Utilisation de la phylogénie pour reconstruire l'histoire

Utilisation de la phylogenie pour reconstruirel’histoire evolutive des proteines:

resurrection de genes et detection de lacoevolution

Julien Dutheil1

<Julien.Dutheil@univ-montp2.fr>

1Institut des Sciences de l’Evolution (ISE-M),UMR CNRS 5556, Universite Montpellier 2, France

http://kimura.univ-montp2.fr/∼jdutheil/Cours/

22 Mars 2007

Julien Dutheil (Universite Montpellier 2) Ancestral Sequence Reconstruction 22 Mars 2007 1 / 39

Introduction

... sequences ancestrales?

Bio-sequence (ADN, ARN, codon, proteine) putative d’unorganisme aujourd’hui eteint.

Introduction

... reconstruction?A l’exception de quelques cas particuliers(ADN ancien), lessequences ancestrales ne sont pas observees et doivent etreinferees a partir des sequences contemporaines de leursdescendants.

Introduction

... reconstruction?A l’exception de quelques cas particuliers(ADN ancien), lessequences ancestrales ne sont pas observees et doivent etreinferees a partir des sequences contemporaines de leursdescendants.

... quel interet?Assez proche de celui de l’etude des fossiles: permet d’obtenirune image du passe afin de mieux comprendre le present.

En pratique, on ne dispose pas toujours d’ADN fossile, surtoutlorsqu’on s’interesse aux periodes tres anciennes.

Plan de la presentation

1 Reconstruction des sequences ancestrales

2 Applications: resurrection de genes

3 Cartographie de substitutions

4 Application: detection de la coevolution au niveau moleculaire

Reconstruction des sequences ancestrales

Princippe

Parcimonie: calcule du scoreet des etats ancestrauxsimultanement (algorithme deFitch)

Princippe

Mais plusieurs reconstructionsavec le meme score

Princippe

Mais plusieurs reconstructionsavec le meme score

Les approches probabilistespermettent d’evaluer laprobabilite de chaque scenario

Modeles, parametres, variables aleatoires etvraisemblance

Parametres: arbre (topologie + longueurs de branches), matricede substitutions (Q),. . .

Parametres: arbre (topologie + longueurs de branches), matricede substitutions (Q),. . .Variables aleatoires: etats ancestraux, distribution des vitessesd’evolution,. . .

Parametres: arbre (topologie + longueurs de branches), matricede substitutions (Q),. . .Variables aleatoires: etats ancestraux, distribution des vitessesd’evolution,. . .Recurrence de FELSENSTEIN:

Li(Tn, xn) =

1 if Tn est une feuille avec l’etat xn au site i,0 if Tn est une feuille avec l’etat 6= xn au site i,(∑

pxn,xn1 (tn1) × Li(Tn1, xn1)

pxn,xn2 (tn2) × Li(Tn2, xn2)

) autrement.

n1 et n2 sont les descendants du noeud n.Tous les pxn,xn1 et pxn,xn2 sont donnes par eQ×t .

Tn, xn

Tn1, xn1

Tn2, xn2

Estimation et reconstruction

Estimation des parametres: maximum de vraisemblance

Reconstruction des variables aleatoires non-observees: approchebayesienne

Pr(X |D,Θ) = Pr(D, X |Θ)/Pr(D|Θ)

[X=variable, D= donnees, Θ=parametres]

[X=variable, D= donnees, Θ=parametres]Dans cette equation Θ est considere connu, ce qui n’est pas lecas. Deux approches sont utilisees:

◮ Utiliser une distribution a priori de Θ (full bayesian = bayesienhierarchique)

◮ Utiliser une distribution ”degeneree”, telle Θ = Θ, l’estimateur MLde Θ (bayesien empirique)

[X=variable, D= donnees, Θ=parametres]Dans cette equation Θ est considere connu, ce qui n’est pas lecas. Deux approches sont utilisees:

◮ Utiliser une distribution a priori de Θ (full bayesian = bayesienhierarchique)

◮ Utiliser une distribution ”degeneree”, telle Θ = Θ, l’estimateur MLde Θ (bayesien empirique)

Le terme ”bayesien empirique” a ete initialement introduit parZIHENG YANG pour le probleme de la reconstruction de sequenceancestrales [Yang et al., 1995].

La reconstruction marginale (YANG)

x? Etat d’un noeud particulier (x)

La probabilite de chaque etat au site iest donnee par:

Pr(Xi = x |D,Θ) =Pr(x , D|Θ)

Pr(D|Θ)

=Li ,x

La probabilite de chaque etat au site iest donnee par:

Pr(Xi = x |D,Θ) =Pr(x , D|Θ)

Pr(D|Θ)

=Li ,x

On retient l’etat avec la probabilitemaximale.

La reconstruction jointe (YANG)

x2?x3?

Etats de tous les noeuds ({x1 . . . xn})

x2?x3?

La probabilite d’un scenario au site iest donnee par:

Pr(X 1i = x1, . . . , X n

i = xn|D,Θ)

=Pr(x1, . . . , xn, D|Θ)

Pr(D|Θ)

=Li ,x1,...,xn

x2?x3?

Pr(X 1i = x1, . . . , X n

i = xn|D,Θ)

=Pr(x1, . . . , xn, D|Θ)

Pr(D|Θ)

=Li ,x1,...,xn

On retient le scenario ayant laprobabilite maximale

x2?x3?

Pr(X 1i = x1, . . . , X n

i = xn|D,Θ)

=Pr(x1, . . . , xn, D|Θ)

Pr(D|Θ)

=Li ,x1,...,xn

On retient le scenario ayant laprobabilite maximale

Probleme du nombre de scenarios!

En pratique. . .

Le logiciel PAML (Phylogenetic Analysis using MaximumLikelihood) de YANG permet de reconstruire les sequencesancestrales selon les methodes marginales et jointes

En pratique. . .

TAL PUPKO a propose un algorithme permettant d’effectuer lesreconstructions jointes rapidement, implemente dans leprogramme FastML [Pupko et al., 2000]

En pratique. . .

TAL PUPKO a propose un algorithme permettant d’effectuer lesreconstructions jointes rapidement, implemente dans leprogramme FastML [Pupko et al., 2000]

FastML implemente egalement un algorithme heuristique poureffectuer des reconstructions jointes avec une distributionnon-uniforme des taux d’evolution (loi Γ)

Quelques remarques

L’union des reconstructions marginales n’est pas egale a lareconstruction jointe. Les deux ont d’autant plus de chances dedifferer que l’arbre contient des longues branches.

Quelques remarques

La reconstruction depend du modele et des parametres, incluantbien sur la phylogenie. Il est donc souvent utile de comparer lesreconstructions selon differents modeles.

Quelques remarques

La reconstruction depend du modele et des parametres, incluantbien sur la phylogenie. Il est donc souvent utile de comparer lesreconstructions selon differents modeles.La reconstruction est incertaine! On peut:

◮ verifier l’ecart entre les probabilites maximales et les suivantes,◮ echantillonner plusieurs sequences parmi les probabilites

posterieures (plus satisfaisant, mais souvent plus couteux!)

Applications: resurrection de genes

Principe

Reconstruire une ouplusieurs sequencesancestrales in silico

Principe

Synthetiser la proteinecorrespondante

ATTAGCATCGATACTGCGTTGCGTGCCAAC

Synthese

Amplification (PCR)

Clonage dans vecteur

Expression dans une cellule

Purification de la proteine

Analyse

Principe

Etudier lescaracteristiques de laproteine ancestrale

ATTAGCATCGATACTGCGTTGCGTGCCAAC

Synthese

Amplification (PCR)

Clonage dans vecteur

Expression dans une cellule

Purification de la proteine

Analyse

Principe

Etudier lescaracteristiques de laproteine ancestrale

Les dinosaures voyaient-ils rouge?[Chang et al., 2002]

Pigments visuels: rhodopsine, impliquee dans la vision a faiblelumiere

Pigments visuels: rhodopsine, impliquee dans la vision a faiblelumiereRhodopsine desarchosaures: ontdonne les dinosaures,peu de connaissancessur leur physiologie

Fonctionnel, absorbe a508nm, ce qui est plus”rouge” que tous lesvertebres actuels(connus)

Consistant avecl’hypothese d’unancetre nocturne

La couleur des coraux [Ugalde et al., 2004]

Trois types de couleur: bleu, vert et rouge

Convergences, mais quel etait l’etatancestral?

Reconstruction in silico, avec modelesnucleotides, codons et acides amines(bon consensus)

Le lysozyme des galliformes [Malcolm et al., 1990]

Premiere reconstructioneffectuee

Triplet de sites d’interet

Faisant THR ILE SERFaisant vert THR ILE SER

Caille SER VAL THRCaille de Californie SER VAL THR

Pintade SER VAL THRPoulet THR ILE SER

Caille Japonaise THR ILE SERDinde THR ILE SER

Tragopan THR ILE SERTragopan de Temminck THR ILE SER

Faisant de l’Himalaya THR ILE SERPaon THR ILE SER

Faisant de Reeve THR ILE SERFaisant de Lady Amherst THR ILE SER

Faisant cuivre THR ILE SERFaisant a huppe blanche THR ILE SER

Hocco a face nue THR ILE SEROrtalide chacamel THR ILE SER

Ont utilise la mutagenesedirigee pour reconstruire lesdifferentes combinaisonsd’etats

Synthese, etude biochimiqueet cristallisation des variantsobtenus

Resultats

Toutes les proteinesancestrales potentielles sontstables et actives

Resultats

Relation volume total / stabilite

140 160 180 200

Volume des chaînes latérales

Resultats

Relation volume total / stabilite

Neanmoins certainesconfigurations ancestralessont plus stables que lesobservees!

Cartographie de substitutions

Localiser les evenements de substitution

Taxon 1Taxon 2Taxon 3Taxon 4Taxon 5Taxon 6Taxon 7

GGGGGGU

GUUCGUC

AAGUCCG

UUUGG-

CCGGGGG

CCCAAAA

CCCCCCC

GGGGGGU

GUUCGUC

AAGUCCG

UUUGG-

CCGGGGG

CCCAAAA

CCCCCCC

Approche simple:

GGGGGGU

GUUCGUC

vi,0...

vi,k...

AAGUCCG

UUUGG-

CCGGGGG

CCCAAAA

CCCCCCC

Approche simple:

1 Reconstruire les etats ancestraux,

GGGGGGU

GUUCGUC

vi,0...

vi,k...

AAGUCCG

UUUGG-

CCGGGGG

CCCAAAA

CCCCCCC

Approche simple:

2 Puis cartographier tous leschangements [Tuffery and Darlu, 2000].

GGGGGGU

GUUCGUC

vi,0...

vi,k...

AAGUCCG

UUUGG-

CCGGGGG

CCCAAAA

CCCCCCC

Approche simple:

Mais. . .

La reconstruction des etats ancestraux est incertaine,

GGGGGGU

GUUCGUC

vi,0...

vi,k...

AAGUCCG

UUUGG-

CCGGGGG

CCCAAAA

CCCCCCC

Approche simple:

Mais. . .

La reconstruction des etats ancestraux est incertaine,

Possibilite de substitutions multiples!

GGGGGGU

GUUCGUC

vi,0...

vi,k...

AAGUCCG

UUUGG-

CCGGGGG

CCCAAAA

CCCCCCC

Cartographie de substitutions probabiliste[Dutheil et al., 2005]

Nombre de substitutions site-specifique etbranche-specifique

vi,k =∑

Pr(xi,p, xi,q|Di , Θ) × wxi,p,xi,q (tk )

tkxi ,q

vi,k =∑

Pr(xi,p, xi,q|Di , Θ)︸︷︷︸

× wxi,p ,xi,q (tk )

tkxi ,q

1 Probabilite jointe pour les deux etats:

Pr(xi ,p, xi ,q|Di ,Θ) =Pr(xi ,p, xi ,q, Di |Θ)

Pr(Di |Θ)=

Li(xi ,p, xi ,q)

vi,k =∑

× wxi,p,xi,q (tk )︸︷︷︸

2 tkxi ,q

1 Probabilite jointe pour les deux etats:2 wxi,p,xi,q (tk ) est le nombre moyen de changements le long d’une

branche de longueur tk sachant l’etat initial x et l’etat final y .

vi,k =∑

2 tkxi ,q

branche de longueur tk sachant l’etat initial x et l’etat final y .◮ L’expression de ce nombre requiert l’utilisation des transformes de

LAPLACE

wxi,p ,xi,q (t) =mxi,p ,xi,q (t)

pxi,p ,xi,q (t), M(t) =

∞∑

n−1∑

Qp(Q + Λ)Qn−p−1

avec M(t) = {mx,y (t)}, Q = {qx,y}, P(t) = exp(Qt), Λ = diag({qx,x}).

vi,k =∑

2 tkxi ,q

LAPLACE◮ Une approximation est egalement possible...

1 if xi,p 6= xi,q

0 if xi,p = xi,q

vi,k =∑

2 tkxi ,q

LAPLACE◮ Une approximation est egalement possible...◮ De meme qu’une generalisation afin de ponderer les changements

en fonction des proprietes physico-chimiques des residus(proteines).

La cartographie de substitution stochastique[Nielsen, 2002]

Soit M une carte de substitution et Ψ l’ensemble de toutes lescartes possibles,

Soit M une carte de substitution et Ψ l’ensemble de toutes lescartes possibles,Soit φ(D, M) une statistique d’interet,

Soit M une carte de substitution et Ψ l’ensemble de toutes lescartes possibles,Soit φ(D, M) une statistique d’interet,On peut evaluer l’esperance conditionnelle de φ:

E(φ(D, M)|D) =∑

M∈Ψ

φ(M, D) × Pr(M|D).

E(φ(D, M)|D) =∑

M∈Ψ

φ(M, D) × Pr(M|D).

Ψ est un ensemble infini, on utilise donc une procedured’echantillonage:

E(φ(D, M)|D) ≈1N

φ(M∗

i , D).

RASMUS NIELSEN (2002) a propose une maniere d’echantillonnerM en fonction des probabilites posterieures.

E(φ(D, M)|D) =∑

M∈Ψ

φ(M, D) × Pr(M|D).

Ψ est un ensemble infini, on utilise donc une procedured’echantillonage:

E(φ(D, M)|D) ≈1N

φ(M∗

i , D).

RASMUS NIELSEN (2002) a propose une maniere d’echantillonnerM en fonction des probabilites posterieures.La cartographie probabiliste est une solution analytique pour descas particuliers de φ.

Application: detection de la coevolution au niveau moleculaire

Niveaux d’organisation et evolution

Le vivant est organise en unensemble de systemes hierarchique:

6 BiosphereBiomeEcosystemeReseau trophiqueEspecePopulationIndividuOrganeTissuCelluleOrganiteMacromoleculeGene

Tous les systemes d’un niveau donnesont en interaction et n’evoluent doncpas de maniere independante

On appelle coevolution une telleevolution non-independante.

Niveau specifiqueLes especes s’adaptent en permanence(Theorie de la reine rouge de Van Valen).

Pourquoi les (macro)molecules n’evoluent pas demaniere independante?

Mutations compensatoires

ARN: Paires WATSON-CRICK ausein des tiges. Une mutationG → A peut etre compensee parune mutation C → U sur le brinoppose

CGUGCA

CAUGCA

CAUGUA

GCGGAUUU

AGDDGGG A

G A G C

CUG A A

PCUGGA

C U G U GT PC

CACAGAAUUCGCACCAo

Proteines: residus en interaction.

Proteines: residus en interaction.Une mutation “petit→gros” peutetre compensee par une mutation“gros→petit” dans son voisinage

Definition d’une statistique

Definition (Coevolution)Deux (ou plusieurs) sites coevoluent s’ils tendent a avoir dessubstitutions dans les memes branches. On parle alors decosubstitutions [Tuffery and Darlu, 2000].

Il faut evaluer le degre de coevolution de deux sites. La statistiquela plus simple consiste a prendre le coefficient de correlation desvecteurs de substitutions (mapping) des sites (note ρ).

Il faut evaluer la probabilite que cette mesure ne soit pas liee ausimple hasard (p-value).

Distribution de ρ sous l’hypothese nulleBootstrap parametrique

M, Θ Vi , Vj ρ

On simule des donnees sousun modele d’evolution dont lesparametres (y compris laphylogenie) sont estimes apartir des donnees reelles.

Vi , Vj ρ

On estime les cartes desubstitutions des donneessimulees

i , V ′

Vi , Vj ρ

On calcule le coefficient decorrelation

i , V ′

Vi , Vj ρ

On recommence un tres grandnombre de fois

i , V ′

Vi , Vj ρ

i , V ′

Vi , Vj ρ

i , V ′

Vi , Vj ρ

Application a l’ARN ribosomique bacterien

Grande sous-unite (LSU) 50S

ARNr 23SARNr 18S34 proteines

Petite sous-unite (SSU) 23S

ARNr 16S21 proteines

Application a l’ARN ribosomique bacterien

Grande sous-unite (LSU) 50S

ARNr 23SARNr 18S34 proteines

Petite sous-unite (SSU) 23S

ARNr 16S21 proteines

Structures secondaire et tertiairedisponibles et bien documentees

Ou sont les paires detectees?

258 paires detectees pour lagrande sous-unite

225 sont des pairesstructurales

Resultats (LSU): structure tertiaire (1)

Interaction triple:

Interaction Watson-Crick longue distance:

Possible interaction de volume:

Stem pairsOther documented

interactions False positives

225 sont des pairesstructurales225+26

258 = 97% sontconfirmees commecoevoluant

Cartes de substitutions obtenues

Sites non-correles

Cartes de substitutions obtenues

Sites non-correles0.1

Sites correles

ARN:Proteines:

Application aux proteines

Necessite de prendre encompte les proprietesphysico-chimiques des acidesamines

CS−SP

CH−H TS

positive

charged

non-polar

aromatic

aliphatic

Application aux proteines

Necessite de prendre encompte les proprietesphysico-chimiques des acidesamines

Possibilite de coevolution pargroupe

Application aux proteinesExemple de la myoglobine de vertebres

Signal plus faible quel’ARN

ACTINOPTERYGII

MAMMALIA

SARCOPTERYGII

OSTEICHTHYES

PROTOTHERIA

METATHERIA

PLATYRRHINI

CERCOPITHECOIDEA

HOMINOIDEA

HYSTRICOGNATHI

LAGOMORPHA

CARNIVORA

PERISSODACTYLA

CETARTIODACTYLA

TESTUDINES

VERTEBRATA

ACTINOPTERYGII

MAMMALIA

SARCOPTERYGII

OSTEICHTHYES

VERTEBRATA

PROTOTHERIA

METATHERIA

CARNIVORA

CETARTIODACTYLA

PERISSODACTYLA

TESTUDINES

LAGOMORPHA

HYSTRICOGNATHI

HOMINOIDEA

CERCOPITHECOIDEA

PLATYRRHINI

STREPSIRRHINI

Signal plus faible quel’ARNRelation avec la structurepas toujours evidente

◮ residus pres du site actif

◮ residus pres du site actif◮ terminaisons d’helice?

Les evenements decosubstitution onttendance a etre localises

◮ au niveau de ladivergencecondrichthyens /actinopterygiens /sarcopterygiens

ACTINOPTERYGII

MAMMALIA

SARCOPTERYGII

OSTEICHTHYES

TESTUDINES

VERTEBRATA

Les evenements decosubstitution onttendance a etre localises

◮ au niveau de ladivergencecondrichthyens /actinopterygiens /sarcopterygiens

◮ chez le crocodile!

ACTINOPTERYGII

PERISSODACTYLA

MAMMALIA

SARCOPTERYGII

OSTEICHTHYES

VERTEBRATA

TESTUDINES

CETARTIODACTYLA

CARNIVORA

LAGOMORPHA

HYSTRICOGNATHI

HOMINOIDEA

CERCOPITHECOIDEA

PLATYRRHINI

STREPSIRRHINI

METATHERIA

PROTOTHERIA

Methionine Aminopeptidase

Les groupes significatifs apparaissent en contact dans la structure3D.

Proteine bacterienne de surface, impliquee dans le transport dufer

Phosphoribosylglycinamide formyltransferase 2

Biosynthese De novo des purines

(14 leaves)

(22 leaves)

(11 leaves)

(20 leaves)(29 leaves)

Evenements de cosubstitution multiples

(14 leaves)

(22 leaves)

(11 leaves)

Evenements de cosubstitution multiples

Sites localises pres du site actif:

References

B. S. W. Chang, K. Jonsson, M. A. Kazmi, M. J. Donoghue, and T. P. Sakmar. Recreating afunctional ancestral archosaur visual pigment. Molecular Biology and Evolution, 19(9):1483–1489, 2002.

J. Dutheil, T. Pupko, A. Jean-Marie, and N. Galtier. A model-based approach for detectingcoevolving positions in a molecule. Molecular Biology and Evolution, 22(9):1919–28, 2005.

B. A. Malcolm, K. P. Wilson, B. W. Matthews, J. F. Kirsch, and A. C. Wilson. Ancestral lysozymesreconstructed, neutrality tested, and thermostability linked to hydrocarbon packing. Nature,345(6270):86–89, 1990.

R. Nielsen. Mapping mutations on phylogenies. Systematic Biology, 51(5):729–739, 2002.

T. Pupko, I. Pe’er, R. Shamir, and D. Graur. A fast algorithm for joint reconstruction of ancestralamino acid sequences. Molecular Biology and Evolution, 17(6):890–896, 2000.

P. Tuffery and P. Darlu. Exploring a phylogenetic approach for the detection of correlatedsubstitutions in proteins. Molecular Biology and Evolution, 17(11):1753–1759, 2000.

J. A. Ugalde, B. S. W. Chang, and M. V. Matz. Evolution of coral pigments recreated. Science,305(5689):1433–1433, 2004.

Z. Yang, S. Kumar, and M. Nei. A new method of inference of ancestral nucleotide and aminoacid sequences. Genetics, 141(4):1641–1650, 1995.

Utilisation de la phylogénie pour reconstruire l'histoire

Documents

cours de phylogénie moléculaire - Université des Frères Mentouri Constantine 1 … de phylognie molculaire.pdf · 3 réambule: La phylogénie moléculaire est une discipline qui

TP 5.3. Biodiversité et phylogénie des organismes

TP1, Recherche de Parenté chez les Vertébrés Etablissement de Phylogénie

Construire ou reconstruire Haïti?

RECONSTRUIRE EN MIEUX

Phylogénie moléculaire - formation avancée

Thème: Diversité moléculaire et phylogénie de

Evolution des Espèces et Phylogénie

Modélisation markovienne en phylogénie : contraintes et adaptations moléculaires

INONDATIONS RECONSTRUIRE LA WALLONIE

Introduction à la Phylogénie

Phylogénie : quelques docs

La place de la phylogénie en Bio-informatique

Introduction à la phylogénie - frangun.org · Intérêt d’étudier l’évolution moléculaire et la phylogénie Prépondérante en biologie Ecologie Evolution Microbiologie Biologie

Communication chimique chez les coccinelles: Étude de phylogénie

Phylogénie et évolution des Chiroptères : les Phyllostomidae et l

Et maintenant Reconstruire. Penser le musée ”d’après”

se déconstruire pour reconstruire ensemble

Reconstruire: Manuel de maçonnerie

Une méthodologie pour reconstruire la mondialisation du