram is a graphical presentation of obtained results. Over the last years there isobserved development of dendrogram constructing algorithms starting from UPGMA, then NJ to more specialized methods like MP or ML. Development of algorithms is forced by need of obtained most optimal method modeling biological process standing behind data. Mathematical base of each described algorithms is cluster analysis. It enables grouping data from set into smaller subsets according to similarity of data.

• Wydawca: -
• Czasopismo: Postępy Nauki i Technologii Przemysłu Rolno-Spożywczego
• Rocznik: 2014
• Tom: 69
• Numer: 1
• Opis fizyczny: s.68-80,rys.,tab.,bibliogr.

Twórcy

autor

Zdziennicki F.

• Zakład Mikrobiologii, Instytut Biotechnologii Przemysłu Rolno-Spożywczego im.prof.Wacława Dąbrowskiego, ul.Rakowiecka 36, 02-532 Warszawa

autor

Misiewicz A.

• Zakład Mikrobiologii, Instytut Biotechnologii Przemysłu Rolno-Spożywczego im.prof.Wacława Dąbrowskiego, ul.Rakowiecka 36, 02-532 Warszawa

Bibliografia

• 1 Cavalli-Sforza L.L., Edwards A.W.F. (1967). Phylogenetic analysis: models and estimation procedures. Am.J.Hum.Genet.,19,233-257
• 2 Felsenstein J. (1981). Evolutionary trees from DNA sequences: a maximum likelihood approach. J. Mol. Evol, 17, 368-376
• 3 Felsentein J. (2004). Inferring Phylogenies.Sunderland, MA: Sinauer Associates
• 4 Fitch W. M. (1971). Toward Defining the Course of Evolution: Minimum Change for a Specific Tree Topology. Syst. Zool., 20, 406-416
• 5 Higgs P. G., Attwood T. K. (2005). Bioinformatics and Molecular Evolution. Oxford: Blackwell Science Ltd.
• 6 Jobling M. A., Hurles M., Tyler-Smith C. (2004). Human evolutionary genetics. Origins, Peoples & Disease. New York: Garland Science
• 7 Kishino H., Hasegawa M. (1989). Evaluation of the maximum likelihood estimate of the evolutionary tree topologies from DNA sequence data, and the branching order inhominoidea. J. Mol. Evol., 29, 170-179
• 8 Lewis P. O. (2001).Phylogenetic systematics turns over a new leaf. Trends. Ecol., 16 (1), 30-37
• 9 Murtagh F. (1984). Counting dendrograms: A survey. Discrete Appl. Math., 7, 191-199
• 10 Nei M. (1975). Molecular Population Genetics and Evolution. North Holland. Amsterdam & New York
• 11 Nei M. (1996). Phylogenetic analysis in molecular evolutionary genetics. Ann. Rev. Genet.,30, 371-403
• 12 Pevsner J. (2009). Bioinformatics and Functional Genomics. 2nd Edition. Hoboken: Willey-Blackwell
• 13 Posada D. (2009). Bioinformatics for DNA sequence analysis. Humana Press, New York
• 14 Rzhetsky A., Nei M. (1993). Theoretical foundation of the minimum –evolution method of phylogenetic inference. Mol. Biol. Evol., 10, 1073-1095
• 15 Saitou N., Nei M. (1987). The neighbor-joining method: A new method for reconstructing phylogenetic trees. Mol. Biol. Evol., 4, 406-425
• 16 Sokal R. R., Michener C. D. (1958). A statistical Method for Evaluating Systematic Relationships. The University of Kansas Scientific Bulletin, 38, 1409-1438
• 17 Sokal R. R., Sneath P. H. A. (1963). Principles of Numerical Taxonomy. San Francisco: Freeman
• 18 Soltis P. S., Soltis D. E. (2003). Applying the Bootstrap in Phylogeny Reconstruction. Stat Scie, 18, 256-267
• 19 SteelM., Penny D. (2000). Parsimony, Likelihood, and the Role of Models in Molecular Phylogenetics. Mol. Biol. Evol.,7 (6), 839-850
• 20 Strimmer K., von Haeseler A. (1996). Quartet puzzling: A quartet maximum likelihood method for reconstructing tree topologies. Mol. Biol. Evol., 13, 964-969

Uwagi

Rekord w opracowaniu