De l’ADN à l’arbre du vivant

Un petit guide du phylogénéticien moléculaire

Un peu d’histoire

La phylogénie ou phylogenèse est l’histoire évolutive des êtres vivants ou ayant vécu.
1866 " Haeckel introduit le terme # phylogénie $ 1966 " Hennig présente les %ondements de la systémati&ue phylogénéti&ue ou cladisti&ue. 1981 " 'iley développe la théorie de la systémati&ue phylogénéti&ue
A lire : Dayrat B. How did Haec el build his trees ! Syst. Biol. "##$% &":&'&

Haeckel’s Monophyletischer Stammbaum der Organismen (18 !

Un peu d’histoire
Le dé(ut des phylogénies moléculaires (asées sur l’analyse comparée de sé&uences remonte au) années *+ au) travau) de ,uckerkandl et -auling (1. /! et 0itch et 1argoliash (1. 2! sur les sé&uences protéi&ues de cytochrome c et de glo(ines. 1ais la vérita(le révolution moléculaire en phylogénie commence dans les années 1..*+ suite 3 l’invention de la -45 et au développement des techni&ues de sé&uen6age. 7epuis+ les données moléculaires ont pro%ondément modi%ié notre vision de l’ar(re du vivant.

8rois domaines du vivant ('oese et al+ 1..*!

8ree o% eukaryotes (9aldau% :**;!

Les principau) avantages des données moléculaires (sé&uences d’<7= ou de protéines! par rapport au) données morphologi&ues sont l’universalité, la rapidité et l’objectivité.

.Un peu de th(orie Un arbre phylogénétique est une représentation graphi&ue de la phylogenèse d’un groupe de ta)a. Les n>uds internes représentent des ancêtres hypothéti&ues. Les n>uds e)ternes représentent les unités ta)onomi&ues et les (ranches dé%inissent les relations entre les ta)a en terme de descendance. Le phylogramme est un dendrogramme e)primant les relations phylogénéti&ues entre plusieurs ta)a et dont la longueur des (ranches est proportionnelle au) distances séparant les sé&uences+ e)primées en nom(re de su(stitutions par site. A B C D 4ladogramme A B C D Les arbres phylogénétiques sont comme des mobiles E E -hylogramme Le cladogramme est un dendrogramme e)primant les relations phylogénéti&ues entre plusieurs ta)a et construit 3 partir d’une analyse cladisti&ue.

/ 1. 1* ..Un peu de th(orie La racine d’un arbre phylogénétique indi&ue la position de l’ancêtre commun de tous les ta)a présents dans l’ar(re./ 1.B/ 1* . La position de la racine est ar(itrairement déterminée sur la (ase de données %ossiles ou autres. B / =( d’ar(res non@enracinés 1 ./ 1. 1/ 1*/ 2 8 ./ : *:2 *:/ . Les méthodes d’analyse phylogénéti&ue reconstruisent tou?ours des ar(res non@enracinés.B/ 1* ../ 1.B B/. A C Le nom(re d’ar(res augmente e)ponentiellement en %onction du nom(re de ta)aA =( de ta)a ./ : *:2 *:/ =( d’ar(res enracinés . 1/ 1*/ . B:/ B D <r(re non@enraciné A B C D la racine <r(re enraciné Casse-tête d'un phylogénéticien: une histoire et des millions d'arbres possibles .

! " # $ ! " # $ ancêtre commun <C9 ancêtre commun 4 C 7 un groupe monophylétique comprend un ta)on ancestral et tous ses descendants un groupe polyphylétique comprend un certain nom(re d’espèces+ mais pas leur ancêtre commun ! " # $ un groupe paraphylétique comprend un ta)on ancestral et une partie seulement de ses descendants ancêtre commun < C 9 C 4 C 7 C D $n principe.Un peu de th(orie La position de l’ancêtre donne une direction 3 l’ar(re et permet de dé%inir les groupes monophyléti&ues+ polyphyléti&ues et paraphyléti&ues. seuls les groupes monophylétiques sont reconnus dans la classi%ication phylogénétique& .

ncbi.gov:80/entre / .nlm.A)ant de commencer <vant de commencer le travail il %aut choisir le mar&ueur moléculaire approprié au groupe ta)onomi&ue étudié. %aites votre choi( en %onction des séquences présentes dans les bases de données& http://www.nih. Euel&ues e)emplesA phylogénie de (actéries (1 F r7=<! phylogénie d’eucaryotes (18F r7=<+ actine+ D01+ 5-91! phylogénie de plantes (r(cL+ 18F r7=<! phylogénie d’animau) niveau phylum+ classe+ ordre (18F r7=<+ génome mt! niveau %amille (5<G:+ 1:F+ 1 F mt! niveau genre (H8F+ protéines mt! niveau intra@spéci%i&ue (7@Loop+ introns! "rit)res du choi( d*un marqueur+  universalité  structure conservée  a(sence de trans%ert généti&ue  tau) d’évolution approprié  a(sence de (iais sélecti% 'i possible.

Les méthodes d’e)traction varient en %onction du matériel. (actéries (guanidine! protistes (guanidine+ 48<9! plantes (48<9 kits! animau) (guanidine+ phenol@chloro%orme+ tissue kits! solIsédiments (48<9+ kits! matériel ancien (digestion proteinase J+ phenol@chloro%orme! Extraction .Au laboratoire * e+traction $(traction de l’ #.

.*’’ 3 B/@//L4! une élongation (:’ 3 2:L4! Les trois étapes sont répétées .*’’ 3 . mpli%ication par -". pas de répétitions internes. et avec les 6 bases du c7té 8’ sans ambigu9tés& A lire: chapitre de Stephen . Le protocole standard de -45 comprendA une dénaturation (.-.BL4! un attachement des amorces (.Au laboratoire * ./@B* %ois et suivies par une élongation %inale (/’ 3 2:L4! Unampli%ied 7=< 5' C A G T GA A C T T GT C A C T T G A A Extraction PCR Denature and anneal primers 5' C A G T GA A C T T GT -rimer : -rimer 1 Primer extension 5' C A G T GA A C T T G T CA C 8a& -rimer 1 -rimer : End of cycle 1 5' C A GT GA A C T T G TC ACT T G A A 3' 5' 3' 3' 3' 5' 3' C A G T GA A C T T G TC ACT TG AA 3' TT G T C ACT T G A A 3' 5' 5' 3' 8a& 3' 5' 3' A AC T T GT C A C T T G A A 5' "aractéristiques d’une bonne amorce + 18/01 bases minimum. La -45 (-olymerase 4hain 5eaction! permet de multiplier le nom(re de %ragments d’<7= 3 l’aide de l’enKyme 8<E -olymerase. pas de complémentarité possible entre amorces. composition en bases 23"4 56 équilibrée.alumbi dans Molecular Systematics% "ed.

Au laboratoire * clonage Le clonage du produit -45 est nécessaireA  si vous travailleK sur des échantillons d’<7= environnemental+  si votre échantillon d’<7= est contaminé par un autre <7=+  si les copies du gène étudié dans le même organisme ne sont pas identi&ues+  si vous chercheK des haplotypes. . PCR Extraction Clonage Fi vous n’êtes pas concernés+ vous aveK de la chance et vous pouveK sauter une page.

Au laboratoire * clonage Le clonage permet de séparer les copies du gène ampli%ié et de les multiplier une par une. 1. Méri%ication des clones par -45 + + . Ligation du produit -45 dans un vecteur :. 8rans%ormation et multiplication des (actéries ..

Au laboratoire * s(/uen0age 'équen:age Le processus de sé&uen6age comprend . étapesA la réaction de sé&uence le gel de sé&uence l’analyse -endant la réaction de séquence (N4ycle se&uencing Oith 7ye 8erminatorsN!+ le template est a?outé dans 1 seul tu(e contenant en particulier la 8<E polymérase+ le primer de sé&uen6age+ les d=8-s et les N8erminatorsN. 4e sont en %ait des dideo)y@d=8-s+ chacun mar&ué par un %luorochrome di%%érent. primer A A C A C G A C G T Extraction PCR Séquençage terminators . Lors de cha&ue cycle+ les (rins en e)tension incorporent principalement les d=8-s et &uel&ues 8erminatorsP ceu)@ci empêchent toute e)tension ultérieure et Nmar&uentN ainsi lQe)trémité des (rins.

Le laser e)cite les %luorochromes &ui émettent chacun leur rayonnement spéci%i&ueP ces rayonnements sont enregistrés par le 447 et organisés en spots (N(andeN! %luorescents dans lQordinateur &ui pilote lQappareil. Le programme d*analyse < partir des données mémorisées+ le programme construit lQimage dQun gel traditionnel+ avec les diverses pistes constituées de spots colorés successi%s. < cet endroit+ un module dQe)citationIenregistrement (laser argon I camera 447! (alaie périodi&uement les produits en migration. 4ha&ue spot enregistré est en %ait un pic de %luorescence correspondant 3 lQune des B (ases du code généti&ue+ et la succession des pics donne la succession des (ases+ cQest@3@dire la sé&uence de lQéchantillon.Au laboratoire * s(/uen0age Le gel de séquence Les (rins synthétisés sont séparés selon leur taille par électrophorèse sur gel dQacrylamide@uréeA les (rins courts migrent plus vite &ue les (rins longs vers lQe)trémité in%érieure du gel. .

1’(dition et l’assemblage se 2ont en utilisant les programmes Analysis 3Mac4% Autoassembler 3Mac4 ou Bioedit 3. .-4. L*assemblage des séquences Felon le travail en cours+ les sé&uences éditées peuvent êtreA NcomplémentéesN + cQest@3@dire NsuperposéesN dans le cas du sé&uen6age du même template dans les : directionsP Nassem(léesN+ cQest@3@dire Nmise (out 3 (outN dans le cas du sé&uen6age de plusieurs %ragments successi%s composant le même template.A l’ordinateur <vant les analyses les sé&uences doivent être éditées et assem(léesA L*édition des séquences Les sé&uences (rutes doivent être aménagées et contrRlées A élimination du dé(ut de la sé&uence (accumulation de NdéchetsN!P élimination de la %in de la sé&uence ((aisse de &ualité+ donc de con%iance!P identi%ication et élimination des pics parasites (3 géométrie irrégulière!P identi%ication et élimination des %ragments de vecteur (clonage!P correction des am(iguStés ( = T (ase non déterminée! dues 3 des superpositions de pics insu%%isamment discriminés par le programmeP corrections des erreurs du programmeP identi%ication des primers dQampli%ication.

nc(i.nlm.govI9L<F8I Le 9last vous indi&ue les sé&uences les plus similaires en se (asant sur le pourcentage de divergence entre votre sé&uence et les autres. ttention < Le !last ne peut en aucun cas remplacer une analyse phylogénétique& .nih.A l’ordinateur !last . recherche de similarité <%in de véri%ier si votre sé&uence correspond grosso modo 3 d’autres sé&uences du même gène ou du même ta)on+ vous pouveK la comparer 3 une (ase de données pu(li&ues Gen9ank+ accessi(le sur le site de =49H httpAIIOOO.

etc&6 >& "hoi( du mod)le d’évolution le plus adapté et estimation des param)tres de ce mod)le 6& "onstruction d’une matrice de distances 2%acultati%6 ?& .A l’ordinateur Les principales étapes de l’analyse phylogénétique des séquences + 8& =& lignement nalyse des caractéristiques du set de séquences 2composition en bases. tau( de 3". etc& .echerche des arbres phylogénétiques optimau( selon les crit)res de la méthode choisie 8& 5ests statistiques + bootstrap 2robustesse des arbres6.

Le (ut de cette étape est de s’assurer &ue chacun des sites choisis est homologue+ c’est@3@dire hérité d’un ancêtre commun par descendance directe+ et &u’il est donc suscepti(le de contenir une in%ormation phylogénéti&ue sur cette histoire évolutive.html .'r/(io!n'o/Clustal&/)op. Clustal & http://www-igbmc.A l’ordinateur lignement 1 L’alignement des sé&uences o(tenues au) sé&uences homologues des (ases de données est une étape cruciale &ui permet de choisir les sites &ui seront utilisés dans les analyses phylogénéti&ues.u-strasbg. -our s’assurer de l’homologie d’un site+ on se (ase sur sa position par rapport au) autres sites+ en utilisant les in%ormations suivantes A la structure primaire des sé&uences (ordre des nucléotides! la structure secondaire des sé&uences (gènes ri(osomi&ues! la sé&uence en acides aminés (gènes codant pour des protéines! !l e"iste des programmes d#alignement automati$ue% p. e".

<ttention+ les gaps sont 3 utiliser avec modération+ et si une région est trop varia(le+ il ne %aut pas hésiter 3 l’e)clure des analysesU ta)on 1 ta)on : ta)on . ta)on B ta)on / ACCTG-TCGTACTGCCAGTAC-CTGACCTGCCAGTCAGA ACCAG-TCGTGCTGCC-CAT--CTGACATGACA-TCAGA ACCTG-TCGTGCAGCCGCGT--CTGTCCTGCCAGTCGGA ACCTGGTCGTACTGCC-CATA-CTGGCCTGTCAGTCAGA ACTTG-TCGTACTGCCGTCGAACTGGCCTGTCAGTCAGA 5one )ariable /ui sera e+clue des analyses car l’homologie des sites est impossible 6 d(terminer d(l(tion insertion *ttention : les programmes d#alignement automati$ue seuls ne su''isent pas% et il 'aut tou+ours véri'ier l#alignement .A l’ordinateur lignement 0 <u (esoin+ des gaps (espaces! sont arti%iciellement a?outés dans l’alignement pour tenir compte des événements d’insertions etIou de délétions pouvant avoir eu lieu dans certaines sé&uences. l#oeil - .

lab/ . 23eneral 5ime .edu/ oology/crandall. @od)le A" 2AuBes/"antor6 π< T π4 T πG T π8 α=β @od)le C0.byu.eversible6 π< ≠ π4 ≠ πG ≠ π8 les su(stitutions possi(les ont un tau) spéci%i&ue p<< p<4 p<G p<8 -t T p4< p44 p4G p48 pG< pG4 pGG pG8 p8< p84 p8G p88 1atrice de la pro(a(ilité des su(stitutions "omment savoir quel est le mod)le le plus adapté G vos données H  programme @I#$L5$'5 http:// bioag. Cishino.A l’ordinateur @od)les d’évolution <%in de corriger la di%%érence entre le nom(re de su(stitutions o(servées et leur nom(re réel+ di%%érents modèles ont été proposés+ tenant compte de la %ré&uence des (ases (π<+ π4+ πG+ π8! et du ratio des transitions (α! par rapport au) transversions (β!.2Cimura 0 param)tres6 π< T π4 T πG T π8 α≠β @od)le DCE8> 2DasegaFa. Eano6 π< ≠ π4 ≠ πG ≠ π8 α≠β @od)le 35.

Dn prati&ue+ cette hétérogénéité des tau) est modélisée sous %orme d’une distri(ution Gamma+ &ui permet d’o(tenir une grande variété de distri(ution et de tau) tout en n’incorporant &u’un seul paramètre supplémentaire dans le modèleA α. la %orme de la cour(e de distri(ution. . Dn%in+ on peut également décider &u’une certaine %raction de sites est invaria(le (ce &ui correspond 3 un paramètre sup@ plémentaire H!+ au&uel cas la dis@ tri(ution Gamma ne s’appli&uera &u’au) sites li(res de varier.3amma distribution A l’ordinateur 8ous les sites d’un alignement n’évoluent pas 3 la même vitesse+ et l’hétérogénéité des tau) de su(stitution entre sites peut être incorporée dans le modèle d’évolution sous %orme de la pro(a(ilité &u’un site donné évolue selon un tau) donné. <%in de simpli%ier l’attri(ution d’un tau) 3 cha&ue site+ on uti@ lisera une distri(ution discrète plutRt &ue continue+ avec un nom(re restreint de catégories de tau) (B 3 8 en général!.

ar(re phylogénéti&ue 1éthode de ma)imum de parcimonie 1éthodes pro(a(ilistes @ ma)imum de vraisem(lance @ analyse (ayesienne @éthodes de caract)res Fé&uences .A l’ordinateur @éthodes de reconstruction phylogénétique + @éthodes de distances Fé&uences matrice de distances ar(re phylogénéti&ue 7i%%érents algorithmes de reconstruction de l’ar(re A =eig(or@Voining (=V!+ 0itch@1argoliash+ 1inimum Dvolution+ W.

#é%auts A 8raitent l’in%ormation contenue dans cha&ue site de manière glo(ale P sensi(les au) di%%érences de tau) de su(stitution entre ta)a.A l’ordinateur @éthodes de distances 4es méthodes permettent la construction d’un ar(re 3 partir d’une matrice des distances séparant cha&ue paire de sé&uences. $tape 0+ "onstruction d’un arbre G partir de la matrice 7ans cette étape on reconstruit l’ar(re dont la topologie et les longueurs de (ranches correspondent le mieu) au) distances calculées 3 l’étape 1. . vantages A D)trêmement rapides+ permettent des analyses de grands ?eu) de données P tiennent compte d’un modèle d’évolution. $tape 1+ "onstruction de la matrice de distances Les distances o(servées peuvent être corrigées en %onction d’un modèle d’évolution+ notamment pour tenir compte des su(stitutions multiples 3 un même site et de vitesses d’évolution di%%érentes entre sites.

-armi tous les ar(res possi(les+ cette méthode choisit donc celui oX le nom(re de changements (steps! nécessaires pour e)pli&uer les données o(servées (l’alignement! est minimum. ta)on 1 ta)on : ta)on .A l’ordinateur @éthode de ma(imum de parcimonie 2@-6 4ette méthode s’inspire directement du cladisme et part du postulat &ue l’évolution est parcimonieuse+ c’est@3@dire &u’elle passe tou?ours par le chemin le plus court (ce &ui est loin d’être certainU!. #é%auts A =e tient compte &ue des sites in%ormati%s+ ne permet pas l’utilisation d’un modèle d’évolution+ est très sensi(le au) di%%érences de tau) de su(stitution entre ta)a. ta)on B ta)on / ACGTCGTCAAAAGCAT ACGACGTCGAATGCAT ACGTCGTCGATTGCGT AAGTCGTCACGTGCAT ACGTCGTTACGTGCAT site constant site variable in'ormati' site )ariable non*in2ormati2 . vantages A 1éthode de caractères relativement rapide P permet de polariser les caractères.

vantages A -ermet une utilisation optimale du modèle d’évolution en tenant compte de l’in%ormation contenue dans tous les sites P e%%icace même lors&ue les tau) de su(stitution varient entre ta)a. La somme des vraisem(lances de toutes les topologies possi(les est égale 3 1+ et la vraisem(lance de cha&ue topologie est donc très petite+ c’est pour&uoi le likelihood d’un ar(re est e)primé sous %orme de logarithme. . #é%auts A 1éthode très coZteuse en temps de calcul.2 # 4 5 6 Yn considère &ue cha&ue site est indépendant+ et la vraisem(lance de l’alignement est alors le produit de la vraisem(lance de cha&ue site.A l’ordinateur @éthode de ma(imum de vraisemblance 2@L6 4ette méthode pro(a(iliste cherche 3 ma)imiser la pro(a(ilité d’o(server les sé&uences (7!+ étant donné un ar(re et ses longueurs de (ranches+ et un modèle d’évolution et ses paramètres (8! A liBelihood 2vraisemblance6 J .

. .A l’ordinateur . .et @L 4es méthodes e)plorent toutes les di%%érentes topologies d’ar(res possi(les et choisissent la meilleure en %onction d’un critère donné P on passe donc directement de l’alignement de sé&uences 3 un ar(re. . ..echerche des arbres dans les méthodes @.echerche e(haustive -our un petit nom(re de ta)a (1 3 1*!+ il est possi(le de réellement comparer toutes les topologies possi(les et on est certain d’a(outir au meilleur ar(re possi(le.echerche heuristique -our plus de 1* ta)a (la grande ma?orité des cas U!+ le nom(re de topologies 3 tester est (ien trop grand+ et on doit recourir 3 un stratagème pour ma)imiser les chances de trouver le meilleur ar(re sans pour autant devoir tester toutes les topologies possi(les.robl7me : On ne peut pas 8tre certain de trou)er le meilleur arbre. -rincipe A le programme choisit un ar(re au hasard et évalue son score+ puis crée un changement dans l’ar(re et évalue le nouveau score P si ce nouveau score est meilleur &ue celui de l’ar(re de départ+ le nouvel ar(re devient l’ar(re de départ de l’étape suivante.

4ette méthode est disponi(le dans le programme 1r 9ayes http+44morphbanB&ebc&uu&se4mrbayes4 .A l’ordinateur @éthode bayesienne 4ette méthode pro(a(iliste cherche 3 ma)imiser la pro(a(ilité postérieure d’o(server un ar(re et un modèle d’évolution (8!+ étant donné les sé&uences (7!+ et se (ase sur le théorème de 9ayes A -2#456(-256 probabilité postérieure 2--6 J . vantages A -lus rapide &ue le ma)imum de vraisem(lance.d’une topologie ou d’un paramètre est impossi(le 3 calculer+ mais elle peut être appro)imée gr[ce au) méthodes des @arBov "hains @onte "arlo+ &ui échantillonnent des ar(res en proportion de leur -(si l’ar(re est échantillonné souvent+ c’est &u’il a une -. #é%auts A Les -.élevée!.ont tendance 3 surestimer la %ia(ilité des noeuds internes des phylogénies P cette méthode n’a pas encore été su%%isamment testée sur des ?eu) de données réels et comple)es.2 5 4 # 6 J -2#6 Dn prati&ue+ la -.

edu:phylip:so2tware.A l’ordinateur -rogrammes de phylogénie (les plus utilisés dans notre la(o! A nom type de données nucléotides acides aminés nucléotides acides aminés nucléotides acids aminés méthodes 1-+ distance+ 1L 11L+ distance+ 11L+ distance+ 1distance+ 1L+ 1distance+ 1L+ 1modèles tous aucun V4+ J:-+ 081+ 08B -<1+ V88 V4+ J:-+ 8?=+ HJ^+ Log7et -oisson+ -<1 gamma oui non oui oui non non support -<U-\ 1ac+ -4+ Uni) -hylip -4+ Uni) -hylo]'in Uni) 9ous ces programmes sont disponibles depuis le site http:::e)olution.genetics.washington.html .

.AU.! 1es <H et SH tests sont impl(ment(s dans . LiBelihood .=. A tester la monophylie d’un groupe+ déterminer si deu) topologies distinctes sont signi%icative@ ment di%%érentes ou non+ . -our cela+ on dispose de di%%érents tests statisti&ues &ui pour la plupart se (asent sur les valeurs de likelihood.9 s’e22ectue en comparant le double de la di22(rence de log314 entre les deu+ arbres 6 une table de -hi " .atio 5est A utilisé lors&ue l’on souhaite comparer deu) ar(res ayant la même topologie+ mais &ui ont été o(tenus avec des modèles d’évolution di%%érents (e).! Un 1.. A 1odel8est+ test de l’horloge moléculaire+ .A l’ordinateur 5ests statistiques <u terme d’une analyse phylogénéti&ue+ il est nécessaire de tester la ro(ustesse des résultats trouvés selon les di%%érentes méthodes. le nombre de degr(s de libert( est (gal 6 la di22(rence dans le nombre de param7tres du mod7le de cha/ue arbre... _ Cishino/DasegaFa et 'himodaira/DasegaFa tests A utilisés pour comparer des ar(res dont les topologies di%%èrent (e)..

!ootstrap A l’ordinateur 4’est la méthode la plus souvent utilisée pour tester la %ia(ilité des (ranches internes. 4ha&ue réplication produit un nouvel alignement # arti%iciel $ &ui est utilisé pour construire un ar(re # arti%iciel $. -our cha&ue (ranche interne+ on calcule le pourcentage d’ar(res # arti%iciels $ contenant cette (ranche. Le (ootstrap consiste 3 e%%ectuer un tirage des sites au hasard avec remise. Ha(ituellement+ on e%%ectue 1111 réplications de (ootstrap pour les ar(res de distance+ mais seulement 111 pour les ar(res de parcimonie ou de ma)imum de vraisem(lance+ &ui demandent (eaucoup plus de temps de calcul.*a sont %ia(les. 80 20 A B C 100 D E L’ar(re # (ootstrapé $ avec les valeurs de (ootstrap indi&uées au dessus des (ranches internes. Yn considère généralement &ue les (ranches dé%inies par une valeur de ` . /our bootstraper 0000 'ois un arbre 12 de 30 sé$uences d#environ 0000 bases% il 'audrait 40 +ours - .

r J C 4 05 ? A t B T C D E bilan %ossile Un relative rate test (558! permet de véri%ier si le tau) de su(stitution entre les sé&uences étudiées est constant. Yn calcule le tau) a(solu des su(stitutions dans un gène donné en divisant le nom(re de su(stitutions par site (J! par deu) %ois le temps de divergence (8!.2r:so2tware:rrtree.html Un liBelihood ratio test (L58! permet de véri%ier si l’hypothèse de l’horloge moléculaire est respectée..A l’ordinateur "alibration de l’arbre Yn peut estimer le temps de divergence entre : sé&uences en cali(rant l’ar(re avec les données %ossiles et en assumant &ue le tau) de su(sti@ tution reste sta(le (hypothèse de l’horloge moléculaire!.9ree: http:::pbil. .uni)*lyon'. programme .

vantage A Hl n’est pas nécessaire d’avoir le même échantillonnage d’espèces pour cha&ue gène.u :>?thorley:radcon:radcon.ad-on: http:::darwin.gla.A l’ordinateur nalyses multigéniques et 'upertrees Lors&ue l’on souhaite analyser plusieurs mar&ueurs pour résoudre un pro(lème phylogénéti&ue+ deu) possi(ilités e)istent A 1ettre (out 3 (out les sé&uences des di%%érents gènes pour cha&ue espèce et %aire les analyses sur ce bsuperalignementc "onditions A Hl %aut si possi(le avoir le même échantillonnage d’espèces pour cha&ue gène+ et il %aut &ue les di%%érents gènes puissent être considérés comme évoluant selon le même modèle.5oology. <nalyser cha&ue gène séparément et comparer les résultats+ en construisant par e)emple un bsupertreec -rincipe A Le programme compare les ar(res+ code les noeuds internes de cha&ue ar(re en %onction de la totalité des ta)a présents dans tous les ar(res+ et crée une matrice 3 analyser dans -<U- &ui permettra d’o(tenir le supertree.ac.html . programme .

Dd. 9lackOell. < practical course in systematics. :**1+ -hylogenetic trees made easy. Finauer Lecointre 3& L Le 3uyader D&.1.+ 1olecular Dvolution. Y)%ord Fcience -u(lications. :**1+ La classi%ication phylogénéti&ue du vivant.Les auteurs de ce petit guide (Van+ 4édric+ Vuan et Vosé! et toute l’é&uipe du Groupe de Fystémati&ue 1oléculaire vous souhaitent un Kuelques ré%érences utiles + #arlu.. #&@&. -&. Dillis.. 1.+ 1.7. "&.. @oritN... !+ 1olecular Fystematics : ed. 4oncepts et méthodes.. Finauer. -&L& et al&. .4. < HoO@to manual %or molecular (iologists. d Dolmes+ D. !&3&. -& L 5assy. 1asson Morey. < -hylogenetic <pproach. 1. 9elin -age+ 5.:+ 4ladistics. @able. 4larendon -ress+ Y)%ord Dall.+ 5econstruction -hylogénéti&ue. !&C& (1.