pop_lidi 2. Analysis of population subdivision (mezipopulační variabilita) MODULARIZACE VÝUKY EVOLUČNÍ A EKOLOGICKÉ BIOLOGIE CZ.1.07/2.2.00/15.0204 Hierarchická populační struktura Druh → populace → subpopulace (demy) •lokusy používané pro analýzu populační struktury jsou neutrální vůči selekci • •klasický populačně-genetický přístup = jednotlivé populace jsou předem známy (např. chceme zjistit úroveň genetických rozdílů mezi dvěma lokalitami = populacemi) Předpoklady studia populačně-genetické struktury Genetická struktura populací drift, mutace •Drift → diferenciace subpopulací díky změnám frekvencí (až fixaci) alternativních alel • • •Mutace mohou zvýšit diferenciaci (nebo ne – homoplázií) • • AA AA AA AA AA AA aa Aa AA aa Aa AA aa Aa Aa aa AA AA aa aa aa aa aa aa Aa Aa Aa Aa drift Migrace (genový tok) - působí proti diferenciaci subpopulací AB ac Vliv populační struktury na heterozygotnost •Wahlundův princip • •Dvě izolované subpopulace s fixovanými alelami • •Subpopulace v HW, celkově v populaci však nedostatek heterozygotů AA AA AA AA AA AA AA AA AA aa aa aa aa aa aa aa aa aa aa Wahlundův princip (isolate breaking) •Pokles homozygotnosti při sloučení subpopulací AA AA AA AA AA AA AA AA AA aa aa aa aa aa aa aa aa aa aa Aa Aa Aa Aa Aa Aa Aa Aa Aa Wahlundův princip - příklad •Jezero Bunnersjöarna (severní Švédsko) – „brown trout“ •2 alely na jednom znaku 170/170 170/172 (= Ho) 172/172 Total p 2pq (=He) Přítok 50 0 (0) 0 50 1.000 0.000 Odtok 1 13 (0.26) 36 50 0.150 0.255 Celé jezero (expected) 51 (33.1) 13 (0.13) (48.9) 36 (18.1) 100 0.575 0.489 Ryman et al. 1979 p2 = 0.5752 q2 = 0.4252 Factorial correspondence analysis - each locus as one variable, reduction of number of variables - Genetix – orientační zjištění strukturovanosti populace - individuals vs. populations F-statistiky •Wright, Nei FIS, FST, FIT • •Popisují heterozygotnost (odchylky od HW) na různých měřítkách • • wright-sewall9 Sewall Wright 1889 - 1988 Masatoshi Nei *1931 Odhad vlivu populační struktury na genetický make-up populace • 3 úrovně (T, S, I) • x subpopulací (x = 1 až k; zde k = 3) • každá subpopulace má Nx jedinců • AA, AB, BB – odlišný symbol • př. I1-13 = 13. jedinec z první subpopulace Koncept heterozygotnosti HI – průměrná pozorovaná heterozygotnost jedince v subpopulaci HS - očekávaná heterozygotnost jedince v subpopulaci za předpokladu náhodného páření HT - očekávaná heterozygotnost jedince v celé populaci za předpokladu náhodného páření Hx = pozorovaná heterozygotnost v subpopulaci x pi,x2 = frekvence i-té alely v subpopulaci x průměrná oček. heterozygotnost v populaci (tj. průměr ze všech subpopulací) Ø pouze pro dvě alely na jednom lokusu (Wright 1931) Ø pro více alel je výpočet složitější (Nei 1987) po = frekvence alely v celé populaci F statistiky Snížení heterozygotnosti jedince kvůli nenáhodnému páření v subpopulaci (~ HWE) Vliv rozdělení populace na subpopulace Celkový koeficient inbreedingu FIT - měří redukci heterozygotnosti jedince ve vztahu k celkové populaci (1-FIT)= (1-FST)(1-FIS) Weir & Cockerham (1984) f, θ , F Korekce na velikost vzorku a počet subpopulací Výpočet F statistik - příklad Subpopulace 1 (N1=40) Subpopulace 2 (N2=20) Lokus AA AB BB p1(j) AA AB BB p2(j) p0(j) Pozn. Loc I 10 20 10 0.5 5 10 5 0.5 0.5 H.-W. rovnováha Loc II 16 8 16 0.5 4 4 12 0.3 0.4 deficit heterozygotů Loc III 12 28 0 0.65 6 12 2 0.6 0.625 přebytek heterozygotů Loc IV 0 0 40 0.0 20 0 0 1.0 0.5 alternativně fixované alely Výpočet alelových frekvencí Pozorovaná heterozygotnost Očekávaná heterozygotnost Wrightova F-statistika Lokus H1 (j) H2 (j) HI (j) HS (j) HT (j) FIS (j) FST (j) FIT (j) Loc I 0.5 0.5 0.5 0.5 0.5 0.0 0.0 0.0 Loc II 0.2 0.2 0.2 0.46 0.48 0.565 0.042 0.583 Loc III 0.7 0.6 0.65 0.4675 0.46875 -0.39 0.0027 -0.387 Loc IV 0.0 0.0 0.0 0.0 0.5 --- 1.0 1.0 Průměr 0.058 0.261 0.300 Průměrné hodnoty F statistik mohou maskovat odlišnou evoluční historii na různých lokusech Průměrná frekvence alely A v celé populaci F-statistiky • •FIS snížení heterozygotnosti v lokální subpopulaci vysoké hodnoty – inbreeding • •FIT souhrnná hodnota, heterozygotnost v celé populaci • •FST míra „rozdělenosti“ = snížení toku mezi subpopulacemi (tj. existence bariéry – Wahlundův princip) Vliv driftu – fixuje odlišné alely v subpopulacích • • „Bootstrap“ test významnosti Fst 0,80 % simulovaných hodnot větších než skutečné Fst p = 0,008 (tj. významný rozdíl) Fst = 0,072 Fst = 0,0013 35.40 % simulovaných hodnot větších než skutečné Fst p = 0,354 (tj. nevýznamný rozdíl) 1. Skutečné populace Reálné Fst 2. Sloučení jedinců 3. 1000 x náhodně vytvořené populace 1000 x nasimulované Fst za nepřítomnosti bariéry Absolutní hodnoty závisí na heterozygotnosti !!! Nutno standardizovat: FST´ = FST/FSTmax (Hedrick 2005) Silně ovlivněno nulovými alelami (např. software FREENA) Výpočet FST - příklad Ryman et al. 1979 V důsledku bariéry toku genů je heterozygotnost o 72.8% nižší než by byla v panmiktické populaci A/A A/B (=Ho) B/B Total p 2pq (=He) Přítok 50 0 (0) 0 50 1.000 0.000 Odtok 1 13 (0.26) 36 50 0.150 0.255 Celé jezero (expected) 51 (33.1) 13 (0.13) (48.9) 36 (18.1) 100 0.575 0.489 Zdroje chyb při analýze Fst Absolutní hodnoty závisí na heterozygotnosti !!! (např. nelze srovnávat alozymy s mikrosatelity) Nutno standardizovat: FST´ = FST/FSTmax (Hedrick 2005) – např. GenAlex Nutno korigovat na přítomnost nulových alel (většinou uměle zvyšují Fst – zvýšení homozygotnosti) - FreeNA 1/1 1/1 3/5 1/1 1/5 1/5 2/5 4/5 1/2 2/2 2/2 2/2 1/3 2/4 1/1 1/1 3/3 1/1 1/1 1/1 2/2 4/4 1/2 2/2 2/2 2/2 1/3 2/4 Global vs. pairwise indices Panda velká •192 vzorků trusu → 136 genotypů → 53 unikátních genotypů •rozdělení řekou (cca 26 tisíc let) a cestami (recentně) •i cesty jsou významná bariéra, i když menší • • (Zhu et al., 2011) Populační cykly hrabošovitých hlodavců (Berthier et al. 2006) •Výrazné cyklické změny v početnosti populací – střídají se období „izolovanosti“ s „kontinuálním rozšířením“ hryzec-vodni-0013 Arvicola terrestris •Nízká hustota – extrémní vliv driftu • •S nárůstem populační hustoty se zvyšuje intenzita toku genů mezi subpopulacemi a narůstá genetická variabilita subpopulací Snižování Fst GST (Nei 1973) •Analogie FST • •Haploidní (haplodiploidní) organismy, sekvence mtDNA • •Počítá s „gene diversity“ místo heterozygotnosti • •Pracuje tedy jen s frekvencemi alel, ne s procentem heterozygotů • • Myotis bechsteinii Kerth et al. 2002 •Letní kolonie samic (15-40 jedinců) • •Vzorky - jen ♀♀ • •Nukleární i mitochondriální mikrosatelity • •♀♀ filopatrie • •♂♂ disperze RST •Obdoba FST • •Pracuje však s velikostí alel (počet repeatů u mikrosatelitů) • •Předpoklad známého mutačního modelu jen při platnosti SMM (stepwise mutation model) • •„Paměť“ mutací v minulosti •RST>FST větší vliv mutací •RST=FST větší vliv driftu • • •Potvrzení významnosti rozdílu randomizačními testy (Hardy et al. 2003, program SPAGeDi 1.1) • • • AMOVA Excoffier et al. 1992 •Analýza Molekulární Variance • •Analýza variance alelických frekvencí (již dříve Cockerham & Weir 1987,1993) • •Započítává se ale rozdílnost (mutace) alel • •Program ARLEQUIN • •Data: sekvence mikrosatelity (jen při platnosti SMM stepwise mutation model) • anova Bombus pascuorum Widmer & Schmid-Hempel 1999 Mikrosatelity, AMOVA Nejvíc vysvětlují Alpy Genetické distance počítané z mikrosatelitů •Cavali-Sforza distance •Nei distance •matice vzdáleností použita jako podklad pro shlukovou analýzu • •dendrogram Genetic distance - Neighbour-joining AMOVA a F statistika popis výsledku nikoliv příčin → možná alternativní vysvětlení Tok genů – metody 1.Přímé metody: Capture-Mark-Recapture + parentage analýzy 2. 2. Nepřímé metody stanovení toku genů – populačně-genetické modely •Island model (Wright) Stejně velké subpopulace Symetrický tok genů Stejná pravděpodobnost výměny mezi jakýmikoliv subpopulacemi • •Stepping-stone model (Kimura) Výměna jen mezi sousedními subpopulacemi • Tok genů – metody •Privátní alely (Slatkin 1985) – vhodné pro vysoce polymorfní znaky Alely vyskytující se jen v jedné subpopulaci p(1) frekvence privátních alel lnp(1) = -0,505 ln(Nem) - 2.44 • •F statistika • Nem = počet migrantů / subpopulace / generace („island model“!) Jde o hrubý odhad ve škále: málo, středně, hodně! 1.Přímé metody: Capture-Mark-Recapture + parentage analýzy 2. 2.Nepřímé metody – na základě distribuce genetické variability (jen pro Fst > 0.05-0.10) Co ale rozhodně NE! •Dvě hodně vzdálené populace •FST → vždy bude nenulové Nem → v minulosti došlo k výměně jedinců •I populace, které si nikdy nevyměnily migranty mohou mít nenulové Nem Předpoklady použití Nem: •„island model“ (= infinite number of populations, absence of selection, the same size of all populations etc.) • •migration-drift equilibrium (= no range expansions, habitat fragmentation or population bottlenecks) BayesASS •Panda velká - Bayesian estimates of gene flow - doporučení pro ochranářský management – stavba koridorů Modely toku genů (alel) •Island model (Wright) Stejně velké subpopulace Symetrický tok genů Stejná pravděpodobnost výměny mezi jakýmikoliv subpopulacemi • •Stepping-stone model (Kimura) Výměna jen mezi sousedními subpopulacemi • •Isolation by distance Tok slábne se vzrůstající vzdáleností subpopulací Isolation by distance •rozumné geografické měřítko (závisí na schopnosti disperze) • •musí být ustanovena rovnováha mezi migrací a driftem • •IBD (isolation-by-distance) nebude • –u velmi recentně izolovaných populací – –u zcela izolovaných populací – –při značné migraci • • Isolation by distance Crotaphytus collaris Hutchinson & Templeton 1999 desítky tisíc let nejsou bariéry rovnováha mezi driftem a migrací postglaciálně fragmentace vliv driftu postglaciálně nejsou bariéry vliv migrace postglaciálně vzrůstající fragmentace vliv driftu na velkých měřítkách rovnováha na malých měřítkách > Detekce IBD •korelace mezi maticí genetických a geografických vzdáleností • •Mantelův test • •např. Genepop Příklad: IBD u netopýrů rodu Pipistrellus Genetika metapopulací •Jednoduchá populační struktura vs. metapopulace → populační genetika •stabilní vs. nestabilní populačně-genetický pattern br05f04 Metapopulace: časté lokální extinkce a kolonizace Atlantic salmon – Sainte Marguerite river (Quebec) (Garant et al. 2000) •výrazná populační struktura mezi řekami •v rámci jedné řeky – různé mikrohabitaty obývané (1) demy nebo (2) metapopulacemi? •dvouleté sledování, mikrosatelity, hierarchická AMOVA •lokálně adaptované demy, ale i metapopulace (např. po povodních je mikrohabitat obsazen náhodně a ne jedinci z původního demu) •long-term (stable) vs. short-term (metapopulations) struktura Variance component D.f. % of total variance F-statistic P Mezi přítoky 1 0,1 0,0014 0,167 Mezi lokalitami 6 0,9 0,0085 0,001 Mezi roky uvnitř lokality 7 2,5 0,0255 < 0,0001 Uvnitř vzorku 1352 96,6 0,0337 < 0,0001 Který typ metapopulační struktury? •ad a) Cristatella mucedo - Bryozoa (Freeland et al. 2000) – long-distance migration (birds), no IBD, 5 ms for clone identification • •black rats in Senegal – transport by traffic – no IBD (Konečný et al. 2012) • br05f04 „classical“ „mainland-island“ „source and sinks“ ad b) Mainland-island model •Bufo calamita (Rowe et al. 2000) – různé rybníky mají různý reprodukční úspěch •klasické subpopulace (Area 1) i metapopulace (Area 2); křížek – vyšší tok genů než by se předpokládalo (jsou v nich obsaženy vysoce úspěšné rybníky = „mainland“) • br05f05 Klasická subpopulační struktura + IBD Mainland-island metapopulace FST = 0.06-0.22 Populační struktura - shrnutí Connected populations (gene flow) Isolated populations (no gene flow) Ne ¯ Genetic drift ¯ Genetic diversity ¯ Population differentiation ¯ > 3. Population assignments •Klasické problémy populační genetiky • •Populace dány, jedinci předem zařazeni do populací, zajímají nás vlastnosti populací (F-statistiky) → ad (1) nebo (2) – •Populace sice definovány, ale chceme k nim přiřadit jedince neznámého původu • •Kryptická populační struktura = předem není dáno nic → chci zjistit klastry (tj. přirozené populace) a rozřadit individua do klastrů (population assignments) • 1.vnitropopulační variabilita – deskriptivní statistiky 2.popis populačně-genetické struktury, bariéry toku genů Př.: Unraveling migratory connectivity (a) strong vs. (b) weak connectivity A. Direct methods •morphological variation (geographical races) •leg-bands or similar markers (ex. over one million Ficedula hypoleuca have been ringed in UK and Sweden – only six recaptured on wintering grounds in Africa •satellite telemetry – expensive, not useful for small animals • B. Biogeochemical approaches •ratios of stable isotopes of naturally occurring elements (C, H, N, Sr) vary across the landscape •determined by the relative frequency of C3 and C4 plants, climate, and bedrock (1) geographical structure of isotopic ratio distributions (2) knowledge about where animals incorporate isotopes (3) tissue samples from individuals at different parts of their annual cycle C. Genetic approaches •« very few birds have bands, but all have genotypes » •genetic data on population structure •problems: (1) week genetic differentiation among populations (widespread dispersal), (2) lack of differentiation in northern temperate zone – recent postglaciation expansion •Řešení: (1) použití více genetických znaků, (2) studium DNA parazitů (např. avian malaria) – mají rychlejší evoluci, jsou více diferencovaní Population assignment tests 5 microsatellite loci Fst = 0.14 99.9% assigned correctly 5 microsatellite loci Fst = 0.04 90.2% assigned correctly § program GeneClass (Piry et al. 2004) § calculates the probability that an individual’s genotype might exist in a particular population – identifikace recentních migrantů nebo zvířat neznámého původu (pytláctví) § can combine data from multiple genetic marker types •Kryptická populační struktura • •Neznámý počet skupin (klastrů) • •Úroveň jedince • •Vytvořit klastry a současně k nim přiřadit jedince • •K dispozici máme individuální genotypy (případně i souřadnice) • • •Data: msat (jiné kodominantní lokusy, SINE), AFLP • Individual-based assignments mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 mys4-225x300 Dendrogram založený na mikrosatelitových distancích (Cavali-Sforza) Může být „biased“ pokud máme málo znaků Bayesian clustering approach STRUCTURE - Pritchard et al. 2000 •Neznámý počet populací charakterizovaných různými frekvencemi alel → počet populací a frekvence zjišťuji •Současně přiřazuji individua do populací •Lokusy, které nejsou ve vazbě, HW uvnitř subpopulací (např. mikrosatelity, SNPs) •Model se snaží vyložit HW nebo vazebnou nerovnováhu zavedením populační struktury •Místo přímého výpočtu – odhad pomocí Markov chain Monte Carlo nutno opakovat několik běhů pro každý model Turdus helleri •Fragmenty deštného pralesa • •Lokality Chawia, Ngangao, Mbololo, Yale (Kenya) • •7 mikrosatelitových lokusů • •Neighbour-joining • •* špatně zařazení jedinci • • Shlukovací analýza na základě mikrosatelitových distancí Program STRUCTURE - Bayesiánský přístup recentní migranti hybrid? Q-values (pravděpodobnost přiřazení k danému clusteru) K7 „Barplot“ pro K = 7 Proporce genomu každého jedince náležející určitému „clusteru“ „Admixture“ model – umožňuje zařazení jedince do více klastrů K (number of clusters) 7? 10? Stanovení počtu „přirozených“ subpopulací K=5 K7 K10 K = 7 K = 10 Proporce genomu každého jedince náležející určitému „clusteru“ Alternativní vizualizace výsledků ze STRUCTURE New%20K%20for%20paper „forced clustering“ Zobrazení hierarchické struktury mezi populacemi NewHYBRIDS STRUCTURE NEWHYBRIDS > 4. Spatially explicit analyses = spatial genetics = landscape genetics •vychází z Bayesian clustering approach (typu STRUCTURE) – individual-based models • •do modelování genetické informace přidává i geografické koordináty • •např. programy BAPS, TESS, Geneland (automaticky stanovují nejlepší počet populací K) Spatial models – tesselation, Voronoi polygons CS_K13Voronoi The example of very fragmented populations: the best model in BAPs for Central and Southern Dinaromys populations (spatial clustering of groups of individuals): K=13 (i.e. evidence of very high structuration) Best Partition: Cluster 1: {C9, C13} Cluster 2: {S6} Cluster 3: {C8, C14} Cluster 4: {C4} Cluster 5: {C1, C2} Cluster 6: {S1, S2, S3, S4} Cluster 7: {C6} Cluster 8: {C3, C15} Cluster 9: {C5, C7} Cluster 10: {C10} Cluster 11: {C11, C12} Cluster 12: {S5} Cluster 13: {C16} CS_K13tree Př. program BAPS Př.: Geneland R platform Posterior probability maps Spatial population genetics Fontaine et al. 2007 Phocoena phocoena