Archivos iniciales

Para comenzar se debe partir de un archivo fasta que contiene las secuencias a usar, y un archivo nexus con las coordenadas de las mismas. Además se requiere conocer el modelo evolutivo que mejor se ajusta a la matriz de secuencias, el cual puede ser calculados en algún software como jModelTest.

Además de estos archivos, con el objetivo de representar y visualizar geograficamente la dinámica espacial de la especie se necesitará un archivo geográfico vectorial del tipo geojson. Este se puede obtener en R mediante el siguiente código:

library(sf)

## Warning: package 'sf' was built under R version 4.1.3

## Linking to GEOS 3.9.1, GDAL 3.2.1, PROJ 7.2.1; sf_use_s2() is TRUE

library(rnaturalearth)

# Descarga de poligono con limites de paises sudamericanos:
Sudam = ne_states(iso_a2 = c("AR", "BO", "PY", "BR", "CL", "UY", "PE", "EC", "VE", "CO", "GY", "SR", "FR"),
                                     returnclass = "sf")
write_sf(obj = Sudam, dsn = "./ProvSudam.geojson")

BEAUTi v. 1.10.4

En este programa vamos a preparar nuestros datos para generar un archivo xml, que pueda ser leído por el programa BEAST. Para ello: 1. Importar el archivo sequence.fas. Una vez importado chequear en la solapa Partitions que los datos sean correctos. 2. Solapa Traits. Agregar una nueva partición de datos que contiene las coordenadas geográficas. Hacer click en Import traits para importar el coordinates.nex. Una vez importado, clickear en Create partition from trait... y nombrarla como location. 3. Solapa Sites. 4. Solapa Clocks. 5. Solapa Trees. 6. Solapa States. 7. Solapa Priors. 8. Solapa MCMC.

BEAST v 1.10.4

Se puede correr el análisis en el software o BEAST, o bien utilizar algun servidor de internet como CIPRES para ahorrarle trabajo a nuestra maquina.

Tracer 1.7.2

Luego de la corrida, debemos chequear que el analisis haya tenido un largo de cadena suficiente para alcanzar valores de ESS mayores a 200 (convergencia). Para esto abrimos el archivo .log generado en el programa Tracer. Si los de ESS presentan probabilidad posterior mayores que 200, podemos chequear la tasa de difusión que se encuentra como location.diffusionRate. Esta indica en km/año. En especies, donde existen datos sobre tasas de dispersión este valor resulta importante para ser contrastado con estudio previos.

TreeAnnotator v. 1.10.4

Este software permite generar arboles que resumen la información de los 10000 árboles recuperados mediantes inferencia bayesiana. En este software se debe definir el Burn-in o quemado de árboles que tienen menor probabilidad posterior, Usualmente se descarta o “quema” un 12-25% de los arboles (Usualmente se busca obtener un total de 10000 arboles antes del quemado). Dejar el resto de las opciones por dewfault, y cargar el archivo que generó el BEAST con extensión .trees. Como output se puede generar un archivo con extensión .tree que pueda ser leído en Figtree.

spreaD3

Finalmente para generar los patrones espaciales de difusión de los haplotipos y sus ancestros se debe abrir el software spreaD3. * Solapa Data. Cargo el archivo .tree generado a partir del TreeAnontator. A continuación seleccionar el latitud como location1 y longitud como location2. Cargar un archivo geojson que contenga el mapa de fondo como por ejemplo mapa politico mundial. Click en Generate JSON y nombrar el archivo json de salida, incluyendo la extensión .json. * Solapa Rendering. Cargar el archivo json, generado en la solapa anterior, renderizarlo de forma D3. Desta forma se abrira un explorador donde debemos escribir el nombre y ubicacion de la carpeta que contendrá los archivos resultantes. Se abrirá automaticamente el html con el mapa generado.