Vliv referenčního genomu na fylogenetickou rekonstrukci z ddRAD dat

Bc. Michaela Havlíčková

Bachelor's thesis

Influence of reference genome on phylogenetic reconstruction from ddRAD data

Abstract:

ddRAD sekvenování je efektivním způsobem získání dat pro fylogenetickou rekonstrukci. Problém nastává při analýze divergentních organismů různých druhů a čeledí, kdy je obtížné získat dostatek homologických sekvencí sdílených mezi taxony. Jestli bude homologických sekvencí nalezen dostatek, závisí jak na divergenci analyzovaného souboru, tak na zvoleném referenčním genomu a postupu fylogenetické rekonstrukce. Tato práce se zabývá fylogenetickou rekonstrukcí z ddRAD dat sedmi druhů netopýrů čeledí Vespertilionidae a Rhinolophidae, které divergovaly přibližně před více než 50 miliony let. Pro analýzu byly zvoleny tři referenční genomy různých druhů a několik experimentálních designů fylogenetické rekonstrukce. Fylogenetické stromy byly poté vytvořeny metodou maximální věrohodnosti. Kombinací správného referenčního genomu a postupu analýzy bylo v mnoha případech dosaženo etablovaných vztahů analyzovaných druhů. Výsledky ovšem ukázaly, že jak zvolený referenční genom, tak postup analýzy má velký vliv na výsledné fylogenetické stromy. Nejlepších výsledků bylo dosaženo při použití referenčního genomu, jehož celková genetická vzdálenost od analyzovaných druhů je nejmenší. Výsledky této práce lze využít pro správnou analýzu divergentních ddRAD dat.

Abstract:

ddRAD sequencing is an efficient way of acquiring data for phylogenetic reconstruction. However, when analysing divergent organisms belonging to multiple families, it is difficult to obtain enough shared homologous sequences among taxa. Whether we will be able to obtain enough homologous sequences depends on both, divergence of analyzed samples and the process of phylogenetic reconstruction. This thesis focuses on phylogenetic reconstruction from ddRAD data from seven bat species from families Vespertilionidae and Rhinolophidae which diverged approximately over 50 million years ago. For analysis we chose three reference genomes of different species and multiple experimental designs of phylogenetic reconstruction. Phylogenetic trees were inferred using the maximum likelihood method. In many cases we managed to obtain established phylogenetic relationships among analyzed species while using the right combination of reference genome and experimental design. However, the results indicate that both the reference genome and experimental design influence the final phylogenetic trees. We achieved the best results while using a reference genome with the smallest overall genetic distance towards analyzed species. The results of this thesis are applicable for a correct analysis of divergent ddRAD data.

Keywords

fylogenetická rekonstrukce, ddRAD sekvenování, referenční genom, SNP, maximální věrohodnost, phylogenetic reconstruction, ddRAD sequencing, reference genome, maximum likelihood

Language used: Czech

Date on which the thesis was submitted / produced: 17. 5. 2022

Thesis defence

• Date of defence: 27. 6. 2022
• Supervisor: doc. Mgr. Natália Martínková, Ph.D.
• Reader: RNDr. Ing. Lubomír Piálek, Ph.D.

Masaryk University

Faculty of Science

Bachelor programme / field:
Computational biology and biomedicine / Biomedical bioinformatics