Árvore de espécies com o StarBEAST2
Árvore de espécies datada a partir de vários locos
Tutorial da disciplina de pós-graduação Métodos Computacionais em Sistemática e Filogeografia.
Um aviso
Esta é uma análise de tutorial, montada para rodar em menos de meia hora. Ao longo do texto, os quadros “Na vida real” indicam o que faríamos diferente numa análise para publicação.
Introdução
Até aqui, todas as árvores da disciplina foram estimadas a partir de uma matriz concatenada, como se todos os genes tivessem a mesma história. Mas cada loco tem a sua própria genealogia, a árvore de genes, e ela nem sempre coincide com a história das espécies, a árvore de espécies. A principal razão é a separação incompleta de linhagens (incomplete lineage sorting): quando duas espécies se separam há pouco tempo, ou quando as populações ancestrais eram grandes, as cópias de um gene podem continuar misturadas por muitas gerações, e a árvore daquele gene pode mostrar um agrupamento diferente do das espécies (Degnan & Rosenberg 2009).
O modelo que descreve essa relação é o coalescente multiespécies: as árvores de genes evoluem “dentro” da árvore de espécies, como linhas dentro de tubos, e coalescem (se juntam num ancestral comum) mais depressa ou mais devagar dependendo do tamanho das populações. O StarBEAST2 (Ogilvie et al. 2017), um pacote do BEAST 2 (Bouckaert et al. 2019), estima ao mesmo tempo a árvore de cada loco e a árvore de espécies que melhor explica todas elas. Para isso, ele precisa saber a qual espécie pertence cada sequência, e é bom ter mais de um indivíduo por espécie.
Os dados desta prática são de Phyzelaphryninae, uma subfamília de rãzinhas de folhiço minúsculas com dois gêneros: Phyzelaphryne, da Amazônia, e Adelophryne, com espécies na Amazônia, no Escudo das Guianas e na Mata Atlântica (Fouquet et al. 2012). A filogenia do grupo mostrou três clados em Adelophryne, um no norte da Amazônia e dois na Mata Atlântica (norte e sul), e sugeriu que a subfamília surgiu na Amazônia e chegou à Mata Atlântica no início do Mioceno (Fouquet et al. 2012). São 14 espécies (12 de Adelophryne e 2 de Phyzelaphryne), de 1 a 4 indivíduos por espécie, e quatro locos: o 16S, mitocondrial, e três genes nucleares, tirosinase (Tyr), RAG1 e POMC. As sequências foram reunidas do GenBank; os números de acesso estão no seção Números de acesso do GenBank.
Instalação
-
BEAST 2, Tracer e FigTree. Os mesmos do tutorial Árvore datada com o BEAST 2.7. O BEAST traz também o DensiTree, na mesma pasta do BEAUti.
-
StarBEAST2. Abra o BEAUti, vá em File > Manage Packages, selecione starbeast2 e clique em Install/Upgrade. Feche e abra o BEAUti de novo para que o pacote seja carregado.
-
R, com o pacote
fitdistrplus(tutorial Árvore datada com o BEAST 2.7) e, para o desafio final, os pacotesphytoolsephyloch(instruções no scriptdesafio_arvore.R).
Os dados
Desta vez, cada loco fica num arquivo NEXUS separado, porque cada um terá a sua árvore. Os nomes das sequências seguem o padrão
A_baturitensis_JX298277 (16S)
A_baturitensis_JX298096_a (genes nucleares, cópia a)
A_baturitensis_JX298096_b (genes nucleares, cópia b)
com a inicial do gênero (A para Adelophryne, P para Phyzelaphryne), a espécie e um número de acesso do GenBank, que identifica o indivíduo. Nos genes nucleares, cada indivíduo aparece duas vezes, com _a e _b: são as duas cópias do gene (os dois alelos), separadas computacionalmente. O arquivo especies.dat é uma tabela com duas colunas, separadas por tabulação: o nome da sequência e a sua espécie.
| 16S | Tyr | RAG1 | POMC | |
|---|---|---|---|---|
| Sequências | 46 | 64 | 62 | 66 |
| Sítios | 583 | 471 | 504 | 495 |
Nem todas as espécies têm os quatro locos: falta a Tyr de A. amapaensis e o RAG1 de A. nordestina. O StarBEAST2 aceita isso, desde que cada espécie esteja em pelo menos um loco.
Montando a análise no BEAUti
O modelo StarBEAST2
Abra o BEAUti e vá em File > Template > StarBeast2. As abas mudam: aparecem Taxon sets, Gene Ploidy e Population Model, que não existem no modelo padrão.
Partitions
-
Clique no botão +, no canto inferior esquerdo. Uma janela pergunta o que você quer adicionar: troque Add Morphological Data (a opção que vem marcada) por Import Alignment e clique em OK.
-
Na pasta
dados, selecione os quatro arquivos.nex(clique no primeiro e, com Ctrl, nos outros) e clique em Open. Não selecione oespecies.dat: ele não é uma matriz. -
O BEAUti mostra uma linha para cada loco:
16S,POMC,RAG1eTyr, com o número de sequências (Taxa) e de sítios (Sites) da tabela acima.
Agora, os relógios. Para simplificar, os três genes nucleares vão compartilhar um único relógio; o 16S, que evolui bem mais rápido, terá o seu. Selecione as linhas POMC, RAG1 e Tyr (clique na primeira e, com Shift, na última) e clique em Link Clock Models. Para facilitar a leitura, renomeie esse relógio: clique no nome na coluna Clock Model de uma dessas linhas, apague, escreva nuclear e tecle Enter.
Não clique em Link Trees: cada loco deve ter a sua árvore de genes. Os modelos de substituição (Site Model) também ficam separados.
Na vida real. Os relógios não deveriam ser ligados: cada gene tem a sua própria taxa de evolução, e o ideal é deixar um relógio para cada loco. Ligamos os três genes nucleares só para a análise ter menos parâmetros e terminar no tempo da aula.
Taxon sets
Aqui dizemos ao StarBEAST2 a qual espécie pertence cada sequência. Clique em Guess, marque read from file, clique em Browse, escolha o especies.dat e clique em OK. A coluna Species/Population passa a mostrar a espécie de cada sequência. Role a lista para conferir que nenhuma linha ficou vazia: devem ser 14 espécies.
Tip Dates
Deixe como está.
Gene Ploidy
A ploidia indica quantas cópias de cada loco há em cada indivíduo, comparado com os outros locos. Ela importa porque o tempo até as cópias de um gene coalescerem depende do número de cópias na população. Nos genes nucleares, cada indivíduo tem duas cópias (ploidia 2, o padrão). O DNA mitocondrial é herdado só da mãe e tem uma cópia por indivíduo: o número efetivo de cópias na população é um quarto do de um gene nuclear. Por isso, troque a ploidia de geneTree.t:16S para 0.5; deixe os três genes nucleares em 2.0.
Population Model
Deixe Analytical Population Size Integration, o padrão. Com essa opção, o StarBEAST2 não estima o tamanho de cada população separadamente: ele “integra” sobre todos os valores possíveis, o que deixa a análise bem mais rápida. O único parâmetro de população que aparece no Tracer é a média, popMean.
Site Model
Desta vez, vamos usar o mesmo modelo nos quatro locos: HKY com variação de taxas entre sítios (Gama). Na lista da esquerda, clique em 16S e, no Gamma Site Model:
-
desmarque estimate em Substitution Rate, que vem marcado, e deixe o valor em 1,0;
-
em Gamma Category Count, digite
4e marque estimate em Shape; -
em Subst Model, escolha HKY. Deixe Kappa com estimate marcado e Frequencies em Estimated.
Repita para POMC, RAG1 e Tyr. Se a caixa estimate de Substitution Rate voltar a se marcar sozinha, desmarque Automatic set fix mean substitution rate flag no menu Mode e desmarque a caixa de novo.
Por que não estimar a Substitution Rate? Ela é a taxa relativa de cada loco, e quem cuida das taxas aqui são os relógios (seção Clock Model). Se as duas forem estimadas ao mesmo tempo, os dados só “enxergam” o produto entre elas, e a cadeia não converge.
Na vida real. O ideal seria não fixar nada disso. Primeiro, deixar o bModelTest (Bouckaert & Drummond 2017) escolher o modelo de cada loco, como no tutorial Árvore datada com o BEAST 2.7. Segundo, estimar as taxas relativas dos genes nucleares: marcar estimate em Substitution Rate só em
POMC,RAG1eTyr, deixando o 16S fixo em 1, para que cada gene nuclear tenha a sua taxa dentro do relógio compartilhado. Tiramos o bModelTest porque, nos nossos testes, vários parâmetros dele não convergiram em 107 gerações; e deixamos as taxas fixas para simplificar o passo a passo.
Clock Model
Usaremos o relógio estrito (Strict Clock), o padrão. Como no tutorial Árvore datada com o BEAST 2.7, o tempo vem de uma prior para a taxa do 16S, ajustada a quatro estimativas publicadas para anuros (Lemmon et al. 2007; Fouquet et al. 2012; Gehara et al. 2017; Dufresnes et al. 2022) pelo script ajuste_taxa.R: média 0,00483 substituições por sítio por milhão de anos, com meanlog = -5,374295 e sdlog = 0,304072. A taxa dos genes nucleares será estimada a partir dos dados.
-
Na lista da esquerda, clique em
16S, digite0.0048em Clock.rate e marque estimate. -
Clique em
nuclear, digite0.001em Clock.rate e marque estimate.
Se a caixa estimate estiver cinza, desmarque Automatic set clock rate no menu Mode e tente de novo.
Na vida real. Como no tutorial Árvore datada com o BEAST 2.7, um relógio relaxado seria mais realista numa árvore com dezenas de milhões de anos. O StarBEAST2 tem relógios relaxados próprios para a árvore de espécies (na lista de Clock Model), mas eles têm mais parâmetros e demoram mais para convergir.
Priors
-
Deixe a prior da árvore de espécies no Yule Model, o padrão, e as priors de
popMean.Species(1/X) especiationRate.t:Species(Uniform) como estão. -
Taxa do 16S. Na linha
strictClockRate.c:16S, troque a distribuição por Log Normal e clique no triângulo à esquerda do nome para abrir os detalhes. Desmarque Mean In Real Space, que vem marcado, e digiteM= -5.374295 eS= 0.304072. O gráfico ao lado deve mostrar mediana 0,00463 e média 0,00485. Compare com o gráfico feito pelo scriptajuste_taxa.R. -
Taxa nuclear. Na linha
strictClockRate.c:nuclear, troque por Log Normal, desmarque Mean In Real Space e digiteM= -6.907755 eS= 1.0. Esse M é o logaritmo de 0,001: a mediana da prior é 0,001, cerca de um quinto da taxa do 16S, porque genes nucleares codificantes evoluem bem mais devagar que o DNA mitocondrial. O desvio é grande (S = 1, intervalo de 95% de 0,00014 a 0,0071) porque não temos uma boa estimativa para esses genes: a prior só delimita a região, e quem decide são os dados. O fim do scriptajuste_taxa.Rcalcula esses valores.
Por que desmarcar Mean In Real Space? Com a caixa marcada, o BEAUti interpreta M como a média da própria taxa, e não como a média do seu logaritmo, que é o que o
fitdistcalcula. Um M negativo, como o nosso, nem faz sentido como taxa.
MCMC
Deixe Chain Length em 10000000 (dez milhões de gerações), o padrão. Agora, o intervalo dos registros: clique no triângulo de cada registro (tracelog, speciesTreeLogger, screenlog e os quatro treelog, um para a árvore de cada loco) e troque Log Every de 5000 para 1000. Assim, cada arquivo terá 10.000 amostras. Salve o arquivo com File > Save As, com o nome Phyzelaphryninae.xml, na pasta pratica_starbeast.
Na vida real. Uma corrida só não basta. O certo é rodar pelo menos duas réplicas independentes, conferir no Tracer se elas chegam aos mesmos valores e se todos os parâmetros têm ESS acima de 200, e aumentar a cadeia se for preciso. Análises com mais espécies e locos podem precisar de centenas de milhões de gerações.
Rodando o BEAST
Abra o BEAST, escolha o arquivo Phyzelaphryninae.xml em Input file e clique em Run. A análise leva de 15 a 30 minutos, dependendo do computador. Ao terminar, a pasta terá seis arquivos novos:
-
starbeast.log: os valores dos parâmetros a cada 1000 gerações; -
species.trees: as árvores de espécies, a cada 1000 gerações; -
16S.trees,Tyr.trees,RAG1.treesePOMC.trees: as árvores de genes, também a cada 1000 gerações.
Resultados
Tracer
Carregue o starbeast.log e olhe a coluna ESS: praticamente todos os valores devem passar de 200. A exceção mais comum são as verossimilhanças de alguns genes (treeLikelihood.16S, por exemplo), que podem ficar um pouco abaixo sem afetar a árvore de espécies. Veja também:
-
TreeHeight.Species: a idade da raiz da árvore de espécies, em milhões de anos; -
strictClockRate.c:16SestrictClockRate.c:nuclear: as taxas dos dois relógios. Quantas vezes o 16S é mais rápido que os genes nucleares? -
popMean.Species: o tamanho médio das populações, numa escala que combina tamanho populacional e tempo de geração.
DensiTree
Abra o DensiTree, vá em File > Load e escolha o species.trees. Ele desenha todas as árvores amostradas umas sobre as outras: onde elas concordam, as linhas se sobrepõem e formam um traço forte; onde discordam, se espalham numa “nuvem”. É uma forma rápida de ver em que partes da árvore há incerteza. Se quiser, faça o mesmo com as árvores de genes (por exemplo, 16S.trees) e compare.
TreeAnnotator
Como no tutorial Árvore datada com o BEAST 2.7: Burn in percentage 10, Maximum clade credibility tree e Mean heights. Em Input Tree File, escolha species.trees; em Output File, escreva Phyzelaphryninae.tre. Clique em Run.
FigTree
Abra o Phyzelaphryninae.tre e mostre, como no tutorial Árvore datada com o BEAST 2.7, a probabilidade posterior nos nós (Node Labels, posterior), as barras de 95% HPD das idades (Node Bars, height_95%_HPD) e o eixo de tempo invertido (Scale Axis, Reverse axis). Repare que, ao contrário das práticas anteriores, os terminais agora são espécies, e não sequências.
Desafio: a árvore no R
O FigTree é ótimo para explorar a árvore, mas, para uma figura de artigo, muita gente prefere o R, em que tudo fica registrado num script. O desafio_arvore.R desenha a árvore de espécies datada sobre as épocas geológicas, com as barras de 95% HPD das idades e um círculo em cada nó, preto para probabilidade posterior acima de 0,95 e cinza entre 0,5 e 0,95.
-
Copie o
desafio_arvore.Rpara a pasta onde está oPhyzelaphryninae.tre. -
Abra o script no RStudio e vá em Session > Set Working Directory > To Source File Location.
-
Instale os pacotes (só na primeira vez), com as linhas indicadas no começo do script. O
phylochnão está no CRAN: ele é instalado do GitHub, pelo pacoteremotes. -
Rode o script. Ele mostra a árvore na tela e salva os arquivos
Phyzelaphryninae.pdfePhyzelaphryninae.svg.
Conseguiu? Então tente:
-
trocar a cor das barras de HPD (
col = adjustcolor("blue", ...)) para cinza; -
mudar o limite de 0,95 para 0,85 e ver quais nós mudam de cor;
-
descobrir em que época geológica cada um dos três clados de Adelophryne começou a se diversificar.
Problemas comuns
-
File > Template não mostra StarBeast2. O pacote não foi instalado, ou o BEAUti não foi reaberto depois da instalação.
-
O BEAUti pergunta sobre dados morfológicos (Mkv). A opção Add Morphological Data ficou marcada ao clicar em +. Cancele e escolha Import Alignment. Se o BEAUti travar, feche e comece de novo.
-
Erro Unsupported sequence file. Algum arquivo que não é matriz (como o
especies.dat) foi selecionado junto com os.nex. Feche a mensagem; as quatro matrizes são importadas mesmo assim. -
A coluna Species/Population tem linhas vazias. O
especies.datfoi editado e perdeu a tabulação, ou algum nome de sequência foi alterado. -
A taxa do relógio não pode ser estimada. Desmarque Automatic set clock rate no menu Mode.
-
Aparece
mutationRateno Tracer, com ESS baixo. A caixa estimate de Substitution Rate ficou marcada em algum loco (seção Site Model). -
Não aparece
kappano Tracer. O modelo ficou no padrão, JC69: a escolha de HKY em Subst Model não foi feita em algum loco. -
As idades saem enormes ou minúsculas. Mean In Real Space ficou marcado em alguma prior de taxa.
-
O BEAST avisa que o arquivo
.logjá existe. Rode a nova réplica em outra pasta, ou escolha a opção de sobrescrever.
Números de acesso do GenBank
Nos genes nucleares, cada número corresponde a um indivíduo, representado na matriz pelas suas duas cópias (_a e _b).
| Espécie | 16S | Tyr | RAG1 | POMC |
|---|---|---|---|---|
| A. adiastola | JX298299 | JX298221 | JX298167 | JX298121 |
| A. amapaensis | JX298295 | – | JX298162 | JX298116 |
| A. baturitensis | JX298277, JX298278, JX298279, JX298280 | JX298197, JX298199, JX298201, JX298202 | JX298145, JX298147, JX298149, JX298150 | JX298096, JX298098, JX298100, JX298101 |
| A. glandulata | JX298287, JX298288, JX298289, MH304347 | JX298208, JX298209, JX298210, JX298211 | JX298154, JX298155 | JX298107, JX298108, JX298109, JX298110 |
| A. gutturosa | JX298300, JX298301, JX298302 | JX298222, JX298223, JX298224 | JX298168, JX298169, JX298170 | JX298122, JX298123, JX298124 |
| A. maranguapensis | JX298285, JX298286, KU495097, KU495098 | JX298206, JX298207 | JX298152, JX298153 | JX298105 |
| A. mucronata | JX298291, JX298292, MH304341, MH304342 | JX298213, JX298214 | JX298158, JX298159 | JX298112, JX298113 |
| A. nordestina | JX298284, MT731282, MT731283, MT731284 | JX298205 | – | JX298104 |
| A. pachydactyla | JX298283, MH304343, MH304344, MH304345 | JX298204 | JX298151 | JX298103 |
| A. patamona | JX298296, JX298297, JX298298 | JX298218, JX298219, JX298220 | JX298163, JX298164, JX298165, JX298166 | JX298117, JX298118, JX298119, JX298120 |
| A. sp. 4 | JX298290, MH304348 | JX298212 | JX298157 | JX298111 |
| A. sp. 8 | JX298293, JX298294, MH304333, MH304334 | JX298215, JX298216 | JX298160, JX298161 | JX298114, JX298115 |
| P. miriamae | EU186689, JX298303, JX298304, JX298305 | JX298225, JX298226, JX298228, JX298229 | JX298171, JX298172, JX298174, JX298175 | JX298125, JX298126, JX298128, JX298129 |
| P. nimio | JX298308, JX298309, JX298310, JX298311 | JX298230, JX298231, JX298233, JX298235 | JX298176, JX298177, JX298179, JX298181 | JX298130, JX298131, JX298133, JX298134 |
</div>
Referências
- Bouckaert, R. et al. 2019. BEAST 2.5: an advanced software platform for Bayesian evolutionary analysis. PLoS Computational Biology 15(4): e1006650.
- Bouckaert, R. R. & Drummond, A. J. 2017. bModelTest: Bayesian phylogenetic site model averaging and model comparison. BMC Evolutionary Biology 17: 42.
- Degnan, J. H. & Rosenberg, N. A. 2009. Gene tree discordance, phylogenetic inference and the multispecies coalescent. Trends in Ecology & Evolution 24(6): 332–340.
- Dufresnes, C. et al. 2022. Shedding light on taxonomic chaos: diversity and distribution of South Asian skipper frogs (Anura, Dicroglossidae, Euphlyctis). Systematics and Biodiversity 20(1): 2102686.
- Fouquet, A., Loebmann, D., Castroviejo-Fisher, S., Padial, J. M., Orrico, V. G. D., Lyra, M. L., Roberto, I. J., Kok, P. J. R., Haddad, C. F. B. & Rodrigues, M. T. 2012. From Amazonia to the Atlantic forest: molecular phylogeny of Phyzelaphryninae frogs reveals unexpected diversity and a striking biogeographic pattern emphasizing conservation challenges. Molecular Phylogenetics and Evolution 65(2): 547–561.
- Fouquet, A., Noonan, B. P., Rodrigues, M. T., Pech, N., Gilles, A. & Gemmell, N. J. 2012. Multiple Quaternary refugia in the eastern Guiana Shield revealed by comparative phylogeography of 12 frog species. Systematic Biology 61(3): 461–489.
- Gehara, M., Barth, A., Oliveira, E. F., Costa, M. A., Haddad, C. F. B. & Vences, M. 2017. Model-based analyses reveal insular population diversification and cryptic frog species in the Ischnocnema parva complex in the Atlantic forest of Brazil. Molecular Phylogenetics and Evolution 112: 68–78.
- Lemmon, E. M., Lemmon, A. R. & Cannatella, D. C. 2007. Geological and climatic forces driving speciation in the continentally distributed trilling chorus frogs (Pseudacris). Evolution 61(9): 2086–2103.
- Ogilvie, H. A., Bouckaert, R. R. & Drummond, A. J. 2017. StarBEAST2 brings faster species tree inference and accurate estimates of substitution rates. Molecular Biology and Evolution 34(8): 2101–2114.
- Werneck, F. P. et al. 2023. Tutoriais: Filogeografia Estatística e Adaptação Ambiental. Repositório Institucional do INPA. https://repositorio.inpa.gov.br/handle/1/40376.