Generando matrices para las cuales es difícil encontrar árboles óptimos

GOLOBOFF, PABLO A.

Santa Fe

Jornada; XI Reunión Argentina de Cladística y Biogeografía; 2014

Universidad Ncaional del Litoral

Recientemente, radel et al. (2013) propusieron una manera de generar matrices de datos sobre un árbol dado, de forma que (1) el árbol utilizado para la generación de datos es el único árbol óptimo para la matriz, y (2) los caracteres resultantes son altamente homoplásicos. radel et al. (2013) demostraron que los algoritmos de TNT son capaces de encontrar el árbol óptimo para estas matrices, inclusive para árboles de 32768 taxones; hasta 256 taxones, TNT puede encontrar el árbol óptimo en tiempos menores a 1 segundo.  Esta charla describe una manera de generar matricesde datos de manera tal que (1) el árbol utilizado para la generación de datos es el único árbol óptimo para la matriz, pero (2) es sumamente difícil encontrarlo por búsquedas heurísticas. inclusive para matrices relativamente pequeñas (tan sólo 50 o 60 taxones), la aplicación de los métodos de búsqueda existentes requiere la replicación (con distintas semillas aleatorias) de decenas o cientos de miles de búsquedas, y varias horas de cómputo, para encontrar el árbol óptimo. La charla discutirá las causas de que las búsquedas tengan tan baja probabilidad de encontrar el árbol óptimo, tanto en el caso de árboles de Wagner, como de métodos basados en reacomodamientos, o de hibridación deárboles. Asimismo, se proponen modificaciones de algunos algoritmos existentes que, en parte al menos, subsanan este problema, permitiendo encontrar para estas matrices árboles óptimos (o al menos bastante cercanos), mucho más rápidamente que los algoritmos actualmente en uso.Radel, D., A. Sand, y M. Steel. 2013. Hide and seek: Placing and finding an optimal tree for thousands of homoplasyrich sequences. mol. phyl. evol. http://dx.doi.org/10.1016/j.ympev.2013.08.001.