RESUMO
Abstract This study introduces a new method to construct phylogenetic trees by combining both of the Simple Sequence Repeats (SSRs) and sequence alignments. The purpose of this work is to present the DendroSSR program and show it via a case study involving diverse Aspergillus species. To show how the DendroSSR program works to resolve complicated species relationships in phylogenetic trees, we employed the Aspergillus species as an example of a research case. The DendroSSR employs a technique containing multiple phases beginning with, detecting SSRs, computing SSRs similarities, sequences alignment, building a distance matrix based on SSRs similarity and sequences alignments, and then hierarchical clustering, and presenting the findings in a dendrogram. Sometimes sequence alignments alone may not give adequate information to generate a phylogenetic tree to resolve complicated species relationships. Therefore, establishing a distance matrix that is formed of addition of SSRs similarity across sequences to the traditional sequence alignment helps the process substantially and resolves the connections of complex species on phylogenetic trees. Additionally, it may be hard to distinguish complex relationships across species when studying conserved sequences, which could lead to an incomplete representation of their evolutionary relationships. These limitations are addressed by DendroSSR, which offers a technique to produce phylogenetic trees by incorporating SSRs similarity across species into the approach of generating phylogenetic trees. As it is known, SSRs are extensively scattered across the genomes of species and exhibit a great variation. Therefore, SSRs may support the knowledge gathered from sequence alignments by providing more information on genetic variation and even evolutionary relationships. The use of DendroSSR analysis might be considered for creating phylogenetic trees as a complementary or secondary strategy among the species under examination in circumstances where traditional phylogenetic analysis fails to clarify the species complex phylogenetic relationships.
Resumo Este estudo apresenta um novo método para construir árvores filogenéticas, combinando tanto as Sequências Repetitivas Simples (SSRs) quanto os alinhamentos de sequência. O objetivo deste trabalho é apresentar o programa DendroSSR por meio de um estudo de caso envolvendo diversas espécies de Aspergillus. Para mostrar como o programa DendroSSR funciona a fim de resolver relações complicadas de espécies em árvores filogenéticas, empregamos a espécie Aspergillus como exemplo de caso de pesquisa. O DendroSSR utiliza uma técnica contendo várias fases, começando com detecção de SSRs, computação de similaridades de SSRs, alinhamento de sequências, construção de uma matriz de distância baseada na similaridade de SSRs e alinhamentos de sequências e, em seguida, agrupamento hierárquico e apresentação das descobertas em um dendrograma. Às vezes, os alinhamentos de sequência sozinhos podem não fornecer informações adequadas para gerar uma árvore filogenética a fim de resolver relações complicadas de espécies. Portanto, estabelecer uma matriz de distância, que é formada pela adição de similaridade de SSRs entre sequências ao alinhamento de sequência tradicional, ajuda substancialmente o processo e resolve as conexões de espécies complexas em árvores filogenéticas. Além disso, pode ser difícil distinguir relações complexas entre espécies ao estudar sequências conservadas, o que pode levar a uma representação incompleta de suas relações evolutivas. Essas limitações são abordadas pelo DendroSSR, que oferece uma técnica para produzir árvores filogenéticas ao incorporar a similaridade de SSRs entre as espécies na abordagem de geração de árvores filogenéticas. Como se sabe, os SSRs estão amplamente dispersos nos genomas das espécies e exibem grande variação. Portanto, os SSRs podem apoiar o conhecimento obtido a partir de alinhamentos de sequências, fornecendo mais informações sobre variação genética e até mesmo relações evolutivas. O uso da análise DendroSSR pode ser considerado para a criação de árvores filogenéticas como uma estratégia complementar ou secundária entre as espécies sob exame em circunstâncias em que a análise filogenética tradicional falha em esclarecer as complexas relações filogenéticas das espécies.
RESUMO
Com o advento da era pós-genômica, ocorreu uma explosão de informações onde inúmeras descobertas geraram grande quantidade de dados biológicos, que para serem analisados, necessitavam da cooperação de várias áreas de conhecimento. Inicialmente, as atividades de análises destes dados são suportadas por programas que constituem um fluxo de trabalho, baseado em scripts, que normalmente são executados por linha de comando, obrigando os seus usuários a terem domínio de algoritmos e lógica de programação. Tais scripts auxiliam muito na entrada, processamento e resultado final da análise, mas ainda apresentam dificuldades em interferir, coletar e armazenar dados ao longo de sua execução. Além disso, dependendo da especificidade do script, o seu uso pode ser muito complexo, em função da dificuldade da implementação, manutenção e reuso. Também, neste tipo de ambiente, o registro de execução das atividades do fluxo, da origem dos dados utilizados e das transformações aplicadas aos dados, geralmente, não são mantidos. Para tanto, tem havido o crescente uso de workflows científicos na execução e condução de experimentos científicos. Os workflows científicos pressupõem a resolução de problemas científicos através das técnicas de composição do fluxo de atividades, onde os passos normalmente são compostos por programas de bioinformática que recebem, processam e geram um conjunto de dados que podem ser repassados aos demais passos do workflow. Toda a estrutura de desenvolvimento e execução desses workflows é apoiada por sistemas específicos, conhecidos como Sistemas de Gerenciamento de Workflows Científicos (SGWfC), que possuem seus próprios mecanismos de gerência e linguagem. Considerando as vantagens de uso dos SGWfC no cenário da Bioinformática, este trabalho apresenta o workflow científico para reconstrução filogenética denominado PHYLO...
With the advent of post-genomic era, there was an explosion of information where many discoveries have generated large amounts of biological data, which, to be analyzed, needed the cooperation of various fields of knowledge. Initially, the to industrial activities of analysis of these data are supported by programs that constitute the workflow, based on scripts, that normally run from command line, forcing users to algorithms and programming logic. Such scripts help much the input, processing and outcome of the analysis, but still present difficulties for usersto interfere, collect and store data throughout their implementation. Also, according to the specific use of the script, it can be very complex, depending on the difficultyof implementation, maintenance and reuse. Also, in this type of environment, the registration of the execution of the activities of the flow, the source of data use d and the transformations applied to the data are generally not retained. For these, there has been the growing use of scientific workflows for the implementation and execution of scientific experiments. Scientific workflows assume scientificproblems solving through techniques of composition of the flow of activities, where the steps are usually composed of bioinformatics programs that receive, process and generate a data set that can be passed on to other steps of the workflow. The structure of development and implementation of these workflows is supported by specific systems, known as Scientific Workflows Management Systems (SGWfC), which have their own management mechanisms and language. Considering theadvantages of using the scenario SWfMS in the scientific bioinformatics, this work presents the scientific workflow PHYLO for phylogenetic reconstruction...