Cladistics and Use of TNT
All Rights Reserved
© Pablo A. Goloboff
Instituto Superior de Entomología, CONICET
Facultad de Ciencias Naturales e Instituto Miguel Lillo,
Miguel Lillo 205, 4000 S.M. De Tucumán
TNT el mejor programa de parsimonia
TNT el mejor programa de parsimonia
20 de marzo de 2015
17 de marzo de 2015
Curso de Morfometría Geométrica para biólogos y ciencias afines (fotos)
Acá les coloco algunas fotos tomadas durante el curso de Postgrado realizado en el Instituto de Zoología y Ecología Tropical de la Facultad de Ciencias de la Universidad Central de Venezuela
Los participantes se encuentran realizando las actividades practicas:
Y acá, los participantes realizan la defensa de sus proyectos finales:
Los participantes se encuentran realizando las actividades practicas:
Y acá, los participantes realizan la defensa de sus proyectos finales:
14 de marzo de 2015
Morfometría geométrica y filogenia: Un ejemplo utilizando triángulos
A continuación les presento un análisis filogenetico realizado a un grupo de triángulos. Pero antes, les recomiendo la lectura de los siguientes artículos:
Una vez que tengan la idea de el procedimiento, podemos ver los triángulos que utilizamos para inferir las relaciones filogenéticas a partir de coordenadas de puntos anatómicos (PAR o landmarks):
El análisis se realizó con base en 5 triángulos (denotados por letras y colores). El grupo externo (para enraizar el cladograma) estará representado por la configuración del triángulo azul o "Triángulo A".
A continuación se presentan un gráfico con cada una de estas configuraciones:
En la gráfica superior se aprecia que los triángulos A, D y C están cercanos al punto 0,0 de coordenadas. Mientras que los triángulos B y E se localizan hacia coordenadas positivas de X e Y.
A continuación se muestran los árboles obtenidos mediante el script Landschw.run ejecutado en TNT. La primera figura corresponde con el cladograma resultante de datos de coordenadas sin alinear:
El cladograma posee un score de 1,5018. En este árbol el triángulo B se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo D se ubica como grupo hermano del clado B y E. Y finalmente, el triángulo C se aprecia como grupo hermano del clado D, B y E.
Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método generalizado de Procrustes (=GLS) a partir de la configuración consenso:
El cladograma posee un score de 1,5980. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método generalizado de Procrustes (=GLS) a partir de la configuración del triángulo A:
El cladograma posee un score de 1,3634. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
La siguiente figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método "two point registration Bookstein":
El cladograma posee un score de 1,3702. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método implementado en TNT donde se minimiza la distancia euclidiana respecto a la configuración de el triángulo A:
El cladograma posee un score de 1,2425. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
A modo de conclusiones, observamos que:
1) Distintos alineamientos pueden llegar a resultados contrastantes en cuanto a topología de los árboles e inclusive a la descripción de los cambios entre configuraciones ancestro-descendientes.
2) En términos del score de los árboles más parsimoniosos; el análisis de PAR sin alineamiento generó el score más elevado, mientras que el método implementado en TNT mostró el menor valor de score.
3) El análisis generalizado de Procrustes (o GLS) con base en la configuración consenso, resultó en un peor score respecto al análisis utilizando la configuración del grupo externo (en este caso el triángulo A) como configuración de referencia.
4) El cladograma obtenido con el alineamiento de two point registration no difiere de los restantes: GLS, GLS utilizando la configuración A, y minimizando la distancia euclidiana respecto a la configuración A. No obstante, el valor de score fue similar al alineamiento de GLS utilizando la configuración A.
Una vez que tengan la idea de el procedimiento, podemos ver los triángulos que utilizamos para inferir las relaciones filogenéticas a partir de coordenadas de puntos anatómicos (PAR o landmarks):
El análisis se realizó con base en 5 triángulos (denotados por letras y colores). El grupo externo (para enraizar el cladograma) estará representado por la configuración del triángulo azul o "Triángulo A".
A continuación se presentan un gráfico con cada una de estas configuraciones:
En la gráfica superior se aprecia que los triángulos A, D y C están cercanos al punto 0,0 de coordenadas. Mientras que los triángulos B y E se localizan hacia coordenadas positivas de X e Y.
A continuación se muestran los árboles obtenidos mediante el script Landschw.run ejecutado en TNT. La primera figura corresponde con el cladograma resultante de datos de coordenadas sin alinear:
El cladograma posee un score de 1,5018. En este árbol el triángulo B se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo D se ubica como grupo hermano del clado B y E. Y finalmente, el triángulo C se aprecia como grupo hermano del clado D, B y E.
Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método generalizado de Procrustes (=GLS) a partir de la configuración consenso:
El cladograma posee un score de 1,5980. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método generalizado de Procrustes (=GLS) a partir de la configuración del triángulo A:
El cladograma posee un score de 1,3634. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
La siguiente figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método "two point registration Bookstein":
El cladograma posee un score de 1,3702. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
Esta figura corresponde con el cladograma resultante de datos de coordenadas alineadas con el método implementado en TNT donde se minimiza la distancia euclidiana respecto a la configuración de el triángulo A:
El cladograma posee un score de 1,2425. En este árbol el triángulo D se coloca como más derivado y hermano a el triángulo E. Seguidamente, el triángulo C se ubica como grupo hermano del clado D y E. Y finalmente, el triángulo B se aprecia como grupo hermano del clado D, E y C.
A modo de conclusiones, observamos que:
1) Distintos alineamientos pueden llegar a resultados contrastantes en cuanto a topología de los árboles e inclusive a la descripción de los cambios entre configuraciones ancestro-descendientes.
2) En términos del score de los árboles más parsimoniosos; el análisis de PAR sin alineamiento generó el score más elevado, mientras que el método implementado en TNT mostró el menor valor de score.
3) El análisis generalizado de Procrustes (o GLS) con base en la configuración consenso, resultó en un peor score respecto al análisis utilizando la configuración del grupo externo (en este caso el triángulo A) como configuración de referencia.
4) El cladograma obtenido con el alineamiento de two point registration no difiere de los restantes: GLS, GLS utilizando la configuración A, y minimizando la distancia euclidiana respecto a la configuración A. No obstante, el valor de score fue similar al alineamiento de GLS utilizando la configuración A.
20 de febrero de 2015
Curso de Postgrado: Morfometría Geométrica para Biólogos y ciencias afines
CURSO DE POSTGRADO
23 AL 27 DE FEBRERO DE 2015
Morfometría
geométrica para biólogos y ciencias afines
Profesor: Dr. Jonathan Liria Salazar (Coordinador). Laboratorio Museo de Zoología, Facyt. Universidad de Carabobo. Email: jonathan.liria@gmail.com
Teoría:
Tema 1. Historia de la
morfometría.
Tema 2. Fundamentos
en Morfometría Geométrica Tema 3. Adquisición de datos (registro de imágenes)
Tema 4. Tipos de datos (puntos anatómicos de referencia)
Tema 5. Métodos de Superposición
Tema 6. Programas computacionales para Morfometría Geométrica
Tema 7. Métodos de Deformación
Tema 8. Análisis Estadísticos univariados (paramétricos y no-paramétricos)
Tema 9. Análisis estadísticos multivariados
Tema 10. Análisis de Matriz de Distancia Euclideana
Tema 11. Análisis filogenéticos a partir de configuraciones de puntos anatómicos de referencia
Sesiones practicas:
Practica 1.
Adquisición y procesamiento de imágenes.
Practica 2.
Digitalización de puntos anatómicos de referencia.Practica 3. Análisis morfométrico I.
Practica 4. Análisis morfométrico II.
Programas informáticos:
Paquete IMP:
http://www3.canisius.edu/~sheets/moremorph.html
PAST:
http://folk.uio.no/ohammer/past/download.html
TNT: http://www.zmuc.dk/public/phylogeny
Duración: 1 semana intensiva (Teórico
Práctico), 40 horas
Acreditación:
2 UC para estudiantes de postgrado
Cupo
Máximo (15 estudiantes)
Dirigido
a: Profesionales en Biología y carreras afines
Notificar su participación a:
POSTGRADO EN ECOLOGIA , Telf. 0212-6051300
Contacto e Información:
herminia.daboin@ciens.ucv.ve
Organizadora:
elizabeth.gordon@ciens.ucv.ve; egordoncolon@gmail.com
COORDINADORA DEL POSTGTADO EN
ECOOLOGIA: Dra. Estrella Villamizar
Correo: estrella.villamizar@ciens.ucv.ve;
estrellavillamizar@yahoo.com
2 de diciembre de 2014
Quantum GIS 2.0 en Android 4.2
Hace unas semanas instale en mi teléfono móvil (Lenovo S820) el programa QGIS 2.0 para Android:
Estas son las especificaciones del dispositivo:
La versión que instalé de QGIS fue: qgis-nightly-20141121-armeabi-v7a.apk
La pueden conseguir aquí: http://android.qgis.org/download/apk/nightly/
Bueno ahora les dejo algunas capturas de pantalla:
Esta es la ventana de inicio... mostrando la versión.
Acá se aprecia la pantalla con la vista a la derecha, los menues en la parte superior, y a la izquierda la
ventana de las capas.
Se muestra una capa vectorial cargada.
Acá se cargaron otras capas vectoriales: Puntos y polígonos.
Si desean conocer en que dispositivos se ha instalado, pueden ingresar aca.
Estas son las especificaciones del dispositivo:
Lenovo S820 HD4.7 (1280X720), MTK6589 Quad Core 1.2GHz 1GB RAM Android 4.2
La versión que instalé de QGIS fue: qgis-nightly-20141121-armeabi-v7a.apk
La pueden conseguir aquí: http://android.qgis.org/download/apk/nightly/
Bueno ahora les dejo algunas capturas de pantalla:
Esta es la ventana de inicio... mostrando la versión.
Acá se aprecia la pantalla con la vista a la derecha, los menues en la parte superior, y a la izquierda la
ventana de las capas.
Se muestra una capa vectorial cargada.
Si desean conocer en que dispositivos se ha instalado, pueden ingresar aca.
1 de octubre de 2014
¿Cómo realizar el método de propincuidad media de Rapoport usando un programa SIG?
Este método desarrollado por
Eduardo Rapoport se basa en el concepto de distancia con el vecino más próximo
y en la teoría de grafos. El primer paso es el trazado de un árbol de tendido
mínimo (mst, en inglés) entre las localidades o nodos donde se ha
verificado la existencia de la especie. Una vez medidas las distancias, se
halla la media aritmética, y alguna medida de dispersión (varianza, desviación
estándar o error estándar (Rapoport y Monjeau, 2001). El calculo del mst
se realizará utilizando el programa PASSAGE, para lo cual necesitamos un
archivo en formato shapefile (*.shp) como datos de entrada que contenga los biorregistros. En la siguiente
figura se aprecia la vista de el programa PASSAGE:
Oprima con el botón derecho de
ratón sobre la ventana “data monitor”, y aparecerá la opción “load
data”. Seleccione el archivo shapefile:
A continuación, indique el
formato Lat / Lon, y cliqueé en aceptar. Al hacer doble clic en el archivo, se pueden apreciar los datos:
Seleccione el menú “Create”.
Luego oprima en “Distance / Angles for Coordinates”:
Ahora oprima en “Connections
/ Tassellations”, y elija la opción de “Minimum Spanning Tree”:
Para ver el resultado, elija el
menú “Draw”, y seleccione “Draw Points” y “Draw Connections”:
Para guardar los
resultados del mst, oprima botón derecho del ratón sobre el diagrama del
árbol de tendido mínimo, y seleccione “Export to Google Earth”:
|
|||
Utilice el bloc de notas (o Notepad)
para abrir el archivo guardado y verificar su estructura. Note
que PASSAGE almacenó las coordenadas de el mst utilizando comas y no puntos para los decimales:
<?xml version="1.0"
encoding="UTF-8"?>
<kml
xmlns="http://earth.google.com/kml/2.0">
<Document>
<description>PASSaGE 2 GoogleEarth
Export</description>
<name>PASSaGE 2 Export</name>
.
.
.
<coordinates>
-71,4855996555,7,6150988275,0
-69,0809089063,8,8597462197,0
</coordinates>
</LineString>
.
.
.
Si deseamos cargar el árbol de
tendido mínimo en QGIS tenemos dos
posibles soluciones: 1) cambiar
los decimales a puntos utilizando el bloc de notas, o 2) cambiar la configuración de Windows, seleccionar la notación Norteamericana y repetir el análisis en PASSAGE:
.
.
.
<coordinates>
-71.4855996555,7.6150988275,0
-69.0809089063,8.8597462197,0
</coordinates>
</LineString>
.
.
.
Para cargar la capa del mst
en QGIS seleccione en el menú: Capa --> Añadir capa vectorial.
Y a continuación elija el tipo de archivo KML (Keyhole Markup Language). Cambie las propiedades de mst para que pueda verse fácilmente: |
En la última parte de el método
de propincuidad media se deben calcular el promedio y alguna medida de
dispersión (Ej: desviación estándar) para las distancias del mst. Para
ello elegimos la capa de puntos de nuestra especie hipotética y utilizamos la
herramienta del menú: Vectorial --> Herramientas de análisis --> Matriz
de distancia. Luego elegir el tipo de matriz de salida: Matriz de distancia lineal
(N*k x 3). Recuerde que la matriz de distancia posee los decimales en formato
norteamericano, así que debe configurar MS-EXCEL o CALC de OpenOffice para que
lo reconozca:
Ahora la matriz de distancia debe
verse de la siguiente forma. Fíjese que aparece la distancia entre pares de
puntos (InputID -> TargetID), así que solo debemos conocer que distancias se
utilizaron para crear el mst:
InputID
|
TargetID
|
Distance
|
0
|
5
|
1,3124965233
|
0
|
3
|
3,1992492027
|
0
|
2
|
3,4386145291
|
0
|
8
|
4,0752566316
|
0
|
14
|
4,4727581951
|
0
|
13
|
4,7553475788
|
0
|
12
|
4,8508520012
|
0
|
1
|
4,9028601318
|
0
|
4
|
5,1487224861
|
0
|
9
|
5,3137516228
|
0
|
10
|
6,2233965449
|
0
|
6
|
6,3989988376
|
0
|
7
|
6,5732926456
|
0
|
11
|
7,5607337908
|
1
|
12
|
0,3042497689
|
1
|
14
|
1,1610465533
|
1
|
13
|
1,1753958548
|
1
|
11
|
2,7077083909
|
Para realizar esto colocaremos en
QGIS una leyenda sobre los puntos para conocer su ID:
Fíjese que la capa de puntos
muestra el ID de cada biorregistro:
Ahora en la matriz de distancia
calcule los valores promedios y desviación estándar de la conexión (mst).
Por ejemplo, busque la distancia entre 7 y 10, y así sucesivamente:
Según estas distancias, el
promedio es 1,288 grados y desviación estándar 0,869. Realice un buffer
utilizando estos valores para los radios. Una vez finalizado, el resultado de
el método de propincuidad media debería apreciarse como la siguiente figura:
Bibliografía
Rapoport E, Monjeau A. 2001. Aerografía. En: Introducción a la
biogeografía en Latinoamérica: Teorías, conceptos, métodos y aplicaciones.
Llorente J & JJ. Morrone (Eds.). UNAM, México. pp. 23 - 30.
Páginas de Internet:
QGIS Tutorials. Disponible en: http://qgis.spatialthoughts.com
QGIS Documentation. Disponible
en: http://www.qgis.org/en/docs/index.html
Suscribirse a:
Entradas (Atom)