© Dunod – Toute reproduction non autorisée est un délit.
95
7.4 • Estimation de la fiabilité d’un arbre par bootstrap
interne qui groupe les deux rongeurs (Mus et Rattus) à l’exclusion des autres
espèces, et une seconde branche interne qui groupe rongeurs et Bos (le bœuf) à
l’exclusion des autres. Plus généralement, la topologie d’un arbre non raciné est
entièrement déterminée par la
internes présentes dans cet
liste de toutes les branches
arbre. La question de la fiabilité d’un arbre se transforme en une série de questions
largement indépendantes concernant la fiabilité de chaque branche interne de cet
arbre.
Le bootstrap est une technique de rééchantillonnage très courante en statistiques
qui permet d’estimer la variabilité de paramètres dont on ne sait pas calculer la
variance. En phylogénie moléculaire, le bootstrap est utilisé pour estimer la probabilité de l’existence de chaque branche interne (figure 7.13).
À partir d’un alignement de séquences, qui est une série de N sites, on fabrique un
alignement artificiel par tirage aléatoire N fois avec remise parmi ces sites. Ainsi,
N
l’alignement généré
sites, tous extraits de
est constitué de N
l’alignement réel, pris
dans un ordre aléatoire, et tels que certains sites réels sont répétés tandis que d’autres
sont absents de cet alignement artificiel. On applique à l’alignement artificiel la même
méthode de reconstruction d’arbre que celle utilisée sur les données réelles (ce peut
être parcimonie, distance, ou maximum de vraisemblance). On répète tirage aléatoire
et calcul d’arbre un grand nombre de fois (1 000 fois, par exemple). On dispose alors
d’un grand nombre d’arbres dont on considère uniquement les topologies non racinées. On calcule la fréquence d’apparition dans les arbres artificiels de chaque branche
interne de l’arbre des séquences réelles, et on note cette fréquence, exprimée habituellement en pourcentage, à côté de cette branche interne. Ces fréquences sont les
valeurs de
Plus une valeur est proche
soutien de bootstrap de chaque branche interne.
de 100 %, plus il existe un signal fort dans les données en faveur de l’existence de
cette branche.
Figure 7.13 – Procédure de bootstrap.
95
7.4 • Estimation de la fiabilité d’un arbre par bootstrap
interne qui groupe les deux rongeurs (Mus et Rattus) à l’exclusion des autres
espèces, et une seconde branche interne qui groupe rongeurs et Bos (le bœuf) à
l’exclusion des autres. Plus généralement, la topologie d’un arbre non raciné est
entièrement déterminée par la
internes présentes dans cet
liste de toutes les branches
arbre. La question de la fiabilité d’un arbre se transforme en une série de questions
largement indépendantes concernant la fiabilité de chaque branche interne de cet
arbre.
Le bootstrap est une technique de rééchantillonnage très courante en statistiques
qui permet d’estimer la variabilité de paramètres dont on ne sait pas calculer la
variance. En phylogénie moléculaire, le bootstrap est utilisé pour estimer la probabilité de l’existence de chaque branche interne (figure 7.13).
À partir d’un alignement de séquences, qui est une série de N sites, on fabrique un
alignement artificiel par tirage aléatoire N fois avec remise parmi ces sites. Ainsi,
N
l’alignement généré
sites, tous extraits de
est constitué de N
l’alignement réel, pris
dans un ordre aléatoire, et tels que certains sites réels sont répétés tandis que d’autres
sont absents de cet alignement artificiel. On applique à l’alignement artificiel la même
méthode de reconstruction d’arbre que celle utilisée sur les données réelles (ce peut
être parcimonie, distance, ou maximum de vraisemblance). On répète tirage aléatoire
et calcul d’arbre un grand nombre de fois (1 000 fois, par exemple). On dispose alors
d’un grand nombre d’arbres dont on considère uniquement les topologies non racinées. On calcule la fréquence d’apparition dans les arbres artificiels de chaque branche
interne de l’arbre des séquences réelles, et on note cette fréquence, exprimée habituellement en pourcentage, à côté de cette branche interne. Ces fréquences sont les
valeurs de
Plus une valeur est proche
soutien de bootstrap de chaque branche interne.
de 100 %, plus il existe un signal fort dans les données en faveur de l’existence de
cette branche.
Figure 7.13 – Procédure de bootstrap.