Overordnede kursusmål
At give den studerende et omfattende kendskab til molekylær
evolution (dvs evolutionen af DNA, RNA og proteiner). Specielt er
det målet at give den studerende både erfaring med, og teoretisk
forståelse af, modelbaserede metoder til at rekonstruere
fylogenetiske træer og til at teste hypoteser i en evolutionær
kontekst. Selvom molekylær evolutionær analyse kræver en del
matematisk forståelse, er kurset desiget til at kunne tages af en
bred vifte af studerende.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- redegøre for naturlig selektion og teorien om neutral molekylær
evolution.
- løse simple populationsgenetiske opgaver.
- redegøre for de vigtigste egenskaber ved fylogenetiske
træer.
- konstruere fylogenetiske træer under parsimoni-, afstands-, og
maximum likelihood-kriterierne (vha. programmet PAUP*); konstruere
Bayesianske fylogenetiske træer (vha. programmerne MrBayes og
BEAST).
- bruge Fitch algoritmen til manuelt at udregne længden af et
fylogenetisk træ givet et alignment; derudfra vælge det/de mest
parsimone træ(er).
- redegøre for substitutionsmodeller baseret på Markovkæder
- udregne likelihood for en fylogenetisk model manuelt, givet et
sæt af parameterværdier og et alignment.
- benytte model selection kriterier (f.eks. likelihood ratio
testing og AIC) til at vælge den bedste af en række
substitutionsmodeller.
- benytte programpakken PAML til at finde positivt selekterede
codons i et proteinkodende gen.
- benytte R (f.eks. RStudio) til at manipulere, plotte, og
analysere fylogenetiske træer.
Kursusindhold
Kort introduktion til grundlæggende evolutionsteori og
populationsgenetik. Drivkræfterne bag molekylær evolution. Modeller
for DNA- og protein-substitution. Rekonstruktion af fylogenetiske
træer ved hjælp af afstandsmetoder, parsimoni, maximum likelihood
og Bayesiansk analyse. Avancerede nukleotid-substitutionsmodeller
(gammafordelte mutationsrater, molecular clock modeller,
codon-modeller og analyse af selektivt pres). Statistiske analyser
af evolutionsbiologiske hypoteser (likelihood ratio tests,
bootstrapping, AIC, Bayesiansk statistik).
De studerende vil opnå praktisk erfaring i at benytte
computermetoder ved selv at analysere sekvenser fra den
videnskabelige litteratur.
Sidst opdateret
04. maj, 2023