Post on 24-Jan-2016
Poblaciones estructuradas
& flujo génico
Ecología Molecular – TP 5
Estudio de caso:
Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu
1 23
4
5
67
8
Identificación de stock (o poblaciones):
8 muestras de 40 individuos
10 loci, microsatelites
Ciclo de vida
Abrir archivo: Langosta.gtx
Paso 1: Fis en cada población
Paso 2: AFC 3D sobre poblaciones
Paso 3: Fst global y permutaciones
Paso 4: Fst por pares y permutaciones
Paso 5: Modelo de diferenciación
Paso 1: Fis en cada población
(AA) = p² + pq FIS
(Aa) = 2pq (1 – FIS)
(aa) = q² + pq FIS
¿Cómo interpretar un Fis estadísticamente significativo?
• Sistema de reproducción• Efecto Wahlund• Selección• Alelos nulos
Paso 1: Fis en cada población
Resultados
Análisis en detalle
Locus por locus
¿Conclusiones?
Con n = 200 por población
¡Era un efecto del muestreo!
Paso 2: AFC 3D sobre poblaciones
Paso 3: Fst global y permutaciones
¿Conclusión?
Paso 4: Fst por pares y permutaciones
Resultados
Paso 5: Modelo de diferenciación
Modelo n-Islas
Modelo Continente-Isla
Modelo Stepping-stone(migración paso a paso)
Modelo aislamiento por distancia
Incremento de la diferenciación genética con la distancia entre poblaciones
Distancia geograficaó
Log (Distancia)
FS
T /
(1-F
ST)
Stepping-stone model(isolation by distance)
Island model
Test de Mantel
Pendiente es inversamente proporcional a la distancia promedia de dispersionRousset 1997 Genetics 145:1219-1228
Distancia geográfica
Dis
tanc
ia g
enét
ica
Distancia geográfica
Dis
tanc
ia g
enét
ica
Distancia geográfica
Dis
tanc
ia g
enét
ica
¿Cuando estimar un flujo genético?
Paso 5: Modelo de diferenciación
Resultados
R2 = 0,6973
-0,01
-0,005
0
0,005
0,01
0,015
0,02
0,025
0,03
0,035
0,04
0,045
0 20 40 60 80 100 120
Km
Fst
R2 = 0,3848
R2 = 0,4904
-0,01
-0,005
0
0,005
0,01
0,015
0,02
0,025
0,03
0,035
0,04
0,045
0 20 40 60 80 100 120
Km
Fst
Conclusiones e interpretación
Convertir Genetix ► Arlequin
Langosta.arp
Abrir archivo: Langosta.arp
1
2
3
1
2
3
1
2
3
4
Entre todos
Los sitios
Entre sitios
Dentro de los grupos
Entre grupos
˃
˃
Patrones de migración
Históricos
Actuales
Análisis con STRUCTURE
Estudio de caso:
Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu
1 23
4
5
67
8
Identificación de stock (o poblaciones):
313 individuos, 8 localidades
10 loci microsatelites
En Notepad
Abrir el archivo de entrada (langosta.str)
Nombres de los loci
Códigos de los individuos
Códigos de las localidades
Genótipo del individuo 1 en loc-1
1
3
2
2
1
2
1
1
2
1
1
2
darle al conjunto de parámetros un nombre informativo
Tamaño del burn-in
Tamaño de la cadena
Modelo “admixture”
Modelo de frecuencias
correlacionadas
3
4
1
3
2
Advertencia: vamos a hacer solamente 1 iteración para cada K en esta práctica. En análises verdaderos, por lo
menos 3 (Mejor 6 - 10)
1
2
¿Cuál es el tamaño ideal del burn-in?
1 2
Término del burn-in
100.000
Término del burn-in
10.000
Término del burn-in
500.000
¿Cuál es el tamaño ideal de las cadenas?
Eso lo evaluamos por la convergencia entre las diferentes corridas para cada K
- verificar que todas las cadenas con K=2 tienen valores no muy distintos de Ln P(D) y de los outros parámetros, lo mismo para K=3, etc
Si las cadenas para cada K llegan a valores cercanos, ok
(En contrario, hay que aumentarlas)
K Ln P(D) P (K)
1 -8569.8 2.27 E-08
2 -8552.2 0.999
3 -8568.1 1.24 E-07
4 -8980.1 1.46 E-186
5 -9145.4 2.38 E-258
6 -9095.1 1.67 E-236
7 -9623.6 <<<<<0.00000001
8 -9448.5 <<<<<0.00000001
eK=2
eK=1 + eK=2 + eK=3 + eK=4 + eK=5 + eK=6 + eK=7 + eK=8P =
K Ln P(D) P (K)
1 -8569.8 2.27 E-08
2 -8552.2 0.999
3 -8568.1 1.24 E-07
4 -8980.1 1.46 E-186
5 -9145.4 2.38 E-258
6 -9095.1 1.67 E-236
7 -9623.6 <<<<<0.00000001
8 -9448.5 <<<<<0.00000001
eK=2
eK=1 + eK=2 + eK=3 + eK=4 + eK=5 + eK=6 + eK=7 + eK=8P =
valores promedios de las X cadenas hechas para cada K
K Ln P(D) P (K)
1 -8569.8 2.27 E-08
2 -8552.2 0.999
3 -8568.1 1.24 E-07
4 -8980.1 1.46 E-186
5 -9145.4 2.38 E-258
6 -9095.1 1.67 E-236
7 -9623.6 <<<<<0.00000001
8 -9448.5 <<<<<0.00000001
eK=2
eK=1 + eK=2 + eK=3 + eK=4 + eK=5 + eK=6 + eK=7 + eK=8P =
Estudio de caso:
Manejo pesquero de la langosta en el archipiélago de Wayu-Wayu
1 23
4
5
67
8
OK, 2 poblaciones.
¿Pero cuáles son?
1
3
2
1 23
4
5
67
8
2 poblaciones que deben ser manejadas separadamente
Manejo pesquero =
Poulin, Faugeron and Veliz 2010
Journal of Fictive Science 1: 17-24
Etc...
Bar plot: sintetizando los resultados
Cada cadena, para cada K, genera un bar plot de Q
Hacemos 10 réplicas = 10 bar plots para cada K
Distruct (Rosenberg 2004)
http://rosenberglab.bioinformatics.med.umich.edu/distruct.html
CLUMPP (Jakobsson & Rosenberg 2007)
http://rosenberglab.bioinformatics.med.umich.edu/clumpp.html
Sintetizan los resultados de Q para cada conjunto de cadenas (i.e. para cada K) e generan un bar plot sumário
1 23
4
5
67
8
711
67 4 2 2 1
03
1
3
4
1012