MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA RECETOX Diplomová práce BRNO 2025 MICHAELA HAVLÍČKOVÁ MASARYKOVA U N I V E R Z I T A PŘÍRODOVĚDECKÁ FAKULTA RECETOX Detekce selekce v genetických markerech používaných pro fylogenetickou rekonstrukci u obratlovců D i p l o m o v á p r á c e Michaela Havlíčková Vedoucí práce: Mgr. Markéta Harazim, Ph.D. Brno 2025 Bibliografický záznam Autor: Bc. Michaela Havlíčková Přírodovědecká fakulta, Masarykova univerzita RECETOX Název práce: Detekce selekce v genetických markerech používaných pro fylogenetickou rekonstrukci u obratlovců Studijní program: Matematická biologie a biomedicína Studijní obor: Biomedicínská bioinformatika Vedoucí práce: Mgr. Markéta Harazim, Ph.D. Akademický rok: 2024/25 Počet stran: 7 + 86 Klíčová slova: Fylogenetická rekonstrukce; Fylogenetický marker; Selekce; Přirozený výběr; Pozitivní selekce; Neutrální evoluce; PAML Bibliographic Entry Author: Be. Michaela Havlíčková Faculty of Science, Masaryk University RECETOX Title of Thesis: Signal for natural selection in genetic markers used for phylogenetic reconstuction in vertebrates Degree Programme: Computational biology and biomedicine Field of Study: Biomedical bioinformatics Supervisor: Mgr. Markéta Harazim, Ph.D. Academic Year: 2024/25 Number of Pages: Keywords: 7 + 86 Phylogenetic reconstruction; Phylogenetic marker; Selection; Natural selection; Positive selection; Neutral evolution; PAML Abstrakt Metody a modely běžně využívané při fylogenetické rekonstrukci implicitně předpokládají evoluční neutralitu použitých fylogenetických marketů. Působení selekce však porušuje předpoklady substitučních modelů. Přesto se selekční signál markerů před samotnou fylogenetickou analýzou běžně netestuje. V této práci jsem zkoumala působení selekce na 11 nukleárních a 3 mitochondriální fylogenetické markery běžně využívané u savců. Kódující sekvence markerů jsem získala z databáze NCBI pro téměř 200 zástupců sedmi řádů savců. Analýza byla provedena pomocí modelů založených na poměru nesynonymních a synonymních substitucí (řO) implementovaných v programu PAML. Zároveň jsem testovala signál pozitivní selekce a specifické rozdíly v působení selekce u devíti různých taxonů. Signál pozitivní selekce napříč všemi savci nebo alespoň u jednoho z taxonů byl detekován u 10 z 11 nukleárních markerů. Většina markerů, včetně těch mitochondriálních, zároveň vykazovala známky silné negativní selekce, což odpovídá očekávanému selekčnímu tlaku na zachování funkce kódovaného proteinu. Výsledky ukazují, že i často používané fylogenetické markery mohou být pod vlivem selekce, což může mít dopad na přesnost fylogenetické rekonstrukce. Zvážení selekčních vlivů by tak mělo být důležitou součástí výběru markerů pro fylogenetické analýzy. Abstract Methods and models commonly used in phylogenetic reconstruction implicitly assume the evolutionary neutrality of the utilized phylogenetic markers. However, the effect of selection violates the assumptions of substitution models. Despite this, selection signals in markers are rarely tested prior to phylogenetic analysis. In this thesis, I investigated the effects of selection on 11 nuclear and 3 mitochondrial phylogenetic markers commonly used in mammals. I obtained coding sequences of these markers from the NCBI database for nearly 200 representatives across seven mammalian orders. The analysis was conducted using models based on the ratio of nonsynonymous to synonymous substitutions (ft)) implemented in the PAML software. I also independently tested for signal of positive selection and taxon-specific differences in natural selection pressures in 9 different taxa. A signal of positive selection across all mammals or in at least one of the taxa was detected in 10 out of 11 nuclear markers. Most markers, including mitochondrial ones, also showed signs of strong negative selection, consistent with the expected selective pressure to preserve protein function. These results indicate that even widely used phylogenetic markers may be subject to selection, which can affect the accuracy of phylogenetic reconstruction. Therefore, considering the influence of selection should be an important part of marker selection for phylogenetic analyses. IUIU N I S C I M A S A R Y K O V A U N I V E R Z I T A P Ř Í R O D O V Ě D E C K Á F A K U L T A K O T L Á Ř S K Á 2 , 6 1 1 37 BRNO I Č : 0 0 2 1 6 2 2 4 D I Č : CZ 0 0 2 1 6 2 2 4 Z A D A N Í D I P L O M O V É P R Á C E Akademický rok: 2023/2024 Ústav: RECETOX Studentka: Bc. Michaela Havlíčková Program: Matematická biologie a biomedicína Specializace: Biomedicínská bioinformatika Ředitel ústavu PřF MU Vám ve smyslu Studijního a zkušebního řádu MU určuje diplomovou práci s názvem: Název práce: Detekce selekce v genetických markerech používaných pro fylogenetickou rekonstrukci u obratlovců Název práce anglicky: Signal for natural selection in genetic markers used for phylogenetic reconstruction in vertebrates Jazyk závěrečné práce: čeština Oficiální zadání: Fylogenetická rekonstrukce vztahů taxonů předpokládá evoluční neutralitu použitého genetického markeru v rámci zkoumaného taxonu. Na základě literární rešerše student identifikuje geny běžně používané jako neutrální markery pro fylogenetickou rekonstrukci u obratlovců. Získá kódující sekvence těchto markerů reprezentující taxony obratlovců dostupné v nukleotidových databázích nebo celogenomových sekvencích. Otestuje selekční signál detekovatelný v rámci jednotlivých genů i taxonů a vyhodnotí vhodnost markerů pro fylogenetickou rekonstrukci u různých skupin obratlovců. Literatura: Thomson R. C , 1. J. Wang, J. R. Johnson. 2010. Genome-enabled development of DNA markers for ecology, evolution and conservation. Molecular Ecology 19.11: 2184-2195 Yang Z. 2007. PAML 4: phylogenetic analysis by maximum likelihood. Molecular Biology and Evolution, 24.8: 1586- 1591. Vedoucí práce: Mgr. Markéta Harazim, Ph.D. Konzultant: doc. Mgr. Natália Martínková, Ph.D. Datum zadání práce: 17. 10. 2022 V Brně dne: 3 1 . 1 . 2024 Zadání bylo schváleno prostřednictvím IS MU. Bc. Michaela Havlíčková, 6. 2. 2023 Mgr. Markéta Harazim, Ph.D., 8. 2. 2023 RNDr. Tomáš Pavlík, Ph.D., 9. 2. 2023 Poděkování Chtěla bych poděkovat vedoucí své diplomové práce Mgr. Markétě Harazim, Ph.D. za odborné vedení a čas, který mi věnovala. Dále bych ráda poděkovala doc. Mgr. Natálii Martínkové, Ph.D. za konzultace a cenné rady při zpracování této práce. Výpočetní zdroje byly poskytnuty projektem "e-Infrastruktura CZ" (e-INFRA CZ LM2018140) podporovaným Ministerstvem školství, mládeže a tělovýchovy České republiky. Prohlášení Prohlašuji, že jsem svoji diplomovou práci vypracovala samostatně pod vedením vedoucího práce s využitím informačních zdrojů, které jsou v práci citovány. Brno 12. května 2025 Michaela Havlíčková Obsah Seznam obrázku 3 Seznam tabulek 4 Seznam pojmů a zkratek 5 1 Úvod 6 1.1 Fylogenetická rekonstrukce 6 1.1.1 Fylogenetický marker 1.2 Selekce 8 1.3 Metody detekce selekce 8 1.3.1 Aproximační metody 9 1.3.2 Metoda maximální věrohodnosti 10 1.4 Vliv selekce na fylogenetickou rekonstrukci 10 1.5 Cíle práce 12 2 Metodika 13 2.1 Výběr taxonů obratlovců 13 2.2 Identifikace fylogenetických markerů 13 2.3 Získání dat z NCBI 14 2.4 Alignment 15 2.4.1 Příprava dat 15 2.4.2 Prvotní alignment 16 2.4.3 Filtrace 16 2.4.4 Rafinace, finální úpravy a kontrola kvality alignmentu 17 2.4.5 Extrakce markerů z alignmentu celých genů 18 2.5 Fylogenetická rekonstrukce 18 2.6 Výpočet selekčního signálu 19 2.6.1 Modely 20 2.6.2 Vstupní data 26 2.6.3 Automatizace práce s codeml 28 3 Výsledky 30 3.1 Výběr taxonů obratlovců 30 3.2 Identifikace fylogenetických markerů 30 -1- Obsah 3.3 Získání dat z NCBI 31 3.4 Alignment 33 3.4.1 Extrakce markerů z alignmentů celých genů 34 3.5 Fylogenetická rekonstrukce 35 3.6 Výpočet selekčního signálu 38 4 Diskuze 44 4.1 Fylogenetická rekonstrukce 44 4.2 Detekce selekce 44 5 Závěr 48 Příloha 1 - Taxonomie analyzovaných druhů 49 Příloha 2 - Přístupová čísla NCBI 53 Příloha 3 - Výsledky kládového modelu C 66 Příloha 4 - Výsledky modelu větví-pozicí A 69 Seznam použitých zdrojů 73 - 2 - Seznam obrázků Obr. 1 Topologie výsledného fylogenetického stromu s barevně odlišenými řády savců. Geometrickými symboly jsou vyznačeny uzly společného předka dalších tří analyzovaných taxonů. Čísla představují podpory některých hlubokých uzlů stromu Seznam tabulek Tab. 1 Parametry použitých kodonových substitučních modelů. Volné parametry jsou uvedeny bez závorky a jejich počet je uveden ve sloupci „#p". Tabulka obsahuje také specifická nastaveníjednotlivých modelů v kontrolním souboru codeml 28 Tab. 2 Seznam všech devíti analyzovaných taxonů a jejich zastoupení, včetně šedě vyznačeného řádu Carnivora, který nebyl analyzován jako celek, ale rozdělený na dva podřády 31 Tab. 3 Analyzované fylogenetické markery savců a šedě vyznačený kontrolní gen TP53. Používá-li se jako marker pouze konkrétní exon nebo exony, je u genu uvedeno, o které se jedná. Typy markerů „mt" a „nc" označují mitochondriální resp. nukleární geny 32 Tab. 4 Přehled stažených sekvencí a chybějících dat 33 Tab. 5 Délky alignmentů (bp) v jednotlivých krocích alignmentu. Předposlední sloupec představuje finální délku alignmentů celých genů a poslední sloupec část těchto alignmentů, představující fylogenetické markery 34 Tab. 6 Výsledky pozicových modelů M l a a M2a. Počet stupňů volnosti LRT je 2. 40 Tab. 7 Výsledky pozicových modelů M7 a M8. Počet stupňů volnosti LRT je 2. . 41 Tab. 8 Signifikantní výsledky modelu cmC s rozdílem poměrů |Aa)| > 0,1 pro jednotlivé taxony. Nulové modely nejsou uvedeny, pouze výsledky LRT testu s jedním stupněm volnosti 42 Tab. 9 Signifikantní výsledky modelu bsA pro jednotlivé taxony. Nulové modely nejsou uvedeny, pouze výsledky LRT testu s jedním stupněm volnosti. . . 43 -4- Seznam pojmů a zkratek Alignment bp bsA CDS cmC Fylogenetický marker Homologní sekvence kb Kodon LRT M L metoda mt nc Nesynonymní substituce Substituce Synonymní substituce Topologie Zarovnání dvou a více sekvencí pod sebe tak, aby si odpovídaly homologní pozice. Pár bází (base pair); jednotka délky genetické sekvence. Kodonový substituční model větví-pozicí A (branch-site A model). Protein kódující sekvence (coding sequence). kládový model C (clade model C); jeden z kodonových substitučních modelů programu codeml. Specifický gen či jeho část běžně využívaná pro fylogenetickou rekonstrukci. Sekvence se společnou evoluční historií. Kilobáze; 1000 párů bází (bp). Trojice nukleotidů kódujících jednu aminokyselinu. Test poměru věrohodností (likelihood ratio test). Metoda maximální věrohodnosti (maximum likelihood method). Mitochondriální. Nukleární (jaderný). Substituce způsobující změnu kódované aminokyseliny. Změna nukleotidové báze v genetické sekvenci za jinou. Substituce zachovávající kódovanou aminokyselinu. Způsob větvení fylogenetického stromu. - 5 - 1 Úvod 1.1 Fylogenetická rekonstrukce Fylogenetická rekonstrukce je proces, při kterém se snažíme na základě molekulárních nebo morfologických dat odhadnout evoluční historii a příbuzenské vztahy mezi organismy. Výsledkem rekonstrukce je fylogenetický strom, který graficky znázorňuje hypotézu o tom, jak se jednotlivé druhy v minulosti oddělovaly od posledního společného předka. Skutečné evoluční vztahy mezi organismy nemůžeme pozorovat přímo, protože se jedná o události, které se odehrály v minulosti a musí být zrekonstruovány na základě dostupných důkazů (Patwardhan et al., 2014). Fylogenetická rekonstrukce se nemusí zaměřovat pouze na jednotlivé organismy, ale i na druhy, geny či celé genomy, a je klíčovým nástrojem v evoluční biologii a systematice (Kapli et al., 2020; Naser-Khdour et al., 2019). Rekonstrukci lze provézt na základě mnoha typů dat jako jsou molekulární sekvence (DNA, RNA, proteiny), genové frekvence nebo tradičně dle morfologických znaků (Felsenstein, 2004; Patwardhan et al., 2014). V dnešní době díky rychlému rozvoji sekvenačních technologií převažuje ve fylogenetice využití molekulárních dat. Tyto technologie umožňují rychle získat obrovské množství dat pro fylogenetickou analýzu (Young a Gillung, 2020). V molekulární fylogenezi se vztahy mezi organismy nebo geny zkoumají porovnáváním homologních sekvencí DNA či proteinů (sekvence se společnou evoluční historií). Rozdíly mezi těmito sekvencemi odrážejí genetickou divergenci, ke které docházelo v důsledku molekulární evoluce v průběhu času. Porovnáním homologních molekul u různých organismů lze určit míru jejich podobnosti a na základě toho rekonstruovat hierarchii příbuzenských vztahů ve formě fylogenetického stromu (Patwardhan et al., 2014). Existuje několik metod fylogenetické rekonstrukce, které se liší ve svém přístupu. Metody založené na vzdálenosti využívají matici genetických vzdáleností mezi dvojicemi sekvencemi. Genetická vzdálenost vyjadřuje míru odlišnosti dvou sekvencí. Vzdálenosti se počítají na základě odhadu počtu substitucí (změn) mezi sekvencemi za využití evolučních modelů, které berou v úvahu také možný výskyt více substitucí na jedné nukleotidové pozici. Strom lze na základě genetických vzdáleností vytvořit například pomocí metod shlukovací analýzy, jako je metoda nejbližšího souseda (Salemi et al., 2009). Další skupina metod je založená na diskrétních znacích, nejčastěji alignovaných nukleotidových či peptidových sekvencích. Ty pracují přímo s mutacemi, které se v sekvencích akumulovaly a nedochází tak ke ztrátě informací jako v případě vzdálenostních metod. Důsledkem toho jsou metody přesnější než metody založené na vzdálenosti. Jednou z neznámějších je metoda maximální věrohodnosti, která hledá takový strom, který maximalizuje pravděpodobnost pozorování daných dat. Další z této skupiny metod je metoda maximální parsimonie, která hledá strom, který minimalizuje počet evolučních změn potřebných k vysvětlení daných dat a stojí na myšlence, že to nejjednodušší možné vysvětlení je to správné (Salemi et al., 2009; Patwardhan et al., 2014). K modelování pravděpodobností výskytů jednotlivých substitucí se používají nejčastěji nukleotidové substituční modely. -6- 1. Úvod Nukleotidové substituční modely mají tři základní předpoklady: (1) Pro každou nukleotidovou pozici platí, že změna z báze i na bázi j je nezávislá na bázi, která se na pozici vyskytovala před bází i. (2) Substituční rychlosti se v čase nemění - jsou homogenní pro celý strom. (3) Relativní frekvence bází jsou ve stavu ekvilibria, to znamená, že se v čase nemění (stacionarita). U časově reversibilních modelů, které bývají používány nejčastěji, se navíc předpokládá, že substituční rychlost nukleotidu i na j je stejná jako j na i (reversibilita). Většina metod fylogenetické rekonstrukce předpokládá také nezávislost pozic mezi sebou. Například metoda maximální věrohodnosti očekává nezávislou evoluci mezi všemi pozicemi, aby bylo možné spočítat věrohodnostní funkci vynásobením věrohodností jednotlivých pozic. Navíc předpokládá také nezávislost evoluce mezi jednotlivými vývojovými větvemi (Salemi et al., 2009; Naser-Khdour et al., 2019). 1.1.1 Fylogenetický marker Fylogenetický marker je vhodný gen, jeho část, či jiná specifická DNA sekvence běžně využívaná za účelem fylogenetické analýzy. Ne každá genetická sekvence je vhodným fylogenetickým markerem a použitelnost markerů se může lišit také taxon od taxonu. Ideální gen, který by mohl být potenciálním fylogenetickým markerem, by měl mít několik vlastností. Mělo by se jednat o gen, který se v genomu vyskytuje pouze v jediné kopii (single-copy), aby se předešlo nechtěnému sekvenování různých kopií genů u jednotlivých studovaných organismů. Vzhledem k tomu, že sekvence je třeba před fylogenetickou analýzou zarovnat, neměl by jejich alignment být příliš obtížný. Délky téhož genu se mohou u různých taxonů lišit vlivem inzercí a delecí, což může správný alignment značně ztěžovat. Dalším faktorem může být také dostupnost primerů potřebných k amplifikaci markeru. Je také důležité, aby měl marker optimální substituční rychlost. Alespoň pro vzdáleně příbuzné organismy jsou preferované pomalu se vyvíjející geny s dostatkem konzervovaných pozic, ale zároveň i těch variabilních. U příliš rychle mutujícího genu může dojít po opakovaných substitucích k saturaci (opětovnému výskytu původního nukleotidu) (Patwardhan et al., 2014). Při analýze blízce příbuzných organismů je ale naopak nutné zvolit gen s větší rychlostí mutací, aby byl dostatečně fylogenetický informativní (Cruickshank, 2002). Kvůli struktuře protein kódujících genů mohou být variabilní většinou pouze třetí kodonové pozice bez toho, aniž by došlo ke změně kódované aminokyseliny. Mutace měnící aminokyselinu mají mnohem větší pravděpodobnost, že budou narušovat správnou funkci genem kódovaného proteinu. Důsledkem toho se snižuje šancejejich výskytu (Cruickshank, 2002). Nekódující sekvence, jako například introny nukleárních genů, nepodléhají funkčním a strukturálním omezením proteinů, a mají tak tendenci mutovat rychleji. Z toho důvodu je většinou možné použít je pouze pro fylogenetickou rekonstrukci blízce příbuzných druhů (Cruickshank, 2002). Ribozomální RNA (rRNA) je považována za ideální fylogenetický marker, protože je univerzální pro všechny organismy a je tvořena jak variabilními, tak vysoce konzervovanými doménami (Patwardhan et al., 2014). Mitochondriální geny se používají především pro fylogenezi na druhové úrovni. Jedná se například o geny pro podjednotky cytochrom c oxidázy I a II (COX1 a COX2) nebo - 7 - 1. Úvod cytochrom b (CYTB) (Patwardhan et al., 2014). Z nukleárních genů jsou nejvhodnější ty s dlouhými konzervovanými exony. Pro fylogenezi savců byly jedněmi z prvních markerů například první exon Retinol vázajícího proteinu 3 (RBP3) nebo exon 28 von Willebrandova faktoru (VWF) (Ranwez et al., 2007). Kódující nukleární geny se nejčastěji využívají k inferenci hlubokých fylogenetických vztahů díky vysoké míře konzervace a často také dostupné anotaci, která usnadňuje identifikaci paralogů (genů vzniklých duplikací) (Thomson et al., 2010). 1.2 Selekce Selekce je spoluzodpovedná za obrovskou komplexitu živých systémů. Přirozený výběr se projevuje nenáhodnou změnou v evoluční zdatnosti (reprodukční úspěšnosti) a často je nepřímo spojena se schopností přežít v určitém prostředí. To vede ke zvýšení frekvence výskytu výhodných resp. snížení frekvence škodlivých dědičných charakteristik v populaci z generace na generaci. Všechny živé struktury jsou, mimo jiné, výsledkem opakované fixace nebo eliminace genetických variant v populacích (Salemi et al., 2009; Gregory, 2009). Selekci lze rozdělit na několik druhů dle jejího vlivu na četnost různých fenotypových rysů v populaci. Usměrňující selekce upřednostňuje jeden extrémní fenotyp oproti tomu průměrnému a nebo extrému z druhé strany fenotypového spektra. Upřednostňováním extrémních vlastností z obou stran fenotypové škály se vyznačuje disruptivní, nebo také diversifikující selekce, která zvyšuje fenotypovou variability v populaci. Stabilizující selekce naopak variabilitě v populaci brání a upřednostňuje průměrný fenotyp (Sanjak etal, 2018). Selekci také můžeme na molekulární úrovni rozlišovat dle toho, jak daná mutace ovlivňuje způsobilost organismu. Je-li určitá genetická varianta výhodná a zvyšuje šance organismu přežít a reprodukovat se, dojde k její postupné dominanci a fixaci v populaci. Tento proces se nazývá pozitivní selekce. Naopak škodlivé mutace snižující způsobilost organismu přežít budou z populace časem eliminovány a v takovém případě mluvíme o selekci negativní (Salemi et al., 2009). Speciálním případem pak může být uvolněná selekce, při které dochází k uvolnění selekčního tlaku na dříve důležité geny, což se projeví zvýšenou akumulací změn, které by dříve byly odstraněny (Lahti et al., 2009). 1.3 Metody detekce selekce Metody detekce selekce na základě sekvencí DNA porovnávají substituční rychlosti nesynonymních (dN) a synonymních substitucí (dS). Rychlosti nesynonymních a synonymních substitucí představují počet nesynonymních a synonymních substitucí na jednu pozici alignmentu. Nukleotidová substituce v kontextu protein kódujících genetických sekvencí (CDS; coding sequence) se nazývá synonymní, nebo také tichá, jestliže nevede ke změně aminokyseliny, na kterou je příslušný kodon přeložen. V opačném případě se jedná o nesynonymní substituci, tzv. substituci měnící smysl kodonu, v důsledků které dochází ke změně aminokyseliny v peptidovém řetězci (Yang a Bielawski, 2000). -8- 1. Úvod Poměr substitučních rychlostí dN a dS se označuje jako CO a je významným ukazatelem selekce. Hodnota co > 1 indikuje pozitivní selekci, kdy v sekvencích pozorujeme zvýšenou míru rychlosti nesynonymních substitucí, které vysvětlujeme tím, že docházelo k fixaci výhodných mutací v populaci. Naopak hodnota co < 1 poukazuje na negativní selekci, kdy nesynonymní substituce měly negativní vliv na životaschopnost organismu a důsledkem toho se akumulují pomaleji a pozorujeme jich v sekvencích méně. Hodnota co — 1 značí neutrální evoluci, bez vlivu selekčního tlaku (Yang a Bielawski, 2000; Salemi et al., 2009). Nesynonymní substituce jsou ukazatelem selekce, protože mohou mít přímý vliv na funkci proteinu a ovlivnit tak evoluční zdatnost organismu. Synonymní substituce nepředstavují žádnou funkční změnu a vyvíjí se většinou neutrálně, stejně tak je tomu v případě nesynonymních substitucí, které neovlivní funkci proteinu (Salemi et al., 2009). 1.3.1 Aproximační metody Aproximační metody zahrnují mnoho intuitivních způsobů odhadů dN a dS (Yang a Bielawski, 2000). Při porovnání dvou zarovnaných sekvencí můžeme spočítat počet nukleotidových substitucí mezi nimi, následně CDS přeložit do aminokyselinové sekvence a spočítat kolikrát došlo vlivem nukleotidových substitucí ke změně na úrovni proteinu. Dokážeme tak říct, kolik nukleotidových substitucí mezi sekvencemi je nesynonymních {Nsub) a kolik synonymních (Ssub). Protože pravděpodobnost vzniku synonymní a nesynonymní substituce se po každou nukleotidovou pozici alignmentu může lišit, je potřeba ji při výpočtu zohlednit. Například máme-li DNA kodon CTG , kódující leucin, můžeme uvažovat všechny možné substituce na všech třech pozicích a sledovat, zda vedou ke změně aminokyseliny či nikoliv. Substituce na třetí pozici kodonu mohou vézt ke vzniku kodonů CTA, CTC a CTT, z nichž všechny tři stále kódují leucin, tudíž třetí pozice kodonu je zcela synonymní. Substitucemi na druhé pozici kodonu mohou vzniknout kodony CAG, CGG a CCG, kódující glutamin, arginin a prolin. Jakákoliv substituce tedy vede ke změně původní aminokyseliny a záměna na druhé pozici kodonu je tedy zcela nesynonymní. Při substituci prvního nukleotidu kodonu mohou vzniknout ATG, TTG a GTG, kódující methionin, leucin a valin. Jedna z možných substitucí zachovává původní aminokyselinu, zatímco druhé dvě vedly ke změně a první pozice kodonu je tedy z 1/3 synonymní a ze 2/3 nesynonymní (Miyata a Yasunaga, 1980). Uvažujeme-li sekvenci délky n pak pro počet nesynonymních pozicí Npoz a počet synonymních pozicí Spoz platí Npoz + Spoz — n. Nyní můžeme spočítat rychlosti nesynonymních substitucí dN a synonymních substitucí dS a porovnat je. Získáme tak poměr co představující poměr rychlostí nesynonymních a synonymních substitucí Q)_dN__ N -sub/Npoz dS SsubjSpoz, Jedná se pouze o zjednodušený princip výpočtu a v praxi se běžně zohledňují také situace, kdy dojde k více substitucím v rámci jednoho kodonu (Miyata a Yasunaga, 1980; Nei a Gojobori, 1986). Metody fungující na tomto principu odhadu substitučních rychlostí dN a dS mají zjednodušené předpoklady o procesu nukleotidových substitucí a nezohledňují například - 9 - 1. Úvod vliv četnosti výskytů tranzicí a transverzí ani preferenční využívání kodonů, které v obou případech mohou mít zásadní dopad na odhad poměru co (podrobněji v kapitole 2.6.1) (Yang a Bielawski, 2000). 1.3.2 Metoda maximální věrohodnosti Dalším možným přístupem odhadů CO je metoda maximální věrohodnosti (maximum likelihood; ML). M L metoda obecně spočívá ve snaze maximalizovat věrohodnostní funkci, která představuje pravděpodobnost pozorování dat za předpokladu platnosti určité hypotézy. M L metoda využívá modely kodonových substitucí s několika parametry jako je například divergence sekvencí t, poměr tranzicí a trensverzí K a především poměr co. Všechny tyto parametry jsou odhadovány současně maximalizací věrohodností funkce. Model je formulován na úrovni okamžitých změn a nedovoluje tedy více substitucí současně (Yang a Bielawski, 2000). Velikou výhodou M L metody je, že modely dokáží zohlednit vliv poměru rychlostí tranzicí a transverzí a také preferenční využívání kodonů (podrobněji v kapitole 2.6.1). 1.4 Vliv selekce na fylogenetickou rekonstrukci Nukleotidové substituční modely nezohledňují, že se sekvence mohou vyvíjet pod selekčním tlakem a implicitně předpokládají neutrální evoluci. Selekce ale porušuje předpoklady modelů (např. nezávislost pozic) a potenciálně tak může vézt k inferenci chybných fylogenetických vztahů oproti stromům vytvořených na základě neutrálních markerů. I přes to se detekce selekce před fylogenetickou inferenci běžně neprovádí (Roje, 2014). Selekce na proteinové úrovni může ovlivnit nukleotidové substituční rychlosti a tím i jejich využitelnost při fylogenetické rekonstrukci (Jansa et al., 2006). Například substituční rychlost kodonu i na j může být jiná než rychlost v opačném směru v závislosti na tom, zda je některý z kodonů výhodný nebo škodlivý, což porušuje předpoklad reversibility substitučních modelů. Rychlosti se mohou také měnit v čase, je-li nutná adaptace na nové prostředí, což může vézt ke zrychlené fixaci výhodných alel. Změny v působení selekce mohou mít širokou škálu efektů na zastoupení bází v genomech (Ko et al., 2006), čímž selekce porušuje předpoklad stacionarity. Jedním z efektů může být translační selekce, ke které dochází při preferenčním využívání synonymních kodonů odpovídajících nejhojněji dostupné tRNA (Grantham et al., 1981; Plotkin a Kudla, 2011). Vliv na zastoupení bází může mít také náročnost syntézy nukleotidů (Rochá a Danchin, 2002) nebo vliv prostředí a životního stylu (Tarallo et al., 2016). Pozice v CDS nejsou nezávislé, protože důležitou roli hraje pozice v trojici nukleotidů kodonu, nebo také strukturální omezení proteinu (Tavaré, 1986; Massey et al., 2008). V případě, že se pozice vyvíjí pod silným selekčním tlakem, se dá očekávat, že jejich evoluce bude korelovaná (Roje, 2014). Porušení předpokladů modelů může vést k systematickým chybám, které na rozdíl od těch stochastických nelze jednoduše eliminovat zvětšením množství sekvencí a jejich délek. Vliv systematických chyb se naopak pro velké fylogenetické datasety ještě umocňuje (Naser-Khdour et al., 2019). -10- 1. Úvod U kódujících nukleotidových sekvencí lze ve většině případů očekávat vysokou míru negativní selekce. Je totiž nutné, aby byla zachována správná funkce proteinu a jakékoli škodlivé substituce budou z populace postupně eliminovány (Popadin et al., 2013; Hughes et al., 2003; Hurst, 2002). Projevem negativní selekce jsou tedy snížené substituční rychlosti, díky čemuž nemusí vzniknout dostatečné množství fylogenetický informativních pozic (Townsend, 2007). Pozitivní selekce naopak urychluje substituční rychlosti sekvencí. To se může projevit přitažlivostí dlouhých větví (Philippe et al., 2000), což je fylogenetický artefakt, při kterém dochází k chybnému určení blízké příbuznosti dvou nebo více dlouhých vývojových větví, které ale neodráží jejich skutečnou evoluční historii (Bergsten, 2005). Dalším možným projevem je homoplazie, nazývaná také konvergentní molekulární evoluce. Konvergence představuje zisk podobných genotypových změn v nepříbuzných vývojových liniích, u kterých se většinou předpokládá, že jsou poháněny právě selekcí. Důsledkem je, že v současnosti pozorujeme v různých vývojových liniích stejné znaky, které ale nepocházejí od společného předka, což může zmást fylogenetický signál (Edwards, 2009; Roje, 2014; Castoe et al., 2009). K homoplazii může vézt ale také negativní selekce. Vzhledem k tomu, že jsou na substituce kladeny funkční a strukturální omezení proteinu, je očekávané, že se škodlivé změny budou mít tendenci vracet zpět do původního stavu, nebo bude docházet k jiným kompenzujícím změnám. Způsobů, jak změny kompenzovat nebude pravděpodobně mnoho, což může produkovat systematický signál odlišný od signálu skutečného původu (Massey et al., 2008). Jaký vliv mohou mít porušení předpokladů substitučních modelů na výsledek fylogenetické rekonstrukce studovali autoři studie Naser-Khdour et al. (2019). Zaměřili se na tři předpoklady modelů - stacionaritu, reversibilitu a homogenitu. Testovali širokou škálu nukleotidových sekvencí (nukleární, mitochondriální, kódující, introny, tRNA, rRNA a další) u živočichů, rostlin i virů. Zda jednotlivé datasety splňují předpoklady modelů určovali s pomocí několika párových testů homogenity. Zjistili, že nejčastěji porušují předpoklady modelů třetí kodonové pozice, ale porušení je časté u všech typů sekvencí. Poté provedli fylogenetickou rekonstrukci na základě dat, které předpoklady splňují a zvlášť těch, co je porušují. Výsledné stromy byly často statisticky významně odlišné, z čehož plyne, že porušení předpokladů modelů má na fylogenetickou analýzu nezanedbatelný vliv. Edwards (2009) ve svém článku hodnotí vliv různých typů selekce na fylogenetickou rekonstrukci. Stabilizující selekce dle něj pouze sníží celkovou rychlost evoluce. Usměrňující selekce může porušit předpoklady modelů, ale pouze mírně. Největší problém tak vidí v molekulární konvergenci způsobené selekcí, protože neexistují spolehlivé způsoby, jak se s ní při fylogenezi vypořádat. Jako příklad uvádí neneutrální konvergentní evoluci zdokumentovanou ve studii Castoe et al. (2009). Vlivem konvergence kódujících mitochondriálních genů získali autoři na základě těchto genů strom, který se markantně lišil od robustnějšího stromu na základě nukleárních markerů. Autoři také upozorňují na možnost, že by konvergenci mohly podléhat také nukleární geny. Pravděpodobnost, že by ke konvergenci docházelo v takové míře u tak velkého množství genů, aby dokázala zmást fylogenetický signál, je ale malá. K tomuto jevu by ale mohlo dojít, pokud došlo v celém genu k tak velkému posunu zastoupení bází oproti příbuzným liniím, že daná vývojová linie působí jako nepříbuzná. Takový případ byl zdokumentován u genu RAG1 u vačic (Gruber et al, 2007). -11- 1. Úvod 1.5 Cíle práce Cílem této práce je vyhodnotit, zda jsou často využívané fylogenetické markery skutečně vhodné pro fylogenetickou rekonstrukci. Vykazují-li tyto genetické markery selekci, porušují tím předpoklady nukleotidových substitučních modelů, což může představovat překážku pro fylogenetickou inferenci a ovlivnit její výsledek. Na základě výsledků detekce selekčního signálu v rámci markerů lze rozhodnout, zda je genetický marker vhodný pro fylogenetickou rekonstrukci. Detekcí selekce v rámci jednotlivých taxonů lze prokázat, že marker není vhodný pouze pro některé taxony, které oproti ostatním vykazují zvýšenou míru selekce. K dosažení cílů této práce jsem postupovala dle následujících kroků: • Identifikace běžně využívaných fylogenetických markerů obratlovců. • Výběr analyzovaných druhů (taxonomických jednotek). • Získání kódující sekvence markerů z veřejných nukleotidových databází. • Alignment sekvencí fylogenetických markerů. • Fylogenetická rekonstrukce analyzovaných taxonů. • Výpočet selekčního signálu v sekvencích genetických markerů na úrovni celého fylogenetického stromu a u vybraných taxonů. -12- 2 Metodika 2.1 Výběr taxonů obratlovců Při výběru taxonů obratlovců, kterými bych se chtěla v této práci zabývat, jsem došla k závěru, že analýza více tříd obratlovců najednou by mohla být problematická, a to hned z několika důvodů. Obratlovci zahrnují velice různorodou a geneticky divergentní skupinu organismů. Jedním z kroků analýzy selekčního signálu je alignment, který se stává obtížnějším s rostoucí diverzitou sekvencí. Homologické sekvence dvou geneticky vzdálených organismů si nemusí být dostatečně podobné a mohou obsahovat značné množství indelů, což představuje překážku pro správný alignment (Kumar a Filipski, 2007). Chyby v alignmentu mohou mít negativní dopad na následnou analýzu selekčního signálu ve formě falešně pozitivních i falešně negativních výsledků (Jordán a Goldman, 2012). Dalším rozhodujícím faktorem se ukázal být také samotný výběr fylogenetických markerů blíže popsaný v následující podkapitole 2.2. Markery totiž bývají často třídně specifické a jen málo z nich se používá pro fylogenetickou rekonstrukci u všech, nebo alespoň u většiny tříd obratlovců. Všechny tyto charakteristiky by značně ztěžovaly analýzu obratlovců jako celku. Z výše uvedených důvodů jsem se rozhodla zaměřit pouze na třídu savců, jakožto zajímavou skupinu obratlovců. Při výběru konkrétních zástupců jsem se zaměřila na savce s dostupným referenčním genomem v databázi NCBI (The National Center for Biotechnology Information) (Sayers et al., 2024) k datu 29. 11. 2023.1 přes to, že samotné referenční genomy nebyly pro moji práci potřebné, skutečnost, že má savec dostupný referenční génom částečně zaručuje, že se bude jednat o modelový druh s dostupnými nukleotidovými sekvencemi. Není-li v této práci přímo uveden poddruh savce (viz Přílohu 1), pak jsem jednotlivé poddruhy nerozlišovala, tedy sekvence markerů pro daný druh mohly patřit také některému z jeho poddruhů. Analýza selekčního signálu jsem provedla většinou na úrovni savčích řádů. V případě hojně zastoupených řádů byla možná také analýza menších podskupin, které jsem případně vybrala na základě zrekonstruovaného fylogenetického stromu (viz podkapitolu 3.5). Podmínkou pro zahrnutí řádu do analýzy bylo, aby obsahoval minimálně čtyři zástupce. Bylo to z důvodu redukce počtu analyzovaných taxonů, ale také lze očekávat, že hojně zastoupený taxon bude poskytovat více informací pro stabilní odhady parametrů při analýze selekce, včetně poměru co. 2.2 Identifikace fylogenetických markerů Výběr fylogenetických markerů probíhal formou literární rešerše. Vyhledávala jsem články zabývající se fylogenetickými markery obecně a konkrétní fylogenetické studie savců a v nich použité markery. Pro tuto prácijsem vybrala pouze markery, které byly použity alespoň -13- 2. Metodika ve třech různých fylogenetických studiích savců či alespoň savčích podskupin. Při výběru markerů jsem se zaměřila pouze na protein kódující geny, což je předpokladem pro pro výpočet selekčního signálu (viz podkapitola 2.6). Mezi analyzované geny jsem zařadila také gen TP53, který je známým nádorovým supresorem. Vzhledem k důležitosti jeho funkce se jedná o gen pod selekčním tlakem (Khan et al., 2011). Tento gen se běžně nevyužívá jako fylogenetický marker a v práci sloužil pouze jako kontrolní gen, u kterého jsem očekávala detekci selekčního signálu. Pro tento gen jsem neprováděla kompletní analýzu, pouze detekci selekce v rámci genu bez dělení na jednotlivé taxony. 2.3 Získání dat z NCBI Data jsem získala z nukleotidové databáze NCBI (Sayers et al., 2024) s využitím vlastního skriptu v jazyce Python v. 3.8.10. Skript využíval knihovnu Biopython v. 1.81 (Cock et al., 2009). Skrze Entrez modul jsem získala přístup k datům z online databáze NCBI, a SeqlO modul mi umožnil pracovat se sekvenčními daty. Vstupními informacemi skriptu byl pouze seznam genů a seznam druhů. Skript ze vstupních informací vytvořil dotazy pro vyhledávání v online databázi, vybral nejlepší výsledek vyhledávání, stáhl potřebná data v podobě kódujících sekvencí a uložil je ve FASTA formátu. FASTA je textový soubor, který může obsahovat jednu či více sekvencí. Záznam odpovídající jedné sekvenci začíná vždy znakem „>" na začátku řádku a hned po něm následuje název sekvence. Následující řádek/řádky obsahují samotnou sekvenci. Případný další výskyt „>" na začátku řádku značí začátek záznamu další sekvence. V mém případě byl název sekvence tvořený přístupovým číslem sekvence, verzí a názvu sekvence z NCBI databáze. Název sekvence u nukleárních genů běžně obsahoval druh savce, označení a celý název genu, případně o jakou transkripční variantu se jednalo. V případě mitochondriálních genů pak šlo o název mitochondriálního genomu. Za přístupovým číslem a verzí sekvence byla navíc intervalem specifikována část genomu odpovídající sekvenci příslušného genu. Název genu jsem s pomocí skriptu doplnila za název genomu. Nukleární geny byly vyhledávány v databázi RefSeq (O'Leary et al., 2015). Ta obsahuje neredundantní reprezentativní sekvence genů i genomů a je pečlivě spravována. V první řadě proběhl pokus nalézt ověřenou sekvenci genu (a nemá tedy slovo „PREDICTED" v názvu). Sekvence označené jako „PREDICTED" (přístupové číslo začínající prefixem X M _ pro mRNA) jsou predikované pomocí automatizovaných bioinformatických nástrojů. Tyto sekvence jsou odvozeny z genomové sekvence a mohou mít různou úroveň podpory na základě homologních transkriptů nebo proteinů. Nemusí však být potvrzené experimentálními daty a mohou se lišit od kurátorsky ověřených sekvencí. Naopak nepredikované sekvence (prefixy NM_ pro mRNA) prošly manuální kurací a jsou podložené experimentálními důkazy. Tyto sekvence jsou považovány za přesnější reprezentaci skutečných biologických molekul (Pruitt et al., 2010). Vyhledávala jsem také podle klíčového slova „mRNA" v názvu. Pokud nebyl nalezen žádný vyhovující výsledek, vyhledávání se zopakovalo podruhé, tentokrát včetně predikovaných genů. Pokud byly výsledky vyhledávání úspěšné, zkontrolovala jsem, zda existují různé transkripční varianty genu. Pokud existovaly, byla stažena transkripční varianta 1. V případě, že transkripční varianta 1 nebyla nalezena, stáhla se jiná dostupná transkripční varianta. Vybraná sekvence byla stažena -14- 2. Metodika ve formátu GenBank with parts. Ten obsahuje všechny atributy sekvence, jako je název sekvence, druhu i genu, kódující sekvence, exony atd. Kódující sekvence jsem následně uložila do FASTA souborů. Nebyl-li nalezen žádný výsledek, skript označil sekvenci genu pro daný organismus za nedostupnou. Při stahování mitochondriálních genů se proces stahování dat lišil. Referenční sekvence nebyly v databázi samostatně, ale jako součásti mitochondriálních genomů. Skript se tedy nejprve pokusil vyhledat v databázi RefSeq referenční mitochondriální genom za použití dotazu „mitochondrion, complete genome" v názvu sekvence. Pokud takový genom nebyl nalezen, vyhledal pak jakékoliv další nereferenční sekvence kompletního mitochondriálního genomu, kromě těch neověřených (unverified). Pokud bylo nalezeno více výsledků, vybral se ten s nejkratším názvem, čímž se přednostně vybral genom bez nadbytečných informací v názvu, jako např. označení konkrétního vzorku, ze kterého byla sekvence získána. V případě více dostupných genomů jsem poté vybraný genom ještě manuálně kontrolovala. Byl-li úspěšně nalezen nějaký mitochondriální genom, byla celá jeho sekvence stažena ve formátu GenBank obsahující informace o genech a jejich umístění v genomu. Skript tedy vyhledal atribut kódující sekvence zájmových genů a dle jejich genomových souřadnic extrahoval příslušnou část genomu. Na závěr jsem manuálně kontrolovala názvy sekvencí stažených genů v souborech ve formátu FASTA, případně genomů, ze kterých byly geny extrahovány. Všechny chybějící sekvence, které se mi nepodařilo stáhnout automaticky s pomocí skriptu, jsem se pokusila najít a stáhnout manuálně. Kontrolovala jsem také délky sekvencí, které by u kódujících nukleotidových sekvencí měly být dělitelné třemi, aby bylo možné je přeložit do aminokyselinové sekvence. 2.4 Alignment Cílem alignmentů, nebo také zarovnání sekvencí, je sekvence zarovnat pod sebe tak, aby si odpovídaly pozice se společnou evoluční historií. Takové pozice se nazývají homologické. Alignment zahrnoval několik kroků: 2.4.1 Příprava dat V první řadě bylo nutné pro každý marker vložit sekvence všech savců do jediného FASTA souboru. V rámci tohoto kroku jsem zároveň změnila názvy sekvencí jednotlivých savců, které do teď začínaly přístupovým číslem NCBI následovaným názvem sekvence z databáze. Takto podrobné informace už nebyly dál potřebné a názvy sekvencí jsem nahradila pouze druhem savce. Poté jsem použila software MACSE v. 2.07 (Ranwez et al, 2018). MACSE se specializuje na alignment kódujících nukleotidových sekvencí. Bere v úvahu jejich transkripci do aminokyselinové sekvence, a proto dokáže pracovat i s posuny čtecího rámce a stop kodony. Program TrimNonHomologousFragments jsem spustila ještě před samotným alignmentem. Dokáže nalézt a vystřihnout nehomologické části sekvencí vyskytující se pouze u několika málo sekvencí. Je tedy vhodný k detekci a odstranění inzercí, které mohou vzniknout neúmyslným zahrnutím intronů v kódující sekvenci důsledkem chyb v anotaci. Další -15- 2. Metodika nehomologické úseky mohou vznikat kvůli alternativního sestřihu (různé transkripční varianty genů). Nehomologické fragmenty činí alignment obtížnějším a časově náročnějším a často navíc bývají zarovnány chybně, je proto vhodné je před alignmentem odstranit. Program TrimNonHomologousFragments jsem použila pouze pro nukleární geny, protože délky jejich sekvencí mohou být značně variabilní právě kvůli různým transkripčním variantám, zatímco sekvence mitochondriálních genů mívají podobnou délku. Použila jsem nastavení parametrů -min_trim_ext 12 a -min_trim_in 30, které specifikují minimální délky detekovaných nehomologických fragmentů na koních resp. uvnitř sekvence. Nalezený nehomologický fragment na jednom z konců sekvence tedy musel být dlouhý minimálně 12 nukleotidů, aby ho program odstranil. Dle výchozího nastavení program odstranil nehomologické fragmenty pouze pokud se vyskytovaly u méně než tří sekvencí (GE2 pop, 2025). 2.4.2 Prvotní alignment Následoval samotný alignment s pomocí MACSE programu alignSequences. Program jsem spustila s nastavením parametru -gap_op 15. Ten zvyšuje výchozí penaltu za otevření mezery uvnitř sekvence, která je pouze 7. Důležitým faktorem bylo, aby byla tato penalta větší než penalta za otevření mezery na konci sekvence, kterou upravuje parametr -gap_op_term s výchozím nastavením 6,3, které jsem ponechala. Důvodem bylo, že se mezi mými sekvencemi nacházelo i několik neúplných a mezery na koncích těchto sekvencí se tedy daly v alignmentu očekávat. Větší hodnota parametru -gap_op také částečně zaručuje otvírání méně mezer, které budou delší (oproti většímu množství krátkých mezer) a to v kombinaci s výchozí penaltou za prodloužení již otevřené mezery, která je 1 pro mezery uvnitř sekvence a 0,9 pro mezery na koncích sekvencí. To bylo vhodné pro případ, že by sekvence stále obsahovaly delší inzerce, které se nepodařilo odstranit v předchozím kroku a nevznikalo příliš velké množství mezer. Testovala jsem několik různých hodnot nastavení parametrů penalizujících otevírání mezer a tyto jsem zvolila na základě nejlepších výsledků. V případě mitochodriálních genů jsem použila také parametr -gc_def 2, který specifikuje genetický kód pro mitochondriální geny obratlovců. Pro nukleární geny jsem použila výchozí standardní genetický kód. Genetický kód udává, jak jsou kodony překládány do aminokyselin. Mitochondriální kód obratlovců se od standardního mírně liší, a to například překladem kodonů AGA a AGG, které slouží jako stop kodony, zatímco standardně kódují arginin. Naopak standardní stop kodon TGA v mitochondriální DNA kóduje tryptofan (Osawa et al., 1989). Výstupními soubory programu jsou dva alignmenty ve FASTA formátu, jeden obsahuje nukleotidové sekvence a druhý jejich aminokyselinový překlad. 2.4.3 Filtrace K filtraci alignmentu jsem použila nástroj HmmCleaner v. 0.180750 (Baurain, 2025a). Software se zaměřuje na filtraci chybně zarovnaných segmentů individuálních sekvencí, které jsou zdrojem signálu bez evolučního opodstatnění a mohou tak vést k chybným závěrům v navazujících analýzách (Di Franco et al., 2019). Filtrace probíhala na aminokyselinovém alignmentu. Nejdůležitější parametry programu definují detekci heterogen- -16- 2. Metodika nich segmentu. Použila jsem parametr —large, který načítá předem definované hodnoty těchto parametrů optimalizované pro datasety s více než 50 sekvencemi. Aminokyseliny, které byly programem vyhodnoceny jako nehomologické, byly nahrazeny mezerou. Protože filtrace proběhla na aminokyselinových sekvencích, bylo potřeba výsledky filtrace ještě přenést zpět na sekvence nukleotidové, což HmmCleaner umožňuje prostřednictvím skriptu transferCleaner.pl. Ten pro všechny odstraněné aminokyseliny nahradí mezerami také příslušné kodony v nukleotidovém alignmentu. Jelikož výstupem byl alignment v ali formátu, následně jsem jej ještě převedla zpět do FASTA formátu s pomocí ali2fasta.pl v. 0.250380 (Baurain, 2025b). Následovala filtrace na úrovni celých pozic (sloupců) alignmentu. Odstranila jsem všechny pozice s chybějícími daty (mezerami) u více než 70 % sekvencí. K tomu jsem použila nástroj trimAl v. 1.4.revl5 (Capella-Gutiérrez et al., 2009) s nastavením parametru -gt 0,3. Pozice s velkým podílem chybějících dat mohou být chybně zarovnané a jejich odstranění často vede ke zlepšení výsledků navazujících analýz (Capella-Gutiérrez et al., 2009). V softwaru PAML, který jsem použila pro výpočet selekčního signálu (viz kapitolu 2.6) je doporučeno odstranit pozice tvořené převážně mezerami (Álvarez-Carretero et al., 2023). V tomto bodě filtrace probíhala již na nukleotidových sekvencích. Vzhledem k předchozí filtraci na aminokyselinové úrovni a následnému přenesení zpět na nukleotidovou proběhla veškerá filtrace na úrovni kodonů. To znamená, že došlo buď k odstranění celého kodonu (jeho nahrazení trojicí mezer), nebo celý kodon zůstal zachován a neobsahuje žádné mezery (v případě posunů čtecího rámce byly kodony doplněny znakem „N", označující neznámý nukleotid). Díky tomu trimAl vždy případně odstranil všechny tři sloupce tvořící jeden kodon, a nedocházelo tak k nechtěnému posunu čtecího rámce. 2.4.4 Rafinace, finální úpravy a kontrola kvality alignmentu V dalším kroku jsem použila MACSE program refineAlignment, který slouží k vylepšení již existujícího alignmentu. Parametry programu jsou stejné, jako v případě již použitého alignSequences programu. Hodnotu parametru -gap_op jsem nyní zvolila pouze 10, pro větší flexibilitu při vytváření nových mezer v alignmentu, který by již nyní neměl obsahovat žádné dlouhé inzerce, přítomné jen u několika sekvencí. Nastavení penalty za otevírání nových mezer jsem opět zvolila na základě testování několika různých hodnot. V případě mitochondriálních markerů jsem specifikovala mitochondriální genetický kód obratlovců. Pro výpočet selekčního signálu bylo nutné, aby alignment neobsahoval posuny čtecího rámce (značeny „!") ani stop kodony (viz kapitolu 2.6). To umožňuje další z MACSE programů - exportAlignment. Použila jsem parametry: -codonForFinalStop -codonForlnternalStop NNN -codonForExternalFS -codonForlnternalFS . Stop kodony na konci sekvence tedy byly nahrazeny mezerami, zatímco stop kodony uvnitř sekvence, které mohly vzniknout např. chybou v sekvenování byly nahrazeny „NNN", tedy neznámými nukelotidy. Kodony, ve kterých se vyskytoval znak posunu čtecího rámce („!"), byly celé nahrazeny mezerami. Na závěr jsem naposledy odstranila sloupce s mezerami u více jak 70 % sekvencí opět s využitím nástroje trimAl. Nové sloupce s velkým podílem mezer se mohly objevit při vylepšování alignmentu v refineAlignment a také při nahrazování koncových stop kodonů či posunů čtecích rámců za mezery v programu exportAlignment. -17- 2. Metodika Kontrolu kvality alignmentu jsem provedla vizuálně v programu AliView (Larsson, 2014). Data v této podobě jsem použila jako vstupní data pro fylogenetickou rekonstrukci (viz kapitolu 2.5). 2.4.5 Extrakce markerů z alignmentů celých genů V několika případech se u nukleárních genů nepoužíval jako fylogenetický marker celý gen, ale jen jeho část (dále jen marker). Protože cílem této práce byl výpočet selekčního signálu v rámci fylogenetických markerů a ne celých genů, musela jsem část odpovídající markerům z alignmentů extrahovat. Pokud marker zahrnoval i introny či nekódující části exonů, tyto části jsem ignorovala, protože výpočet selekčního signálu jsem mohla provést pouze pro kódující sekvence (viz kapitolu 2.6). U každého genu jsem postupovala individuálně. Alignment jsem ponechala beze změn v případě, kdy marker pokrýval celou nebo alespoň většinu kódující sekvence genu. Pokud marker odpovídal celé délce určitého exonu či exonů, stáhla jsemjejich sekvence pro Horno sapiens z databáze NCBI. V případě, kdy marker tvořila specifická část genu běžně získávaná sekvenováním, vyhledala jsem v příslušných fylogenetických studiích používané primery. Sekvence primerů jsem poté zarovnala opět na sekvenci příslušného markerů pro Horno sapiens za použití modulů z knihovny Biopython (Cock et al., 2009). Jednalo se o modul Seq, umožňující snadnou manipulaci se sekvencemi a PairwiseAligner z modulu Align, který umožňuje párový alignment sekvencí. Následně jsem extrahovala primery ohraničený úsek sekvence. Takto získané sekvence markerů pro Horno sapiens jsem následně zarovnala s mými výslednými alignmenty celých genů v programu AliView (Larsson, 2014), který rovnou umožňoval také manuální odstranění nepotřebných částí alignmentů na kodonové úrovni. Po ořezání alignmentu jsem přidanou sekvenci markerů opět odstranila. Při extrakci jsem dbala na zachování čtecího rámce a také na to, aby nedošlo ke vložení nových prázdných sloupců. Ty mohly vznikat v případě, kdy přidaná sekvence markerů obsahovala navíc segment, který byl v mém alignmentu již v některém kroku odstraněn. Následně jsem ze všech alignmentů odstranila sekvence s více jak 50 % mezer. Pokud měl tedy savec známou méně než polovinu sekvence markerů, byl z alignmentu odstraněn. Takto jsem získala finální data, která jsem použila jako vstupní data pro výpočet selekčního signálu (viz kapitolu 2.6). 2.5 Fylogenetická rekonstrukce Pro výpočet selekčního signálu je kromě alignmentu potřeba také fylogenetický strom. Jako vstupní data pro fylogenetickou rekonstrukci jsem použila alignmenty celých genů ještě před samotnou extrakcí markerů, tedy tak, jakjsou popsány na konci podkapitoly 2.4.4. Fylogenetická rekonstrukce na základě více genů se běžně provádí na jednom alignmentu tvořeném spojením alignmentů jednotlivých genů za sebe. To obvykle vede k přesnějšímu výsledku v porovnání se stromy tvořenými na základě alignmentů individuálních genů, tzv. genové stromy, nebo konsenzem těchto stromů (Gadagkar et al., 2005). Ke -18- 2. Metodika spojení alignmentů jsem použila Perl skript catfasta2phyml (Nylander, 2025) s multifunkčním parametrem -cf s. Výsledný spojený alignment vygeneroval ve FASTA formátu (-f; — f asta), sekvence téhož savce spojené za sebou na jednom řádku na základě přesné shody v názvu sekvencí (-s; —sequential). Sekvence se spojily i v případě, že se počet sekvencí v jednotlivých genových alignmentech lišil a chybějící geny byly nahrazeny mezerami (-c; —concatenate). Skript rovněž vygeneroval informace o spojení alignmentů, které zahrnovaly názvy jednotlivých genových alignmentů a jejich odpovídající intervaly v nově vytvořeném spojeném alignmentů. Tyto údaje jsem následně využila při fylogenetické rekonstrukci. Pro jejich uchováníjsem vytvořila textový soubor, kde každý řádek souboru odpovídal jednomu genovému alignmentů a obsahoval informace ve formátu: „DNA, BRCA1 = 13720-19308". Nejprve bylo specifikováno, že se jedná o DNA sekvenci (a ne např. o protein), následoval název genu a interval vymezující jeho pozici ve spojeném alignmentů. Fylogenetickou rekonstrukci jsem provedla s pomocí programu IQ-TREE v. 2.3.4-mpi (Minh et al., 2020), který k inferenci fylogenetických stromů využívá metodu maximální věrohodnosti. Výběr substitučního modelu jsem provedla pomocí funkce ModelFinder (Kalyaanamoorthy et al., 2017), která je součástí programu IQ-TREE. Tato funkce testuje všechny dostupné substituční modely na fixním počátečním stromě vytvořeném metodou maximální parsimonie a vybírá model s nejnižší hodnotou BIC (Bayesian Information Criterion). BIC vychází z věrohodnostní funkce, ale zároveň penalizuje modely s velkým počtem parametrů, čímž pomáhá zabránit přetrénování modelů (Chakrabarti a Ghosh, 2011). Díky specifikaci segmentů (partitions) (Chernomor et al., 2016) mohl ModelFinder hledat optimální substituční model pro každý gen zvlášť, místo aby aplikoval jednotný model na celý dataset. To umožnilo zohlednit rozdílnou evoluční dynamiku jednotlivých genů. Pokud však některé geny vykazovaly podobný vývoj a sdílely stejný nejlepší substituční model, ModelFinder je mohl sloučit dohromady. Podpory jednotlivých uzlů byly odhadnuty pomocí ultra-rychlého bootstrapu (Hoang et al., 2018) s 2000 replikacemi. Hodnota bootstrapové podpory vyjadřuje, kolikrát byla daná větev pozorována při opakovaném generování stromu na základě převzorkovaných dat. Za dostatečně podpořený je považován uzel s hodnotou alespoň 95, zatímco uzly s nižšími podporami je nutné interpretovat s rezervou (Ojha et al., 2022). Výsledkem fylogenetické inference byl nezakořeněný strom v Newick formátu. Strom jsem následně ještě restrukturovala tak, aby měl u základny vhodnou monofyletickou skupinu savců. Automaticky se u základny stromu zobrazuje první savec dle abecedy, což způsobovalo problémy při označování podstromů při výpočtu selekce v rámci taxonů (viz podkapitolu 2.6.3). Ke změně struktury Newick formátu jsem použila program FigTree v. 1.4.4 (Rambaut, 2018), který jsem využila také při vizualizaci stromu. K odstranění kořene stromu vzniklého při úpravě ve FigTree jsem použila funkci unroot() z balíku ape v softwaru R (Paradis a Schliep, 2019). 2.6 Výpočet selekčního signálu Softwarový balík PAML (Phylogenetic Analysis by Maximum Likelihood; Yang (2007)) je považován za zlatý standard pro detekci selekce na molekulární úrovni a je jedním -19- 2. Metodika z nejčastěji používaných nástrojů v této oblasti (Salemi et al., 2009). Detekci selekce s využitím kodonových substitučních modelů umožňuje jeho program codeml. Codeml nabízí několik typů kodonových substitučních modelů určených k analýze selekčního tlaku. Modely pozicí (site models) umožňují odlišné hodnoty CO pro různé pozice alignmentu, což umožňuje detekci konkrétních pozicí-kodonů pod vlivem pozitivní selekce. Modely větví (branch models) umožňují, aby se CO lišila mezi větvemi stromu. Tím umožňují detekci pozitivní selekce působící pouze na vybrané vývojové větve. Modely větví-pozicí, (branch-site models), pak kombinují oba přístupy - umožňují detekci pozitivní selekce specifické pro vybranou vývojovou větev a zároveň určí, o které kodony se jedná. Posledním druhem jsou kládové modely (clade models). Ty umožňují srovnání působení selekce mezi různými skupinami organismů (klady). Klad zahrnuje vždy všechny potomky pocházející od jednoho společného předka (Yang, 2020). Srovnání modelů testem poměru věrohodností Test poměru věrohodností (Log-likelihood ratio test; LRT) je statistický test sloužící ke srovnání dvou matematických modelů. Pro modely musí platit, že jsou vnořené, tzn. jednodušší (nulový) model je speciálním případem modelu složitějšího (alternativního), vzniklý např. fixací hodnot některých jeho parametrů na konkrétní hodnotu. Testovou statistiku LRT získáme porovnáním maximalizovaných věrohodností obou modelů vztahem kde LQ je maximální věrohodnost jednoduššího modelu a L\ modelu složitějšího. Statistika 2A£ vyjadřuje, do jaké míry popisuje složitější model data lépe než model nulový (Whelan et al., 2001). Testová statistika 2A£ se porovnává s %1 {df) rozdělením pravděpodobnosti, kterým se řídí za předpokladu platnosti nulového modelu. Počet stupňů volnosti df rozdělení je roven rozdílu počtu volných parametrů obou modelů (Yang et al., 2000). Je-li však hodnota 2A£ příliš extrémní na to, aby pocházela z tohoto rozdělení, zamítáme platnost nulového modelu ve prospěch složitějšího modelu. Můžeme tak rozhodnout na základě p-hodnoty představující pravděpodobnost získání alespoň stejně extrémního výsledku za předpokladu platnosti nulového modelu (Wasserstein a Lazar, 2016), tedy platí kde F^2 je distribuční funkce x2 s df stupni volnosti. V této práci jsem uvažovala hladinu významnosti a — 0,05, se kterou se výsledná p-hodnota porovnává. V případě, že je p-hodnota menší než stanovená hladina významnosti a, zamítla jsem platnost nulového modelu. Výpočty p-hodnot jsem prováděla v jazyce Python v. 2.7.6-gcc s využitím funkcí modulu scipy.stats (Virtanen et al., 2020). 2.6.1 Modely (2.1) P = P(X2 (df) > 2A£) = 1 -F$(2M), (2.2) -20- 2. Metodika MO Základní, nejjednodušší model MO, který uvažuje jednotný poměr co pro všechny pozice sekvence, byl představen ve studii Yang a Nielsen (1998). Model s pomocí Markovského procesu se spojitým časem popisuje substituce mezi 61 kodony z 64 možných s výjimkou tří stop kodonů (v případě standardního genetického kódu). Stop kodony nekódují aminokyselinu a nejsou proto v proteinu povoleny. Pro libovolné dva kodony model popisuje okamžitou substituční rychlost mezi kodony i a j (i ^ j) jako: lij 0. K7Í 7' con COKTt 7' pokud se kodony liší ve více než jedné pozici, pro synonymní transverze, pro synonymní tranzice, pro nesynonymní transverze, pro nesynonymní tranzice, (2.3) kde Ttj je rovnovážná frekvence kodonu j (očekávaná frekvence výskytu kodonu za předpokladu genetické rovnováhy v populaci), která může být považována za volný parametr, nebo vypočítána z nukleotidových frekvencí. V této práci rovnovážné frekvence kodonů neuvažuji jako volné parametry, zejména kvůli výpočetní náročnosti. K je poměr rychlostí tranzicí a transverzí a CO je poměr rychlostí nesynonymních a synonymních substitucí představující míru selekce působící na kódující sekvence (Yang a Nielsen, 1998; Bielawski a Yang, 2003; Yang, 2020). Pravděpodobnost změny kodonu i na kodon j za čas t je Pij(t) a pro matici pravděpodobností jednotlivých změn platí P{t) = {ptJ{t)} = e<*, (2.4) kde Q = {qij} a čas nebo délka větve t vyjadřuje očekávaný počet nukleotidových substitucí najeden kodon, zprůměrovaný pro všechny pozice (Lió a Goldman, 1998; Yang et al, 2000; Bielawski a Yang, 2003). Parametr Ttj slouží k zohlednění vlivu preferenčního využívaní kodonu j (codon usage bias), tedy frekvenci výskytu kodonu v sekvenci. Model nedokáže rozlišit, zda jsou substituce poháněny mutací či selekcí, ale nepředpokládá, žejsou synonymní substituce neutrální. Výrazné preferenční využívání kodonů může být způsobeno jak vlivem mutací, tak selekce (např. kvůli zvýšení efektivity translace (Bulmer, 1991)) a může značně ovlivnit rychlosti synonymních substitucí. Nicméně vynásobíme-li substituční rychlost kodonu i na j parametrem Ttj udávajícím frekvenci kodonu j, budou odhady substitučních rychlostí zcela zohledňovat preferenční využívání kodonu bez ohledu na jeho původ (Yang a Bielawski, 2000). Při transverzi docházi ke změně pyrimidinového nukleotidu na purinový nebo naopak (A, G -H- T, C), zatímco u tranzice ke změně nedochází (A -H- G nebo C -H- T). Protože tranzice na třetí kodonové pozici bývají synonymní s větší pravděpodobností než transverze, nezohlednění vlivu poměru K (poměr rychlostí tranzicí a transverzí) vede k podhodnocení poměru CO (Yang a Bielawski, 2000). Je také známo, že k tranzicím dochází častěji než k transverzím a z toho důvodu je substituční rychlost násobena parametrem K v případě, představuje-li změna tranzici (Bielawski a Yang, 2003). -21- 2. Metodika Vliv selekce se projevuje u substitucí způsobujících změnu aminokyseliny. Proto se substituční rychlost při nesynonymních změnách násobí parametrem co (Bielawski a Yang, 2003). Poměr coje stejný pro všechny pozice alignmentu v celém fylogenetickém stromě. Tento model je samozřejmě pro naprostou většinu sekvencí příliš zjednodušující a očekává se jeho zamítnutí ve prospěch složitějšího modelu, umožňujícího variabilitu CO mezi pozicemi alignmentu, větvemi stromu nebo obojím. Je mnohem pravděpodobnější, že pozitivní selekce působí pouze na některé pozice, zatímco nesynonymním změnám na ostatních pozicích je spíše zabraňováno, aby nedocházelo k narušení funkce proteinu a zachovala se jeho sekundární a terciární struktura. Je tedy možné, že negativní selekce na většině pozic a větví převáží signál pozitivní selekce, kterou poté nejsme schopni detekovat (Felsenstein, 2004). Zjednodušeně se dá říct, že co < 1 značí selekci negativní, co > 1 selekci pozitivní a CO — 1 neutrální evoluci. Nicméně průměrná hodnota CO pro všechny pozice alignmentu a větve stromu téměř nikdy nevyjde větší než jedna. Z toho důvodu byly vyvinuty modely zaměřující se na detekci pozitivní selekce působící pouze na určité vývojové větve a/nebo konkrétní kodonové pozice alignmentu (Yang, 2020). Pozicové modely Pozicové modely rozšiřují základní model M0 a dovolují, aby se poměr co lišil mezi jednotlivými kodonovými pozicemi alignmentu (Yang et al., 2000). Nechť h je pozice (kodon) alignmentu a n je celkový počet kodonů v alignmentu v sekvenci h— 1,2, ...,n. Dále Ců^ je poměr platný pro pozici h a x/, je vektor kodonů všech sekvencí alignmentu na této kodonové pozici. Pak můžeme definovat relativní okamžitou substituční rychlost z kodonu i na kodon j (i ^ j) na pozici h jako pokud se kodony liší ve více než jedné pozici, pro synonymní transverze, pro synonymní tranzice, (2.5) pro nesynonymní transverze, pro nesynonymní tranzice, kde parametry Ttj a K mají stejný význam a funkci jako v rovnici 2.3. Pravděpodobnost změny kodonu i na kodon j za čas t je Pij(t) a matice pravděpodobností změn P(t) = {pij(t)} = eQf , (2.6) kde Q = {q^ } a čas nebo délka větve t vyjadřuje očekávaný počet nukleotidových substitucí najeden kodon, zprůměrovaný pro všechny pozice (Yang et al., 2000; Anisimova et al, 2001; Bielawski a Yang, 2003). Použití specifického parametru co pro každou pozici zvlášť by představovalo příliš velké množství parametrů v modelu. Z toho důvodu se za účelem umožnění heterogenního poměru co mezi pozicemi běžně používají rozdělení pravděpodobnosti. Předpokládejme K tříd pozic v sekvenci alignmentu s proporcemi po7P\7 ...,PK-\ a poměry ojo, (0\,C0K-\ -22- M 0. 71 K7lj, •ji •Ji 2. Metodika Chceme spočítat pravděpodobnost pozorování dat x/, na pozici h. Marginální pravděpodobnost je průměr podmíněných pravděpodobností pro toto rozdělení poměrů CO pro jednotlivé třídy pozic K-l P(xh)= Y,PkP(xh\cok). (2.7) Předpokládáme, že je substituční proces mezi kodony nezávislý, a proto můžeme definovat logaritmus věrohodnosti jako sumu logaritmů marginálních pravděpodobností všech pozic v sekvenci e=j^\ogP(xh). (2.8) h=l Poté co maximalizací věrohodnostní funkce získáme odhady parametrů, můžeme empirickým Bayesovským přístupem určit, ze které třídy pozice nejpravděpodobněji pochází. Posteriorní pravděpodobnost, že pozice h s daty x/, patří do třídy k je PkP{xh\cok) PkP(xh\cok) P{cok\xh) = — — — — = — (2.9) P(xh) LjPjP{Xh\CQj) Teoreticky může mít poměr co také spojité rozdělení f(co). V takovém případě bude suma v rovnici 2.7 nahrazena integrálem. Protože ale nebyl nalezen uskutečnitelný způsob provedení výpočtu, využívá se namísto toho aproximace diskrétním rozdělením. Diskrétní rozdělení má K kategorií, každou s pravděpodobností l/K a spojité rozdělení poměru co v rámci jednotlivých kategorií je reprezentováno mediánem poměru co uvnitř každé kategorie. Pravděpodobnost pozorování dat x/, pak můžeme aproximovat jako P(xh) = / f(co)P(xh\co)dco « - £ P{xH\(OK) (2.10) (Yang et al, 2000). Mla a M2a Model M l a se nazývá téměř neutrální model. Oproti modelu M0 dělí pozice alignmentu do dvou kategorií. Proporce pozic příslušných jednotlivým kategoriím udávají parametry po a p\. Je zřejmé, že parametry proporcí se v součtu rovnají jedné, a proto je volným parametrem pouze po&pi můžeme dopočítat s využitím vztahu p\ — \ —p§. Pro část pozic odpovídající proporci p\ platí co s fixní hodnotou jedna (C0\ — 1) a jedná se tedy o pozice s neutrální evolucí. Druhá část pozic proporce po má COQ < 1 a představují tak pozice s negativní selekcí. Model má tedy celkem 2 parametry - COQ a po. Model M2a, nebo také model pozitivní selekce, rozšiřuje model M l a o jednu další kategorii pozic alignmentu. Pro třetí skupinu pozic platí, že CO2 > 1, čímž model předpokládá, že se některé pozice vyvíjejí pod vlivem pozitivní selekce. V tomto modelu proporce p\ představuje další parametr zatímco P2 se opět dopočítá vztahem P2 — 1 — po — p\. Model má tedy celkem 4 parametry - C0Q, CO2, po a p\. -23- 2. Metodika Porovnáním logaritmu věrohodností modelu M2a (alternativní model) a M la (nulový model), tak lze detekovat výskyt pozitivní selekce v některých kodonech. Pokud je v datech přítomný signál pozitivní selekce, model M2a by měl data popisovat výrazně lépe než nulový model, který neuvažuje žádné pozice s pozitivní selekcí. Logaritmus věrohodnosti modelu M2a by tak měl být větší než logaritmus věrohodnosti M la a o tom, jestli je rozdíl statisticky významný, rozhodujeme s pomocí LRT. Počet volných parametrů je 2. Porovnáním těchto modelů jsem tedy byla schopná detekovat pozitivní selekci v rámci jednotlivých markerů napříč všemi savci. Samotný významný výsledek LRT ale ještě není důkazem pozitivní selekce a je třeba se dívat také na příslušný výsledný poměř co. Pouze v případě, že je jeho hodnota větší než jedna, lze říct, že detekujeme pozitivní selekci (Anisimova et al., 2002). M7 a M8 Model M7 (Beta model) umožňuje heterogenní co mezi kodonovými pozicemi aje založený na rozdělení Beta(/>, q). Tvar rozdělení udávají dva kladné parametry p a q. Model M7 tedy odhaduje co jako spojitou náhodnou veličinu co ~ Beta(/>,g) s hustotou: , S C O P - 1 (l - co)i-1 f(e>) = ^ r — , 0 1 a představují pozitivní pozice. Model M8 má tedy celkem 4 parametry, z toho dva jsou stejné jako v M7 - p a q a dva nové parametry - po a cos. Modely M8 a M7 lze mezi sebou porovnat ekvivalentně jako v případě modelů M l a a M2a a odpovědět na stejnou otázku, zda se v alignmentu vyskytují pozice pod vlivem pozitivní selekce. Test modelů M l a a M2a je však striktnější a může se tedy stát, že příliš slabý signál pozitivní selekce neodhalí (Yang, 2020). Při srovnání modelů M7 a M8 máme opět dva volné parametry. M2a_rel a kládový model C Model M2a_rel je téměř identický s již popisovaným modelem M2a s jediným rozdílem co pro třetí skupinu pozic nemusí být nutně větší než 1 a podmínka se upravuje na coj > 0. Pro první třídu pozic po platí stále Ct)o < 1 a pro druhou p\ je poměr C0\ — 1 Model byl vytvořen primárně jako nulový model pro cmC. Ten se původně porovnával s modelem Mla, ale následné studie prokázaly, že M2a_rel jako nulový model při LRT představuje silnější test (Weadick a Chang, 2012). Kládový model C (clade model C; cmC) (Bielawski a Yang, 2004b) rozšiřuje model M2a_rel tak, aby bylo možné modelovat selekci specifickou pro určitou zájmovou pod- -24- 2. Metodika skupinu ve fylogenetickém stromě. Jedná se tak o specifický typ modelu větví-pozic, ale bývá řazen do speciální kategorie kládových modelů. Tuto podskupinu, neboli klad všech organismů pocházejících od jednoho společného předka, je třeba ve fylogenetickém stromě označit. To je možné pomocí anotace „#1", kterou se musí označit všechny jednotlivé větve patřící do zájmového kladu. Anotace větví v pozadí „#0" není nutná a automaticky sem patří všechny ostatní neoznačené větve. Alternativně lze využít také anotaci „$1", kterou je možné označit pouze větev společného předka pro výběr celého kladu. Lze označit i více než jeden klad, ale výpočetní náročnost modelu s každou další skupinou rychle narůstá. Proto jsem v této práci označovala vždy pouze jediný klad. Model cmC má většinu parametrů shodných s modelem M2a_rel. Třída pozic po s COo < 1 i třída p\ s poměrem C0\ — 1 jsou pro označený klad i zbytek stromu totožné. Tyto dvě třídy představují pozice, které prochází stejnou evolucí v celém stromě. Podstatná je poslední, třetí třída pozic, kde se od sebe poměry ©3 kladu a CO2 zbytku stromu mohou lišit, stále však platí ft>2, © 3 > 0. Tyto pozice tak představují pozice, které podléhají jinému selekčnímu tlaku v označeném kladu oproti zbytku stromu. Model cmC má tedy oproti M2a_rel jeden parametr navíc a tím je právě poměr ©3 specifický pro označený klad. Významnost rozdílného působení selekce mezi vybraným kladem a větvemi v pozadí se hodnotí pomocí LRT (s jedním stupněm volnosti) a následně také dle velikosti rozdílu Aú) = ČO3 - ftb. Srovnáním parametrů CO2 a CO3 lze určit, jak odlišná selekce působí na klad. Případ, kdy CO2 « CO3 značí uvolněnou selekci u kladu. Větší poměr CO3 u kladu může, ale nemusí být zapříčiněný působením pozitivní selekce a dostatečným důkazem její přítomnosti u kladu je pouze CO3 > 1 (případně CO2 > 1 pro větve v pozadí). Naopak CO2 » CO3 může u kladu indikovat silnější působení negativní selekce a podobné hodnoty CO2 a CO3 naznačují podobnou evoluci kladu i zbytku stromu. Modely větví-pozicí Modely větví-pozicí při modelování selekčního signálu poskytují největší flexibilitu a umožňují, aby se poměr co lišil mezi větvemi stromu i pozicemi alignmentu. Modely větví-pozicí A a A l Model větví-pozicí A (branch-site model A; bsA) umožňuje, aby na některých pozicích vybraných zájmových větvích stromu docházelo k pozitivní selekci, zatímco na ostatních větvích v pozadí jsou podrobeny negativní nebo neutrální selekci. BsA rozděluje pozice do čtyř tříd. První třída odpovídající proporci po zahrnuje konzervované pozice (0 < řOo < 1) a druhá třída s proporcí p\ obsahuje pozice neutrální (C0\ — 1). Obě tyto třídy jsou společné pro celý strom, tedy jak pro zájmové větve, tak pro větve v pozadí. Další dvě třídy umožňují výskyt pozitivní selekce pouze u zájmových větví. Třetí třída obsahuje pozice pod negativní selekcí (0 < řOo < 1) u větví v pozadí, které jsou ale pod pozitivní selekcí (CO2 > 1) u zájmových větví. Čtvrtá třída zahrnuje pozice pozitivní (CO2 > 1) v zájmových větvích, ale neutrální ve zbytku stromu. Zbytek pozic (1 — po — p\) je rozdělen mezi třídy p2a a P2b podle váhy tříd po (pro třetí třídu s negativními pozicemi ve větvích v pozadí) a p\ (pro čtvrtou třídu s neutrálními pozicemi u větví v pozadí), viz Tab. 1. -25- 2. Metodika Model větví-pozicí A l je nulovým modelem pro bsA a liší se od něj pouze tím, že neumožňuje ve třetí a čtvrté třídě pozic u zájmových větví pozitivní selekci, ale pouze neutralitu s fixním poměrem CO2 — 1. LRT modelů bsA a bsAl se nazývá také test pozitivní selekce, protože představuje přímý test pozitivní selekce na zájmových vývojových větvích (Zhang, 2005). Nulové rozdělení je směsí v poměru 50:50 mezi bodovým rozdělením v nule a rozdělením X\ - /'-hodnota na základě tohoto směsného rozdělení se počítá jako p-hodnota s pomocí rozdělení %i dělená dvěma. Doporučuje se však použít pouze rozdělení %\ namísto směsi, čímž se pomáhá předcházet problémům způsobeným porušením předpokladů modelu. Mezi předpoklady modelu, které mohou být porušeny je například omezení, které klade na větve v pozadí tím, že u nich nedovoluje pozitivní selekci (Yang, 2020; Zhang, 2005). Konvergence modelů Modely implementované v codeml mohou skončit v lokálním maximu nebo vykazovat problémy s konvergencí. Proto se doporučuje program spouštět vždy několikrát a vybrat výsledek s největším logaritmem věrohodnosti. Všechny modely jsem počítala vždy alespoň dvakrát s výchozím nastavením parametrů uvedeným v Tab. 1. Model M8 jsem navíc počítala také s výchozím nastavením omega = 0,5, protože se doporučuje model spouštět s různým počátečním nastavením omega, nejlépe < 1 i > 1 (Bielawski a Yang, 2003). Stejně jsem postupovala také u bsA modelu. Model cmC, který je nejproblematičtější, jsem počítala celkem pětkrát, ve třech případech jsem zvolila také odlišné počáteční hodnoty K a CO, a to kappa = 6; omega = 1, dále kappa = 1,5; omega = 0,2 a nakonec kappa = 1,5; omega = 2 (Bielawski a Yang, 2004a; Yang, 2005). Nulový model M2a_rel jsem spouštěla navíc také s počátečními hodnotami kappa = 1,5; omega = 0,2. 2.6.2 Vstupní data Alignment Vstupní alignment by měl být ve PHYLIP formátu. Hlavička souboru obsahuje dvě čísla oddělená mezerou, která představují počet sekvencí a délku alignmentu. Na následujících řádcích jsou jednotlivé sekvence začínající názvem a následované samotnými zarovnanými sekvencemi. Důležitý je také správný alignment sekvencí, který nesmí obsahovat introny, nekódující úseky ani stop kodony. Stejně tak je vhodné z alignmentu odstranit pozice s příliš velkým zastoupením mezer (viz kapitolu 2.4) (Álvarez-Carretero et al., 2023). Fylogenetický strom Vstupní fylogenetický strom v Newick formátu by neměl obsahovat bootstrapové podpory uzlů a ani délky větví, které většinou nejsou pro analýzu potřebné a v některých modelech mohou narušit označování uzlů (Álvarez-Carretero et al., 2023). -26- 2. Metodika Názvy druhů (listů) ve stromu se musí přesně shodovat s názvy sekvencí v alignmentu a strom nesmí obsahovat oproti alignmentu žádné druhy navíc (Yang, 2020). Použití zakořeněného či nezakořeněného stromu se může lišit v závislosti na modelu. Naprostá většina modelů pracuje s nezakořeněnými stromy s výjimkou ve speciálních případech modelů větví a větví-pozicí. Pokud se očekává, že dvě větve okolo základny stromu prochází jiným evolučním procesem (s jiným poměrem co), jinými slovy jedna větev je označena jako zájmová, zatímco druhá je v pozadí, je třeba použít zakořeněný strom. V případě, že jsou větve okolo základny obě označené jako zájmové nebo jsou obě větve v pozadí, používá se nezakořeněný strom jako ve všech ostatních případech (Alvarez-Carretero et al., 2023). PAML považuje strom s bifurkací u kořene za zakořeněný, a v případě, že má strom u kořene alespoň trifurkaci, považuje ho za nezakořeněný (Yang, 2020). V mém výsledném nezakořeněném stromě se u základny nacházela monofyletická skupina hlodavců a primátů, řád hmyzožravců a zbytek řádů savců. Z toho důvodu jsem pro řád Eulipotyphla při výpočtu modelů bsA, bsAl a cmC musela použít zakořeněný strom (viz Obr. 1). Kontrolní soubor Kontrolní soubor obsahuje informace a nastavení potřebná ke specifikaci konkrétní analýzy v codeml. Jedná se textový soubor obsahující jednotlivá nastavení řádek po řádku. Nejdůležitějším nastavením je volba modelu, která probíhá kombinací parametrů model a NSsites (viz Tab. 1). Nastavení následujících parametrů bylo totožné pro všechny použité modely (šedě jsou značeny některá další možná nastavení) (Yang, 2020): Cleandata seqtype CodonFreq fixJblength icode f ix_kappa kappa = 0 Ponechává i pozice alignmentu, které obsahují nějaké mezery či nejednoznačné nukelotidy. = 1 Odstraní z alignmentu všechny takové pozice. = 1 Alignment obsahuje kódující nukleotidové sekvence. = 2 Alignment obsahuje aminokyselinové sekvence. = 2 Parametr nj je spočítán z průměrných nukleotidových frekvencí zvlášť pro tři kodonové pozice. = 0 Ttj stejný po všechny kodony (1/61 pro standardní kód). = 1 TtjJe spočítán z průměrných nukleotidových frekvencí. = 3 lij jsou volné parametry (celkem 60). = 0 Délky větví stromu jsou ignorovány a budou odhadnuty. = 1 Délky větví stromu jsou použity jako iniciální při odhadování. = 2 Délky větví stromu jsou fixní. = 0 Standardní genetický kód. = 1 Mitochondriální genetický kód obratlovců. = 0 Parametr K bude odhadován, iniciální hodnota je nastavena parametrem kappa. = 1 Fixuje K na hodnotu parametru kappa. = 2 Výchozí (nebo fixní) hodnota parametru K. -27- 2. Metodika f ix_omega = O Parametr co bude odhadován, iniciální hodnota je nastavena parametrem omega. = 1 Fixuje CO na hodnotu parametru omega. Tab. 1: Parametry použitých kodonových substitučních modelů. Volné parametry jsou uvedeny bez závorky a jejich počet je uveden ve sloupci „#p". Tabulka obsahuje také specifická nastavení jednotlivých modelů v kontrolním souboru codeml. Nastavení codeml Model #p Parametry modelu model NSsites omega M la (téměř neutrální) 2 P(h (Pi = 1 -Po) (Oo; ((Oi = 1) 0 1 OJ M2a (pozitivní selekce) 4 po; pi; (P2 = i-po-pi) (Oo < 1; (a>i = 1); (02 > 1 0 2 1,7 M7 (beta) 2 p; q 0 7 0,7 M8 (beta+O)) 4 po; (pi = i -po) p; q; (Os > 1 0 8 1,7 M2a_rel (nulový pro cmC) 4 po; pi; (P2 = i-po-pi) Oo < 1; (a>i = 1); (02 > 0 0 22 1,7 cmC (klad) 5 po; pi; (P2 = i-po-pi) (Oo < 1; ((Oi = 1); (O2 > 0; (Oi > 0 3 2 0,7 bsAl (nulový pro bsA) 3 po;p\; (p2 = (i-po-pi)po/(po(P3 = (1-P0-Pl)pi/(P0 + Pl)) 0 < (Oo < 1; ((Oi = 1); ((O2 = 1) \-Pi)) 2 2 1 (fixní) bsA (branch-site A) 4 po;p\; (p2 = (i-po-pi)po/(po(P3 = ( l - P 0 - P l ) P l / ( P 0 + Pl)) 0 < (Oo < 1; ((Oi = 1); (02 > 1 i-pi)); 2 2 1,7 2.6.3 Automatizace práce s codeml ETE (Environment for Tree Exploration) nabízí souhrn mnoha nástrojů pro rekonstrukci, analýzu a vizualizaci fylogenetických stromů i alignmentů (Huerta-Cepas et al., 2016). Jedním z těchto nástrojů je ete-evol zaměřený na usnadnění a automatizaci práce s codeml. Automaticky generuje kontrolní soubory specifické pro jednotlivé codeml modely (tak, jak jsou nastavení uvedená v podkapitole 2.6.2), ale stejně tak umožňuje i volbu vlastního nastavení. Codeml vyžaduje alignment ve formátu PHYLIP, ale ete-evol umožňuje použít také FASTA formát. Z fylogenetického stromu automaticky odstraňuje délky větví a podpory uzlů, zůstávají tedy pouze názvy listů. Odstranit délky větví a bootstrapové podpory uzluje doporučeno přímo v PAML manuálu kvůli možným konfliktům se značením uzlů u některých modelů (Alvarez-Carretero et al., 2023). Dále je s využitím ete-evol možný také paralelní výpočet několika modelů najednou. Pomocí ete-evol lze snadno označovat podstromy pro výpočty cmC jednotlivých taxonů. Stačí zadat dva takové zástupce dané podskupiny, aby jejich první společný předek byl zároveň prvním společným předkem celého taxonu, který chceme označit. Ete-evol pak označí všechny listy i uzly pocházející od společného předka těchto dvou savců, včetně něj. Ete-evol tak zjednodušuje celý proces analýzy a zajišťuje lepší reprodukovatelnost a flexibilitu při práci s codeml. Dalším ETE programem, který jsem využila byl ete-mod, který slouží k modifikaci fylogenetických stromů. Vstupní strom pro codeml totiž nesmí obsahovat žádné listy, které -28- by zároveň neměly svoji sekvenci v alignmentu. Vzhledem k tomu, že v alignmentech často některé sekvence chyběly, musely být druhy s chybějící sekvencí daného genu ze stromu odstraněny. 3 Výsledky 3.1 Výběr taxonů obratlovců Dostupný referenční genom v databázi NCBI mělo celkem 222 savců. Z toho jsem jich celkem 5 vyřadila. Jedním z nich byl hybrid Bos indicus x Bos taurus. Oba rodičovké druhy měly také svůj vlastní referenční genom a zahrnula jsem je do analýzy samostatně. Dalšími čtyřmi savci byli Ceratotherium simum, Enhydra lutris, Pantholops hodgsonii a Sorex cinereus, kteří neměli v databázi dostupné sekvence žádných nukleárních genů, které představovaly většinu dat potřebných pro tuto práci. Zbylých 217 savců zastupovalo celkem 23 řádů, z nichž jsem analyzovala pouze řády obsahující minimálně čtyři zástupce. Podmínku splňovalo pouze 7 řádů, dohromady obsahujících 191 savců. Řád Carnivorajsem neanalyzovalajako celek, protože bylo možné jej na základě výsledného stromu rozdělit na dva rovnoměrně zastoupené podřády - Caniformia a Feliformia. Posledním analyzovaným taxonem byli kytovci (Cetacea). Infrařád kytovců zahrnuje vodní savce, kteří se vyvinuli před zhruba 50 miliony lety od suchozemského předka (Thewissen et al., 2009). Přechod na vodní prostředí vyžadoval velkou míru anatomické a fyziologické adaptace, ale nutná byla také adaptace na nové patogeny. To muselo vést ke zvýšení selekčního tlaku na genomy kolonizujících druhů a to především na geny spojené s imunitním systémem (Ishengoma a Agaba, 2017). U imunitního genu RAG1, který je jedním z analyzovaných genů v této práci, byla dříve detekována uvolněná selekce oproti ostatním savcům (Dias a Nery, 2020). Analyzovaných taxonů tedy bylo celkem 9 (viz Tab. 2). Seznam všech druhů savců a jejich taxonomii obsahuje Příloha 1. 3.2 Identifikace fylogenetických markerů Studií, které by se zaměřovaly na fylogenetické markery obecně existuje více, ale jen málo z nich se zaměřuje na kódující markery živočichů. Jednou z nich je přehledová studie Patwardhan et al. (2014), která jako kódující mitochondriální markery uvádí geny pro podjednotky cytochrom c oxidázy I a II (COX1 a COX2) a cytochrom b (CYTB), které jsem v práci použila. Všechny tři markery byly skutečně často využívány ve fylogenetických studiích (Aguilar-Tomasini et al., 2021; Tobe et al., 2010; Sena et al., 2003; Ashley et al., 1996). Nukleární kódující markery však studie neobsahovala. Z toho důvodu jsem se musela spolehnout na fylogenetické studie. Z často využívaných nukleárních markerů ve fylogenetických studiích savců jsem našla a vybrala celkem 11a zahrnula jsem také již zmíněný kontrolní gen TP53 V případě některých nukleárních genů se pro fylogenezi používá pouze jeden či více exonů, nebo jen jejich části, což je vyznačeno v Tab. 3, která shrnuje všechny analyzované geny. -30- 3. Výsledky Tab. 2: Seznam všech devíti analyzovaných taxonů a jejich zastoupení, včetně šedě vyznačeného řádu Carnivora, který nebyl analyzován jako celek, ale rozdělený na dva podřády. Řád n Podtaxon n Artiodactyla 38 Cetacea 17 Carnivora 43 Caniformia Feliformia 27 16 Eulipotyphla 6 - Chiroptera 22 - Perissodactyla 5 - Primates 34 - Rodentia 43 - - 1191 3.3 Získání dat z NCBI Úspěšnost automatického stahování referenčních sekvencíjaderných markerů byla poměrně vysoká. Z celkového množství 2292 (12 genů od 191 savců) sekvencí se jich skriptu nepodařilo stáhnout pouze 27. Ověřilajsem, že se sekvence v databázi opravdu nenacházejí, což se až na jednu sekvenci potvrdilo. Sekvence genu TP53 druhu Mus musculus měla v databázi jiné označení genu v názvu sekvence, proto ji skript nenašel a stáhla jsem ji manuálně. Podmínka, že se název genu musí nacházet i v názvu sekvence byla ve skriptu nutná, bez ní se v několika případech stáhly jiné geny z toho důvodu, že měly jako jeden ze synonymních názvů genu uvedený i název mnou hledaného genu. Celkem mi tak chybělo pouze 26 nukleárních sekvencí (1,18%) (viz Tab. 4). Pouze ve dvou případech se nepodařilo stáhnout transkripční variantu 1 a sekvence genu TP53 druhů Mustela erminea a Mustela putorius byla dostupná pouze v transkripční variantě 3. Deset ze stažených sekvencí nebylo kompletních, ale částečných, což ale pro samotnou analýzu nepředstavovalo problém. Při alignmentu jsem tuto skutečnost zohlednila a chybějící části sekvencí byly doplněny mezerami. Naprostá většina stažených sekvencích byla predikovaná. Data byla stažena 5. 12. 2024. U mitochondriálních genů sejiž úspěšnost automatického stahování snížila a nepodařilo se stáhnout 66 z celkového počtu 573 genů (3 geny od 191 savců). Z toho jsem 45 stáhla manuálně. Několik genomů skript nenašel, protože v názvu neměly přesnou frázi „mitochondrion, complete genome", což bylo kritériem vyhledávání. U jiných genomů selhalo extrahování genů, pokud neměly definovanou sekvenci a pouze se odkazovaly na jinou sekvenci v databázi jejím přístupovým číslem a rozsahem. Většina (164) savců měla referenční mitochondriální genom, ze kterého jsem sekvence extrahovala, 10 savců mělo nereferenční mitochondriální genom a 17 savců nemělo dostupný žádný mitochondriální genom. Jejich sekvence jsem hledala v databázi samostatně a tyto sekvence bez výjimky -31- 3. Výsledky Tab. 3: Analyzované fylogenetické markery savců a šedé vyznačený kontrolní gen TP53. Používá-li se jako marker pouze konkrétní exon nebo exony, je u genu uvedeno, o které se jedná. Typy markerů „nit" a „nc" označují mitochondriální resp. nukleární geny. Typ Gen Exon(y) Protein Fylogenetické studie mt COX1 - Cytochrom c oxidáza podjednotka I Tobe et al. (2010) Aguilar-Tomasini et al. (2021) Santodomingo et al. (2022) mt COX2 - Cytochrom c oxidáza podjednotka II Adkins a Honeycutt (1991) Ashley et al. (1996) Sena et al. (2003) mt CYTB - Cytochrom b Martin et al. (2000) Tobe et al. (2010) Aguilar-Tomasini et al. (2021) nc APOB 26 (část) Apolipoprotein B Amrine-Madsen et al. (2003) Meredith et al. (2008) Koepfli et al. (2008) nc BRCA1 11 Protein náchylnosti k rakovině prsu typu 1 Adkins et al. (2001) Steppan et al. (2004a) Meredith et al. (2008) nc CSN3 2-4 Kappa-kasein Chikuni et al. (1995) Gatesy et al. (1996) Cronin et al. (1996) nc DMP1 6 (část) Acidický fosfoprotein dentinové matrix 1 Van Den Bussche et al. (2003) Reeder a Bradley (2004) Jansa et al. (2006) nc GHR 10 (část) Receptor růstového hormonu Adkins et al. (2001) Steppan et al. (2004a) Galewski et al. (2006) nc LCAT 2-6 Lecitin-cholesterol acyltransferáza Robinson et al. (1997) Robinson-Rechavi et al. (2000) Michaux et al. (2001) nc MYC 2-3 Protein protoonkogenu MYC Miyamoto et al. (2000) Steppan et al. (2004a) Steppan et al. (2004b) nc RAG1 - Rekombinaci aktivující protein 1 Steppan et al. (2004a) Baker et al. (2004) Meredith et al. (2008) nc RAG2 - Rekombinaci aktivující protein 2 Hoofer et al. (2003) Stadelmann et al. (2007) Gaubert et al. (2018) nc RBP3 1 (část) Retinol vázající protein 3 Madsen et al. (2001) Jansa a Weksler (2004) Meredith et al. (2008) nc VWF 28 Von Willebrandův faktor Porter et al. (1996) Michaux et al. (2001) Meredith et al. (2008) nc TP53 - Nádorový protein p53 - -32- 3. Výsledky nebyly referenční. Jednalo se opět o CDS z nichž 13 bylo nekompletních. Savec Piliocolobus tephrosceles jako jediný neměl v databázi dostupnou žádnou mitochondriální sekvenci. Celkem mi tedy chybělo 21 (3,66 %) mitochondriálních sekvencí (viz Tab. 4). Data byla stažena 10. 12. 2024. Při kontrole hlaviček FASTA souborů obsahujících názvy sekvencí případně mitochondriálních genomů jsem neodhalila žádné problémy. Přístupová čísla stažených sekvencí genů a mitochondriálních genomů, včetně rozsahu stažené sekvence, obsahuje Příloha 2. Celkem 62 sekvencí nebylo dělitelných třemi. Pouze ve čtyřech případech se jednalo o sekvence nukleárních genů, z nichž všechny byly zároveň nekompletní, což mohlo vysvětlovat jejich délku. V naprosté většině se ale jednalo o sekvence genů mitochondriálních. U nich je však známým jevem, že v mnoha případech nemají kompletní stop kodon, který bývá doplněn poly(A) koncem až post-transkripční modifikací mRNA zvanou polyadenylace (Taanman, 1999). Tab. 4: Přehled stažených sekvencí a chybějících dat. Typ genů Počet zájmových sekvencí Staženo automaticky (skript) Staženo manuálně Počet chybějících sekvencí Podíl chybějících sekvencí (%) Nukleární Mitochondriální 2292 573 2264 507 1 45 27 21 1,18 3,66 3.4 Alignment Při alignmentu sekvencí nedělitelných třemi dokázal program MACSE alignSequences úspěšně identifikovat správný čtecí rámec a neúplné kodony doplnit a označit znakem posunu čtecího rámce. Alignmenty byly po prvotním alignmentu i ve všech následujících fázích analýzy dělitelné třemi, což indikovalo, že nedošlo k žádnému nechtěnému narušení čtecích rámců. V alignmentech se po jejich rafinaci v refineAlignment už nevyskytovaly žádné posuny čtecího rámce. Co se týče mitochondriálních genů, rafinace nevedla k žádným změnám a alignmenty zůstaly stejné. V případě nukleárních genů však rafinace vedla k lepšímu alignmentu delecí v okolí sloupců odstraněných trimAlem a dalším drobným změnám. Většina alignmentu neobsahovala žádné stop kodony uvnitř sekvence. Výjimkou byly alignmenty genů APOB a RBP3, které obsahovaly 11 a 23 stop kodonů. Sekvence, kde se stop kodony vyskytovaly, jsem vizuálně zkontrolovala a vyloučila jsem možnost, že by se mohlo jednat o chybu v alignmentu. Délky alignmentu v párových bázích (bp; base pair) v jednotlivých krocích alignmentu a filtrace jsou shrnuty v Tab. 5. -33- 3. Výsledky Tab. 5: Délky alignmentů (bp) v jednotlivých krocích alignmentu. Předposlední sloupec představuje finální délku alignmentů celých genů a poslední sloupec část těchto alignmentů, představující fylogenetické markery. Gen Prvotní alignment trimAl 1 Rafinace alignmentu trimAl 2 Fylogenetický marker APOB 15 117 13 722 13 722 13 719 1 338 BRCA1 7 131 5 592 5 625 5 589 3 423 COX1 1 578 1 545 1 545 1 542 1 542 COX2 690 684 684 681 681 CSN3 1 431 552 558 549 549 CYTB 1 146 1 140 1 140 1 137 1 137 DMP1 2 040 1 566 1 587 1 563 1 194 GHR 2 631 1 917 1 917 1 914 969 LCAT 1 590 1 323 1 323 1 320 1 164 MYC 1 575 1 320 1 320 1 317 1 317 RAG1 3 297 3 132 3 132 3 129 3 129 RAG2 1 599 1 584 1 584 1 581 1 581 RBP3 4 281 3 729 3 729 3 729 1 275 TP53 1 731 1 164 1 185 1 161 1 161 VWF 9 102 8 442 8 442 8 439 1 368 3.4.1 Extrakce markerů z alignmentů celých genů Tato kapitola popisuje, jaké části genů se běžně ve fylogenetických studiích používají jako markery a jaké části genů jsem tedy použila pro výpočet selekčního signálu. Mitochondriální geny se používaly vždy v celé jejich délce. V případě genu TP53 jsem také použila celý alignment kódujících sekvencí vzhledem k tomu, že se nejedná a fylogenetický marker, ale pouze o kontrolní gen. Délky alignmentů po extrakci markerů jsou uvedeny v Tab. 5. Po extrakci markerů jsem z alignmentů odstranila celkem 33 sekvencí, patřící v naprosté většině markerům BRCA1 (21 sekvencí) a COX1 (8 sekvencí). Sekvence měly ve výsledném alignmentu více než 50 % chybějících dat. Tyto sekvence jsou v Příloze 2 vyznačeny šedě. Odstraněné sekvence markerů BRCA1 patřily zástupcům různých savčích řádů, ovšem 4 z nich patřily řádu Eulipotyphla, pro který mi u tohoto markerů zůstaly pouze sekvence dvou zástupců. APOB Část exonu 26 genu APOB bývá ve studiích uvedených v Tab. 3 amplifikována s využitím primerů uvedených ve studii Amrine-Madsen et al. (2003). Délka výsledného fragmentu byla 1338 bp (NM_000384.3:9421-10758). BRCA1 Fylogenetickým markerem je část exonu 11, který je celý kódující. Použité primery se lišily v závislosti na fylogenetické studii. Ve všech případech ale amplifikovaly okolo 3000 bp ze začátku exonu 11 (Adkins et al., 2001; Voss a Jansa, 2009; Teeling et al., 2000). Ta tvoří většinu celkové délky tohoto exonu, která je u Horno sapiens 3426 bp. Proto jsem použila celý jedenáctý exon (NM_007294.4:784-4209). CSN3 Ve studii Chikuni et al. (1995) využívají exony 2, 3 a 4, které pokrývají celou délku kódující -34- 3. Výsledky sekvence genu. Studie Gatesy et al. (1996); Cronin et al. (1996) pak využívají pouze exon 4, který ale stále pokrývá většinu (cca 80 %) CDS. Využila jsem tedy celou kódující sekvenci. DMP1 Všechny studie uvedené v Tab. 3 využívají k amplifikaci části exonu 6 primery představené ve studii Toyosawa et al. (1999). Výsledná část šestého exonu má délku 1171 bp (NM_004407.4:468-1638). GHR Všechny studie uvedené v Tab. 3 použily pro amplifikaci části exonu 10 odlišné primery. Studie Adkins et al. (2001); Galewski et al. (2006) v obou případech amplifikují více než 900 bp ze začátku exonu 10, která pokrývá celou kódující část desátého exonu. Pro extrakci potřebné části alignmentu jsem tedy mohla použít celý exon 10 (NM_000163.5:1474-4899). LCAT Sekvenování markerů obvykle probíhá pro dva fragmenty genu, jak bylo představeno ve studii Robinson et al. (1997). První fragment pokrývá exony 2-5 až na malé okrajové části exonů 2 a 5. Druhý fragment pokrývá většinu exonu 6 až na jeho konec, který ale není kódující. V této práci jsem použila celé exony 2-6. (NM_000229.2:174-1496). MYC Ve fylogenetických studiích uvedených v Tab. 3 se využívají exony 2 a 3, které opět pokrývají naprostou většinu kódující části genu a použila jsem tedy celou staženou CDS. RAG1 a RAG2 Geny RAG1 a RAG2 oba nemají introny. K fylogenetické inferenci se využívají části jejich kódujících sekvencí (Van Den Bussche et al., 2003). Pro RAG1 byla použita část, pokrývající celou CDS ve studii Steppan et al. (2004a). Pro RAG2 byla použita 1,4 kb část, která tvoří většinu celkové délky CDS (cca 1,6 kb) (Hoofer et al., 2003). V obou případech jsem tedy použila celé kódující sekvence genů. RBP3 Před sekvenováním části exonu 1 se využívají primery představené ve studii Stanhope et al. (1992). Délka výsledného fragmentu byla 1282 bp (NM_002900.3:245-1526). VWF Části exonu 28 sekvenované ve studiích Porter et al. (1996); Michaux et al. (2001) pokrývají téměř celou jeho délku. Použila jsem tedy celý exon 28 (NM_000552.5:3925-5303). 3.5 Fylogenetická rekonstrukce Výsledkem fylogenetické inference v programu IQ-TREE byl nezakořeněný strom. Následně jsem upravila uspořádání taxonů tak, aby se u základny stromu (kde se běžně zobrazuje kořen) nacházela monofyletická skupina hlodavců a primátů. Tyto skupiny se podle fylogenetických studií savců oddělily jako první (Foley et al., 2023; Springer et al., 2004). Strom je v této podobě zobrazen na Obr. 1. Strom má zobrazený také kořen pro lepší vizualizaci - strom je ale nezakořeněný a všechny druhy jsou zobrazeny ve stejné vzdálenosti od kořene stromu. -35- Podpory hlubokých vztahů byly nedostatečné mezi řády Perissodactyla, Artiodactyla a Carnivora, kde byly hodnoty bootstrapové podpory pouze 84 a 54 (viz Obr. 1). Většina ostatních uzlů vykazovala vysokou úroveň podpory (>95), s výjimkou několika uzlů v těsné blízkosti listů stromu. 3. Výsledky Perissodactyla • Cetacea • Artiodactyla A Feliformia I Carnivora • Caniformia Obr. 1: Topologie výsledného fylogenetického stromu s barevně odlišenými řády savců. Geometrickými symboly jsou vyznačeny uzly společného předka dalších tří analyzovaných taxonů. Čísla představují podpory některých hlubokých uzlů stromu. -37- 3. Výsledky 3.6 Výpočet selekčního signálu Kompletní výsledky pozicových modelu, detekujících signál pozitivní selekce v rámci markeru (pro celý fylogenetický strom) obsahuje Tab. 6 (modely M l a a M2a) a Tab. 7 (modely M7 a M8). Výsledky modelu cmC, který detekuje odlišné působení selekce u specifikovaných taxonů, obsahuje Tab. 8. V tabulcejsou zahrnuty pouze signifikantní výsledky s p-hodnotou < 0,05 a výsledky, kde alespoň jeden z parametrů CO2 a CO3 je větší než jedna, nebo je jejich rozdíl |AÉO| = 10)3 — Cú2\ > 0,1. Kompletní výsledky modelu cmC obsahuje Příloha 3. Výsledky tohoto modelu pro kontrolní gen TP53 nejsou ve výsledcích uvedeny, protože jsem model pro tento gen nepočítala. Výsledky modelu bsA, který detekuje signál pozitivní selekce u jednotlivých taxonů, obsahuje Tab. 9. Tabulka zahrnuje pouze signifikantní výsledky s p-hodnotou < 0,05. Kompletní výsledky modelu bsA obsahuje Příloha 4. Výsledky tohoto modelu pro kontrolní gen TP53 nejsou uvedeny, protože jsem model pro tento gen nepočítala. Výpočet modelu pro řád Eulipotyphla u markeru BRCA1 nedokonvergoval k výsledku ani po více než 420 hodinách a výpočet trval výrazně déle ve srovnání s většinou ostatních taxonů, proto tento výsledek není zahrnut. Problém konvergence tohoto konkrétního modelu může být způsoben tím, že pro tento marker důsledkem odstranění sekvencí s velkým podílem chybějících dat zbyly pouze sekvence dvou zástupců řádu Eulipotyphla. S pomocí pozicových modelů M la a M2a i M7 a M8 se mi podařilo detekovat pozitivní selekci u kontrolního genu TP53, čímž jsem si ověřila, že je možné použitou metodou selekci úspěšně detekovat. Ani u jednoho ze tří mitochondriálních markerů jsem nedetekovala pozitivní selekci, a to jak na úrovni celého stromu tak u jednotlivých taxonů. Působení selekce na tyto geny se na základě výsledků modelu cmC mezi jednotlivými taxony významně nelišilo. Více než 99 % všech jejich pozic je ale pod vlivem silné negativní selekce s poměrem co < 0,03. LRT pozicových modelů M l a a M2a odhalil signál pozitivní selekce u 7 z 11 nukleárních fylogenetických markerů. Pouze u markerů MYC, RAG1, RBP3 a VWF pozitivní selekce detekována nebyla. Tyto závěry byly konzistentní s výsledky modelů M7 a M8, kde sice vyšel statisticky významný výsledek LRT u všech 11 nukleárních markerů, ovšem u těch, u kterých modely M l a a M2a nedetekovaly pozitivní selekci byl odhad parametru cos roven jedné, což indikuje neutrální evoluci, nikoliv pozitivní selekci. Pro markery MYC, RBP3 a VWF jsem však s pomocí modelu bsA detekovala pozitivní selekci alespoň u jednoho z taxonů a jediným markerem, u kterého se neprokázala pozitivní selekce na žádné úrovni tak byl pouze RAG1. Dle výsledků modelu M2a proporce pozic připadající pozicím pod pozitivní selekcí byla většinou malá (okolo 1 %) s výjimkou markeru BRCA1, kde tvořily pozitivní pozice více než 6 % a CSN3, kde tvořily 11,5 %. Model M8 detekoval oproti modelu M2a o něco vyšší podíly pozitivních pozic ale s menším poměrem co. Dle výsledků M2a modelu je nukleární marker MYC pod největším vlivem silné negativní selekce (po — 95,5% a C0Q — 0,036) a nejmenším podílem neutrálních pozic (4,5 %). Markery LCAT, RAG1,RAG2, RBP3 a VWF mají více než 80 % pozic pod silnou negativní selekcí (co < 0,13) a větší podíl neutrálních pozic (9-17 %). Markery APOB, DMP1 a GHR, u kterých je negativní selekce slabší, a vykazují také větší proporce neutrálních -38- 3. Výsledky pozic (30-36 %) na úkor těch negativních. Největší posun v rozdělení poměrů CO pozic pozorujeme u markerů BRCA1 a CSN3, které mají největší podíl neutrálních pozic (44 % resp. 55 %). Marker CS7V.? má nejvyšší proporci pozic pod pozitivní selekcí 11,5 % podle modelu M2a a 13,5 % podle modelu M8 s poměry co okolo 2. Pozitivní selekci u tohoto markeru jsem detekovala také u většiny taxonů až na Perissodactyla a Feliformia. Také dle výsledku cmC modelu mají Feliformia 11,4 % pozic pod mírnou negativní selekcí, zatímco u ostatních savců jsou pozice pod pozitivní selekcí. Ovšem u řádu Perrisodactyla model cmC detekoval ještě silnější působení pozitivní selekce oproti zbytku stromu, i přes to, že bsA žádnou pozitivní selekci neprokázal, závěr pro tento řád proto není zcela jednoznačný. Marker CSN3 má na druhou stranu ze všech analyzovaných markerů největší podíl neutrálních pozic (přes 55 %) a na zbývající třetinu pozic působí nejmírnější detekovaná negativní selekce (CO — 0,42). Druhým genem s největší proporcí pozitivních pozic byl marker BRCA1 s proporcí 6,2 % u modelu M2a a 12,2 % pro model M8. Pozitivní selekci jsem pro něj detekovala také u 6 z 9 analyzovaných taxonů. Pro ostatní markery jsem na úrovni taxonů detekovala pozitivní selekci vždy pouze u jednoho či dvou taxonů. -39- 3. Výsledky Tab. 6: Výsledky pozicových modelů Mla a M2a. Počet stupňů volnosti LRT je 2. Gen Model LL © Odhady parametrů modelu LRT p-hodnota COX1 Mla -78457,64 0,01 po = 0,994 too = 0,006 Pl ©1 = 0,006 = 1 M2a -78457,64 0,01 po = 0,994 ©o = 0,006 Pl ©1 = 0,001 = 1 P2 = 0,005 ©2 = 1,000 0,00 1,000 COX2 Mla -36475,69 0,02 po = 0,991 ©o = 0,014 Pl ©1 = 0,009 = 1 M2a -36475,69 0,02 po = 0,991 ©o = 0,014 Pl ©1 = 0,002 = 1 P2 = 0,006 ©2 = 1,000 0,00 1,000 CYTB Mla -72651,56 0,03 po = 0,995 ©o = 0,027 Pl ©1 = 0,005 = 1 M2a -72651,56 0,03 po = 0,995 ©o = 0,027 Pl ©1 = 0,001 = 1 P2 = 0,004 ©2 = 1,000 0,00 1,000 APOB Mla -33989,26 0,49 po = 0,673 ©o = 0,248 Pl W\ = 0,327 = 1 M2a -33969,54 0,52 po = 0,664 coo = 0,250 Pl ©1 = 0,323 = 1 P2 = 0,013 ©2 = 2,375 39,44 0,000** BRCA1 Mla -93512,65 0,65 po = 0,532 ©o = 0,343 Pl ©1 = 0,468 = 1 M2a -93432,29 0,73 po = 0,501 ©o = 0,354 Pl ©1 = 0,437 = 1 P2 = 0,063 ©2 = 1,926 160,73 0,000** CSN3 Mla -18979,32 0,77 po = 0,392 ©0 = 0,407 Pl W\ = 0,608 = 1 M2a -18935,94 0,93 po = 0,333 ©0 = 0,420 Pl ©1 = 0,552 = 1 P2 = 0,115 ©2 = 2,054 86,76 0,000** DMP1 Mla -40974,23 0,48 po = 0,640 WQ = 0,194 Pl W\ = 0,360 = 1 M2a -40970,50 0,50 po = 0,638 WQ = 0,196 Pl ©1 = 0,351 = 1 P2 = 0,011 ©2 = 1,912 7,45 0,024 GHR Mla -22044,39 0,39 po = 0,702 WQ = 0,126 Pl ©1 = 0,298 = 1 M2a -22028,07 0,41 po = 0,694 WQ = 0,126 Pl ©1 = 0,295 = 1 P2 = 0,011 ©2 = 2,396 32,64 0,000** LCAT Mla -21680,62 0,21 po = 0,833 WQ = 0,052 Pl W\ = 0,167 = 1 M2a -21673,01 0,22 po = 0,830 WQ = 0,052 Pl ©1 = 0,162 = 1 P2 = 0,007 ©2 = 2,355 15,22 0,000** MYC Mla -20950,22 0,08 po = 0,955 WQ = 0,036 Pl ©1 = 0,045 = 1 M2a -20950,22 0,08 po = 0,955 WQ = 0,036 Pl ©1 = 0,045 = 1 P2 = 0,000 ©2 = 23,711 -0,00 1,000 RAG1 Mla -65297,48 0,21 po = 0,826 WQ = 0,046 Pl ©1 = 0,174 = 1 M2a -65297,48 0,21 po = 0,826 WQ = 0,046 Pl ©1 = 0,174 = 1 P2 = 0,000 ©2 = 13,821 0,00 1,000 RAG2 Mla -27057,37 0,21 po = 0,859 WQ = 0,077 Pl W\ = 0,141 = 1 M2a -27053,22 0,22 po = 0,858 WQ = 0,077 Pl ©1 = 0,136 = 1 P2 = 0,006 ©2 = 2,097 8,29 0,016 RBP3 Mla -35671,71 0,23 po = 0,886 WQ = 0,127 Pl ©1 = 0,114 = 1 M2a -35671,40 0,23 po = 0,886 WQ = 0,127 Pl ©1 = 0,112 = 1 P2 = 0,003 ©2 = 1,863 0,62 0,734 VWF Mla -37834,41 0,21 po = 0,876 WQ = 0,101 Pl W\ = 0,124 = 1 M2a -37834,40 0,21 po = 0,876 WQ = 0,101 Pl ©1 = 0,091 = 1 P2 = 0,033 ©2 = 1,000 0,00 0,998 TP53 Mla -30383,08 0,35 po = 0,720 WQ = 0,100 Pl W\ = 0,280 = 1 M2a -30380,08 0,36 po = 0,718 WQ = 0,100 Pl W\ = 0,272 = 1 P2 = 0,010 ©2 = 1,842 6,00 0,050 Pozn.: *p < 0,01; **p < 0,001; LL - logaritmus věrohodnosti; co - průměrný poměr co pro všechny pozice. -40- 3. Výsledky Tab. 7: Výsledky pozicových modelů M7 a M8. Počet stupňů volnosti LRT je 2. Gen Model LL CO Odhady parametrů modelu LRT /7-hodnota COX1 M7 -77169,81 0,02 P = 0,156 q = 7,669 M8 -77169,81 0,02 P = Pi -- 0,156 = 0,000 q = (Os - 7,669 = 1,000 Po = 1,000 -0,01 1,000 COX2 M7 -35653,94 0,03 P = 0,241 q = 6,827 M8 -35653,95 0,03 P = Pi -- 0,241 = 0,000 q = (Os - 6,824 = 1,011 Po = 1,000 -0,00 1,000 CYTB M7 -69853,44 0,03 P = 0,284 q = 8,308 M8 -69853,45 0,03 P = Pi -- 0,284 = 0,000 q = (Os - 8,308 = 1,000 Po = 1,000 -0,01 1,000 APOB M7 -33892,78 0,42 P = 0,809 q = 1,099 M8 -33864,80 0,43 P = Pi -- 0,940 = 0,032 q = (Os - 1,443 = 1,675 Po = 0,968 55,96 0,000** BRCA1 M7 -93432,00 0,60 P = 1,125 q = 0,755 M8 -93312,42 0,67 P = Pi -- 1,440 = 0,122 q = (Os - 1,182 = 1,562 Po = 0,878 239,15 0,000** CSN3 M7 -18977,70 0,73 P = 1,097 q = 0,414 M8 -18928,93 0,88 P = Pi -- 1,300 = 0,135 q = (Os z 0,510 = 1,902 PO= 0,865 97,53 0,000** DMP1 M7 -40635,17 0,36 P = 0,745 q = 1,320 M8 -40625,82 0,36 P = Pi -- 0,879 = 0,073 q = (Os z 1,996 = 1,085 PO= 0,927 18,70 0,000** GHR M7 -21920,91 0,32 P = 0,409 q = 0,877 M8 -21901,44 0,32 P = Pi -- 0,450 = 0,015 q = (Os z 1,086 = 1,935 PO= 0,985 38,93 0,000** LCAT M7 -21440,75 0,17 P = 0,169 q = 0,821 M8 -21422,42 0,16 P = Pi -- 0,222 = 0,033 q = (Os z 1,554 = 1,289 PO= 0,967 36,65 0,000** MYC M7 -20633,64 0,06 P = 0,231 q = 3,182 M8 -20614,56 0,06 P = Pi -- 0,247 = 0,006 q = (Os z 4,134 = 1,000 PO= 0,994 38,16 0,000** RAG1 M7 -64345,96 0,14 P = 0,196 q = 1,157 M8 -64324,20 0,11 P = Pi -- 0,226 = 0,030 q = (Os z 2,220 = 1,000 PO= 0,970 43,53 0,000** RAG2 M7 -26841,73 0,17 P = 0,255 q = 1,178 M8 -26821,25 0,16 P = Pi -- 0,287 = 0,012 q = (Os z 1,604 = 1,589 PO= 0,988 40,95 0,000** RBP3 M7 -35402,67 0,20 P = 0,741 q = 2,929 M8 -35375,95 0,19 P = Pi -- 0,951 = 0,037 q = (Os - 4,958 = 1,000 PO= 0,963 53,45 0,000** VWF M7 -37199,36 0,16 P = 0,436 q = 2,177 M8 -37191,77 0,16 P = Pi -- 0,468 = 0,014 q = (Os - 2,662 = 1,000 PO= 0,986 15,18 0,001** TP53 M7 -30044,24 0,27 P = 0,314 q = 0,862 M8 -30035,10 0,26 P = Pi -- 0,353 = 0,032 q = (0S - 1,219 = 1,315 PO= 0,968 18,28 0,000** Pozn.: *p < 0,01; **p < 0,001; LL - logaritmus věrohodnosti; co - průměrný poměr co pro všechny pozice. -41- 3. Výsledky Tab. 8: Signifikantní výsledky modelu cmC s rozdílem poměrů \Aco\ > 0,1 pro jednotlivé taxony. Nulové modely nejsou uvedeny, pouze výsledky LRT testu s jedním stupněm volnosti. Gen Taxon P2 0)2 0)3 Aco LRT /7-hodnota APOB Chiroptera 0 463 0 428 0 586 0 158 10,02 0,002* Perissodactyla 0 458 0 450 0 809 0 359 6,15 0,013 Rodentia 0 466 0 525 0 355 - 0 170 23,88 0,000** BRCA1 Caniformia 0 473 0 475 0 364 - 0 111 8,82 0,003* Cetacea 0 474 0 463 0 678 0 216 7,47 0,006* Rodentia 0 471 0 414 0 522 0 109 23,05 0,000** CSN3 Artiodactyla 0 139 1 837 2 997 1 160 6,19 0,013 Caniformia 0 104 2 013 3 668 1 655 6,90 0,009* Feliformia 0 114 2 099 0 784 -1 315 5,38 0,020 Perissodactyla 0 113 2 024 4 059 2 036 4,02 0,045 Primates 0 102 1 952 3 051 1 099 6,42 0,011 Rodentia 0 099 2 676 1 355 -1 321 25,14 0,000** DMP1 Cetacea 0 465 0 356 0 535 0 179 14,59 0,000** Rodentia 0 457 0 418 0 302 - 0 115 27,76 0,000** GHR Artiodactyla 0 356 0 374 0 258 - 0 115 4,70 0,030 Chiroptera 0 350 0 388 0 233 - 0 155 16,06 0,000** Primates 0 356 0 339 0 472 0 133 4,89 0,027 Rodentia 0 359 0 309 0 451 0 142 16,40 0,000** LCAT Caniformia 0 290 0 236 0 120 - 0 116 6,75 0,009* Chiroptera 0 286 0 200 0 471 0 271 48,76 0,000** Primates 0 292 0 250 0 143 - 0 107 13,31 0,000** MYC Cetacea 0 226 0 165 0 342 0 178 6,13 0,013 RAG1 Cetacea 0 261 0 273 0 591 0 318 33,24 0,000** RAG2 Feliformia 0 303 0 270 0 143 - 0 127 5,44 0,020 RBP3 Eulipotyphla 0 419 0 246 0 417 0 171 15,09 0,000** Chiroptera 0 610 0 137 0 408 0 271 161,74 0,000** VWF Feliformia 0 390 0 240 0 357 0 118 7,45 0,006* Pozn.: *p < 0,01; **p < 0,001; Ao) = 03 - (Oi- -42- 3. Výsledky Tab. 9: Signifikantní výsledky modelu bsA pro jednotlivé taxony. Nulové modely nejsou uvedeny, pouze výsledky LRT testu s jedním stupněm volnosti. Gen Taxon Pia Pih (Ol LRT /7-hodnota APOB Caniformia 0,014 0,006 4,838 10,13 0,001* Chiroptera 0,077 0,034 1,588 4,91 0,027 BRCA1 Artiodactyla 0,021 0,018 3,034 18,70 0,000** Caniformia 0,016 0,014 4,508 39,58 0,000** Cetacea 0,028 0,025 5,818 30,16 0,000** Feliformia 0,018 0,016 4,755 22,25 0,000** Chiroptera 0,014 0,012 2,264 3,91 0,048 Primates 0,010 0,009 3,233 13,48 0,000** CSN3 Artiodactyla 0,049 0,077 3,073 20,47 0,000** Caniformia 0,025 0,038 4,079 6,11 0,013 Cetacea 0,038 0,059 5,387 9,52 0,002* Eulipotyphla 0,053 0,081 2,571 4,65 0,031 Chiroptera 0,056 0,085 2,948 24,25 0,000** Primates 0,014 0,022 5,270 26,08 0,000** Rodentia 0,165 0,155 1,405 9,81 0,002* DMP1 Cetacea 0,083 0,045 1,669 5,75 0,017 Chiroptera 0,038 0,020 1,884 4,73 0,030 LCAT Feliformia 0,003 0,001 7,096 3,96 0,047 MYC Cetacea 0,013 0,001 3,781 6,49 0,011 RBP3 Cetacea 0,007 0,001 3,083 4,64 0,031 VWF Feliformia 0,027 0,004 2,239 5,20 0,023 Pozn.: *p < 0,01; **p < 0,001. -43- 4 Diskuze 4.1 Fylogenetická rekonstrukce V této diplomové práci jsem využila fylogenetický strom vytvořený na základě celých CDS, přestože by se dalo argumentovat, že pro účely rekonstrukce stromu by bylo vhodnější použít pouze extrahované části alignmentu odpovídající fylogenetickým markerům. Tento strom se mi ale kvůli technickým problémům podařilo zrekonstruovat později, ve chvíli kdy už jsem měla část výsledků na základě původního stromu. Proto jsem tyto dva stromy mezi sebou porovnala s pomocí funkce „compare" z balíku ETE. Stromy sdílely 98 % větví a jejich normalizovaná Robinsonova-Fouldsova vzdálenost byla 0,04. Stromy se tak mezi sebou lišily minimálně a výsledky testů pozitivní selekce jsou obecně robustní k malým rozdílům v topologii stromu (Pie, 2006). Z tohoto důvodu jsem se rozhodla pokračovat v analýze s využitím původního stromu na základě celých CDS. Podpory hlubokých vztahů byly nedostatečné mezi řády Perissodactyla, Artiodactyla a Carnivora, kde byly hodnoty bootstrapové podpory pouze 84 a 54 (viz Obr. 1). Ani odborná literatura se však v těchto vztazích často neshoduje. Například podle studie Murphy et al. (2001) tvoří sesterské skupiny Carnivora a Perissodactyla, zatímco výsledky studie Liu et al. (2001) podporují bližší příbuznost mezi Perissodactyla a Artiodactyla. Na základě nedávné studie (Foley et al., 2023) vycházející z celogenomových sekvencí savců se ale ukazuje, že Perissodactyla jsou pravděpodobně příbuznější řádu Carnivora. Ve studii zkoumající vliv porušení předpokladů modelů na výsledek fylogenetické inference získali dva stromy, první na základě sekvencí splňující předpoklady, kdy získali stejné vztahy, které jsem získala v této práci s použitím alignmentu celých kódujících sekvencí. Na základě sekvencí porušujících předpoklady získali sesterské skupiny Carnivora a Perissodactyla, shodující se s výsledkem původní studie, což poukazuje na to, že vliv porušení předpokladů na výsledek fylogeneze je značný (Naser-Khdour et al., 2019). Další otázkou je, zda je pro detekci selekce v codeml vhodnější druhový strom, reprezentující vztahy analyzovaných taxonů či genový strom, odrážející vývoj daného genu (strom tvořený na základě alignmentu jediného genu), který se může od etablovaného druhového stromu lišit. Odpověď není zcela jednoznačná. Platí, že strom by měl reprezentovat evoluční vztahy analyzovaných sekvencí. Je třeba zvážit, který strom bude s větší pravděpodobností správný. V případě příliš krátkého genu nemusí jeho alignment obsahovat dostatek fylogenetický informativních pozic a je tedy vhodnější zvolit druhový strom (Álvarez-Carretero et al., 2023). Pro potřeby této práce jsem zvolila jednotný strom pro všechny analyzované geny, díky kterému jsem mohla použít jednotné označování taxonů pro modely bsA a cmC. 4.2 Detekce selekce Model M8 detekoval oproti modelu M2a o něco vyšší podíly pozitivních pozic ale s menším poměrem co. To naznačuje, že model dokáže detekovat i pozice pod působením -44- 4. Diskuze slabší pozitivní selekce, které následně sníží celkový průměrný poměr co pozitivních pozic. Modely M7 a M8 měly konzistentně větší logaritmus věrohodnosti oproti jednodušším modelům M l a a M2a, což poukazuje na to, že s pomocí spojitého beta rozdělení lze poměry co jednotlivých pozic modelovat lépe než pomocí tří diskrétních tříd. Zajímavé také je, že se pozitivní selekce na úrovni taxonu prokázala u tří ze čtyř markerů, u kterých ale na úrovni celého stromu detekována nebyla, a to u markerů MYC, RBP3 a VWF. Naopak u markerů GHR a RAG2 jsem detekovala signál pozitivní selekce na úrovni celého stromu, ale nikoliv u konkrétního taxonu. Z toho se dá usuzovat, že pozicové modely mohou přehlédnout slabý signál pozitivní selekce, pokud k ní dochází pouze na malé části větví stromu. Celkově je ale model větví-pozicí A při detekci pozitivní selekce více konzervativní v porovnání s pozicovými modely. Mitochondriální markery vykazovaly největší míru negativní selekce, která je u mitochondriálních genů častá, vzhledem k tomu, že kódují proteiny zapojené v oxidatívni fosforylaci s přímým vlivem na metabolismus (Bondareva et al., 2021). Jediným nukleárním markerem který se mírou negativní selekce přiblížil k mitochondriálním markerům byl MYC, který se podílí na proliferaci a apoptóze buněk (Bretones et al., 2015; Prendergast, 1999). Silná negativní selekce poukazuje na důležitost jeho funkce. Výsledky studie Massey et al. (2008) ukazují, že pozice pod silnou negativní selekcí (co < 0,2) ztrácejí skutečný signál původu, a to dokonce ve větší míře než pozice pod silnou pozitivní selekcí (CO > 2). Skutečný signál dle autorů nesou více neutrální pozice s 0,2 < co < 2. Z tohoto důvodu autoři doporučují před fylogenetickou rekonstrukcí odstranění pozicí pod silnou pozitivní i negativní selekcí. Pokud bychom se rozhodli doporučením řídit, mitochondriální markery analyzované v této práci ani nukleární marker MYC by nebylo možné použít, protože podmínku by nesplňovaly téměř žádné pozice. Také u většiny ostatních nukleárních markerů bychom tímto ztratili většinu pozic. V tomto případě by tedy bylo vhodnější využít navrhovaná alternativní řešení autorů, a použít modely uvolňující předpoklady kladené na sekvence markerů (především nezávislost pozic) (Stern a Pupko, 2006), nebo modely zohledňující terciální strukturu proteinů (Parisi a Echave, 2001). Autoři hodnotili signál původu s pomocí nefylogenetických metod, aby co možná nejlépe zabránili zkreslení výsledků. Bylo by proto zajímavé podívat se také na přímý vliv negativní selekce na podobu a topologii fylogenetických stromů. Silná stránka markerů pod negativní selekcí může ale spočívat například v tom, že selekce snižuje jejich substituční rychlosti a geny jsou proto konzervované. To může být nutné pro rekonstrukci hlubokých fylogenetických vztahů mezi vzdálenými taxony. I když vezmeme v úvahu působení silné negativní selekce na mitochondriální markery a s tím související konzervaci sekvencí, nejsou tyto geny vhodné pro rekonstrukci hlubokých fylogenetických vztahů a používají se většinou pouze na druhové nebo populační úrovni (Patwardhan et al., 2014). Především rozlišovací schopnost genu CYTB se výrazně snižuje s vyššími úrovněmi taxonomických vztahů (Bradley et al., 2007). Mitochondriální geny obecně oproti těm nukleárním rychleji mutují, což způsobuje častou saturaci třetích kodonových pozic, jejíž pravděpodobnost roste se vzdáleností taxonů. To je pravděpodobně jedním z faktorů přispívající k nižší informativnosti mitochondriálních markerů u hlubších taxonomických vztahů (Springer et al., 2001). Oproti tomu nukleární markery mají často optimální substituční rychlosti dostatečně velké na to, aby umožňovaly vysokou informativnost třetích kodonových pozic, ale zároveň dostatečně malé, aby nebyly ovlivněny -45- 4. Diskuze výskytem saturace (Galewski et al., 2006). Pozice s mírnou pozitivní selekcí (1 < co < 2) dle výsledků studie Massey et al. (2008) neztrácí skutečný signál, ale dokonce ani u pozic s CO > 2 nebyla ztráta signálu zásadní. K podobným závěrům dospěla také studie Roje (2014), kde autor dokázal, že samotná přítomnost selekce v markeru nevypovídala o kvalitě výsledného stromu a případné odstranění pozitivních pozic nevedlo k napravení inkongruence mezi stromy. Další studie Jansa et al. (2006) porovnávala fylogenetickou informativnost markerů DMP1 a RBP3 pro rod vačic. Autoři jistili, že DMP1 má výrazně menší proporci pozic pod silnou negativní selekcí, vyvíjí se až o 30 % rychleji a má asi 2,5 x více pozic pod vlivem pozitivní selekce než marker RBP3. Tyto závěry se shodují s výsledky této práce, kde jsem u markeru DMP1 detekovala přibližně o čtvrtinu méně negativních pozic a 2 x více pozitivních pozic (dle výsledků modelu M8). I přes značně odlišné působení selekce oba markery vedly k překvapivě kongruentním stromům. DMP1 důsledkem uvolněné selekce vykazoval více fylogenetický informativních pozic a dokázal rozlišit více uzlů stromu s většími podporami. Zdá se tedy, že uvolněná selekce dokázala zlepšit efektivitu markeru DMP1 bez toho, aniž by snížila jeho přesnost. Je ale nutné vzít v úvahu, že analýza probíhala pouze na rodové úrovni a pro vyšší taxonomické jednotky by efekt mohl být odlišný. Pro blíže příbuzné taxony tedy může pozitivní a uvolněná selekce přinášet užitečný fylogenetický signál. Na základě výsledků modelu cmC (Tab. 8) by pak bylo možné při detekci uvolněné selekce v rámci taxonu zvolit fylogenetické markery, které by potenciálně mohly být v rámci taxonu informatívnej ší. Dalším výsledkem studie Roje (2014) bylo, že strom na základě neneutrálního markeru, který se od ostatních stromů nejvíce odlišoval, byl také nejvíce vzdálený stromu na základě spojeného alignmentů. To poukazuje na skutečnost, že spojení alignmentů více markerů dokázalo problém inkongruence tohoto neneutrálního markeru eliminovat a společná informace více genů konvergovala k jedné hypotéze. Používání několika různých fylogenetických markerů je běžnou praxí ve většině fylogenetických studií uvedených v Tab. 3 a mohlo by pomáhat předcházet možným negativním vlivům selekce na výsledek rekonstrukce. Autoři studie Massey et al. (2008) také s pomocí simulovaného proteinu dokázali, že pozitivní selekce může vést k paralelní konvergenci sekvencí, které následně vykazují funkční signál namísto signálu skutečného původu. Tato skutečnost představuje další možnou komplikaci působení pozitivní selekce. Při odstraňování pozicí pod silnou pozitivní selekcí by bylo vhodné zvážit také možné dopady nerovnovážné vazby s okolními pozicemi. Při rychlé fixaci výhodné mutace dochází k lokálnímu snížení genetické variability, zvanému selektivní zametání (selective sweep) (Kim a Nielsen, 2004). Z toho důvodu by odstranění samotné pozice pod pozitivní selekcí nemuselo být dostačující a bylo by potřeba odstranit také pozice v jejím okolí. Velikost ovlivněného okolí závisí na rekombinační rychlosti, obecně se ale předpokládá, že selektivní zametání může mít vliv i na více než 100 kb v okolí výhodné mutace (McVean, 2007). Důsledkem toho zůstává otázkou, zdaje vůbec vhodné využít marker, u kterého detekujeme silnou pozitivní selekci, vzhledem k tomu, že délky sekvencí markerů bývají relativně krátké (v jednotkách kb). Na základě těchto poznatků se tedyjako nejvhodnější fylogenetický marker analyzovaný v této práci jeví CSN3, a to i přes to, že se jedná o marker s největší proporcí pozitivních -46- 4. Diskuze pozic s co okolo hodnoty 2, u kterých by se dalo zvážit jejich odstranění. U taxonů Cetacea, Eulipotyphla a Chiroptera však model bsA pozitivní selekci nedetekoval a pro analýzu těchto skupin by tak selekce nemusela představovat žádnou překážku. Marker obsahuje největší podíl neutrálních pozic (55 %) a zbylé pozice podléhají pouze mírné negativní selekci (CO — 0,42). Většina pozic markerů by tak měla poskytovat spolehlivý signál pravého původu. Nízký tlak negativní selekce na sekvence genu se ale projevil jejich vysokou variabilitou mezi taxony. Ačkoliv bylo stále možné provést alignment napříč sedmi analyzovanými savčími řády, vyšší variabilita sekvencí byla v alignmentu na první pohled patrná ve srovnání s alignmenty ostatních markerů. Po zahrnutí dalších vzdálenějších řádů savců by mohl být správný alignment problematický. V takovém případě by bylo vhodnější volit konzervovanější nukleární markery. Dřívější studie prokázaly relativně nízkou podobnost sekvencí genu mezi zástupci řádu hlodavců a sudokopytníků (Adenaike et al, 2020). CSN3 kóduje protein savčího mléka a je úzce spojován s laktací, která je nezbytná k úspěšnému dokončení reprodukčního procesu savců (Shekar et al., 2006). I přes to na něj působí nejmírnější negativní selekce, což naznačuje, že nesynonymní substituce v tomto genu často nenarušují jeho správnou funkci. Naopak to vypadá, že je jeho variabilita často výhodná a bylo již dříve dokázáno, že geny savčího mléka jsou vysoce polymorfní (Caroli et al., 2009) a varianty genu CSN3 mohou ovlivnit srážení a množství mléka i množství proteinů, které mléko obsahuje (Comin et al., 2008). Druhým nejvhodnějším markerem by pak byl BRCA1 se 44 % neutrálních pozic a poměrem co — 0,35 u negativních pozic a marker APOB. Ostatní nukleární markery mají malou proporci neutrálních pozic a větší podíl pozicí pod silnou negativní selekcí (CO < 0,2). Na základě literární rešerše se zdá, že se gen CSN3 jako fylogenetický marker v současnosti nevyužívá. Dostupné studie pocházejí převážně z 90. let 20. století (Tab. 3). BRCA1 se dle dostupných studií používá převážně pro fylogenezi hlodavců a vačnatců (Tab. 3). Z celkem osmi nukleárních markerů, u kterých jsem detekovala pozitivní selekci alespoň u jednoho z taxonů, byl nejčastěji detekován infrařád kytovců a to v pěti případech. Jednalo se také o jeden z nejčastějších taxonů s odlišným působením selekce na základě výsledku modelu cmC. Potvrzuje se tak možné působení odlišných selekčních tlaků na tento infrařád nutných pro adaptaci na vodní prostředí (Thewissen et al., 2009; Ishengoma aAgaba, 2017). -47- 5 Závěr V této práci jsem testovala signál selekce u 11 nukleárních a 3 mitochondriálních fylogenetických markerů běžně využívaných ve studiích savců. Výsledky ukazují, že žádný z nich není evolučně neutrální, přičemž téměř všechny nukleární markery vykazují známky pozitivní selekce. Mitochondriální i většina nukleárních markerů také podléhají silné negativní selekci. Působení selekce se navíc liší mezi jednotlivými taxony, což může dále ovlivnit výsledky fylogenetické rekonstrukce. Tato zjištění potvrzují, že selekce je rozšířeným jevem i u běžně využívaných markerů, a měla by být při jejich výběru zohledněna. Tato práce zároveň poskytuje ucelený, byť ne zcela vyčerpávající přehled fylogenetických markerů používaných u savců. Na základě zjištěného působení selekce na jednotlivé markery i konkrétní taxony lze zvolit nejvhodnější marker v závislosti na povaze a cílech fylogenetické analýzy. I přesto, že selekce, ať už pozitivní nebo negativní, porušuje předpoklady modelů a metod fylogenetické rekonstrukce, nelze pouze na základě detekce selekce přímo rozhodnout o tom, zda je gen vhodným fylogenetickým markerem. Určitou míru negativní selekce najdeme u protein kódujících genů ve většině případů. Několik studií také ukazuje, že samotná přítomnost pozitivní selekce v markerech nemusí představovat překážku při fylogenetické analýze (Jansa et al., 2006; Roje, 2014). Možné působení selekce je však vysoce komplexní, zejména v souvislosti s konvergentní evolucí sekvencí a nerovnovážnou vazbou mezi pozicemi. Tato skutečnost poukazuje na potřebu vývoje nových modelů, které uvolňují přísné předpoklady kladené na používané fylogenetické markery, případně modelů schopných lépe zohlednit možný vliv selekce. Dalším výzkumem navazujícím na výsledky této práce by mohlo být srovnání fylogenetické informativnosti jednotlivých markerů rozdělených na základě přítomnosti pozitivní nebo silné negativní selekce. Případně by bylo možné rozdělit pozice markerů do několika skupin dle poměru CO a porovnat fylogenetický signál pozic pod silnou selekcí s těmi neutrálními. To by mohlo pomoci lépe pochopit komplexní vztah selekce a fylogenetické rekonstrukce. -48- Příloha 1 Taxonomie analyzovaných savců Následující tabulka obsahuje seznam všech 191 analyzovaných savců, jejich řád a případně také podtaxon v rámci kterého proběhla analýza selekčního signálu. Druh/poddruh Řád Podtaxon Bison bison Artiodactyla Bos indicus Artiodactyla Bos mutus Artiodactyla Bos taurus Artiodactyla Bubalus bubalis Artiodactyla Bubalus carabanensis Artiodactyla Budorcas taxicolor Artiodactyla Camelus bactrianus Artiodactyla Camelus dromedarius Artiodactyla Camelusferus Artiodactyla Capra hircus Artiodactyla Cervus canadensis Artiodactyla Cervus elaphus Artiodactyla Hippopotamus amphibius Artiodactyla Moschus berezovskii Artiodactyla Odocoileus virginianus Artiodactyla Oryx dammah Artiodactyla Ovis aries Artiodactyla Phacochoerus africanus Artiodactyla Sus scrofa Artiodactyla Vicugna pacos Artiodactyla Balaenoptera acutorostrata Artiodactyla Cetacea Balaenoptera musculus Artiodactyla Cetacea Balaenoptera ricei Artiodactyla Cetacea Delphinapterus leucas Artiodactyla Cetacea Delphinus delphis Artiodactyla Cetacea Globicephala melas Artiodactyla Cetacea Kogia breviceps Artiodactyla Cetacea Lagenorhynchus albirostris Artiodactyla Cetacea Lagenorhynchus obliquidens Artiodactyla Cetacea Lipotes vexillifer Artiodactyla Cetacea Mesoplodon densirostris Artiodactyla Cetacea Monodon monoceros Artiodactyla Cetacea Neophocaena asiaeorientalis Artiodactyla Cetacea Orcinus orca Artiodactyla Cetacea Phocoena sinus Artiodactyla Cetacea Physeter catodon Artiodactyla Cetacea Tursiops truncatus Artiodactyla Cetacea Ailuropoda melanoleuca Carnivora Caniformia Callorhinus ursinus Carnivora Caniformia Canis lupus dingo Carnivora Caniformia -49- Druh/poddruh Řád Podtaxon Canis lupus familiaris Carnivora Caniformia Eumetopias jubatus Carnivora Caniformia Halichoerus grypus Carnivora Caniformia Leptonychotes weddellii Carnivora Caniformia Lontra canadensis Carnivora Caniformia Lutra lutra Carnivora Caniformia Meleš meleš Carnivora Caniformia Mirounga angustirostris Carnivora Caniformia Mirounga leonina Carnivora Caniformia Mustela erminea Carnivora Caniformia Mustela lutreola Carnivora Caniformia Mustela nigripes Carnivora Caniformia Mustela putorius Carnivora Caniformia Neomonachus schauinslandi Carnivora Caniformia Neovison vison Carnivora Caniformia Nyctereutes procyonoides Carnivora Caniformia Odobenus rosmarus Carnivora Caniformia Phoca vitulina Carnivora Caniformia Ursus americanus Carnivora Caniformia Ursus arctos Carnivora Caniformia Ursus maritimus Carnivora Caniformia Vulpes lagopus Carnivora Caniformia Vulpes vulpes Carnivora Caniformia Zalophus californianus Carnivora Caniformia Acinonyx jubatus Carnivora Feliformia Felis catus Carnivora Feliformia Hyaena hyaena Carnivora Feliformia Leopardus geoffroyi Carnivora Feliformia Lynx canadensis Carnivora Feliformia Lynx rufus Carnivora Feliformia Neofelis nebulosa Carnivora Feliformia Panthera leo Carnivora Feliformia Panthera pardus Carnivora Feliformia Panthera tigris Carnivora Feliformia Panthera uncia Carnivora Feliformia Prionailurus bengalensis Carnivora Feliformia Prionailurus viverrinus Carnivora Feliformia Puma concolor Carnivora Feliformia Puma yagouaroundi Carnivora Feliformia Suricata suricatta Carnivora Feliformia Condylura cristata Eulipotyphla Erinaceus europaeus Eulipotyphla Sorex araneus Eulipotyphla Sorexfumeus Eulipotyphla Suncus etruscus Eulipotyphla Talpa occidentalis Eulipotyphla Artibeus jamaicensis Chiroptera Desmodus rotundus Chiroptera Eptesicus fuscus Chiroptera Hipposideros armiger Chiroptera Miniopterus natalensis Chiroptera Molossus molossus Chiroptera Myotis brandtii Chiroptera - Druh/poddruh Rad Podtaxon Myotis daubentonii Chiroptera Myotis davidii Chiroptera Myotis lucifugus Chiroptera Myotis myotis Chiroptera Phyllostomus discolor Chiroptera Phyllostomus hastatus Chiroptera Pipistrellus kuhlii Chiroptera Pteronotus mesoamericanus Chiroptera Ptewpus alecto Chiroptera Pteropus giganteus Chiroptera Ptewpus vampyrus Chiroptera Rhinolophus ferrumequinum Chiroptera Rhinolophus sinicus Chiroptera Rousettus aegyptiacus Chiroptera Sturnira hondurensis Chiroptera Diceros bicornis Perissodactyla Equus asinus Perissodactyla Equus caballus Perissodactyla Equus przewalskii Perissodactyla Equusquagga Perissodactyla Aotus nancymaae Primates Callithrix jacchus Primates Carlito syrichta Primates Cebus imitator Primates Cercocebus atys Primates Colobus angolensis Primates Gorilla gorilla Primates Homo sapiens Primates Hylobates moloch Primates Chlorocebus sabaeus Primates Lemur catta Primates Macaca fascicularis Primates Macaca mulatto Primates Macaca nemestrina Primates Macaca thibetana Primates Mandrillus leucophaeus Primates Microcebus murinus Primates Nomascus leucogenys Primates Nycticebus coucang Primates Otolemur garnettii Primates Pan paniscus Primates Pan troglodytes Primates Papio anubis Primates Piliocolobus tephrosceles Primates Pongo abelii Primates Pongo pygmaeus Primates Propithecus coquereli Primates Rhinopithecus bieti Primates Rhinopithecus roxellana Primates Saimiri boliviensis Primates Sapajus apella Primates Symphalangus syndactylus Primates Theropithecus gelada Primates - Příloha 1 Druh/poddruh Řád Podtaxon Trachypithecusfrancoisi Primates Acomys russatus Rodentia Apodemus sylvaticus Rodentia Arvicanthis niloticus Rodentia Arvicola amphibius Rodentia Castor canadensis Rodentia Cavia porcellus Rodentia Cricetulus griseus Rodentia Dipodomys ordii Rodentia Dipodomys spectabilis Rodentia Fukomys damarensis Rodentia Grammomys surdaster Rodentia Heterocephalus glaber Rodentia Chinchilla lanigera Rodentia Chionomys nivalis Rodentia Ictidomys tridecemlineatus Rodentia Jaculusjaculus Rodentia Marmota flaviventris Rodentia Marmota marmota Rodentia Marmota monax Rodentia Mastomys coucha Rodentia Meriones unguiculatus Rodentia Mesocricetus auratus Rodentia Microtus fortis Rodentia Microtus ochrogaster Rodentia Microtus oregoni Rodentia Mus caroli Rodentia Mus musculus Rodentia Mus pahari Rodentia Myodes glareolus Rodentia Nannospalax galili Rodentia Octodon degus Rodentia Onychomys torridus Rodentia Perognathus longimembris Rodentia Peromyscus californicus Rodentia Peromyscus eremicus Rodentia Peromyscus leucopus Rodentia Peromyscus maniculatus Rodentia Phodopus roborovskii Rodentia Psammomys obesus Rodentia Rattus norvegicus Rodentia Rattus rattus Rodentia Sciurus carolinensis Rodentia Urocitellus parryii Rodentia - -52- Příloha 2 Přístupová čísla NCBI Šedě vyznačená přístupová čísla označují sekvence, které jsem při výpočtu selekčního signálu nevyužila z důvodu chybějících dat. Následující tabulka obsahuje přístupová čísla stažených sekvencí mitochondriálních genů z databáze NCBI. Druh/puddruh Acinonyxjubatus Acomys russatus Ailuropoda melanoleuca Aotus nancymaae Apodemus sylvaticus Artibeusjamaicensis Arvicanthis niloticus Arvicola amphibius Balaenoptera acutorostrata Balaenoptera musculus Balaenoptera ricei Bison bison Bos indicus Bos mutus Bos taurus Bubalus bubalis Bubalus carabanensis Budorcas taxicolor Callithrixjacchus Callorhinus ursinus Camelus bactrianus Camelus dromedarius Camelusferus Canis lupus dingo Canis lupusfamiliaris Capra hircus Carlito syrichta Castor canadensis Cavia porcellus Cebus imitator Cercocebus atys Cervus canadensis Cervus elaphus Colobus angolensis Condylura cristata Cricetulus griseus Delphinapterus leucas Delphinus delphis Desmodus rotundus Diceros bicornis Dipodomys ordii Dipodomys spectabilis Eptesicusfuscus Equus asinus Equus caballus Equus przewalskii Equus quagga Erinaceus europaeus COX1 NC-005212.1:6240-7784 NC-009492.1:6708-8252 NC.018116.1:5324-6880 NC-049122.1:5325-6869 NC-002009.1:5330-6874 MN807587.1:5303-6847 MT381921.1:5306-6850 NC.005271.1:5372-6922 NC-001601.1:5779-7329 EU496283.1 NC-012346.1:5686-7230 NC-005971.1:5690-7234 NC-025563.1:5689-7233 NC-006853.1:5687-7231 NC.049568.1:5700-7244 NC-006295.1:5701-7245 NC.013069.1:5329-6873 NC_025586.1:5319-6858 NC_008415.3:5352-6896 NC.009628.2:5335-6879 NC-009849.1:5333-6877 NC_009629.2:5334-6878 MH035676.1:5350-6894 NC_002008.4:5349-6893 NC_005044.2:5329-6873 NC_012774.1:5367-6908 NC.033912.1:5344-6888 NC-000884.1:5329-6870 NC-087897.1:5329-6885 NC-028592.1:5340-6908 NC_014703.1:5319-6863 NC.007704.2:5336-6880 MW049052.1 NC-029762.1:5359-6903 NC-007936.1:5310-6854 NC_034236.1:5365-6915 NC_036415.1:5362-6912 NC-022423.1:5334-6878 NC.012682.1:5351-6895 NC_068808.1:6168-7715 BK063052.1:6264-7808 NC_001788.1:5357-6901 NC.091244.1:5359-6903 NC-024030.1:5358-6902 NC_044858.1:5356-6900 NC_002080.2:5346-6890 COX2 NC_005212.1:7925-8608 NC-009492.1:8392-9075 NC.018116.1:7009-7696 NC_049122.1:7008-7691 NC_002009.1:7013-7696 MN807587.1:6986-7669 MT381921.1:6989-7672 NC.005271.1:7062-7745 NC-001601.1:7469-8152 NC-012346.1:7375-8058 NC-005971.1:7377-8060 NC-025563.1:7376-8059 NC-006853.1:7374-8057 NC.049568.1:7388-8071 NC-006295.1:7389-8072 NC.013069.1:7016-7699 NC_025586.1:7004-7691 NC_008415.3:7037-7721 NC.009628.2:7023-7706 NC-009849.1:7021-7704 NC_009629.2:7022-7705 MH035676.1:7035-7718 NC_002008.4:7034-7717 NC_005044.2:7016-7699 NC_012774.1:7061-7744 NC.033912.1:7031-7714 NC_000884.1:7018-7701 NC_087897.1:7014-7701 NC-028592.1:7022-7705 NC-014703.1:7006-7689 NC.007704.2:7023-7706 NC-029762.1:7052-7735 NC-007936.1:6994-7677 NC-034236.1:7055-7738 NC_036415.1:7052-7735 NC_022423.1:7019-7702 NC.012682.1:7042-7725 NC.068808.1:7857-8540 BK063052.1:7960-8643 NC_001788.1:7043-7726 NC.091244.1:7045-7728 NC-024030.1:7044-7727 NC-044858.1:7042-7725 NC_002080.2:7034-7717 CYTB NC_005212.1:15061-16200 MH044905.1 NC_009492.1:15529-16668 NC_018116.1:14143-15282 NC_049122.1:14135-15278 NC_002009.1:14150-15289 MN807587.1:14113-15256 MT381921.1:14125-15267 NC.005271.1:14204-15343 NC_001601.1:14610-15749 KJ586849.1 NC-012346.1:14514-15653 NC_005971.1:14517-15656 NC-025563.1:14515-15654 NC_006853.1:14514-15653 NC.049568.1:14529-15668 NC_006295.1:14530-15669 NC-013069.1:14155-15294 NC_025586.1:14141-15280 NC_008415.3:14181-15320 NC.009628.2:14161-15300 NC_009849.1:14156-15295 NC-009629.2:14160-15299 MH035676.1:14186-15325 NC_002008.4:14183-15322 NC-005044.2:14153-15292 NC_012774.1:14190-15329 NC.033912.1:14163-15302 NC_000884.1:14164-15303 NC_087897.1:14170-15306 NC_028592.1:14203-15343 NC-014703.1:14146-15285 NC.007704.2:14162-15301 NC_029762.1:14195-15334 NC_007936.1:14123-15265 NC_034236.1:14193-15332 NC-036415.1:14194-15333 NC-022423.1:14140-15279 NC.012682.1:14180-15319 AF173501.1 NC_068808.1:14996-16135 BK063052.1:15096-16235 NC_001788.1:14185-15324 NC.091244.1:14185-15324 NC_024030.1:14184-15323 NC_044858.1:14182-15321 NC_002080.2:14182-15321 -53- Příloha 2 Druh/puddruh Eumetopias jubatus Felis catus Fukomys damarensis Globicephala melas Gorilla gorilla Grammomys surdaster Halichoerus grypus Heterocephalus glaber Hippopotamus amphibius Hipposideros armiger Homo sapiens Hyaena hyaena Hylobates moloch Chinchilla lanigera Chionomys nivalis Chlorocebus sabaeus Ictidomys tridecemlineatus Jaculusjaculus Kogia breviceps Lagenorhynchus albirostris Lagenorhynchus obliquidens Lemur catta Leopardus geoffroyi Leptonychotes weddellii Lipotes vexillifer Lontra canadensis Lutra lutra Lynx canadensis Lynx rufus Macacafascicularis Macaca mulatta Macaca nemestrina Macaca thibetana Mandrillus leucophaeus Marmotaflaviventris Marmota marmota Marmota monax Mastomys coucha Meies meles Meriones unguiculatus Mesocricetus auratus Mesoplodon densirostris Microcebus murinus Microtusfortis Microtus ochrogaster Microtus oregoni Miniopterus natalensis Mirounga angustirostris Mirounga leonina Molossus molossus Monodon monoceros Moschus berezovskii Mus caroli Mus musculus Mus pahari Mustela erminea Mustela lutreola Mustela nigripes Mustela putorius Myodes glareolus Myotis brandtii Myotis daubentonii Myotis davidii Myotis lucifugus Myotis myotis Nannospalax galili Neofelis nebulosa C0X1 NC_004030.2:5355-6899 NC-001700.1:6216-7760 NC-027742.1:5322-6863 NC.083222.1:5364-6914 NC-001645.1:5325-6875 NC-053796.1:5304-6848 NC_001602.1:6249-7793 NC_015112.1:5320-6861 NC_000889.1:5339-6884 NC-018540.1:5342-6886 NC.012920.1:5904-7445 NC-020669.1:6130-7674 HQ622782.1:5326-6867 NC_021386.1:5331-6875 NC-065750.1:5302-6846 NC.008066.1:5899-7437 NC-027278.1:5347-6888 NC-005314.1:5350-6894 NC_005272.1:5362-6912 NC_083094.1:5366-6916 NC_035426.1:5365-6915 NC_059325.1:5341-6882 NC.028320.1:6123-7667 NC_008424.1:5351-6895 NC_007629.1:5366-6916 NC_071788.1:5340-6884 NC-062277.1:5344-6888 NC_028313.1:6019-7563 NC_014456.1:6241-7785 NC.012670.1:5858-7396 NC_005943.1:5850-7418 NC_026976.1:5848-7416 NC.011519.1:5839-7377 NC-028442.1:5332-6900 NC.042243.1:5347-6888 MN935776.1:5345-6886 NC-080739.1:5348-6889 NC-036018.1:5303-6847 NC-011125.1:5342-6886 NC_023263.1:5336-6880 NC_013276.1:5310-6854 NC_021974.2:5367-6917 NC_028718.1:5385-6926 NC_081580.1:5464-7008 NC-027945.1:5303-6847 OP137089.1 AY377139.1 NC-008422.1:5353-6897 NC_065689.1:5351-6895 NC-005279.1:5364-6914 NC_012694.1:5326-6870 NC-025268.1:5338-6882 NC-005089.1:5328-6872 NC-036680.1:5325-6869 NC_025516.1:5645-7189 NC_056132.1:5340-6884 NC_024942.1:5341-6885 NC.020638.1:5343-6887 NC_024538.1:5309-6853 NC-025308.1:5349-6893 MN122860.1:5347-6891 NC-025568.1:5343-6887 NC-029849.1:5344-6888 NC-029346.1:5345-6889 NC.020754.1:5331-6875 NC-008450.1:6244-7788 COX2 NC_004030.2:7039-7722 NC_001700.1:7902-8585 NC-027742.1:7009-7692 NC.083222.1:7054-7737 NC_001645.1:7007-7690 NC-053796.1:6987-7670 NC_001602.1:7933-8616 NC_015112.1:7007-7690 NC_000889.1:7032-7715 NC_018540.1:7027-7710 NC.012920.1:7586-8269 NC_020669.1:7816-8499 HQ622782.1:7009-7692 NC_021386.1:7018-7701 NC-065750.1:6985-7668 NC.008066.1:7582-8265 NC_027278.1:7032-7715 NC_005314.1:7034-7717 NC-005272.1:7052-7735 NC-083094.1:7056-7739 NC_035426.1:7055-7738 NC-059325.1:7028-7711 NC.028320.1:7809-8492 NC-008424.1:7035-7718 NC-007629.1:7056-7739 NC-071788.1:7024-7707 NC-062277.1:7028-7711 NC_028313.1:7705-8388 NC_014456.1:7927-8610 NC.012670.1:7540-8223 NC_005943.1:7532-8215 NC_026976.1:7530-8213 NC_011519.1:7521-8204 NC-028442.1:7014-7697 NC.042243.1:7032-7715 MN935776.1:7030-7713 NC_080739.1:7033-7716 NC_036018.1:6985-7668 NC_011125.1:7026-7709 NC_023263.1:7019-7702 NC_013276.1:6997-7680 NC_021974.2:7057-7740 NC_028718.1:7071-7754 NC_081580.1:7147-7830 NC-027945.1:6986-7669 AY377162.1 NC-008422.1:7037-7720 NC_065689.1:7036-7719 NC-005279.1:7054-7737 NC.012694.1:7013-7696 NC-025268.1:7022-7705 NC_005089.1:7013-7696 NC-036680.1:7009-7692 NC_025516.1:7328-8011 NC_056132.1:7023-7706 NC-024942.1:7024-7707 NC.020638.1:7026-7709 NC_024538.1:6992-7675 NC-025308.1:7050-7733 MN122860.1:7049-7732 NC-025568.1:7044-7727 NC-029849.1:7046-7729 NC-029346.1:7047-7730 NC.020754.1:7012-7695 NC_008450.1:7930-8613 CYTB NC-004030.2 14184-15323 NC-001700.1 15038-16177 NC_027742.1 14150-15289 NC.083222.1 14196-15335 NC-001645.1 14169-15309 NC_053796.1 14106-15249 NC-001602.1 15067-16206 NC.015112.1 14149-15283 NC-000889.1 14172-15311 NC-018540.1 14161-15300 NC.012920.1 14747-15887 NC-020669.1 14952-16091 HQ622782.1:14176- 15316 NC-021386.1 14163-15302 NC_065750.1 14120-15262 NC.008066.1 14732-15872 NC-027278.1 14162-15301 NC-005314.1 14170-15309 NC-005272.1 14191-15330 NC-083094.1 14199-15338 NC-035426.1 14198-15337 NC-059325.1 14176-15315 NC.028320.1 14945-16084 NC-008424.1 14171-15310 NC-007629.1 14196-15335 NC-071788.1 14170-15309 NC_062277.1 14173-15312 NC.028313.1 14841-15980 NC-014456.1 15064-16203 NC-012670.1 14749-15889 NC-005943.1 14741-15881 NC-026976.1 14739-15876 NC.011519.1 14718-15858 NC_028442.1 14195-15335 NC.042243.1 14162-15301 MN935776.1:14160-15299 NC-080739.1 14162-15301 NC-036018.1 14114-15257 NC-011125.1 14170-15309 NC-023263.1 14147-15286 NC-013276.1 14125-15265 NC.021974.2 14194-15333 NC-028718.1 14222-15361 NC-081580.1 14280-15422 NC_027945.1 14118-15260 GU954308.1 OP157142.1 AY377325.1 NC_008422.1 14172-15311 NC-065689.1 14175-15314 NC_005279.1 14193-15332 NC-012694.1 14153-15292 NC_025268.1 14153-15296 NC-005089.1 14145-15288 NC_036680.1 14136-15279 NC-025516.1 14472-15611 NC-056132.1 14167-15306 NC-024942.1 14168-15307 NC.020638.1 14170-15309 NC-024538.1 14128-15270 NC_025308.1 14176-15315 MN122860.1:14188-15327 NC-025568.1 14186-15325 NC-029849.1 14171-15310 NC_029346.1 14186-15325 NC.020754.1 14150-15289 NC-008450.1 15066-16205 -54- Příloha 2 Druh/puddruh Neomonachus schauinslandi Neophocaena asiaeorientalis Neovison vison Nomascus leucogenys Nyctereutes procyonoides Nycticebus coucang Octadon degus Odobenus rosmarus Odocoileus virginianus Onychomys torridus Orcinus orca Oryx dammah Otalemur garnettii Ovis aries Pan paniscus Pan troglodytes Panthern leo Panthern pardus Panthera tigris Panthera uncia Papio anubis Perognathus longimembris Peromyscus californicus Peromyscus eremicus Peromyscus leucopus Peromyscus maniculatus Phacochoerus africanus Phoca vitulina Phocoena sinus Phodopus roborovskii Phyllostomus discolor Phyllostomus hastatus Physeter catodon Piliocolobus tephrosceles Pipistrellus kuhlii Pongo abelii Pongo pygmaeus Prionailurus bengalensis Prionailurus viverrinus Propithecus coquereli Psammomys obesus Pteronotus mesoamericanus Pteropus alecto Pteropus giganteus Pteropus vampyrus Puma concolor Puma yagouaroundi Rattus norvegicus Rattus rattus Rhinolophusferrumequinum Rhinolophus sinicus Rhinopithecus bieti Rhinopithecus roxellana Rousettus aegyptiacus Saimiri boliviensis Sapajus apella Sciurus carolinensis Sorex araneus Sorexfumeus Sturnira hondurensis Suncus etruscus Suricata suricatta Sus scrofa Symphalangus syndactylus Talpa occidentalis Theropithecus gelada Trachypithecusfrancoisi C0X1 NC-008421.1:5357-6901 NC_026456.1:5366-6919 NC-020641.1:5339-6883 NC.021957.1:5325-6875 NC_013700.1:5347-6891 NC-002765.1:5379-6920 NC-020661.1:5344-6888 NC_004029.2:5350-6894 NC.015247.1:380-1924 HQ980049.1 NC.064558.1:5365-6915 NC_058019.1:5325-6869 AY671787.1 NC-001941.1:5332-6876 NC_001644.1:5322-6863 NC.001643.1:5321-6862 NC-Ol 8053.1:6222-7775 NC-010641.1:6305-7849 NC-010642.1:6280-7824 NC_010638.1:6099-7643 NC_020006.2:5332-6900 EF156865.1 OP524493.1:5316-6860 NC_047188.1:5320-6864 NC_037180.1:5326-6870 NC-039921.1:5320-6864 NC_008830.1:6618-8162 NC_001325.1:6275-7819 NC-053751.1:5388-6938 NC_031809.1:5314-6858 NC-065690.1:5347-6891 EU096840.1 NC_002503.2:5369-6919 KU058655.1:5341-6891 NC-002083.1:5342-6884 NC_001646.1:5332-6871 NC-016189.1:6196-7740 NC-028305.1:6096-7640 NC_011053.1:5350-6894 NC-037509.1:5327-6871 KX590231.1 NC-023122.1:5349-6893 MZ573763.1 NC-026542.1:5344-6888 NC_016470.1:6263-7807 NC-028311.1:6049-7593 NC_001665.2:5323-6867 NC_012374.1:5316-6860 NC-016191.1:5342-6886 KP257597.1:5343-6887 NC-015486.1:5325-6869 NC-008218.1:5323-6867 NC-007393.1:5347-6891 NC_021966.1:5313-6854 NC_064184.1:5326-6882 NC_050012.1:5352-6893 NC-027963.1:5350-6894 OR530518.1 OP855700.1 NC-045900.1 5356 6900 NC-000845.1 6511 8055 NC.014047.1 5329 6870 NC-039630.1 5352 6896 NC.019802.1 5342 6883 NC-023970.1 5327 6871 COX2 NC .008421.1 7041 7724 NC .026456.1 7055 7738 NC .020641.1 7026 7709 NC .021957.1 7007 7690 NC .013700.1 7042 7725 NC .002765.1 7064 7747 NC .020661.1 7036 7719 NC .004029.2 7034 7718 NC .015247.1 2067 2750 NC .064558.1 7055 7738 NC .058019.1 7012 7695 NC .001941.1 7019 7702 NC .001644.1 7004 7687 NC .001643.1 7003 7686 NC .018053.1 7916 8599 NC .010641.1 7991 8674 NC .010642.1 7966 8649 NC .010638.1 7785 8468 NC .020006.2 7014 7697 OP524493.1:6999-7682 NC_047188.1:7003-7686 NC_037180.1:7009-7692 NC-039921.1:7003-7686 NC_008830.1:8310-8997 NC_001325.1:7959-8642 NC-053751.1:7078-7761 NC_031809.1:6997-7680 NC_065690.1:7032-7715 M80906.1 NC_002503.2:7059-7742 KU058655.1:7032-7715 NC-002083.1:7023-7706 NC_001646.1:7014-7697 NC-016189.1:7882-8565 NC-028305.1:7782-8465 NC-Ol 1053.1:7035-7718 NC-037509.1:7011-7694 NC-023122.1:7034-7717 NC-026542.1:7029-7712 NC_016470.1:7949-8632 NC-028311.1:7735-8418 NC_001665.2:7006-7689 NC_012374.1:6999-7682 NC-016191.1:7027-7710 KP257597.1:7028-7711 NC_015486.1:7008-7691 NC_008218.1:7006-7689 NC_007393.1:7032-7715 NC_021966.1:6997-7670 NC_064184.1:7010-7697 NC_050012.1:7038-7721 NC-027963.1:7039-7722 OP846408.1 NC-045900.1 7057 7740 NC-000845.1 8203 8890 NC-014047.1 7012 7695 NC-039630.1 7043 7726 NC.019802.1 7024 7707 NC-023970.1 7010 7693 CYTB NC-008421.1:14177-15316 NC-026456.1:14196-15335 NC-020641.1:14170-15309 NC.021957.1:14169-15309 NC_013700.1:14194-15333 NC-002765.1:14202-15341 NC-020661.1:14191-15330 NC_004029.2:14173-15312 NC-015247.1:9207-10346 KY754082.1 NC.064558.1:14197-15336 NC_058019.1:14153-15292 KP410640.1 NC-001941.1:14159-15298 NC_001644.1:14166-15306 NC.001643.1:14165-15305 NC-018053.1:15052-16191 NC-010641.1:15127-16266 NC-010642.1:15103-16242 NC_010638.1:14921-16060 NC-020006.2:14168-15308 U65302.1 OP524493.1:14145-15288 NC_047188.1:14148-15291 NC_037180.1:14153-15296 NC-039921.1:14147-15290 NC-008830.1:15447-16586 NC-001325.1:15094-16233 NC-053751.1:14237-15376 NC-031809.1:14124-15266 NC_065690.1:14172-15311 FJ155479.1 NC-002503.2:14199-15338 KU058655.1:14160-15299 NC-002083.1:14201-15341 NC_001646.1:14191-15331 NC-016189.1:15019-16158 NC_028305.1:14919-16058 NC-Ol 1053.1:14182-15321 NC_037509.1:14151-15294 KX589922.1 NC_023122.1:14172-15311 JN398211.1 NC_026542.1:14178-15317 NC-016470.1:15085-16224 NC-028311.1:14871-16010 NC-001665.2:14136-15278 NC-012374.1:14127-15269 NC-016191.1:14166-15305 KP257597.1:14164-15303 NC-015486.1:14191-15325 NC_008218.1:14190-15324 NC-007393.1:14185-15324 NC_021966.1:14131-15270 NC_064184.1:14169-15305 NC_050012.1:14168-15307 NC-027963.1:14382-15521 AB175116.1 KC753793.1 LC126597.1 NC_045900.1:14194-15333 NC-000845.1:15342-16481 NC-014047.1:14175-15315 NC_039630.1:14181-15320 NC-019802.1:14177-15311 NC_023970.1:14186-15326 -55- Příloha 2 Druh/puddruh C0X1 COX2 CYTB Tursiops truncatus NC.012059.1 5363-6913 NC.012059.1 7053-7736 NC.012059.1 14195-15334 Urocitellus parryii NC-059785.1 5352-6893 NC_059785.1 7037-7720 NC-059785.1 14167-15306 Ursus americanus NC-003426.1 6291-7835 NC_003426.1 7975-8658 NC003426.1 15113-16252 Ursus arctos NC.003427.1 6484-8028 NC.003427.1 8168-8851 NC.003427.1 15306-16445 Ursus maritimus NC-003428.1 6479-8023 NC_003428.1 8163-8846 NC-003428.1 15301-16440 Vicugna pacos NC-002504.1 5326-6870 NC_002504.1 7014-7697 NC-002504.1 14154-15293 Vulpes lagopus NC-026529.1 5351-6895 NC_026529.1 7036-7719 NC-026529.1 14186-15325 Vulpes vulpes NC-008434.1 5350-6894 NC_008434.1 7035-7718 NC-008434.1 14185-15324 Zalophus californianus NC_008416.1 5358-6902 NC_008416.1 7042-7723 NC.008416.1 14185-15324 První ze tří tabulek obsahujících přístupová čísla stažených sekvencí nukleárních genů z databáze NCBI. Druh/puddruh APOB BRCA1 CSN3 DMP1 Acinonyxjubatus Acomys russatus Ailuropoda melanoleuca Aotus nancymaae Apodemus sylvaticus Artibeusjamaicensis Arvicanthis niloticus Arvicola amphibius Balaenoptera acutorostrata Balaenoptera musculus Balaenoptera ricei Bison bison Bos indicus Bos mutus Bos taurus Bubalus bubalis Bubalus carabanensis Budorcas taxicolor Callithrixjacchus Callorhinus ursinus Camelus bactrianus Camelus dromedarius Camelusferus Canis lupus dingo Canis lupusfamiliaris Capra hircus Carlito syrichta Castor canadensis Cavia porcellus Cebus imitator Cercocebus atys Cervus canadensis Cervus elaphus Colobus angolensis Condylura cristata Cricetulus griseus Delphinapterus leucas Delphinus delphis Desmodus rotundus Diceros bicornis Dipodomys ordii Dipodomys spectabilis Eptesicusfuscus Equus asinus Equus caballus Equus przewalskii Equusquagga Erinaceus europaeus Eumetopias jubatus XM.027033268.2 XM.051143365.1 XM.034659850.1 XM.021677055.2 XM.052184767.1 XM.037151750.2 XM.034514286.1 XM.038318370.2 XM.028166784.2 XM.036872347.1 XM.059943047.1 XM.010840537.1 XM.019969506.1 XM.005895759.2 XM.024999521.2 XM.044926208.2 XM.055541755.1 XM.052649316.1 XM.035273095.2 XM.025867581.1 XM.010947387.2 XM.031466641.2 XM.032497103.1 XM.025454549.3 XM.038690816.1 XM_018055590.1 XM.021716809.1 XM.020187545.1 XM.003473159.3 XM.017526598.1 XM.012044649.1 XM.043469277.1 XM.043917599.1 XM.011950671.1 XM.004686059.1 XM.035442518.1 XM.022574358.1 XM.060027042.1 XM.045189621.2 XM.058551724.1 XM.013013544.1 XM.042680732.1 XM.054728236.1 XM.044772007.1 XM.023619446.1 XM.008539694.1 XM.046663340.1 XM.007516778.3 XM.028099515.1 XM.027048935.2 XM_051158702.1 XM.034641122.1 XM.021673672.2 XM.052194670.1 XM.053661375.1 XM.034507638.1 XM.038328437.1 XM.057535628.1 XM.036837937.1 XM.059907262.1 XM.010842466.1 XM.019981053.1 XM.005909180.2 NM.178573.1 XM.025280062.3 XM.055575774.1 XM.05265 8434.1 XM.008996686.4 XM.025861663.1 XM.010968937.2 XM.010981838.3 XM.006175151.3 XM_025440430.3 NM.001013416.1 XM.018065164.1 XM.021716224.1 XM.020165150.1 XM.013149696.3 XM.017509326.2 XM.012046789.1 XM.043467647.1 XM.043904730.1 XM.011929928.1 XM.012726106.1 XM.027428048.2 XM.022557763.2 XM.059997408.1 XM.053930516.1 XM.058561051.1 XM.013031946.1 XM.042674019.1 XM.054709480.1 XM.014833644.2 XM.023652469.1 XM.008543412.1 XM.046676719.1 XM.060203427.1 XM.028093921.1 XM.015076911.2 XM.051170355.1 XM.019799956.1 XM.064364365.1 XM.053655669.1 XM.034508204.1 XM_03 8317770.1 XM.007193562.2 XM.036853293.1 XM.059924062.1 XM.010839113.1 XM.019962873.1 XM.005897042.2 NM.174294.2 NM.001290972.1 XM.055588734.1 XM.052642252.1 XM.017970503.4 XM.025886930.1 NM.001303518.1 NM.001303560.1 XM.006188672.2 XM.035711301.2 XM.038684617.1 NM.001285587.1 XM.008069910.1 XM.020151672.1 XM.037728916.1 XM.012082924.1 XM.043447866.1 XM.043906554.1 XM.011927095.1 XM.004681237.1 XM.035452493.1 XM.022561707.1 XM.060011720.1 XM.024578113.2 XM.058546427.1 XM.013020079.1 XM.042678381.1 XM.054722155.1 XM.014847264.2 NM.001081884.1 XM.008512353.1 XM.046655958.1 XM.007523557.2 XMJ328100524.1 XM.015067468.3 XM.051170631.1 XM.011232259.2 XM.012437662.2 XM.052198604.1 XM.037150023.2 XM.034491815.1 XM.038315807.1 XM.007184122.2 XM.036852046.1 XM.059923885.1 XM.010847789.1 XM.019962170.1 XM.005911009.2 NM.174038.3 XM.006048654.4 XM.055587519.1 XM.052642304.1 XM.002745615.5 XM.025873390.1 XM.010966146.2 XM.031433662.2 XM.014551291.2 XM.025425305.3 XM_038444085.1 XM.005681883.3 XM.021718826.1 XM.020153734.1 XM.003469364.3 XM.017545123.2 XM.012040136.1 XM.043448363.1 XM.043906229.1 XM.011951818.1 XM.004681135.2 XM.035452154.1 XM.022582285.2 XM.060011597.1 XM.024574965.3 XM.058546459.1 XM.013029827.1 XM.042668439.1 XM.054723290.1 XM_044766644.1 XM.005608642.3 XM.008541323.1 XM.046656928.1 XM.060188601.1 XM.028117743.1 -56- Příloha 2 Druh/puddruh APOB BRCA1 CSN3 DMP1 Felis catus Fukomys damarensis Globicephala melas Gorilla gorilla Grammomys surdaster Halichoerus grypus Heterocephalus glaber Hippopotamus amphibius Hipposideros armiger Homo sapiens Hyaena hyaena Hylobates moloch Chinchilla lanigera Chionomys nivalis Chlorocebus sabaeus Ictidomys tridecemlineatus Jaculusjaculus Kogia breviceps Lagenorhynchus albirostris Lagenorhynchus obliquidens Lemur catta Leopardus geoffroyi Leptonychotes weddellii Lipotes vexillifer Lontra canadensis Lutra lutra Lynx canadensis Lynx rufus Macacafascicularis Macaca mulatta Macaca nemestrina Macaca thibetana Mandrillus leucophaeus Marmotaflaviventris Marmota marmota Marmota monax Mastomys coucha Meies meles Meriones unguiculatus Mesocricetus auratus Mesoplodon densirostris Microcebus murinus Microtusfortis Microtus ochrogaster Microtus oregoni Miniopterus natalensis Mirounga angustirostris Mirounga leonina Molossus molossus Monodon monoceros Moschus berezovskii Mus caroli Mus musculus Mus pahari Mustela erminea Mustela lutreola Mustela nigripes Mustela putorius Myodes glareolus Myotis brandtii Myotis daubentonii Myotis davidii Myotis lucifugus Myotis myotis Nannospalax galili Neofelis nebulosa Neomonachus schauinslandi XM_003984468.6 XM_033762857.1 XM_030858310.2 XM.004028908.4 XM.028779394.1 XM_036112735.1 XM_004839070.3 XM_057743096.1 XM_019651837.1 NM_000384.3 XM.039222451.1 XM_032172346.2 XM_005400358.2 XM_057780956.1 XM_038006617.1 XM.005322645.4 XM_004663762.2 XM_059079137.2 XM_060168948.1 XM_027113739.1 XM_045549123.1 XM_045447603.1 XM.031039224.1 XM.007463760.1 XM_032866920.1 XM.047745761.1 XM.030311575.1 XM.047067570.1 XM.005576465.4 XM.001097500.4 XM-011738185.2 XM.050754588.1 XM.011971397.1 XM_027937775.1 XM.015479940.2 XM.046441334.2 XM_031355760.1 XM.045979562.1 XM_021654304.2 XM.005079084.4 XM.060117213.1 XM_012761208.2 XM_050141959.1 XM_005360576.3 XM_041639366.1 XM_016224750.1 XM.045883941.2 XM_035000523.1 XM_036263297.1 XM.029232060.1 XM_055400866.1 XM.021178578.2 NM.009693.2 XM_021202293.2 XM_032353203.1 XM_059132540.1 XM_059405208.1 XM_004745883.2 XM.048439666.1 XM.005874933.2 XM_059660452.1 XM_015566436.1 XM_023756429.1 XM.036335239.1 XM_029553976.1 XM.058682637.1 XM_021697339.2 XM_019817933.3 XM_010642987.3 XM_030840103.2 XM.031011552.3 XM_028780663.1 XM_036095499.1 XM_021240178.1 XM_057714392.1 XM.019667034.1 NM_007294.4 XM.039224283.1 XM_032163745.2 XM_013519228.1 XM_057775 846.1 XM_037993 842.1 XM.040268959.1 XM_045159814.1 XM_067020706.1 XM_060135992.1 XM_027094654.1 XM.045526646.1 XM_045489007.1 XM_007449887.1 XM_032871740.1 XM_047706070.1 XM_032591074.1 XM.047093517.1 XM_065532409.1 NM_001114949.1 XM.011725001.2 XM_050762519.1 XM.011999017.1 XM_034635200.1 XM.048790680.1 XM_046446634.2 XM_031354074.1 XM_045986449.1 XM_021641180.2 XM.040749756.1 XM_060080410.1 XM_020281092.1 XM_050156467.1 XM_026777053.1 XM_041644027.1 XM_016202128.1 XM.064582502.1 XM_035027209.1 XM_036269563.1 XM_029212505.1 XM_055407952.1 XM.021176032.1 NM_009764.3 XM_021211578.1 XM_032322956.1 XM_059149814.1 XM_059379007.1 XM_004772608.3 XM.048445737.1 X M j O 14547201.1 XM_059670278.1 XM_015570568.1 XM_014458810.2 XM.036339652.1 XM_029557415.1 XM.058702611.1 XM_021681657.1 XM_003985304.2 XM_019204813.1 XM_030880738.2 XM.063705126.1 XM.028752574.1 XM_036068742.1 XM-004871751.2 XM_057728576.1 XM.019663200.1 NM.005212.3 XM.039251779.1 XM_05 8429953.1 XM_013518493.1 XM_057773219.1 XM_037994723.1 XM.005333303.2 XM_045161216.1 XM.059066193.2 XM_060147248.1 XM_027089653.1 XM.045532472.1 XM_045450396.1 XM.031023736.1 XM.007450170.1 XM_032863403.1 XM.047719463.1 XM_030311988.1 XM.047091253.1 XM.005555144.4 XM_028848535.1 XM.011733810.1 XM_050791434.1 XM.011968291.1 XM.027950891.1 XM.048785743.1 XM.046428733.2 XM.031342043.1 XM-045988511.1 XM.060378814.1 XM.040747354.1 XM.060090460.1 XM.020284230.1 XM.050149612.1 XM.005359601.1 XM.041671064.1 XM.016207082.1 XM.045881060.1 XM.035004866.1 XM.029235780.1 XM.055434592.1 XM.021163837.2 NM.007786.5 XM.021211343.1 XM.032334502.1 XM.059153813.1 XM.059396689.1 XM.045079928.1 XM.048427667.1 XM.014529479.1 XM.059706547.1 XM.015570058.1 XM.014468332.1 XM.036329413.1 XM.008829590.1 XM.058722355.1 XM.044913099.1 XM.019829256.2 XM.010606738.2 XM.030865778.2 XM.063705130.1 XM.028773716.1 XM.036096724.1 XM.021248804.1 XM.057727720.1 XM.019668077.1 NM.004407.4 XM.039225116.1 XM.032163799.1 XM.005401334.2 XM.057772442.1 XM.007999196.2 XM.021721170.2 XM.012949489.2 XM.067035466.1 XM.060147091.1 XM.027116946.1 XM.045536796.1 XM.045473327.1 XM.006727042.2 XM.007450688.1 XM.032873928.1 XM.047719913.1 XM.030313467.1 XM.047090444.1 XM.065545236.1 XM.015138768.2 XM.011737742.2 XM.050790472.1 XM.011990741.1 XM.027939866.1 XM.048784850.1 XM.046457644.2 XM.031342199.1 XM.045997595.1 XM.060381062.1 XM.005076370.4 XM.060114964.1 XM.020284563.1 XM.050155801.1 XM.013350875.2 XM.041642122.1 XM.016213041.1 XM.064582746.1 XM.035004553.1 XM.036244687.1 XM.029235989.1 XM.055434751.1 XM.021163789.1 NM.001359013.1 XM.021211272.2 XM.032332837.1 XM.059154998.1 XM.059394465.1 XM.004756109.3 XM.048428173.1 XM.014545959.1 XM.059681911.1 XM.015561527.1 XM.023750292.1 XM.036305861.1 XM.008851733.2 XM.058721953.1 XM.021702341.1 -57- Příloha 2 Druh/puddruh APOB BRCA1 CSN3 DMP1 Neophocaena asiaeorientalis Neovison vison Nomascus leucogenys Nyctereutes procyonoides Nycticebus coucang Octadon degus Odobenus rosmarus Odocoileus virginianus Onychomys torridus Orcinus orca Oryx dammah Otalemur garnettii Ovis aries Pan paniscus Pan troglodytes Panthera leo Panthera pardus Panthera tigris Panthera uncia Papio anubis Perognathus longimembris Peromyscus californicus Peromyscus eremicus Peromyscus leucopus Peromyscus maniculatus Phacochoerus africanus Phoca vitulina Phocoena sinus Phodopus roborovskii Phyllostomus discolor Phyllostomus hastatus Physeter catodon Piliocolobus tephrosceles Pipistrellus kuhlii Pongo abelii Pongo pygmaeus Prionailurus bengalensis Prionailurus viverrinus Propithecus coquereli Psammomys obesus Pteronotus mesoamericanus Pteropus alecto Pteropus giganteus Pteropus vampyrus Puma concolor Puma yagouaroundi Rattus norvegicus Rattus rattus Rhinolophusferrumequinum Rhinolophus sinicus Rhinopithecus bieti Rhinopithecus roxellana Rousettus aegyptiacus Saimiri boliviensis Sapajus apella Sciurus carolinensis Sorex araneus Sorexfumeus Sturnira hondurensis Suncus etruscus Suricata suricatta Sus scrofa Symphalangus syndactylus Talpa occidentalis Theropithecus gelada Trachypithecusfrancoisi Tursiops truncatus XM.024747803.1 XM_044262005.1 XM_003270568.4 XM.055327418.1 XM_053587405.1 XM_023710934.1 XM.004405522.1 XMJ320898266.1 XM.036171327.1 XM.004274849.3 XM.040225679.1 XM_023511812.1 XM.027966544.2 XMJ334952688.3 XM.515323.7 XM.042933585.1 XM_053891121.1 XM.042982424.1 XMJ349652009.1 XM.021924617.2 XM.048353386.1 XMJ352745659.1 XM.059248518.1 XMJ328861764.2 XMJ306981434.3 XM.047782560.1 XM_032391593.1 XMJ332653146.1 XM_051181687.1 XMJ336027694.1 XM.045844323.1 XM.028496582.2 XM.023230042.1 XMJ345580498.1 XM.024242617.2 XM.054475522.1 XM.043604452.1 XM.047852694.1 XM_012653063.1 XMJ355625998.1 XM.054569196.1 XM_006910423.2 XM_039887734.1 XM.011356625.2 XM_025927155.1 XM.040496157.1 NM.019287.2 XM_032909188.1 XM_033125573.1 XM.019756811.1 XM_017876834.1 XM.010383001.2 XM.016144749.2 XM_039480113.1 XM_032293999.1 XM.047522404.1 XM.055121351.1 XM_056126573.1 XM.037035491.1 XM_049784666.1 XMJ329938566.1 NM_001375388.1 XM_055252433.2 XM.037528454.2 XM_025354212.1 XM.033176393.1 XM.019943351.2 XM_024742367.1 XM_044247830.1 NM_001308668.1 XM.055322905.1 XM_053568910.1 XM_023718048.1 XM_012565923.1 XM_020886527.1 XM.036194496.1 XM_033410957.2 XM.040245226.1 XM_023511242.1 XM_042256004.1 NM_001301758.1 NM_001045493.1 XM.042917145.1 XM_019435327.2 XM_042967579.1 XM_049636158.1 NM_001302103.1 XM.048367069.1 XM_052756257.1 XM.059271850.1 XM_037201135.1 XM_042282853.1 XM_047759194.1 XM_032396441.1 XM.032615410.1 XM_051177549.1 XM_036033957.1 XM_045837007.1 XM_028498119.2 XM.023204001.1 XM_045586213.1 XM.009251700.4 XM_054457700.2 XM_043584600.1 XM_047845844.1 XM_012656643.1 XM.055619709.1 XM_054593639.1 XM_006924563.3 XM_039873350.1 XM.011381155.2 XM_025917666.1 XM_040497674.1 NM.012514.2 XM_032914456.1 XM_033091588.1 XM_019747814.1 XM_017867636.1 XM.030923110.1 XMJH6150952.2 XM_039475995.1 XM_032279508.1 XM_047543550.1 XM_055133209.1 XM_056127887.1 XM.037033501.1 XM_049768089.1 XM_029926858.1 XM_005656956.3 XM_055256857.2 XM.037491518.2 XM_025363311.1 XM.033182851.1 XM_019939445.2 XM-024741611.1 XM_044225286.1 XM_003265702.2 XM.055315308.1 XM_053594417.1 XM_004647923.1 XM.004392891.1 XM_020873526.1 XM.036200467.1 XM.012532551.2 XM.040237013.1 XM_003800978.1 NM_001009378.1 XM_003808999.5 XM_054683040.1 XM.042936239.1 XM_019463579.2 XM_007086916.2 XM_049630585.1 XM_003898807.5 XM.048364863.1 XM_028863965.2 XM_006991643.3 XM_047799179.1 XM.032400501.1 XM.032632956.1 XM_051198594.1 XM_028505606.2 XM-045857681.1 XM_024132014.1 XM.023190216.1 XM_036421639.2 XM.054554034.1 XM_063663227.1 XM-043554761.1 XM_047857478.1 XM_012659821.1 XM_055595496.1 XM_054589662.1 XM_006917309.1 XMJ339845375.1 XM.011360611.1 XM_025922436.1 XM_040476458.1 NM.031562.2 XM_032917112.1 XM_033105748.1 XM_019757077.1 XM_017878968.1 XM.010383853.2 XM_016123358.1 XM.039468481.1 XM_032259328.1 XM_047566032.1 XM_012935729.2 XM_029951855.1 NMJ301004026.1 XM_055297407.2 XM.037530059.1 XM.0253 86464.1 XM.033215982.1 XM_019928028.1 XM_024736205.1 XM_044224556.1 XM_003265878.3 XM.055313216.1 XM_053594938.1 XM_004629159.2 XM_004391535.1 XM_020904115.1 XM.036200211.1 XM_033421505.2 XM.040237296.1 XM_023513418.1 XM.012180327.4 XM_055111604.2 XM_054683177.2 XM.042933970.1 XM_019464822.2 XM.042982711.1 XM_049630855.1 XM_021938437.2 XM.048364496.1 XM_052736005.1 XM.059275678.1 XM_028867454.2 XM_042285435.1 XM_047797958.1 XM_032400768.1 XM.032633391.1 XM_051198525.1 XM_036026754.1 XM_045820396.1 XM_028491585.2 XM.023198126.2 XM_045570873.1 XM.002814953.4 XM_054485500.1 XM_043572215.1 XM_047857545.1 XMJH2647195.1 XM.055594612.1 XM_054591578.1 XM_006910709.1 XM_039844972.1 XM.011356316.1 XM.025922001.1 XM_040478680.1 NM.001433761.1 XM_032916531.1 XM_033105647.1 XMJH9731249.1 XM_017866846.1 XM.010383120.2 XMJH6161020.2 XM.003923991.1 XM_032239663.1 XM_047565632.1 XM_055140180.1 XM_056111137.1 XM.037046143.1 XM_049789887.1 XM_029924702.1 NM-001129953.2 XM_055296200.2 XM.037530345.1 XM_025386295.1 XM.033215971.1 XM.019926721.2 -58- Příloha 2 Druh/puddruh APOB BRCA1 CSN3 DMP1 Urocitellus parryii Ursus americanus Ursus arctos Ursus maritimus Vicugna pacos Vulpes lagopus Vulpes vulpes Zalophus californianus XM.026390830.1 XM-045813461.1 XM.0265 19577.3 XM.040623722.1 XM.006197288.3 XM_041754595.1 XMJ326014965.1 XM_027621822.2 XM_026386835.1 XM_045781762.1 XM.057317881.1 XM.040640558.1 XM_006199189.3 XM_041724533.1 XM_025987104.1 XM_027624563.2 XMJ345789150.1 XM_026510026.2 XM.008693175.1 XM.006212504.2 XM_041724458.1 XMJ326003478.1 XM_027600186.1 XM_026379640.1 XM_045791574.1 XM_026509605.3 XM.008706189.2 XM_031688384.1 XM_041759926.1 XM_025998064.1 XM_027597360.2 Druhá ze tří tabulek obsahujících přístupová čísla stažených sekvencí nukleárních genů z databáze NCBI. Druh/puddruh GHR LCAT MYC RAG1 Acinonyxjubatus Acomys russatus Aüuropoda melanoleuca Aotus nancymaae Apodemus sylvaticus Artibeusjamaicensis Arvicanthis niloticus Arvicola amphibius Balaenoptera acutorostrata Balaenoptera musculus Balaenoptera ricei Bison bison Bos indicus Bos mutus Bos taurus Bubalus bubalis Bubalus carabanensis Budorcas taxicolor Callithrixjacchus Callorhinus ursinus Camelus bactrianus Camelus dromedarius Camelusferus Canis lupus dingo Canis lupusfamiliaris Capra hircus Carlito syrichta Castor canadensis Cavia porcellus Cebus imitator Cercocebus atys Cervus canadensis Cervus elaphus Colobus angolensis Condylura cristata Cricetulus griseus Delphinapterus leucas Delphinus delphis Desmodus rotundus Diceros bicornis Dipodomys ordii Dipodomys spectabilis Eptesicusfuscus Equus asinus Equus caballus Equus przewalskii Equusquagga Erinaceus europaeus Eumetopias jubatus Felis catus XM.015067573.3 XM_051172293.1 NMJ301304890.1 XM.012433844.3 XM.052159774.1 XM.053657234.1 XM.034523342.1 XM.038321115.1 XM.007195530.2 XM.036849227.1 XM.059916313.1 XM.010832813.1 XM.019982774.1 XM.005889721.2 NM-176608.1 NM.001290971.1 XMJ355554857.1 XM.052659048.1 XM.035291616.2 XMJ325867338.1 XMJ310957409.2 XMJ364480357.1 XM.032471550.1 XM.035714888.2 NM.001003123.1 NMJ301285648.1 XM_021709815.1 XM.020181292.1 NM_001172706.1 XM.017533142.2 XM_012055294.1 XMJ343488954.1 XM.043887643.1 XM_011954465.1 XM.004678346.2 XM.016980790.2 XM_022598260.2 XM_060009529.2 XM_045186428.2 XM.058564158.1 XM_013018643.1 XM.042690566.1 XM_054715288.1 XM_044779368.1 XM_023625698.1 XMJ308524570.1 XM.046671901.1 XM_007517617.3 XM_028097994.1 XM_045037560.1 XM_015068818.3 XM_051169304.1 XM.011223955.3 XM.012468171.2 XM_052167139.1 XM.037162578.2 XM_034522655.1 XM_038312436.2 XM-007198151.3 XM_036832631.1 XM.059905094.1 XM_010851007.1 XM_019978976.1 XM_005896529.1 NM_001046069.2 XM.006040996.4 XM_055554177.1 XM.052656671.1 XM_002761078.6 XM_025888793.1 XM.010962501.2 XM_010979260.3 XM.006180600.3 XM_035715725.2 XM_038667269.1 XM_005692166.1 XM_021716387.1 XM.020171127.1 XM_003472142.5 XM.017539443.1 XM_012058934.1 XM_043437210.1 XM_043898864.1 XM_011932029.1 XM.004690452.2 XM_007644850.4 XM_022583416.1 XM_059999177.1 XM_024556187.3 XM.058528076.1 XM_013012870.1 XM.042700764.1 XM_008139930.3 XM.014827680.2 XM_005608349.3 XM_008518213.1 XM.046682276.1 XM_016185844.2 XM_028092080.1 XM_003998147.5 XM_027063915.2 XM_051159605.1 XM_034668612.1 XM.012451635.3 XM.052161161.1 XM.037166711.2 XM.034517270.1 XM_03 8342611.2 XM.057532313.1 XM_036830572.1 XM.059901887.1 XM.010844332.1 XM_019973984.1 XM_014479490.1 NM_001046074.2 NM.001290900.1 XM.055545790.1 XM.052651515.1 XM_035276808.2 XM_025871112.1 XM_010972639.2 XMJ310988785.3 XM.032467638.1 XM.025450851.3 NM_001003246.2 XM_018058563.1 XMJ308061708.2 XM.020184875.1 XM.003467354.5 XM.017500491.2 XM_012065634.1 XMJ343483835.1 XM_043880136.1 XM_011938183.1 XM.004679594.2 XM_007608000.4 XMJ322554026.1 XM.059995191.1 XM_024572335.3 XM.058564931.1 XM_013025209.1 XM.042673099.1 XM_054708494.1 XM_044781215.1 XM-001497991.5 XM_008544605.1 XM.046642603.1 XM.007530299.3 XM_028105649.1 NM_001173446.1 XM.015074391.3 XM_051145002.1 XM_002926498.4 XM.012452362.2 XM_052183073.1 XM.037128294.2 XM_034496296.1 XM_038331945.1 XM_007181092.2 XM_036862211.1 XM.059931402.1 XM_010831868.1 XM_019974785.1 XM_005890914.1 XM_024975902.2 XM.006062340.3 XM_055549322.1 XM.052653310.1 XM_009007944.3 XM_025878230.1 XM_010964664.1 XM_011000597.3 XM.006195031.2 XMJ035702001.2 XM_038423502.1 XM_005690092.2 XM_008061343.1 XM.020174920.1 XM_003463833.2 XM.017530489.2 XMJH2062276.1 XM_043480967.1 XM_043921764.1 XM_011940730.1 XM.004682904.1 XM_027421033.2 XM_022583604.1 XM_060017380.1 XM.024558641.3 XM.058527657.1 XMJH3019614.1 XM.042691791.1 XM_008146798.3 XM_014851022.2 NM.001256901.1 XM_008534235.1 XM.046648995.1 XM.007521831.1 XM_028111099.1 XM_019812286.1 -59- Příloha 2 Druh/puddruh GHR LCAT MYC RAG1 Fukomys damarensis Globicephala melas Gorilla gorilla Grammomys surdaster Halichoerus grypus Heterocephalus glaber Hippopotamus amphibius Hipposideros armiger Homo sapiens Hyaena hyaena Hylobates moloch Chinchilla lanigera Chionomys nivalis Chlorocebus sabaeus Ictidomys tridecemlineatus Jaculusjaculus Kogia breviceps Lagenorhynchus albirostris Lagenorhynchus obliquidens Lemur catta Leopardus geoffroyi Leptonychotes weddellii Lipotes vexillifer Lontra canadensis Lutra lutra Lynx canadensis Lynx rufus Macacafascicularis Macaca mulatta Macaca nemestrina Macaca thibetana Mandrillus leucophaeus Marmotaflaviventris Marmota marmota Marmota monax Mastomys coucha Meies meles Meriones unguiculatus Mesocricetus auratus Mesoplodon densirostris Microcebus murinus Microtusfortis Microtus ochrogaster Microtus oregoni Miniopterus natalensis Mirounga angustirostris Mirounga leonina Molossus molossus Monodon monoceros Moschus berezovskii Mus caroli Mus musculus Mus pahari Mustela erminea Mustela lutreola Mustela nigripes Mustela putorius Myodes glareolus Myotis brandtii Myotis daubentonii Myotis davidii Myotis lucifugus Myotis myotis Nannospalax galili Neofelis nebulosa Neomonachus schauinslandi Neophocaena asiaeorientalis XM_010633879.3 XM_060295739.2 XM.055367529.2 XM.028784683.1 XM_036067250.1 XM_021261444.1 XM_057708790.1 XM_019630525.1 NM.000163.5 XM.039234142.1 XM.032135754.2 XM.013514982.1 XM_057789429.1 XM_007961486.2 XM_005325612.4 XM.045132800.1 XM_059060882.2 XM_060142903.1 XM_027101185.1 XM-045565741.1 XM.045439095.1 XM_031018413.1 XM.007447633.1 XM.032851402.1 XM-047731501.1 XM.030330509.1 XM.047073776.1 XM.005556812.4 NM.001042667.1 XM.011750908.2 XM.050793438.1 XM.011966443.1 XM.027936309.1 XM.048814019.1 XM.046468258.2 XM.031360110.1 XM.045999829.1 XM.060380532.1 XM.040757557.1 XM.060091665.1 XM.012777772.2 XM.050139023.1 XM.005369809.2 XM.016223746.1 XM.045904014.3 XM.036280505.1 XM.029216310.1 XM.055422110.1 XM.021182903.2 NM.010284.3 XM.021208284.2 XM.032337495.1 XM.059173896.1 XM.059417066.1 XM.045079517.1 XM.048428399.1 XM.014547516.1 XM.059694845.1 XM.006774555.2 XM.036309526.1 XM.029567818.1 XM.058718719.1 XM.021700587.2 XM.024740332.1 XM.010612286.3 XM.030863596.2 XM.019012012.3 XM.028768495.1 XM.036114995.1 XM.004842998.3 XM.057711615.1 XM.019655269.1 NM.000229.2 XM.039223541.1 XM.032157693.2 XM.005403602.2 XM.057753466.1 XM.007993901.2 XM.005318340.2 XM.004661670.3 XM.059044888.2 XM.060130620.1 XM.027119521.1 XM.045533565.1 XM.045443221.1 XM.006730091.2 XM.007457258.1 XM.032854143.1 XM.047710650.1 XM.030299658.1 XM.047078615.1 XM.005592313.3 XM.028841537.1 XM.011757768.1 XM.050773294.1 XM.011996738.1 XM.027953907.2 XM.015496180.2 XM.046434398.2 XM.031341256.1 XM.045987460.1 XM.021632266.2 XM.040736533.1 XM.060083 868.1 XM.012742453.2 XM.050143781.1 XM.005345441.2 XM.041650155.1 XM.016200752.1 XM.045890880.3 XM.035024937.1 XM.036274135.1 XM.029240192.1 XM.055412492.1 XM.021169940.2 NM.008490.2 XM.021220722.2 XM.032326354.1 XM.059153282.1 XM.059382710.1 XM.004744484.3 XM.048437055.1 XM.005876427.2 XM.059667703.1 XM.006769752.2 XM.006099455.3 XM.036345785.1 XM.008839051.2 XM.058708193.1 XM.021705746.2 XM.024732430.1 XM.010642883.2 XM.030875790.3 XM.004047526.5 XM.028753844.1 XM.036084500.1 XM.004837959.3 XM.057735449.1 XM.019643424.1 NM.002467.6 XM.039245733.1 XM.032760417.2 XM.005397989.2 XM.057792039.1 XM.008001524.2 XM.013355904.3 XM.004656161.3 XM.059043078.2 XM.060127612.1 XM.027132448.1 XM.045560838.1 XM.045453689.1 XM.031024489.1 XM.007456064.1 XM.032873540.1 XM.047727577.1 XM.030304073.1 XM.047074186.1 XM.005564062.4 NM.001142873.1 XM.011760043.2 XM.050800291.1 XM.011977280.1 XM.027950100.1 XM.048802407.1 XM.046464943.1 XM.031359117.1 XM.046026180.1 XM.021655779.2 XM.005078685.4 XM.060116080.1 XM.012785382.2 XM.050145311.1 XM.005354556.3 XM.041672632.1 XM.016215994.1 XM.045895887.3 XM.035011930.1 XM.036264004.1 XM.029223188.1 XM.055432429.1 XM.021183649.1 NM.001177352.1 XM.021216459.1 XM.032316455.1 XM.059165626.1 XM.059395158.1 XM.004743554.3 XM.005885505.2 XM.059672284.1 XM.006761209.2 XM.014459668.2 XM.036337663.1 XM.008845471.3 XM.058699060.1 XM.021688451.1 XM.024741267.1 XM.010612551.1 XM.030864942.2 XM.055355540.2 XM.028767126.1 XM.036112420.1 XM.004852015.2 XM.057695951.1 XM.019639446.1 NM.000448.3 XM.039233330.1 XM.058446441.1 XM.013514280.1 XM.057781857.1 XM.037999512.1 XM.005327394.2 XM.004651251.2 XM.060157728.1 XM.027115691.1 XM.045557829.1 XM.045485001.1 XM.006736580.1 XM.007466847.1 XM.032841029.1 XM.047693236.1 XM.030332658.1 XM.047072365.1 XM.065528314.1 NM.001266772.1 XM.011724121.2 XM.050759433.1 XM.011973461.1 XM.027936383.1 XM.015476605.2 XM.046455203.1 XM.031373590.1 XM.046014232.1 XM.021651897.2 XM.013120728.3 XM.060104389.1 XM.012738734.1 XM.050147173.1 XM.026787862.1 XM.041679276.1 XM.016206146.1 XM.045892636.2 XM.035012308.1 XM.036260178.1 XM.029209720.1 XM.055422704.1 XM.029474583.1 NM.009019.2 XM.021194803.1 XM.032359447.1 XM.059140049.1 XM.059388381.1 XM.004756002.3 XM.048443556.1 XM.005872642.2 XM.059711222.1 XM.006756100.2 XM.023763518.1 XM.036326159.1 XM.008852387.1 XM.058688682.1 XM.021684748.2 XM.024752616.1 -60- Příloha 2 Druh/puddruh GHR LCAT MYC RAG1 Neovison vison Nomascus leucogenys Nyctereutes procyonoides Nycticebus coucang Octadon degus Odobenus rosmarus Odocoileus virginianus Onychomys torridus Orcinus orca Oryx dammah Otalemur garnettii Ovis aries Pan paniscus Pan troglodytes Panthera leo Panthera pardus Panthera tigris Panthera uncia Papio anubis Perognathus longimembris Peromyscus californicus Peromyscus eremicus Peromyscus leucopus Peromyscus maniculatus Phacochoerus africanus Phoca vitulina Phocoena sinus Phodopus roborovskii Phyllostomus discolor Phyllostomus hastatus Physeter catodon Piliocolobus tephrosceles Pipistrellus kuhlii Pongo abelii Pongo pygmaeus Prionailurus bengalensis Prionailurus viverrinus Propithecus coquereli Psammomys obesus Pteronotus mesoamericanus Pteropus alecto Pteropus giganteus Pteropus vampyrus Puma concolor Puma yagouaroundi Rattus norvegicus Rattus rattus Rhinolophusferrumequinum Rhinolophus sinicus Rhinopithecus bieti Rhinopithecus roxellana Rousettus aegyptiacus Saimiri boliviensis Sapajus apella Sciurus carolinensis Sorex araneus Sorexfumeus Sturnira hondurensis Suncus etruscus Suricata suricatta Sus scrofa Symphalangus syndactylus Talpa occidentalis Theropithecus gelada Trachypithecusfrancoisi Tursiops truncatus Urocitellus parryii XM.044232377.1 XM_004088209.3 XM_055325044.1 XM.053591462.1 XM_023701876.1 XM_004409145.2 XM_020888240.1 XM_036207314.1 XM_033421189.2 XM_040262428.1 XM.023514997.1 NM_001009323.2 XM_063604482.1 XM.024356621.3 XM_042950820.1 XM.053906960.1 XM_007095429.2 XM_049648698.1 NM_001112616.1 XM-048368191.1 XM.052743766.1 XM.059276751.1 XM.037209416.1 XM.042261499.1 XM.047766341.1 XM_032415196.1 XMJ332628299.1 XM_051182481.1 XM.028529502.2 XM_045847874.1 XM.028492884.2 XM_023216560.1 XM.036409450.2 XM_054555527.2 XM.054488654.2 XM_043599136.1 XM_047866660.1 XM_012664727.1 XM_055601047.1 XM.054583980.1 XM.025052160.1 XM_039842558.1 XM.011370701.2 XM_025924136.1 XM_040496262.1 NM.017094.2 XM.032898830.1 XM.033110150.1 XM_019748545.1 XM.017867112.1 XMJ330927287.1 XM.036226086.1 NM.001302931.1 XM_032278845.1 XM_047556984.1 XMJ355118179.1 XM_056112075.1 XM_037063239.1 XM.049768241.1 XM.029940942.1 NM.214254.2 XM_063619526.1 XM.037530378.2 XM.0253 87793.1 XM.033179464.1 XM.033852830.1 XM_026415485.1 XM_044255897.1 XM_012504716.2 XM_055305910.1 XM.053604499.1 XM_004625843.2 XM.004393361.2 XM_020885063.1 XM_036187084.1 XM.004273184.4 XM_040253332.1 XM.003799375.3 NM_001162568.1 XM_008964568.3 XM_063797282.1 XM_042920939.1 XM.019455520.2 XM_007090320.3 XM_049622408.1 NM_001112613.1 XM_048355285.1 XM.052729808.1 XM_059264096.1 XM.028854295.1 XM_006986833.3 XM_047788708.1 XM_032424130.1 XM_032613851.1 XM.051201656.1 XM_036012042.1 XM_045818536.1 XM_028478057.2 XM_023210222.1 XM.036441443.2 XM_009250870.4 XM.054454020.2 XM_043600882.1 XM_047836513.1 XMJH2660562.1 XM.055620771.1 XM.054579300.1 XM_006909787.3 XM_039851835.1 XM_011380523.2 XM_025920495.1 XM_040498425.1 NM_017024.3 XM.032887689.1 XM_033128112.1 XM_019756359.1 XM.017852258.1 XM_030924629.1 XM.016164180.2 XM_010346808.2 XM_032283790.1 XM_047529613.1 XM.055146121.1 XM_056136354.1 XM_037041459.1 XM.049786410.1 XM_029924506.1 NM_001164856.1 XM_063611774.1 XM_037515944.2 XM.025370247.1 XM_033219749.1 XM.033845310.1 XM_026413312.1 XM.044244949.1 XM_003256203.3 XM_055314420.1 XM.053559296.1 XM.004634419.2 XM-012566191.1 XM_020875260.1 XM_036208372.1 XM.004265321.4 XM.040261783.1 XM.012810707.2 NM_001009426.1 XM_003820455.6 NM_001142794.1 XM_042924185.1 XM.019459856.2 XM.042973484.1 XM_049632908.1 XM.021942613.2 XM.048358921.1 XM.052747887.1 XM.059247356.1 XM.028882207.2 XM_006989007.2 XM_047783256.1 XM_032416053.1 XM.032610261.1 XM_051202448.1 XM.036031420.1 XMJ345861509.1 XM_007103917.4 XM.023224047.3 XM.036437564.2 XM_009244088.4 XM.054499106.2 XMJ343601753.1 XM-047842871.1 XM_012645505.1 XM_055626783.1 XM.054590093.1 XM.006919843.3 XM_039853540.1 XM_011360819.2 XM.025922761.1 XM.040494416.1 NM_012603.2 XM.032915922.1 XM_033126728.1 XM_019723689.1 XM.017870746.1 XM_010379223.2 XM.016136818.2 XM.010344242.2 XM_032253356.1 XM_047526957.1 XM_055127392.1 XM_056111994.1 XM_037048537.1 XM.049765620.1 XM-029923831.1 NM_001005154.1 XM_055287240.2 XM_037501810.2 XM.025394466.1 XM_033202355.1 XM.004327312.3 XM_026407393.1 XM.044260941.1 XM.030829431.1 XM_055300734.1 XM.053560451.1 XM_004627038.1 XM_004409327.1 XM_020904965.1 XM_036183199.1 XM.004264017.3 XM_040259019.1 XM.023509304.1 XM.004016411.6 XM_008955833.7 XM_001154240.8 XM_042907087.1 XM.019470137.2 XM_007082060.2 XM_049647885.1 XM_003910017.5 XM_048360909.1 XM.052724256.1 XM_05925 8907.1 XM.028895036.2 XM.047774265.1 XM_032414458.1 XM_032641375.1 XM.051184108.1 XM_028517512.2 XM_045825446.1 XM_007106867.2 XM_023185545.2 XM.036427844.2 XM_054524487.2 XM.063670983.1 XM_043580977.1 XM_047879247.1 XMJH2649576.1 XM_055604957.1 XM.054586223.1 XM_006908040.1 XM_039864987.1 XM_011356837.1 XM_025928993.1 XM_040495424.1 NM_053468.2 XM.032902243.1 XM_033118988.1 XMJH9738494.1 XM.017881640.1 XM_010358405.2 XM.016123252.2 XM_010333497.2 XM_032282308.1 XM_047515809.1 XM.004607911.2 XM_056106567.1 XM_037040547.1 XM_029956008.1 NM_001123184.1 XM_063640976.1 XM_037521628.1 XM.025357173.1 XM_033205039.1 XM.004329819.3 XM_026405176.1 -61- Příloha 2 Druh/puddruh GHR LCAT MYC RAG1 Ursus americanus Ursus arctos Ursus maritimus Vicugna pacos Vulpes lagopus Vulpes vulpes Zalophus californianus XM_045787355.1 XM.026506893.4 XM_008692585.1 XM.015242106.2 XM_041747919.1 XM.026016684.1 XM_027604919.2 XM_045814904.1 XM_026495049.4 XM_040633472.1 XM.006203718.3 XM_041769867.1 XM_026011536.1 XM.027619221.1 XM_045812234.1 XM_026495412.4 XM_040625987.1 XM.006208010.3 XM_041769617.1 XM_025993448.1 XM.027574291.2 XM_045808676.1 XM_026511863.4 XM_008686790.2 XM.006216856.1 XM_041773539.1 XM_026012934.1 XM_027581138.1 Třetí ze tří tabulek obsahujících přístupová čísla stažených sekvencí nukleárních genů z databáze NCBI. Druh/puddruh RAG2 RBP3 TP53 VWF Acinonyxjubatus XM..015074392.3 XM..015088234.3 XM..027047532.2 XM..027074097.2 Acomys russatus XM..051145001.1 XM..051141867.1 XM..051167465.1 XM..051155405.1 Ailuropoda melanoleuca XM..034645409.1 XM..002930073.3 XM..002924437.4 XM..034645977.1 Aotus nancymaae XM..012452363.2 XM..012472634.2 XM..064378361.1 XM..064377521.1 Apodemus sylvaticus XM..052183071.1 XM..052190665.1 XM..052195723.1 XM..052174915.1 Artibeusjamaicensis XM..037128300.2 XM..037158456.2 XM..037151170.2 XM..037160260.2 Arvicanthis niloticus XM..034495241.1 XM..034497486.1 XM..034505539.1 XM..034512425.1 Arvicola amphibius XM..038332149.1 XM..038349866.1 XM..038328731.1 XM..038320478.1 Balaenoptera acutorostrata XM..007181094.2 XM..007178750.2 XM..007166385.2 XM..028163508.2 Balaenoptera musculus XM..036859204.1 XM..036829569.1 XM..036836670.1 XM..036865018.1 Balaenoptera ricei XM..059929648.1 XM..059900505.1 XM..059909155.1 XM..059935147.1 Bison bison XM..010831876.1 XM..010854512.1 XM..010843072.1 XM..010845201.1 Bos indicus XM..019975675.1 XM..019953782.1 XM..019982111.1 XM..019959953.1 Bos mutus XM..005890916.1 XM..005888669.1 XM..005894802.2 XM..014478162.1 Bos taurus NM..001082469.2 NM..174164.1 NM..174201.2 NM..001205308.2 Bubalus bubalis XM..006062335.4 XM..025284888.2 NM..001290844.2 XM..006065776.4 Bubalus carabanensis XM..055549324.1 XM..055566447.1 XM..055576635.1 XM..055568893.1 Budorcas taxicolor XM..052653374.1 XM..052641527.1 XM..052657549.1 XM..052641007.1 Callithrixjacchus XM..035262383.1 XM..002756138.4 XM..002747948.5 XM..002752243.6 Callorhinus ursinus XM..025878267.1 XM..025880483.1 XM..025864014.1 XM..025851854.1 Camelus bactrianus XM..045523815.1 XM..010963476.1 XM..010965924.2 XM..010957747.2 Camelus dromedarius XM..031459781.2 XM..010998716.3 XM..010996514.3 XM..031444271.2 Camelusferus XM..032488481.1 XM..006193816.2 XM..006175816.3 XM..032473470.1 Canis lupus dingo XM..025452502.3 XM..025435444.2 XM..025428522.3 XM..035707072.2 Canis lupusfamiliaris XM..038424077.1 XM..038662368.1 NM..001389218.1 NM..001002932.1 Capra hircus XM..005690095.2 XM..005699333.2 XM..005693530.3 XM..018048607.1 Carlito syrichta XM..008061345.2 XM..008059145.1 XM..008062341.2 XM..021717812.1 Castor canadensis XM..020174919.1 XM..020153863.1 XM..020151705.1 XM..020158236.1 Cavia porcellus XM..023562442.2 XM..003466069.3 NM..001172740.1 NM..001278774.1 Cebus imitator XM..017530482.2 XM..017504716.2 XM..017531594.2 XM..017546164.1 Cercocebus atys XM..012062292.1 XM..012072157.1 XM..012052423.1 XM..012054264.1 Cervus canadensis XM..043481734.1 XM..043475035.1 XM..043475143.1 XM..043440090.1 Cervus elaphus XM..043909547.1 XM..043924788.1 XM..043903734.1 XM..043880888.1 Colobus angolensis XM..011940740.1 XM..011950325.1 XM..011958558.1 XM..011955306.1 Condylura cristata XM..004682903.1 - XM..004684639.2 Cricetulus griseus XM..027421034.2 XM..027389336.1 NM..001243976.1 XM..027428330.2 Delphinapterus leucas XM..022583600.2 XM..022564527.1 XM..022595620.2 XM..022577358.2 Delphinus delphis XM..060017382.1 XM..060033692.1 XM..059998561.1 XM..060024146.1 Desmodus rotundus XM..045194182.2 XM..024561056.3 - XM..024579257.3 Diceros bicornis XM..058527656.1 XM..058542753.1 XM..058559811.1 XM..058559008.1 Dipodomys ordii XM..013019612.1 XM..013036670.1 XM..013013490.1 XM..013023596.1 Dipodomys spectabilis XM..042691748.1 XM..042690365.1 XM..042670866.1 XM..042673279.1 Eptesicusfuscus XM..028153614.2 XM..054729327.1 XM..028128361.2 XM..008144811.3 Equus asinus XM..014851016.2 XM..014841499.2 XM..014861557.1 XM..044755819.1 Equus caballus XM..014729427.2 XM..001494823.2 NM..001202405.1 NM..001242566.1 Equus przewalskii XM..008534232.1 XM..008530266.1 XM..008530347.1 XM..008513920.1 Equusquagga XM..046648996.1 XM..046652801.1 XM..046675439.1 XM..046661799.1 Erinaceus europaeus XM..007521832.1 XM..007534910.2 XM..016188237.2 XM..060190227.1 Eumetopias jubatus XM..028111122.1 XM..028098670.1 XM..028124935.1 XM..028121141.1 Felis catus XM..004001424.6 XM..003994154.5 NM..001009294.1 NM..001246279.1 Fukomys damarensis XM..010612550.1 XM..010622627.1 XM..010614891.3 XM..033765953.1 Globicephala melas XM..030864652.2 XM..030847670.2 XM..060290532.2 XM..060306367.2 -62- Příloha 2 Druh/puddruh RAG2 RBP3 TP53 VWF Gorilla gorilla Grammomys surdaster Halichoerus grypus Heterocephalus glaber Hippopotamus amphibius Hipposideros armiger Homo sapiens Hyaena hyaena Hylobates moloch Chinchilla lanigera Chionomys nivalis Chlorocebus sabaeus Ictidomys tridecemlineatus Jaculusjaculus Kogia breviceps Lagenorhynchus albirostris Lagenorhynchus obliquidens Lemur catta Leopardus geoffroyi Leptonychotes weddellii Lipotes vexillifer Lontra canadensis Lutra lutra Lynx canadensis Lynx rufus Macacafascicularis Macaca mulatta Macaca nemestrina Macaca thibetana Mandrillus leucophaeus Marmotaflaviventris Marmota marmota Marmota monax Mastomys coucha Meies meles Meriones unguiculatus Mesocricetus auratus Mesoplodon densirostris Microcebus murinus Microtusfortis Microtus ochrogaster Microtus oregoni Miniopterus natalensis Mirounga angustirostris Mirounga leonina Molossus molossus Monodon monoceros Moschus berezovskii Mus caroli Mus musculus Mus pahari Mustela erminea Mustela lutreola Mustela nigripes Mustela putorius Myodes glareolus Myotis brandtii Myotis daubentonii Myotis davidii Myotis lucifugus Myotis myotis Nannospalax galili Neofelis nebulosa Neomonachus schauinslandi Neophocaena asiaeorientalis Neovison vison Nomascus leucogenys XM_004050960.5 XM_028767018.1 XM.036112385.1 XM.004852014.1 XM_057695384.1 XM_019639435.1 NM_000536.4 XM.039233329.1 XM.032166243.1 XM_005384100.1 XM.057781920.1 XM.008001615.2 XM.005327392.3 XM-059068211.1 XM.060157727.1 XM.027114962.1 XM.045557830.1 XM.045485002.1 XM-006736581.2 XM.007466849.1 XM.032840994.1 XM.047693199.1 XM.030330747.1 XM.047070189.1 XM.005578160.4 XM.001114748.4 XM.011724124.2 XM.050759434.1 XM.011973449.1 XM.027936606.1 XM.015477789.2 XM.046455190.1 XM.031371132.1 XM.046014145.1 XM.021651899.2 XM.021231573.2 XM.060105316.1 XM.012738727.1 XM.050146886.1 XM.026787879.1 XM.041678681.1 XM.016206233.1 XM.045870992.1 XM.035012309.1 XM.036260069.1 XM.029209310.1 XM.055422705.1 XM.021186290.2 NM.009020.4 XM.021194637.1 XM.032358597.1 XM.059158517.1 XM.059388379.1 XM.004756007.3 XM.048443601.1 XM.014544903.1 XM_059711220.1 XM.006756099.2 XM_006099888.3 XM.036326157.1 XM.008852390.2 XM_058688683.1 XM.021684749.1 XM.024752527.1 XM.044260942.1 XM.003254438.2 XM.004049370.5 XM.028789145.1 XM.036103178.1 XM_057736957.1 XM.019660466.1 NM.002900.3 XM.039233648.1 XM.032141830.2 XM.005412613.2 XM.057770009.1 XM.007962654.2 XM.005329243.3 XM.004658032.2 XM_059053083.1 XM.060126763.1 XM_027098528.1 XM.045567963.1 XM.045437949.1 XM.006749024.1 XM.007453444.1 XM.032842973.1 XM.047701618.1 XM.030335579.1 XM.047072624.1 XM.005565203.4 XM_015146957.2 XM.011749690.2 XM.050803183.1 XM.011990910.1 XM.027947858.2 XM.015498919.2 XM.046446777.2 XM.031362471.1 XM.046026592.1 XM.021628200.2 XM.005077637.4 XM.060079495.1 XM.020280499.1 XM.050140662.1 XM.005348626.2 XM.041662926.1 XM.016200835.1 XM.045879199.2 XM.034987114.1 XM.036265478.1 XM.029245 877.1 XM.055424284.1 XM.021182453.1 NM.015745.3 XM.021204213.1 XM.032312199.1 XM.059172492.1 XM.059397691.1 XM.004765 887.1 XM.048421458.1 XM.059661966.1 XM.015559657.1 XM.023746257.1 XM.036355902.1 XM.008834127.1 XM.058696943.1 XM.021699962.1 XM.024739109.1 XM.044236829.1 XM.003278171.2 XM.063700589.1 XM.028780049.1 XM.036077514.1 NM.001310270.1 XM.057716067.1 XM.019664961.1 NM.001276760.3 XM.039231497.1 XM.032139337.3 XM.005399463.2 XM.057776262.1 XM.008010192.2 XM.005332819.4 XM.045131539.1 XM.059048966.2 XM.060132840.1 XM.027130927.1 XM.045570131.1 XM.045490279.1 XM.006738887.2 XM.007457790.1 XM.032840028.1 XM.047706893.1 XM.030295516.1 XM.047089898.1 XM.005582787.4 NM.001047151.2 XM.011727613.2 XM.050765346.1 XM.011994540.1 XM.027946781.2 XM.015504433.2 XM.046422140.2 XM.031351448.1 XM.045985156.1 XM.021648173.2 NM.001281661.1 XM.060081214.1 XM.012776058.2 XM.050162534.1 XM.005349777.1 XM.041664596.1 XM.016222486.1 XM.064583202.1 XM.034989514.1 XM.036269156.1 XM.029212409.1 XM.055406049.1 XM.021177210.2 NM-011640.4 XM.021212574.2 XM.032322544.1 XM.059147788.1 XM.059379539.1 XM.004760256.3 XM.048448387.1 XM.014549841.1 XM.059668742.1 XM.015562573.1 XM.023743933.1 XM.036341447.1 NM.001319288.1 XM.058702775.1 XM.021694492.1 XM.024748420.1 XM.044249002.1 XM.030800485.1 XM.031016658.2 XM.028754414.1 XM.036117632.1 XM.021248148.1 XM.057702122.1 XM.019627083.1 NM.000552.5 XM.039218403.1 XM.032159366.2 XM.005378754.1 XM.057772108.1 XM.037988386.1 XM.005338364.3 XM.045139643.1 XM.059082366.2 XM.060167140.1 XM.027093340.1 XM.045554544.1 XM.045466410.1 XM.006735969.2 XM.007469511.1 XM.032874808.1 XM.047739853.1 XM.030321487.1 XM.047066718.1 XM.005569887.4 NM.001243086.1 XM.024793545.1 XM.050747383.1 XM.011982932.1 XM.027951103.2 XM.015500732.2 XM.046424111.2 XM.031383471.1 XM.046011417.1 XM.021636960.2 XM.040737568.1 XM.060111711.1 XM.012760580.1 XM.050164057.1 XM.005365251.2 XM.041641912.1 XM.016221858.1 XM.064591672.1 XM.035028418.1 XM.036250841.1 XM.029204363.1 XM.055394198.1 XM.029478271.1 NM.011708.4 XM.029534982.1 XM.032349032.1 XM.059184573.1 XM.059403765.1 XM.004766734.3 XM.048444099.1 XM.005873725.2 XM.059681979.1 XM.006757606.2 XM.006084318.3 XM.036298336.1 XM.008825438.2 XM.058743945.1 XM.044915225.1 XM.024733215.1 XM.044228748.1 XM.030804480.1 -63- Příloha 2 Druh/puddruh RAG2 RBP3 TP53 VWF Nyctereutes procyonoides Nycticebus coucang Octadon degus Odobenus rosmarus Odocoileus virginianus Onychomys torridus Orcinus orca Oryx dammah Otalemur garnettii Ovis aries Pan paniscus Pan troglodytes Panthera leo Panthera pardus Panthera tigris Panthera uncia Papio anubis Perognathus longimembris Peromyscus californicus Peromyscus eremicus Peromyscus leucopus Peromyscus maniculatus Phacochoerus africanus Phoca vitulina Phocoena sinus Phodopus roborovskii Phyllostomus discolor Phyllostomus hastatus Physeter catodon Piliocolobus tephrosceles Pipistrellus kuhlii Pongo abelii Pongo pygmaeus Prionailurus bengalensis Prionailurus viverrinus Propithecus coquereli Psammomys obesus Pteronotus mesoamericanus Pteropus alecto Pteropus giganteus Pteropus vampyrus Puma concolor Puma yagouaroundi Rattus norvegicus Rattus rattus Rhinolophusferrumequinum Rhinolophus sinicus Rhinopithecus bieti Rhinopithecus roxellana Rousettus aegyptiacus Saimiri boliviensis Sapajus apella Sciurus carolinensis Sorex araneus Sorexfumeus Sturnira hondurensis Suncus etruscus Suricata suricatta Sus scrofa Symphalangus syndactylus Talpa occidentalis Theropithecus gelada Trachypithecusfrancoisi Tursiops truncatus Urocitellus parryii Ursus americanus Ursus arctos XM_055301358.1 XM_053560454.1 XM_004627037.1 XM.004409325.1 XM_020904966.1 XM_036183337.1 XM_004264018.3 XM.040259021.1 XM_023509313.1 XM.060400061.1 XM.003830353.4 XM_054662211.2 XM_042906368.1 XM_019470138.2 XM-007082061.2 XM.049647899.1 XM_003910018.5 XM_048360255.1 XM_052722445.1 XM_028895024.2 XM_006983930.2 XM.047775956.1 XM_032413813.1 XM_032641667.1 XM_051184109.1 XM_028517065.2 XM_045825819.1 XMJ307106862.2 XM_023185546.2 XM_036427509.2 XMJ302821867.3 XM.054440959.2 XM_043580978.1 XM.047824195.1 XM.012649573.1 XM.055605184.1 XM_054586222.1 XM_006908043.2 XM.039867247.1 XM.025929022.1 XM_040495416.1 NM_001100528.2 XM_032902242.1 XM.033121417.1 XM.019738609.1 XM.017881641.1 XM_010358412.2 XM.016123246.2 XM_003920003.2 XM.032282299.1 XM.047515670.1 XM_004607912.2 XM-056135751.1 XM_037040548.1 XM.049779661.1 XM_029915804.1 NM.001128481.1 XM_055281887.2 XM.037522441.1 XM_025358178.1 XM_033205037.1 XM.019948364.2 XM.026404849.1 XM.045808683.1 XM.026511862.2 XM_055324854.1 XM_053583486.1 XM_004641242.1 XM.004416717.1 XM_020895520.1 XM_036200065.1 XM_004286499.3 XM_040242143.1 XM.003801643.3 XM_004021549.5 XM.003809049.5 XM_507774.7 XM_042909008.1 XMJH9444852.2 XM_007093164.3 XM.049646270.1 XM_003903645.4 XM_048336003.1 XM_052733940.1 XM_059274578.1 XM.028878306.2 XM_006976708.2 XM.047760709.1 XM.032399063.1 XM.032608931.1 XM_051202498.1 XM.028512741.2 XM.045841799.1 XM_007118754.2 XM.023230192.3 XM_045570640.1 XM_002820699.6 XM.054436368.1 XM.043596802.1 XM.047826277.1 XM_012651268.1 XM_055612209.1 XM_054572396.1 XM_006916945.2 XM.039870918.1 XM_011355459.1 XM_025918239.1 XM_040485664.1 NM_001191832.1 XM_032919064.1 XM_033129982.1 XM.019718074.1 XM_017890984.1 XM_030941098.1 XM_016142777.2 XM_003929968.2 XM.032266806.1 XM_047554526.1 XM_004607548.2 XM_056130515.1 XM_037056658.1 XM_029915810.1 XM.021072759.1 XM_055275424.1 XM.025396981.1 XM_033209108.1 XM.004320010.3 XM_026411988.1 XM.045809980.1 XM.026481508.3 XM.055305539.1 XM.053569948.1 XM-023723301.1 XM.004398491.1 XM.020869027.1 XM.036197270.1 XM.033422971.2 XM.040243464.1 XM.012806041.2 NM.001009403.1 XM.057300362.2 XM.016931470.3 XM.042915570.1 XM.019413568.2 XM.042966154.1 XM.049637036.1 XM.003912272.5 XM.048366174.1 XM.052756670.1 XM.059270972.1 XM.028869449.2 XM.006973448.3 XM.047756901.1 XM.032431962.1 XM.032616755.1 XM_051180252.1 XM.028534686.2 XM.045824646.1 XM.028499408.1 XM.023193314.2 XM.045586558.1 XM.002826974.6 XM.054457336.2 XM.043582969.1 XM.047832341.1 XM.012655616.1 XM.055594450.1 XM.054575722.1 XM.006922335.3 XM.039847238.1 XM_011358864.2 XM.025920288.1 XM.040453335.1 NM.030989.4 XM.032912336.1 XM.033091194.1 XM.019745191.1 XM.017850544.1 XM.010362387.1 XM.016154772.2 XM.039476036.1 XM.032280430.1 XM.047545682.1 XM.004604858.2 XM.056114885.1 XM.037028382.1 XM.049766230.1 XM.029927154.1 NM.213824.3 XM.055256596.2 XM.037492036.2 XM.025363515.1 XM.033184717.1 XM.033848569.1 XM.026390537.1 XM.045797340.1 XM.026520889.4 XM.055315447.1 XM.053554967.1 XM.004643560.2 XM.004413880.2 XM.020912316.1 XM.036181447.1 XM.004279025.3 XM.040234946.1 XM.003796416.3 XM.027967983.2 XM.003820327.5 XM.001160508.8 XM.042945594.1 XM.053895673.1 XM.007089645.3 XM.049624950.1 XM.021921932.2 XM.052720566.1 XM.059258637.1 XM.028892286.2 XM.042274144.1 XM.047787770.1 XM.032390769.1 XM.032646289.1 XM.051173265.1 XM.028532222.2 XM.045826343.1 XM.028490937.2 XM.031936259.1 XM.036455712.2 NM.001246277.1 XM.054442726.1 XM.043563566.1 XM.047866328.1 XM.012637894.1 XM.055609420.1 XM.054574700.1 XM.025048649.1 XM.039874111.1 XM.023533934.1 XM.025930120.1 XM.040462716.1 NM.053889.1 XM.032906594.1 XM.033116665.1 XM.019754370.1 XM.017883319.1 XM.030939152.1 XM.016162761.2 XM.010330022.2 XM.032254536.1 XM.047549520.1 XM.055143591.1 XM.056108652.1 XM.037067832.1 XM.049771928.1 XM.029953391.1 NM.001246221.1 XM.055280967.2 XM.037514506.2 XM.025401750.1 XM.033223122.1 XM.033867155.1 XM.026403302.1 XM.045781154.1 XM.057303331.1 -64- Příloha 2 Druh/puddruh RAG2 RBP3 TP53 VWF Ursus maritimus Vicugna pacos Vulpes lagopus Vulpes vulpes Zalophus californianus XM_008686789.1 XM_031681026.1 XM_041773423.1 XM.026012750.1 XM.027581310.1 XM_008696329.2 XM_006216104.2 XM_041748483.1 XM.026009362.1 XM_027590675.2 XM_008687972.2 XMJ306218777.3 XM.041771191.1 XM.026005407.1 XM.027625914.2 XM_040642060.1 XM_031670534.1 XM_041735719.1 XM.025995567.1 XM_027595203.2 -65- Příloha 3 Výsledky kládového modelu C a modelu M2a_rel Následující tabulka obsahuje kompletní výsledky modelů cmC a M2a_rel. Nulový model M2a_rel nemá uvedený taxon („-"). Gen Taxon LL Po (OD Pi «i P2 « 2 « 3 Aco LRT /j-hodnota APOB -33885,784 0,363 0,110 0,179 1 0,458 0,448 APOB Artiodactyla -33885,482 0,363 0,110 0,179 1 0,458 0,444 0,484 0,039 0,603 0,437 APOB Caniformia -33885,747 0,362 0,110 0,180 1 0,458 0,449 0,423 -0,026 0,073 0,787 APOB Cetacea -33885,684 0,361 0,110 0,180 1 0,459 0,446 0,494 0,048 0,199 0,656 APOB Eulipotyphla -33885,230 0,358 0,109 0,182 1 0,460 0,439 0,493 0,054 1,108 0,293 APOB Feliformia -33885,654 0,363 0,110 0,179 1 0,458 0,447 0,503 0,056 0,258 0,611 APOB Chiroptera -33880,775 0,365 0,111 0,171 1 0,463 0,428 0,586 0,158 10,018 0,002 APOB Perissodactyla -33882,709 0,370 0,112 0,172 1 0,458 0,450 0,809 0,359 6,148 0,013 APOB Primates -33885,744 0,361 0,110 0,180 1 0,459 0,446 0,460 0,014 0,078 0,780 APOB Rodentia -33873,844 0,362 0,110 0,172 1 0,466 0,525 0,355 -0,170 23,880 0,000 BRCA1 - -93376,976 0,165 0,149 0,362 1 0,473 0,467 BRCA1 Artiodactyla -93376,869 0,165 0,149 0,362 1 0,473 0,466 0,482 0,016 0,215 0,643 BRCA1 Caniformia -93372,566 0,163 0,148 0,363 1 0,473 0,475 0,364 -0,111 8,819 0,003 BRCA1 Cetacea -93373,241 0,164 0,148 0,362 1 0,474 0,463 0,678 0,216 7,470 0,006 BRCA1 Eulipotyphla -93375,578 0,165 0,149 0,362 1 0,473 0,471 0,392 -0,079 2,795 0,095 BRCA1 Feliformia -93375,421 0,165 0,149 0,361 1 0,474 0,471 0,385 -0,087 3,110 0,078 BRCA1 Chiroptera -93376,813 0,165 0,149 0,362 1 0,473 0,470 0,453 -0,017 0,326 0,568 BRCA1 Perissodactyla -93375,468 0,162 0,147 0,364 1 0,473 0,468 0,354 -0,113 3,016 0,082 BRCA1 Primates -93376,703 0,165 0,148 0,363 1 0,473 0,469 0,444 -0,025 0,546 0,460 BRCA1 Rodentia -93365,450 0,162 0,148 0,367 1 0,471 0,414 0,522 0,109 23,052 0,000 C0X1 - -77400,123 0,871 0,002 0,002 1 0,127 0,041 C0X1 Artiodactyla -77397,387 0,869 0,002 0,002 1 0,129 0,038 0,049 0,011 5,471 0,019 C0X1 Caniformia -77398,761 0,871 0,002 0,002 1 0,127 0,039 0,048 0,008 2,723 0,099 C0X1 Cetacea -77381,506 0,861 0,002 0,002 1 0,137 0,035 0,082 0,047 37,233 0,000 C0X1 Eulipotyphla -77391,299 0,873 0,002 0,002 1 0,125 0,042 0,020 -0,022 17,647 0,000 COXJ Feliformia -77400,122 0,871 0,002 0,002 1 0,127 0,041 0,041 0,000 0,001 0,977 C0X1 Chiroptera -77380,705 0,847 0,001 0,004 1 0,149 0,037 0,016 -0,021 38,835 0,000 COXJ Perissodactyla -77398,290 0,125 0,041 0,002 1 0,873 0,002 0,000 -0,001 3,665 0,056 COXJ Primates -77340,712 0,838 0,001 0,004 1 0,158 0,026 0,072 0,046 118,821 0,000 COXJ Rodentia -77388,871 0,861 0,002 0,002 1 0,137 0,043 0,029 -0,014 22,504 0,000 C0X2 - -35823,622 0,751 0,003 0,000 1 0,249 0,045 C0X2 Artiodactyla -35818,550 0,749 0,003 0,000 1 0,251 0,042 0,060 0,018 10,143 0,001 C0X2 Caniformia -35823,356 0,752 0,003 0,000 1 0,248 0,045 0,049 0,005 0,531 0,466 C0X2 Cetacea -35802,199 0,739 0,003 0,000 1 0,261 0,039 0,109 0,070 42,846 0,000 C0X2 Eulipotyphla -35818,905 0,752 0,003 0,000 1 0,248 0,047 0,027 -0,020 9,434 0,002 C0X2 Feliformia -35823,116 0,751 0,003 0,000 1 0,249 0,045 0,054 0,009 1,010 0,315 C0X2 Chiroptera -35823,545 0,751 0,003 0,000 1 0,249 0,045 0,048 0,002 0,153 0,696 C0X2 Perissodactyla -35820,541 0,248 0,046 0,000 1 0,752 0,003 0,000 -0,003 6,160 0,013 C0X2 Primates -35823,255 0,751 0,003 0,000 1 0,249 0,045 0,049 0,005 0,733 0,392 C0X2 Rodentia -35818,983 0,749 0,003 0,000 1 0,251 0,049 0,036 -0,012 9,278 0,002 CSN3 - -18935,942 0,333 0,420 0,552 1 0,115 2,054 CSN3 Artiodactyla -18932,846 0,331 0,423 0,530 1 0,139 1,837 2,997 1,160 6,191 0,013 CSN3 Caniformia -18932,492 0,335 0,418 0,562 1 0,104 2,013 3,668 1,655 6,900 0,009 CSN3 Cetacea -18935,920 0,333 0,420 0,551 1 0,117 2,044 2,231 0,187 0,044 0,833 CSN3 Eulipotyphla -18934,942 0,332 0,420 0,551 1 0,117 2,090 1,438 -0,652 1,999 0,157 CSN3 Feliformia -18933,249 0,333 0,420 0,553 1 0,114 2,099 0,784 -1,315 5,385 0,020 CSN3 Chiroptera -18934,647 0,333 0,420 0,552 1 0,115 1,969 2,608 0,639 2,590 0,108 CSN3 Perissodactyla -18933,932 0,333 0,419 0,554 1 0,113 2,024 4,059 2,036 4,018 0,045 CSN3 Primates -18932,733 0,337 0,418 0,561 1 0,102 1,952 3,051 1,099 6,417 0,011 CSN3 Rodentia -18923,369 0,341 0,417 0,560 1 0,099 2,676 1,355 -1,321 25,145 0,000 -66- Příloha 3 Gen Taxon CYTB CYTB Artiodactyla CYTB Caniformia CYTB Cetacea CYTB Eulipotyphla CYTB Feliformia CYTB Chiroptera CYTB Perissodactyla CYTB Primates CYTB Rodentia DMP1 DMP1 Artiodactyla DMP1 Caniformia DMP1 Cetacea DMP1 Eulipotyphla DMP1 Feliformia DMP1 Chiroptera DMP1 Perissodactyla DMP1 Primates DMP1 Rodentia GHR GHR Artiodactyla GHR Caniformia GHR Cetacea GHR Eulipotyphla GHR Feliformia GHR Chiroptera GHR Perissodactyla GHR Primates GHR Rodentia LCAT LCAT Artiodactyla LCAT Caniformia LCAT Cetacea LCAT Eulipotyphla LCAT Feliformia LCAT Chiroptera LCAT Perissodactyla LCAT Primates LCAT Rodentia MYC MYC Artiodactyla MYC Caniformia MYC Cetacea MYC Eulipotyphla MYC Feliformia MYC Chiroptera MYC Perissodactyla MYC Primates MYC Rodentia RAG1 RAG1 Artiodactyla RAG1 Caniformia RAG1 Cetacea RAG1 Eulipotyphla RAG1 Feliformia RAG1 Chiroptera RAG1 Perissodactyla RAG1 Primates RAG1 Rodentia RAG2 RAG2 Artiodactyla RAG2 Caniformia RAG2 Cetacea RAG2 Eulipotyphla RAG2 Feliformia RAG2 Chiroptera LL Po tůn Pi «1 l>2 ®2 6)3 Affl LRT p-hodnota -70253,953 -70251,059 -70251,683 -70248,770 -70248,654 -70251,356 -70242,567 -70249,338 -70227,177 -70236,855 -40680,219 -40675,597 -40679,414 -40672,925 -40678,385 -40679,798 -40678,496 -40680,217 -40679,404 -40666,338 -21924,471 -21922,123 -21924,337 -21924,113 -21924,137 -21922,713 -21916,443 -21924,446 -21922,027 -21916,271 -21446,004 -21443,699 -21442,632 -21445,140 -21444,975 -21444,143 -21421,623 -21442,372 -21439,347 -21445,601 -20647,126 -20646,364 -20640,331 -20644,060 -20645,252 -20646,665 -20644,446 -20642,402 -20643,648 -20646,827 -64427,513 -64427,188 -64427,506 -64410,892 -64427,296 -64426,955 -64425,842 -64427,502 -64423,649 -64426,077 -26843,539 -26840,798 -26843,505 -26841,793 -26843,499 -26840,817 -26843,042 0,742 0,743 0,742 0,742 0,741 0,743 0,745 0,258 0,740 0,741 0,349 0,348 0,350 0,344 0,346 0,349 0,351 0,349 0,350 0,352 0,476 0,479 0,477 0,476 0,350 0,481 0,476 0,477 0,470 0,478 0,289 0,636 0,631 0,636 0,291 0,284 0,638 0,289 0,635 0,638 0,226 0,765 0,212 0,767 0,229 0,767 0,224 0,229 0,227 0,225 0,257 0,703 0,704 0,700 0,704 0,704 0,703 0,704 0,702 0,704 0,300 0,637 0,636 0,630 0,636 0,633 0,636 0,006 0,006 0,006 0,006 0,006 0,006 0,006 0,088 0,006 0,006 0,076 0,076 0,077 0,075 0,076 0,076 0,077 0,076 0,077 0,078 0,047 0,047 0,047 0,047 0,360 0,047 0,047 0,047 0,045 0,047 0,234 0,011 0,010 0,011 0,232 0,238 0,011 0,234 0,010 0,011 0,168 0,010 0,175 0,010 0,166 0,010 0,168 0,166 0,167 0,168 0,284 0,015 0,015 0,015 0,015 0,015 0,015 0,015 0,015 0,015 0,267 0,022 0,021 0,021 0,021 0,021 0,021 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,186 0,188 0,186 0,190 0,191 0,186 0,185 0,186 0,186 0,191 0,172 0,165 0,171 0,172 0,170 0,166 0,174 0,170 0,174 0,164 0,074 0,075 0,079 0,074 0,075 0,074 0,075 0,074 0,073 0,074 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,007 0,039 0,039 0,039 0,039 0,039 0,039 0,039 0,039 0,039 0,039 0,064 0,064 0,064 0,065 0,064 0,064 0,064 0,255 0,255 0,255 0,255 0,256 0,255 0,253 0,739 0,258 0,257 0,465 0,464 0,465 0,465 0,463 0,465 0,464 0,465 0,464 0,457 0,352 0,356 0,353 0,352 0,480 0,353 0,350 0,352 0,356 0,359 0,637 0,289 0,290 0,290 0,634 0,642 0,286 0,636 0,292 0,287 0,767 0,227 0,781 0,226 0,764 0,226 0,768 0,764 0,766 0,767 0,704 0,258 0,257 0,261 0,257 0,257 0,257 0,257 0,258 0,258 0,636 0,299 0,300 0,305 0,300 0,303 0,300 0,089 0,086 0,087 0,086 0,090 0,087 0,093 0,006 0,080 0,096 0,371 0,355 0,374 0,356 0,362 0,372 0,365 0,371 0,366 0,418 0,357 0,374 0,360 0,359 0,049 0,367 0,388 0,359 0,339 0,309 0,011 0,242 0,236 0,237 0,009 0,012 0,200 0,010 0,250 0,243 0,010 0,164 0,012 0,165 0,011 0,169 0,012 0,010 0,009 0,010 0,015 0,281 0,284 0,273 0,282 0,282 0,289 0,284 0,275 0,293 0,021 0,259 0,268 0,260 0,268 0,270 0,262 0,101 0,014 5,789 0,016 0,102 0,015 4,539 0,033 0,115 0,029 10,366 0,001 0,061 -0,029 10,598 0,001 0,109 0,021 5,193 0,023 0,065 -0,028 22,773 0,000 0,001 -0,005 9,231 0,002 0,126 0,046 53,553 0,000 0,069 -0,026 34,196 0,000 0,449 0,094 9,244 0,002 0,311 -0,063 1,610 0,205 0,535 0,179 14,589 0,000 0,435 0,073 3,669 0,055 0,312 -0,060 0,842 0,359 0,434 0,068 3,448 0,063 0,364 -0,007 0,005 0,941 0,405 0,039 1,631 0,202 0,302 -0,115 27,762 0,000 0,258 -0,115 4,698 0,030 0,326 -0,034 0,270 0,603 0,271 -0,087 0,718 0,397 0,037 -0,012 0,669 0,413 0,197 -0,170 3,516 0,061 0,233 -0,155 16,056 0,000 0,311 -0,048 0,050 0,823 0,472 0,133 4,889 0,027 0,451 0,142 16,400 0,000 0,169 -0,073 4,612 0,032 0,120 -0,116 6,746 0,009 0,146 -0,091 1,728 0,189 0,017 0,007 2,060 0,151 0,000 -0,012 3,723 0,054 0,471 0,271 48,763 0,000 0,056 0,046 7,265 0,007 0,143 -0,107 13,315 0,000 0,222 -0,021 0,806 0,369 0,202 0,038 1,523 0,217 0,000 -0,012 13,588 0,000 0,342 0,178 6,131 0,013 0,005 -0,006 3,748 0,053 0,129 -0,040 0,920 0,337 0,005 -0,006 5,359 0,021 0,035 0,026 9,447 0,002 0,018 0,009 6,955 0,008 0,012 0,002 0,598 0,439 0,300 0,018 0,651 0,420 0,281 -0,003 0,013 0,909 0,591 0,318 33,241 0,000 0,299 0,017 0,435 0,510 0,327 0,045 1,116 0,291 0,254 -0,035 3,342 0,068 0,291 0,008 0,022 0,883 0,340 0,064 7,728 0,005 0,267 -0,026 2,871 0,090 0,352 0,093 5,481 0,019 0,257 -0,011 0,067 0,796 0,409 0,149 3,491 0,062 0,257 -0,011 0,080 0,777 0,143 -0,127 5,443 0,020 0,292 0,030 0,993 0,319 -67- Příloha 3 Gen Taxon LL PO COo Pi C0I P2 CÖ2 «3 Affl LRT /j-hodnota RAG2 Perissodactyla -26841,816 0,635 0,021 0,063 1 0,302 0,263 0,436 0,172 3,444 0,063 RAG2 Primates -26843,486 0,636 0,021 0,064 1 0,300 0,266 0,277 0,012 0,104 0,747 RAG2 Rodentia -26841,617 0,638 0,022 0,062 1 0,300 0,286 0,241 -0,046 3,843 0,050 RBP3 - -35425,235 0,414 0,256 0,056 1 0,530 0,055 RBP3 Artiodactyla -35425,040 0,529 0,055 0,056 1 0,415 0,257 0,241 -0,016 0,392 0,531 RBP3 Caniformia -35419,703 0,513 0,053 0,058 1 0,429 0,257 0,162 -0,095 11,065 0,001 RBP3 Cetacea -35422,957 0,530 0,055 0,056 1 0,414 0,259 0,168 -0,091 4,557 0,033 RBP3 Eulipotyphla -35417,690 0,524 0,054 0,056 1 0,419 0,246 0,417 0,171 15,090 0,000 RBP3 Feliformia -35424,609 0,524 0,054 0,057 1 0,419 0,255 0,206 -0,049 1,253 0,263 RBP3 Chiroptera -35344,367 0,293 0,027 0,097 1 0,610 0,137 0,408 0,271 161,737 0,000 RBP3 Perissodactyla -35425,233 0,530 0,055 0,056 1 0,414 0,256 0,259 0,003 0,004 0,949 RBP3 Primates -35420,981 0,525 0,055 0,057 1 0,418 0,263 0,195 -0,068 8,508 0,004 RBP3 Rodentia -35411,430 0,432 0,043 0,070 1 0,498 0,256 0,164 -0,092 27,611 0,000 VWF - -37298,001 0,389 0,244 0,057 1 0,554 0,029 VWF Artiodactyla -37297,707 0,554 0,029 0,057 1 0,389 0,242 0,257 0,016 0,587 0,444 VWF Caniformia -37297,664 0,553 0,029 0,057 1 0,389 0,242 0,265 0,023 0,673 0,412 VWF Cetacea -37295,266 0,553 0,029 0,056 1 0,390 0,240 0,338 0,097 5,469 0,019 VWF Eulipotyphla -37294,282 0,554 0,029 0,056 1 0,390 0,250 0,186 -0,064 7,437 0,006 VWF Feliformia -37294,275 0,553 0,029 0,057 1 0,390 0,240 0,357 0,118 7,453 0,006 VWF Chiroptera -37297,445 0,554 0,029 0,058 1 0,389 0,240 0,263 0,022 1,112 0,292 VWF Perissodactyla -37297,036 0,554 0,029 0,057 1 0,389 0,243 0,317 0,075 1,931 0,165 VWF Primates -37294,240 0,557 0,030 0,056 1 0,386 0,253 0,197 -0,056 7,522 0,006 VWF Rodentia -37298,001 0,554 0,029 0,057 1 0,389 0,244 0,244 -0,000 0,000 0,992 -68- Příloha 4 Výsledky modelů větví-pozicí bsA a bsAl Následující tabulka obsahuje kompletní výsledky modelů bsA a bsAl. Gen Model Taxon LL Po COo Pl COi Pia P2b <»2 LRT /j-hodnota APOB bsAl Artiodactyla -33984,190 0,610 0,241 0,294 1 0,065 0,031 1,000 APOB bsA Artiodactyla -33984,190 0,610 0,241 0,294 1 0,065 0,031 1,000 -0,000 1,000 APOB bsAl Caniformia -33988,524 0,642 0,247 0,309 1 0,033 0,016 1,000 APOB bsA Caniformia -33983,461 0,668 0,250 0,312 1 0,014 0,006 4,838 10,126 0,001 APOB bsAl Cetacea -33987,261 0,576 0,245 0,280 1 0,097 0,047 1,000 APOB bsA Cetacea -33987,261 0,576 0,245 0,280 1 0,097 0,047 1,000 -0,000 1,000 APOB bsAl Eulipotyphla -33984,958 0,605 0,241 0,289 1 0,072 0,034 1,000 APOB bsA Eulipotyphla -33984,958 0,605 0,241 0,289 1 0,071 0,034 1,000 -0,000 1,000 APOB bsAl Feliformia -33989,089 0,649 0,248 0,313 1 0,025 0,012 1,000 APOB bsA Feliformia -33988,125 0,669 0,249 0,318 1 0,009 0,004 5,370 1,929 0,165 APOB bsAl Chiroptera -33969,328 0,585 0,236 0,259 1 0,108 0,048 1,000 APOB bsA Chiroptera -33966,871 0,620 0,241 0,269 1 0,077 0,034 1,588 4,914 0,027 APOB bsAl Perissodactyla -33989,107 0,632 0,247 0,306 1 0,042 0,020 1,000 APOB bsA Perissodactyla -33989,098 0,635 0,247 0,307 1 0,039 0,019 1,143 0,018 0,893 APOB bsAl Primates -33983,581 0,602 0,240 0,297 1 0,068 0,033 1,000 APOB bsA Primates -33983,581 0,602 0,240 0,297 1 0,068 0,033 1,000 0,000 1,000 APOB bsAl Rodentia -33977,740 0,650 0,240 0,286 1 0,045 0,020 1,000 APOB bsA Rodentia -33977,740 0,650 0,240 0,286 1 0,045 0,020 1,000 0,000 0,999 BRCA1 bsAl Artiodactyla -93511,302 0,503 0,340 0,442 1 0,030 0,026 1,000 BRCA1 bsA Artiodactyla -93501,954 0,512 0,343 0,449 1 0,021 0,018 3,034 18,695 0,000 BRCA1 bsAl Caniformia -93511,871 0,516 0,342 0,450 1 0,018 0,016 1,000 BRCA1 bsA Caniformia -93492,083 0,520 0,343 0,450 1 0,016 0,014 4,508 39,577 0,000 BRCA1 bsAl Cetacea -93504,174 0,388 0,338 0,343 1 0,143 0,126 1,000 BRCA1 bsA Cetacea -93489,093 0,502 0,340 0,445 1 0,028 0,025 5,818 30,163 0,000 BRCA1 bsAl Feliformia -93511,836 0,500 0,341 0,438 1 0,033 0,029 1,000 BRCA1 bsA Feliformia -93500,711 0,517 0,342 0,449 1 0,018 0,016 4,755 22,250 0,000 BRCA1 bsAl Chiroptera -93510,626 0,503 0,339 0,440 1 0,030 0,027 1,000 BRCA1 bsA Chiroptera -93508,669 0,521 0,342 0,454 1 0,014 0,012 2,264 3,913 0,048 BRCA1 bsAl Perissodactyla -93512,656 0,532 0,343 0,468 1 0,000 0,000 1,000 BRCA1 bsA Perissodactyla -93512,655 0,532 0,343 0,468 1 0,000 0,000 1,000 0,002 0,965 BRCA1 bsAl Primates -93511,022 0,501 0,340 0,439 1 0,032 0,028 1,000 BRCA1 bsA Primates -93504,282 0,524 0,342 0,458 1 0,010 0,009 3,233 13,480 0,000 BRCA1 bsAl Rodentia -93449,185 0,434 0,310 0,328 1 0,136 0,102 1,000 BRCA1 bsA Rodentia -93449,185 0,434 0,310 0,328 1 0,136 0,102 1,000 -0,000 1,000 COX1 bsAl Artiodactyla -78441,995 0,990 0,006 0,006 1 0,004 0,000 1,000 COX1 bsA Artiodactyla -78441,995 0,990 0,006 0,006 1 0,004 0,000 1,000 0,000 0,998 COX1 bsAl Caniformia -78448,801 0,990 0,006 0,006 1 0,004 0,000 1,000 COXJ bsA Caniformia -78448,801 0,990 0,006 0,006 1 0,004 0,000 1,000 0,000 0,998 COXJ bsAl Cetacea -78394,918 0,979 0,006 0,006 1 0,015 0,000 1,000 COX1 bsA Cetacea -78394,918 0,979 0,006 0,006 1 0,015 0,000 1,000 0,000 0,998 COXJ bsAl Eulipotyphla -78457,639 0,994 0,006 0,006 1 0,000 0,000 1,000 COX1 bsA Eulipotyphla -78457,639 0,994 0,006 0,006 1 0,000 0,000 1,000 0,000 0,996 COXJ bsAl Feliformia -78447,676 0,986 0,006 0,006 1 0,008 0,000 1,000 COXJ bsA Feliformia -78447,676 0,986 0,006 0,006 1 0,008 0,000 1,000 0,000 1,000 COXJ bsAl Chiroptera -78457,639 0,994 0,006 0,006 1 0,000 0,000 1,000 COXJ bsA Chiroptera -78457,639 0,994 0,006 0,006 1 0,000 0,000 1,000 -0,000 1,000 COXJ bsAl Perissodactyla -78453,864 0,992 0,006 0,006 1 0,002 0,000 1,000 COXJ bsA Perissodactyla -78453,864 0,992 0,006 0,006 1 0,002 0,000 1,000 0,000 1,000 COXJ bsAl Primates -78385,869 0,978 0,006 0,006 1 0,016 0,000 1,000 COXJ bsA Primates -78385,869 0,978 0,006 0,006 1 0,016 0,000 1,000 0,000 1,000 COXJ bsAl Rodentia -78449,868 0,990 0,006 0,006 1 0,004 0,000 1,000 COXJ bsA Rodentia -78449,868 0,990 0,006 0,006 1 0,004 0,000 1,000 0,000 0,998 -69- Příloha 4 Gen Model Taxon LL Po tůn Pl COi P2a Plh LRT p-hodnota COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 COX2 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CSN3 CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB CYTB DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 DMP1 bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla Feliformia Feliformia Chiroptera Chiroptera Perissodactyla Perissodactyla Primates Primates Rodentia Rodentia Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla Feliformia Feliformia Chiroptera Chiroptera Perissodactyla Perissodactyla Primates Primates Rodentia Rodentia Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla Feliformia Feliformia Chiroptera Chiroptera Perissodactyla Perissodactyla Primates Primates Rodentia Rodentia Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla Feliformia Feliformia Chiroptera Chiroptera Perissodactyla -36472,742 -36472,742 -36475,688 -36475,688 -36438,294 -36438,294 -36475,615 -36475,615 -36446,709 -36446,709 -36451,306 -36451,306 -36475,688 -36475,688 -36469,273 -36469,273 -36473,644 -36473,644 -18979,039 -18968,804 -18978,840 -18975,783 -18978,805 -18974,045 -18977,306 -18974,980 -18978,116 -18978,116 -18974,014 -18961,887 -18979,323 -18978,039 -18979,244 -18966,204 -18963,680 -18958,774 -72583,071 -72583,071 -72644,990 -72644,990 -72578,317 -72578,317 -72634,686 -72634,686 -72630,690 -72630,690 -72639,386 -72639,386 -72651,561 -72651,561 -72570,710 -72570,710 -72647,738 -72647,738 -40932,919 -40932,919 -40973,991 -40973,991 -40946,766 -40943,893 -40946,594 -40946,594 -40974,181 -40974,181 -40953,752 -40951,389 -40974,226 0,981 0,981 0,991 0,991 0,954 0,954 0,989 0,989 0,974 0,974 0,976 0,976 0,991 0,991 0,981 0,981 0,987 0,987 0,364 0,342 0,326 0,370 0,329 0,354 0,291 0,341 0,261 0,261 0,257 0,343 0,392 0,380 0,374 0,369 0,324 0,350 0,975 0,975 0,987 0,987 0,948 0,948 0,966 0,966 0,972 0,972 0,978 0,978 0,995 0,995 0,934 0,934 0,988 0,988 0,554 0,554 0,623 0,623 0,531 0,567 0,529 0,529 0,632 0,632 0,586 0,610 0,640 0,014 0,014 0,014 0,014 0,013 0,013 0,014 0,014 0,013 0,013 0,014 0,014 0,014 0,014 0,014 0,014 0,014 0,014 0,402 0,403 0,402 0,407 0,404 0,404 0,396 0,399 0,401 0,401 0,384 0,398 0,407 0,409 0,405 0,408 0,378 0,400 0,026 0,026 0,027 0,027 0,026 0,026 0,027 0,027 0,026 0,026 0,027 0,027 0,027 0,027 0,026 0,026 0,027 0,027 0,184 0,184 0,194 0,194 0,188 0,189 0,184 0,184 0,194 0,194 0,189 0,191 0,194 0,009 0,009 0,009 0,009 0,008 0,008 0,009 0,009 0,009 0,009 0,009 0,009 0,009 0,009 0,009 0,009 0,009 0,009 0,561 0,531 0,504 0,567 0,508 0,549 0,454 0,525 0,406 0,406 0,393 0,516 0,608 0,575 0,574 0,595 0,314 0,330 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,005 0,002 0,002 0,005 0,005 0,278 0,278 0,350 0,350 0,285 0,305 0,298 0,298 0,355 0,355 0,317 0,332 0,360 0,011 0,011 0,000 0,000 0,038 0,038 0,002 0,002 0,018 0,018 0,016 0,016 0,000 0,000 0,010 0,010 0,004 0,004 0,030 0,049 0,067 0,025 0,064 0,038 0,100 0,053 0,130 0,130 0,138 0,056 0,000 0,018 0,021 0,014 0,184 0,165 0,020 0,020 0,008 0,008 0,047 0,047 0,029 0,029 0,022 0,022 0,016 0,016 0,000 0,000 0,063 0,063 0,007 0,007 0,112 0,112 0,017 0,017 0,120 0,083 0,110 0,110 0,009 0,009 0,063 0,038 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,046 0,077 0,103 0,038 0,099 0,059 0,156 0,081 0,203 0,203 0,211 0,085 0,000 0,027 0,031 0,022 0,178 0,155 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,056 0,056 0,010 0,010 0,064 0,045 0,062 0,062 0,005 0,005 0,034 0,020 0,000 1,000 1,000 1,000 4,796 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 2,375 1,000 1,000 1,000 1,000 1,000 3,073 1,000 4,079 1,000 5,387 1,000 2,571 1,000 1,000 1,000 2,948 1,000 6,519 1,000 5,270 1,000 1,405 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,455 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,669 1,000 1,000 1,000 1,000 1,000 1,884 1,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 20,468 6,113 9,521 4,652 0,000 24,255 2,570 26,079 9,811 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 -0,000 0,000 -0,000 5,747 0,000 0,000 4,727 1,000 1,000 1,000 1,000 0,999 1,000 1,000 1,000 1,000 0,000 0,013 0,002 0,031 1,000 0,000 0,109 0,000 0,002 1,000 1,000 1,000 0,999 1,000 1,000 1,000 1,000 1,000 1,000 1,000 0,017 0,998 1,000 0,030 -70- Příloha 4 Gen Model Taxon LL Po tůn Pl COi P2a Plh ®2 LRT p-hodnota DMP1 DMP1 DMP1 DMP1 DMP1 GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR GHR LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT LCAT MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC MYC RAG1 RAG1 RAG1 RAG1 RAG1 RAG1 RAG1 RAG1 hsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA bsAl bsA Perissodactyla Primates Primates Rodentia Rodentia Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla Feliformia Feliformia Chiroptera Chiroptera Perissodactyla Perissodactyla Primates Primates Rodentia Rodentia Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla Feliformia Feliformia Chiroptera Chiroptera Perissodactyla Perissodactyla Primates Primates Rodentia Rodentia Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla Feliformia Feliformia Chiroptera Chiroptera Perissodactyla Perissodactyla Primates Primates Rodentia Rodentia Artiodactyla Artiodactyla Caniformia Caniformia Cetacea Cetacea Eulipotyphla Eulipotyphla -40974,041 -40962,027 -40962,027 -40963,704 -40963,704 -22044,030 -22044,030 -22044,391 -22044,391 -22043,998 -22043,401 -22043,472 -22042,700 -22044,391 -22044,391 -22044,391 -22044,391 -22044,391 -22044,391 -22034,163 -22034,163 -22025,990 -22025,990 -21680,622 -21680,622 -21678,973 -21678,816 -21680,622 -21680,622 -21675,873 -21675,873 -21677,854 -21675,873 -21618,675 -21618,675 -21680,588 -21680,588 -21680,592 -21680,592 -21671,373 -21671,373 -20933,998 -20933,098 -20950,215 -20950,215 -20934,841 -20931,598 -20943,825 -20943,825 -20950,208 -20950,208 -20931,280 -20931,280 -20950,200 -20950,200 -20943,296 -20943,296 -20944,878 -20944,878 -65275,412 -65275,412 -65275,294 -65275,294 -65275,439 -65275,255 -65294,294 -65294,294 0,635 0,593 0,593 0,629 0,629 0,694 0,694 0,702 0,702 0,683 0,697 0,688 0,693 0,702 0,702 0,702 0,702 0,702 0,702 0,621 0,621 0,650 0,650 0,833 0,833 0,826 0,828 0,833 0,833 0,812 0,812 0,824 0,829 0,756 0,756 0,825 0,825 0,831 0,831 0,824 0,824 0,929 0,929 0,955 0,955 0,923 0,942 0,936 0,936 0,954 0,954 0,938 0,938 0,951 0,951 0,943 0,943 0,945 0,945 0,810 0,810 0,803 0,803 0,768 0,779 0,815 0,815 0,194 0,190 0,190 0,192 0,192 0,125 0,125 0,126 0,126 0,125 0,126 0,125 0,126 0,126 0,126 0,126 0,126 0,126 0,126 0,118 0,118 0,115 0,115 0,052 0,052 0,051 0,051 0,052 0,052 0,051 0,051 0,051 0,051 0,043 0,043 0,051 0,051 0,051 0,051 0,050 0,050 0,035 0,035 0,036 0,036 0,035 0,035 0,035 0,035 0,036 0,036 0,034 0,034 0,036 0,036 0,036 0,036 0,035 0,035 0,045 0,045 0,044 0,044 0,045 0,045 0,046 0,046 0,357 0,311 0,311 0,331 0,331 0,296 0,296 0,298 0,298 0,289 0,294 0,288 0,287 0,298 0,298 0,298 0,298 0,298 0,298 0,265 0,265 0,242 0,242 0,167 0,167 0,167 0,167 0,167 0,167 0,157 0,157 0,166 0,168 0,148 0,148 0,166 0,166 0,167 0,167 0,161 0,161 0,042 0,042 0,045 0,045 0,044 0,045 0,045 0,045 0,045 0,045 0,044 0,044 0,045 0,045 0,038 0,038 0,040 0,040 0,169 0,169 0,170 0,170 0,160 0,162 0,170 0,170 0,005 0,063 0,063 0,026 0,026 0,007 0,007 0,000 0,000 0,020 0,007 0,017 0,014 0,000 0,000 0,000 0,000 0,000 0,000 0,080 0,080 0,079 0,079 0,000 0,000 0,006 0,004 0,000 0,000 0,026 0,026 0,008 0,003 0,080 0,080 0,007 0,007 0,001 0,001 0,013 0,013 0,027 0,027 0,000 0,000 0,031 0,013 0,017 0,017 0,001 0,001 0,017 0,017 0,004 0,004 0,018 0,018 0,015 0,015 0,017 0,017 0,022 0,022 0,059 0,048 0,012 0,012 0,003 0,033 0,033 0,014 0,014 0,003 0,003 0,000 0,000 0,009 0,003 0,007 0,006 0,000 0,000 0,000 0,000 0,000 0,000 0,034 0,034 0,029 0,029 0,000 0,000 0,001 0,001 0,000 0,000 0,005 0,005 0,002 0,001 0,016 0,016 0,001 0,001 0,000 0,000 0,003 0,003 0,001 0,001 0,000 0,000 0,002 0,001 0,001 0,001 0,000 0,000 0,001 0,001 0,000 0,000 0,001 0,001 0,001 0,001 0,004 0,004 0,005 0,005 0,012 0,010 0,003 0,003 3,293 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 4,373 1,000 2,690 1,000 1,000 1,000 34,444 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,696 1,000 1,000 1,000 1,000 1,000 7,096 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 16,982 1,000 3,781 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,283 1,000 1,000 0,371 -0,000 -0,000 0,000 -0,000 1,194 1,544 0,000 0,000 0,000 -0,000 0,000 0,000 0,315 -0,000 0,000 3,961 0,000 -0,000 0,000 -0,000 1,800 0,000 6,486 0,000 0,000 0,000 0,000 0,000 -0,000 0,000 -0,000 0,368 0,000 0,542 1,000 1,000 1,000 1,000 0,275 0,214 1,000 0,999 1,000 1,000 1,000 0,998 0,575 1,000 0,998 0,047 0,999 1,000 1,000 1,000 0,180 0,997 0,011 1,000 0,999 0,999 1,000 0,997 1,000 0,991 1,000 0,544 0,991 -71- Příloha 4 Gen Model Taxon LL PO COo Pi ffli P2a P2b » 2 LRT /j-hodnota RAG1 bsAl Feliformia -65293,610 0,815 0,046 0,172 1 0,010 0,002 1,000 RAG1 bsA Feliformia -65293,535 0,821 0,046 0,174 1 0,005 0,001 1,779 0,150 0,698 RAG1 bsAl Chiroptera -65292,805 0,819 0,046 0,171 1 0,008 0,002 1,000 RAG1 bsA Chiroptera -65292,805 0,819 0,046 0,171 1 0,008 0,002 1,000 -0,000 1,000 RAG1 bsAl Perissodactyla -65297,478 0,826 0,046 0,174 1 0,000 0,000 1,000 RAG1 bsA Perissodactyla -65297,478 0,826 0,046 0,174 1 0,000 0,000 1,000 0,000 0,990 RAG1 bsAl Primates -65262,134 0,799 0,044 0,164 1 0,031 0,006 1,000 RAG1 bsA Primates -65262,134 0,799 0,044 0,164 1 0,031 0,006 1,000 0,000 0,993 RAG1 bsAl Rodentia -65276,862 0,817 0,046 0,162 1 0,017 0,003 1,000 RAG1 bsA Rodentia -65276,861 0,817 0,046 0,162 1 0,017 0,003 1,000 0,000 0,992 RAG2 bsAl Artiodactyla -27045,190 0,830 0,075 0,132 1 0,032 0,005 1,000 RAG2 bsA Artiodactyla -27045,190 0,830 0,075 0,132 1 0,032 0,005 1,000 0,000 0,997 RAG2 bsAl Caniformia -27055,511 0,845 0,076 0,137 1 0,016 0,003 1,000 RAG2 bsA Caniformia -27055,511 0,845 0,076 0,137 1 0,016 0,003 1,004 0,000 0,994 RAG2 bsAl Cetacea -27048,496 0,773 0,075 0,127 1 0,086 0,014 1,000 RAG2 bsA Cetacea -27048,463 0,788 0,075 0,129 1 0,071 0,012 1,201 0,066 0,798 RAG2 bsAl Eulipotyphla -27057,366 0,859 0,077 0,141 1 0,000 0,000 1,000 RAG2 bsA Eulipotyphla -27057,366 0,859 0,077 0,141 1 0,000 0,000 1,000 0,000 0,996 RAG2 bsAl Feliformia -27057,366 0,859 0,077 0,141 1 0,000 0,000 1,000 RAG2 bsA Feliformia -27057,366 0,859 0,077 0,141 1 0,000 0,000 1,000 0,000 0,996 RAG2 bsAl Chiroptera -27052,753 0,846 0,076 0,134 1 0,018 0,003 1,000 RAG2 bsA Chiroptera -27052,753 0,846 0,076 0,134 1 0,018 0,003 1,000 0,000 0,997 RAG2 bsAl Perissodactyla -27053,929 0,806 0,076 0,132 1 0,053 0,009 1,000 RAG2 bsA Perissodactyla -27053,323 0,839 0,076 0,136 1 0,022 0,004 2,673 1,210 0,271 RAG2 bsAl Primates -27052,012 0,844 0,077 0,131 1 0,022 0,003 1,000 RAG2 bsA Primates -27051,958 0,848 0,077 0,131 1 0,018 0,003 1,186 0,108 0,742 RAG2 bsAl Rodentia -27046,082 0,834 0,072 0,134 1 0,028 0,004 1,000 RAG2 bsA Rodentia -27046,082 0,834 0,072 0,134 1 0,028 0,004 1,000 0,000 0,997 RBP3 bsAl Artiodactyla -35652,067 0,861 0,124 0,107 1 0,029 0,004 1,000 RBP3 bsA Artiodactyla -35651,794 0,866 0,124 0,107 1 0,024 0,003 1,200 0,546 0,460 RBP3 bsAl Caniformia -35670,933 0,879 0,126 0,113 1 0,006 0,001 1,000 RBP3 bsA Caniformia -35670,851 0,881 0,126 0,113 1 0,005 0,001 1,394 0,165 0,684 RBP3 bsAl Cetacea -35667,999 0,869 0,126 0,110 1 0,019 0,002 1,000 RBP3 bsA Cetacea -35665,680 0,881 0,126 0,111 1 0,007 0,001 3,083 4,638 0,031 RBP3 bsAl Eulipotyphla -35664,919 0,810 0,124 0,102 1 0,078 0,010 1,000 RBP3 bsA Eulipotyphla -35664,919 0,810 0,124 0,102 1 0,078 0,010 1,000 0,000 1,000 RBP3 bsAl Feliformia -35671,112 0,874 0,126 0,113 1 0,011 0,001 1,000 RBP3 bsA Feliformia -35670,883 0,878 0,126 0,113 1 0,008 0,001 1,715 0,459 0,498 RBP3 bsAl Chiroptera -35515,636 0,536 0,099 0,075 1 0,342 0,048 1,000 RBP3 bsA Chiroptera -35515,636 0,536 0,099 0,075 1 0,342 0,048 1,000 0,000 0,998 RBP3 bsAl Perissodactyla -35671,708 0,885 0,127 0,114 1 0,000 0,000 1,000 RBP3 bsA Perissodactyla -35671,677 0,884 0,127 0,114 1 0,002 0,000 2,844 0,063 0,802 RBP3 bsAl Primates -35667,018 0,874 0,126 0,112 1 0,012 0,002 1,000 RBP3 bsA Primates -35666,976 0,876 0,126 0,112 1 0,010 0,001 1,166 0,084 0,772 RBP3 bsAl Rodentia -35642,537 0,857 0,122 0,094 1 0,044 0,005 1,000 RBP3 bsA Rodentia -35642,536 0,857 0,122 0,094 1 0,044 0,005 1,000 0,001 0,976 VWF bsAl Artiodactyla -37809,282 0,823 0,097 0,116 1 0,053 0,007 1,000 VWF bsA Artiodactyla -37809,282 0,823 0,097 0,117 1 0,053 0,007 1,000 0,000 0,984 VWF bsAl Caniformia -37827,368 0,853 0,100 0,119 1 0,025 0,004 1,000 VWF bsA Caniformia -37827,368 0,853 0,100 0,119 1 0,025 0,004 1,000 0,000 1,000 VWF bsAl Cetacea -37815,460 0,811 0,099 0,114 1 0,065 0,009 1,000 VWF bsA Cetacea -37814,895 0,826 0,099 0,116 1 0,051 0,007 1,361 1,129 0,288 VWF bsAl Eulipotyphla -37828,025 0,847 0,100 0,120 1 0,029 0,004 1,000 VWF bsA Eulipotyphla -37828,025 0,847 0,100 0,120 1 0,029 0,004 1,000 -0,000 1,000 VWF bsAl Feliformia -37819,199 0,828 0,100 0,114 1 0,050 0,007 1,000 VWF bsA Feliformia -37816,599 0,852 0,100 0,117 1 0,027 0,004 2,239 5,201 0,023 VWF bsAl Chiroptera -37792,381 0,821 0,097 0,111 1 0,059 0,008 1,000 VWF bsA Chiroptera -37792,381 0,821 0,097 0,111 1 0,059 0,008 1,000 -0,000 1,000 VWF bsAl Perissodactyla -37830,602 0,835 0,101 0,118 1 0,041 0,006 1,000 VWF bsA Perissodactyla -37829,903 0,852 0,101 0,121 1 0,024 0,003 2,100 1,399 0,237 VWF bsAl Primates -37829,687 0,856 0,100 0,121 1 0,020 0,003 1,000 VWF bsA Primates -37829,687 0,856 0,100 0,121 1 0,020 0,003 1,000 0,000 0,998 VWF bsAl Rodentia -37809,620 0,842 0,098 0,118 1 0,035 0,005 1,000 VWF bsA Rodentia -37809,620 0,842 0,098 0,118 1 0,035 0,005 1,000 -0,000 1,000 -72- Seznam použitých zdrojů ADENAIKE A. S., PETERS S. 0., FAFIOLU A. 0., LAWAL R. A., WHETO M., IKEOBI C. O. N., Bioinformatic analyses of kappa casein gene in mammalian livestock species. Nigerian Journal of Animal Production. December 2020, 40, 2, s. 7-12. ISSN 0331- 2062. doi: 10.51791/njap.v40i2.1126. AD KINS R. M., HONEYCUTT R. L., Molecular phylogeny of the superorder Archonta. Proceedings of the National Academy of Sciences. 1991, 88, 22, s. 10317-10321. doi: 10.1073/pnas.88.22.10317. AD KINS R. M., GELKE E. L., ROWE D., HONEYCUTT R. L., Molecular Phylogeny and Divergence Time Estimates for Major Rodent Groups: Evidence from Multiple Genes. Molecular Biology and Evolution. May 2001, 18, 5, s. 777-791. ISSN 0737-4038. doi: 10.1093/oxfordjournals.molbev.a003860. AGUILAR-TOMASINI M . A., MARTIN M . D., SPEED J. D., Assessing spatial patterns of phylogenetic diversity of Mexican mammals for biodiversity conservation. Global Ecology and Conservation. 2021, 31, s. e01834. ISSN 2351-9894. doi: https://doi.org/ 10.1016/j.gecco.2021.e01834. ALVAREZ-CARRETERO S., KAPLI P., YANG Z., Beginner's Guide on the Use of PAML to Detect Positive Selection. Molecular Biology and Evolution. April 2023, 40, 4, s. msad041. ISSN 1537-1719. doi: 10.1093/molbev/msad041. AMRINE-MADSEN H., KOEPFLI K.-P, WAYNE R. K , SPRINGER M . S., A new phylogenetic marker, apolipoprotein B, provides compelling evidence for eutherian relationships. Molecular Phylogenetics and Evolution. August 2003, 28, 2, s. 225-240. ISSN 1055-7903. doi: 10.1016/S1055-7903(03)00118-0. ANISIMOVA M., BIELAWSKI J. P., YANG Z., Accuracy and Power of the Likelihood Ratio Test in Detecting Adaptive Molecular Evolution. Molecular Biology and Evolution. August 2001, 18, 8, s. 1585-1592. ISSN 1537-1719, 0737-4038. doi: 10.1093/oxfordjournals.molbev.a003945. ANISIMOVA M., BIELAWSKI J. P., YANG Z., Accuracy and Power of Bayes Prediction of Amino Acid Sites Under Positive Selection. Molecular Biology and Evolution. June 2002,19,6, s. 950-958. ISSN 0737-4038. doi: 10.1093/oxfordjournals.molbev.a004152. ASHLEY M . V , NORMAN J. E., STROSS L., Phylogenetic analysis of the perissodactylan family Tapiridae using mitochondrial cytochromec oxidase (COII) sequences. Journal of Mammalian Evolution. December 1996, 3, 4, s. 315-326. ISSN 1573-7055. doi: 10.1007/BF02077448. BAKER M . L., WARES J. P., HARRISON G. A., MILLER R. D., Relationships Among the Families and Orders of Marsupials and the Major Mammalian Lineages Based on -73- Seznam použitých zdrojů Recombination Activating Gene-1. Journal of Mammalian Evolution. March 2004, 11, 1, s. 1-16. ISSN 1573-7055. doi: 10.1023/B:JOMM.0000029143.39776.ec. BAURAIN D., Bio-MUST-Apps-HmmCleaner [online]. 2025a. Navštíveno: 22. března 2025. Dostupné z: https: //metacpan. org/dist/Bio-MUST-Apps-HmmCleaner. BAURAIN D., ali2fasta.pl - Convert ALIfiles to FASTA files [online]. 2025b. Navštíveno: 22. března 2025. Dostupné z: https : //metacpan. org/dist/Bio-MUST-Core/view/ bin/ali2fasta.pl. BERGSTEN J., A review of long-branch attraction. Cladistics. 2005, 21, 2, s. 163-193. ISSN 1096-0031. doi: 10.1111/j.l096-0031.2005.00059.x. _eprint: https://onlinelibrary.wiley.com/doi/pdf/10.1111/j. 1096-0031.2005.00059.x. BIELAWSKI J., YANG Z. Notes for codon-based Clade models, 2004a. Dostupné z: https://github.com/abacus-gene/paml/blob/master/examples/ notes.pdf. Navštíveno: 23. března2025. BIELAWSKI J. R, YANG Z., Maximum likelihood methods for detecting adaptive evolution after gene duplication. Journal of Structural and Functional Genomics. March 2003, 3, 1, s. 201-212. ISSN 1570-0267. doi: 10.1023/A: 1022642807731. BIELAWSKI J. R, YANG Z., A Maximum Likelihood Method for Detecting Functional Divergence at Individual Codon Sites, with Application to Gene Family Evolution. Journal of Molecular Evolution. July 2004b, 59, 1, s. 121-132. ISSN 1432-1432. doi: 10.1007/s00239-004-2597-8. BONDAREVA O. V., POTAPOVA N. A., KONOVALOV K. A., PETROVA T. V , ABRAMSON N. I., Searching for signatures of positive selection in cytochrome b gene associated with subterranean lifestyle in fast-evolving arvicolines (Arvicolinae, Cricetidae, Rodentia). BMC Ecology and Evolution. May 2021, 21, 1, s. 92. ISSN 2730-7182. doi: 10.1186/sl2862-021-01819-4. BRADLEY R. D., DURISH N. D., ROGERS D. S., MILLER J. R., ENGSTROM M . D., KILPATRICK C. W , Toward a Molecular Phylogeny for Peromyscus: Evidence from Mitochondrial Cytochrome-b Sequences. Journal of Mammalogy. October 2007, 88, 5, s. 1146-1159. ISSN 0022-2372. doi: 10.1644/06-MAMM-A-342R.1. BRETONES G., DELGADO M . D., LEóN J., Myc and cell cycle control. Biochimica Et Biophysica Acta. May 2015, 1849, 5, s. 506-516. ISSN 0006-3002. doi: 10.1016/j. bbagrm.2014.03.013. BULMER M., The selection-mutation-drift theory of synonymous codon usage. Genetics. November 1991,129,3, s. 897-907. ISSN 1943-2631. doi: 10.1093/genetics/129.3.897. CAPELLA-GUTIéRREZ S., SILLA-MARTíNEZ J. M., GABALDóN T, trimAl: a tool for automated alignment trimming in large-scale phylogenetic analyses. Bioinformatics. August 2009, 25, 15, s. 1972-1973. ISSN 1367-4803. doi: 10.1093/bioinformatics/ btp348. -74- Seznam použitých zdrojů CAROLI A. M . , CHESSA S., ERHARDT G. J., Invited review: Milk protein polymorphisms in cattle: Effect on animal breeding and human nutrition. Journal of Dairy Science. November 2009, 92, 11, s. 5335-5352. ISSN 0022-0302. doi: 10.3168/jds.2009-2461. Publisher: Elsevier. CASTOE T. A., KONING A. P. J., KIM H.-M., G U W., NOONAN B. P., NAYLOR G., JIANG Z. J., PARKINSON C. L., POLLOCK D. D., Evidence for an ancient adaptive episode of convergent molecular evolution. Proceedings of the National Academy of Sciences. June 2009,106,22, s. 8986-8991. doi: 10.1073/pnas.0900233106. Publisher: Proceedings of the National Academy of Sciences. CHAKRABARTI A., GHOSH J. K. AIC, BIC and Recent Advances in Model Selection. In BANDYOPADHYAY P. S., FORSTER M . R. (Ed.) Philosophy of Statistics, 7 / Handbook of the Philosophy of Science. Amsterdam: North-Holland, January 2011. s. 583-605. doi: 10.1016/B978-0-444-51862-0.50018-6. CHERNOMOR O., HAESELER A., MINH B. Q., Terrace Aware Data Structure for Phylogenomic Inference from Supermatrices. Systematic Biology. November 2016, 65, 6, s. 997-1008. ISSN 1063-5157. doi: 10.1093/sysbio/syw037. CHIKUNI K , MORI Y , TABATA T, SAITO M., M O N M A M., KOSUGIYAMA M., Molecular phylogeny based on the k-casein and cytochrome b sequences in the mammalian suborder Ruminantia. Journal of Molecular Evolution. December 1995, 41, 6, s. 859-866. ISSN 1432-1432. doi: 10.1007/BF00173165. COCK P. J. A., ANTAO T, CHANG J. T, CHAPMAN B. A., COX C. J., DALKE A., FRIEDBERG I., HAMELRYCK T, KAUFT F., WILCZYNSKIB., HOON M . J. L., Biopython: freely available Python tools for computational molecular biology and bioinformatics. Bioinformatics. March 2009, 25,11, s. 1422-1423. ISSN 1367-4803. doi: 10. 1093/bioinformatics/btpl63. _eprint: https://academic.oup.com/bioinformatics/articlepdf/25/1 l/1422/48989335/bioinformatics_25_l l_1422.pdf. COMIN A., CASSANDRO M., CHESSA S., OJALA M., DAL ZOTTO R., DE MARCHI M., CARNIER P., GALLO L., PAGNACCO G., BITTANTE G., Effects of Composite jß- and K-Casein Genotypes on Milk Coagulation, Quality, and Yield Traits in Italian Holstein Cows. Journal of Dairy Science. October 2008, 91, 10, s. 4022^1027. ISSN 0022-0302. doi: 10.3168/jds.2007-0546. CRONIN M . A., STUART R., PIERSON B. J., PATTON J. C , K-Casein Gene Phylogeny of Higher Ruminants (Pecora, Artiodactyla). Molecular Phylogenetics and Evolution. October 1996, 6, 2, s. 295-311. ISSN 1055-7903. doi: 10.1006/mpev. 1996.0078. CRUICKSHANK R. H., Molecular markers for the phylogenetics of mites and ticks. Systematic and Applied Acarology. July 2002, s. 3-14. ISSN 2056-6069. doi: 10.11158/ saa.7.1.1. DI FRANCO A., POUJOL R., BAURAIN D., PHILIPPE H., Evaluating the usefulness of alignment filtering methods to reduce the impact of errors on evolutionary inferences. -75- Seznam použitých zdrojů BMC Evolutionary Biology. January 2019, 19, 1, s. 21. ISSN 1471-2148. doi: 10.1186/ S12862-019-1350-2. DIAS B. C , NERY M . E , Analyses of RAG1 and RAG2 genes suggest different evolutionary rates in the Cetacea lineage. Molecular Immunology. January 2020, 117, s. 131-138. ISSN 0161-5890. doi: 10.1016/j.molimm.2019.10.014. EDWARDS S. V., Natural selection and phylogenetic analysis. Proceedings of the National Academy of Sciences. June 2009,106,22, s. 8799-8800. doi: 10.1073/pnas.0904103106. Publisher: Proceedings of the National Academy of Sciences. FELSENSTEIN J., Inferring phylogenies. Sunderland, Mass : Sinauer Associates, 2004. ISBN 978-0-87893-177-4. FOLEY N. M., MASON V. C , HARRIS A. J., BREDEMEYER K. R., DAMAS J., LEWIN H. A., EIZIRIK E., GATESY J., KARLSSON E. K., LINDBLAD-TOH K., Zoonomia Consortium, SPRINGER M . S., MURPHY W. J., A genomic timescale for placental mammal evolution. Science. April 2023, 380, 6643, s. eabl8189. doi: 10.1126/science. abl8189. Publisher: American Association for the Advancement of Science. GADAGKAR S. R., ROSENBERG M . S., K U M A R S., Inferring species phylogenies from multiple genes: Concatenated sequence tree versus consensus gene tree. Journal of Experimental Zoology Part B: Molecular and Developmental Evolution. 2005, 304B, 1, s. 64-74. ISSN 1552-5015. doi: 10.1002/jez.b.21026. _eprint: https://onlinelibrary.wiley.eom/doi/pdf/l 0.1002/jez.b.21026. GALEWSKI T., TILAK M.-k., SANCHEZ S., CHEVRET P., PARADIS E., DOUZERY E. J., The evolutionary radiation of Arvicolinae rodents (voles and lemmings): relative contribution of nuclear and mitochondrial DNA phylogenies. BMC Evolutionary Biology. October 2006, 6, 1, s. 80. ISSN 1471-2148. doi: 10.1186/1471-2148-6-80. GATESY J., HAYASHIC, CRONIN M . A., ARCTANDER P., Evidence from milk casein genes that cetaceans are close relatives of hippopotamid artiodactyls. Molecular Biology and Evolution. September 1996, 13, 7, s. 954-963. ISSN 0737-4038. doi: 10.1093/ oxfordjournals.molbev.a025663. GAUBERT P., ANTUNES A., MENG H., MIAO L., PEIGNé S., JUSTY F , NJIOKOU F , DUFOUR S., DANQUAH E., ALAHAKOON J., VERHEYEN E., STANLEY W. T., O'BRIEN S. J., JOHNSON W. E., LUO S.-J., The Complete Phylogeny of Pangolins: Scaling Up Resources for the Molecular Tracing of the Most Trafficked Mammals on Earth. Journal of Heredity. May 2018, 109, 4, s. 347-359. ISSN 0022-1503. doi: 10.1093/jhered/esx097. GE2 POP, MACSE documentation [online]. 2025. Navštíveno: 25. března 2025. Dostupné z: https://www.agap-ge2pop.org/maese/. GRANTHAM R., GAUTIER C , GOUY M., JACOBZONE M., MERCIER R., Codon catalog usage is a genome strategy modulated for gene expressivity. Nucleic Acids Research. January 1981, 9, 1, s. r43-74. ISSN 0305-1048. doi: 10.1093/nar/9.1.213-b. -76- Seznam použitých zdrojů GREGORY T. R., Understanding Natural Selection: Essential Concepts and Common Misconceptions. Evolution: Education and Outreach. June 2009, 2, 2, s. 156-175. ISSN 1936-6434. doi: 10.1007/sl2052-009-0128-l. Number: 2 Publisher: BioMed Central. GRUBER K. E , VOSS R. S., JANSA S. A., Base-compositional heterogeneity in the RAG1 locus among didelphid marsupials: implications for phylogenetic inference and the evolution of GC content. Systematic Biology. February 2007, 56, 1, s. 83-96. ISSN 1063-5157. doi: 10.1080/10635150601182939. HOANG D. T., CHERNOMOR O., HAESELER A., MINH B. Q., VINH L. S., UFBoot2: Improving the Ultrafast Bootstrap Approximation. Molecular Biology and Evolution. February 2018, 35, 2, s. 518-522. ISSN 0737-4038. doi: 10.1093/molbev/msx281. HOOFER S. R., REEDER S. A., HANSEN E. W., VAN DEN BUSSCHE R. A., MOLECULAR PHYLOGENETICS AND TAXONOMIC REVIEW OF NOCTILIONOID AND VESPERTILIONOID BATS (CHIROPTERA: YANGOCHIROPTERA). Journal of Mammalogy. August 2003, 84, 3, s. 809-821. ISSN 0022-2372, 1545-1542. doi: 10.1644/BWG-034. HUERTA-CEPAS J., SERRA F , BORK P., ETE 3: Reconstruction, Analysis, and Visualization of Phylogenomic Data. Molecular Biology and Evolution. June 2016, 33, 6, s. 1635-1638. ISSN 0737-4038. doi: 10.1093/molbev/msw046. HUGHES A. L., PACKER B., WELCH R., BERGEN A. W , CHANOCK S. J., YEAGER M., Widespread purifying selection at polymorphic sites in human protein-coding loci. Proceedings of the National Academy of Sciences. December 2003, 100, 26, s. 15754- 15757. doi: 10.1073/pnas.2536718100. Publisher: Proceedings of the National Academy of Sciences. HURST L. D., The Ka/Ks ratio: diagnosing the form of sequence evolution. Trends in Genetics. September 2002, 18, 9, s. 486-487. ISSN 0168-9525. doi: 10.1016/ S0168-9525(02)02722-l. Publisher: Elsevier. ISHENGOMA E., AGABA M., Evolution of toll-like receptors in the context of terrestrial ungulates and cetaceans diversification. BMC Evolutionary Biology. February 2017, 17, 1, s. 54. ISSN 1471-2148. doi: 10.1186/sl2862-017-0901-7. JANSA S. A., WEKSLER M., Phylogeny of muroid rodents: relationships within and among major lineages as determined by IRBP gene sequences. Molecular Phylogenetics and Evolution. April 2004, 31, 1, s. 256-276. ISSN 1055-7903. doi: 10.1016/j.ympev. 2003.07.002. JANSA S. A , FORSMAN J. F , VOSS R. S., Different patterns of selection on the nuclear genes IRBP and DMP-1 affect the efficiency but not the outcome of phylogeny estimation for didelphid marsupials. Molecular Phylogenetics and Evolution. February 2006, 38, 2, s. 363-380. ISSN 1055-7903. doi: 10.1016/j.ympev.2005.06.007. -77- Seznam použitých zdrojů JORDAN G., GOLDMAN N , The Effects of Alignment Error and Alignment Filtering on the Sitewise Detection of Positive Selection. Molecular Biology and Evolution. April 2012, 29,4, s. 1125-1139. ISSN 0737-4038. doi: 10.1093/molbev/msr272. KALYAANAMOORTHY S., MINH B. Q., WONG T. K. E , HAESELER A., JERMIIN L. S., ModelFinder: fast model selection for accurate phylogenetic estimates. Nature Methods. June 2017, 14, 6, s. 587-589. ISSN 1548-7105. doi: 10.1038/nmeth.4285. Publisher: Nature Publishing Group. KAPLI P., YANG Z., TELFORD M . J., Phylogenetic tree building in the genomic age. Nature Reviews Genetics. July 2020, 21, 7, s. 428-444. ISSN 1471-0064. doi: 10.1038/ S41576-020-0233-0. Publisher: Nature Publishing Group. K H A N M . M . G., RYDeN A . M . , CHOWDHURY M . S., HASAN M . A., KAZI J. U., Maximum likelihood analysis of mammalian p53 indicates the presence of positively selected sites and higher tumorigenic mutations in purifying sites. Gene. September 2011,483, l,s. 29-35. ISSN 0378-1119. doi: 10.1016/j.gene.2011.05.011. KIM Y , NIELSEN R., Linkage Disequilibrium as a Signature of Selective Sweeps. Genetics. July 2004, 167, 3, s. 1513-1524. ISSN 1943-2631. doi: 10.1534/genetics.l03. 025387. KO W.-Y, PIAO S., AKASHI H., Strong regional heterogeneity in base composition evolution on the Drosophila X chromosome. Genetics. September 2006, 174, 1, s. 349- 362. ISSN 0016-6731. doi: 10.1534/genetics. 105.054346. KOEPFLI K.-P, DEERE K. A., SLATER G. J., BEGG C., BEGG K , GRASSMAN L., LUCHERINIM., VERON G., WAYNE R. K , Multigene phylogeny of the Mustelidae: Resolving relationships, tempo and biogeographic history of a mammalian adaptive radiation. BMC Biology. December 2008, 6, 1, s. 10. ISSN 1741-7007. doi: 10.1186/ 1741-7007-6-10. KUMAR S., FILIPSKI A., Multiple sequence alignment: In pursuit of homologous DNA positions. Genome Research. February 2007, 17, 2, s. 127-135. ISSN 1088-9051, 1549-5469. doi: 10.1101/gr.5232407. Company: Cold Spring Harbor Laboratory Press Distributor: Cold Spring Harbor Laboratory Press Institution: Cold Spring Harbor Laboratory Press Label: Cold Spring Harbor Laboratory Press Publisher: Cold Spring Harbor Lab. LAHTI D. C , JOHNSON N. A., AJIE B. C , OTTO S. P., HENDRY A. P., BLUMSTEIN D. T, COSS R. G , DONOHUE K , FOSTER S. A., Relaxed selection in the wild. Trends in Ecology & Evolution. September 2009, 24, 9, s. 487-496. ISSN 0169-5347. doi: 10.1016/j.tree.2009.03.010. Publisher: Elsevier. LARS SON A., AliView: a fast and lightweight alignment viewer and editor for large datasets. Bioinformatics. November 2014, 30, 22, s. 3276-3278. ISSN 1367-4803. doi: 10.1093/bioinformatics/btu531. -78- Seznam použitých zdrojů LIO P., GOLDMAN N., Models of Molecular Evolution and Phylogeny. Genome Research. December 1998, 8, 12, s. 1233-1244. ISSN 1088-9051, 1549-5469. doi: 10.1101/gr. 8.12.1233. Company: Cold Spring Harbor Laboratory Press Distributor: Cold Spring Harbor Laboratory Press Institution: Cold Spring Harbor Laboratory Press Label: Cold Spring Harbor Laboratory Press Publisher: Cold Spring Harbor Lab. LIU F.-G. R., MIYAMOTO M . M., FREIRE N. P., ONG P. Q., TENNANT M . R., YOUNG T. S., GUGEL K. F., Molecular and Morphological Supertrees for Eutherian (Placental) Mammals. Science. March 2001. doi: 10.1126/science. 1056346. Publisher: American Association for the Advancement of Science. MADSEN O., SCALLY M., DOUADY C. J., KAO D. J., DEBRY R. W., AD KINS R., AMRINE H. M., STANHOPE M . J., DE JONG W. W., SPRINGER M . S., Parallel adaptive radiations in two major clades of placental mammals. Nature. February 2001, 409, 6820, s. 610-614. ISSN 0028-0836, 1476-4687. doi: 10.1038/35054544. " MARTIN Y , GERLACH G., SCHLoTTERER C , MEYER A., Molecular Phylogeny of European Muroid Rodents Based on Complete Cytochrome b Sequences. Molecular Phylogenetics and Evolution. 2000, 16, 1, s. 37-47. ISSN 1055-7903. doi: https: //doi.org/10.1006/mpev. 1999.0760. MASSEY S. E., CHURBANOV A., RASTOGI S., LIBERLES D. A., Characterizing positive and negative selection and their phylogenetic effects. Gene. July 2008, 418, 1, s. 22-26. ISSN 0378-1119. doi: 10.1016/j.gene.2008.03.017. M C V E A N G , The Structure of Linkage Disequilibrium Around a Selective Sweep. Generics. March 2007, 175, 3, s. 1395-1406. ISSN 0016-6731. doi: 10.1534/genetics.l06. 062828. MEREDITH R. W., WESTERMAN M., CASE J. A., SPRINGER M . S., A Phylogeny and Timescale for Marsupial Evolution Based on Sequences for Five Nuclear Genes. Journal of Mammalian Evolution. March 2008, 15, 1, s. 1-36. ISSN 1573-7055. doi: 10.1007/s 10914-007-9062-6. MICHAUX J., REYES A., CATZEFLIS F., Evolutionary History of the Most Speciose Mammals: Molecular Phylogeny of Muroid Rodents. Molecular Biology and Evolution. November 2001, 18, 11, s. 2017-2031. ISSN 0737-4038. doi: 10.1093/oxfordjournals. molbev.a003743. MINHB. Q., SCHMIDT H. A., CHERNOMOR O., SCHREMPF D., WOODHAMS M . D., HAESELER A., LANFEAR R., IQ-TREE 2: New Models and Efficient Methods for Phylogenetic Inference in the Genomic Era. Molecular Biology and Evolution. May 2020, 37, 5, s. 1530-1534. ISSN 0737-4038. doi: 10.1093/molbev/msaa015. MIYAMOTO M . M., PORTER C. A., GOODMAN M., c-Myc Gene Sequences and the Phylogeny of Bats and Other Eutherian Mammals. Systematic Biology. September 2000, 49, 3, s. 501-514. ISSN 1076-836X, 1063-5157. doi: 10.1080/10635159950127367. -79- Seznam použitých zdrojů MIYATA T., YASUNAGA T., Molecular evolution of mRNA: A method for estimating evolutionary rates of synonymous and amino acid substitutions from homologous nucleotide sequences and its application. Journal of Molecular Evolution. March 1980, 16, 1, s. 23-36. ISSN 0022-2844, 1432-1432. doi: 10.1007/BF01732067. MURPHY W. J., ELZIRIK E., O'BRIEN S. J., MADSEN O., SCALLY M., DOUADY C. J., TEELING E., RYDER O. A., STANHOPE M . J., JONG W. W., SPRINGER M . S., Resolution of the Early Placental Mammal Radiation Using Bayesian Phylogenetics. Science. December 2001, 294, 5550, s. 2348-2351. doi: 10.1126/science. 1067179. Publisher: American Association for the Advancement of Science. NASER-KHDOUR S., MINH B. Q., ZHANG W., STONE E. A., LANFEAR R., The Prevalence and Impact of Model Violations in Phylogenetic Analysis. Genome Biology and Evolution. December 2019, 11, 12, s. 3341-3352. ISSN 1759-6653. doi: 10.1093/ gbe/evzl93. NEI M., GOJOBORI T, Simple methods for estimating the numbers of synonymous and nonsynonymous nucleotide substitutions. Molecular Biology and Evolution. September 1986, 3, 5, s. 418^126. ISSN 0737-4038. doi: 10.1093/oxfordjournals.molbev.a040410. NYLANDER J. A. A., catfasta2phyml - Concatenate FASTA alignments to PHYML, PHYLIP, or FASTA format [online]. 2025. Navštíveno: 26. března 2025. Dostupné z: https://github.com/nylander/catfasta2phyml. OJHA K. K., MISHRA S., SINGH V. K. Chapter 5 - Computational molecularphylogeny: concepts and applications, s. 67-89. Academic Press, January 2022. doi: 10.1016/ B978-0-323-89775-4.00025-0. ISBN 978-0-323-89775-4. O'LEARY N. A., WRIGHT M . W., BRISTER J. R., CIUFO S., HADDAD D., MCVEIGH R., RAJPUT B., ROBBERTSE B., SMITH-WHITE B., AKO-ADJEI D., ASTASHYN A., BADRETDIN A., BAO Y , BLINKOVA O., BROVER V , CHETVERNIN V , CHOI J., COX E., ERMOLAEVA O., FARRELL C. M., GOLDFARB T, GUPTA T, HAFT D. , HATCHER E., HLAVINA W , JOARDAR V. S., KODALIV. K., LI W , MAGLOTT D., MASTERSON P., MCGARVEY K. M., MURPHY M . R., O'NEILL K., PUJAR S., RANGWALA S. H., RAUSCH D., RIDDICK L. D., SCHOCH C , SHKEDA A., STORZ S. S., SUN H., THIBAUD-NISSEN F , TOLSTOY I., TULLY R. E., VATSAN A. R., WALLIN C , WEBB D., WU W , LANDRUM M . J., KIMCHI A., TATUSOVA T, DICUCCIO M., KITTS P., MURPHY T. D., PRUITT K. D., Reference sequence (RefSeq) database at NCBI: current status, taxonomie expansion, and functional annotation. Nucleic Acids Research. November 2015, 44, D l , s. D733-D745. ISSN 0305-1048. doi: 10.1093/nar/gkvll89. _eprint: https://academic.oup.com/nar/articlepdf/44/D l/D733/9482930/gkv 1189.pdf. OSAWA S., OHAMA T, JUKES T. H., WATANABE K., Evolution of the mitochondrial genetic code I. Origin of AGR serine and stop codons in metazoan mitochondria. Journal of Molecular Evolution. September 1989, 29, 3, s. 202-207. ISSN 0022-2844, 1432- 1432. doi: 10.1007/BF02100203. -80- Seznam použitých zdrojů PARADIS E., SCHLIEP K., ape 5.0: an environment for modern phylogenetics and evolutionary analyses in R. Bioinformatics. 2019, 35, s. 526-528. doi: 10.1093/bioinformatics/ bty633. PARISI G., ECHAVE J., Structural constraints and emergence of sequence patterns in protein evolution. Molecular Biology and Evolution. May 2001, 18, 5, s. 750-756. ISSN 0737-4038. doi: 10.1093/oxfordjournals.molbev.a003857. PATWARDHAN A., RAY S., ROY A., Molecular Markers in Phylogenetic Studies-A Review. Journal of Phylogenetics & Evolutionary Biology. 2014, 02, 02. ISSN 23299002. doi: 10.4172/2329-9002.1000131. PHILIPPE H., LOPEZ P., BRINKMANN H., BUDIN K., GERMOT A., LAURENT J., MOREIRA D., MÜLLER M., L E GUYADER H., Early-branching or fast-evolving eukaryotes? An answer based on slowly evolving positions. Proceedings of the Royal Society B: Biological Sciences. June 2000, 267, 1449, s. 1213-1221. ISSN 0962-8452. PIE M . R., The Influence of Phylogenetic Uncertainty on the Detection of Positive Darwinian Selection. Molecular Biology and Evolution. December 2006,23,12, s. 2274-2278. ISSN 0737-4038. doi: 10.1093/molbev/mslll6. PLOTKIN J. B., KUDLA G., Synonymous but not the same: the causes and consequences of codonbias. Nature Reviews Genetics. January 2011,12,1, s. 32-42. ISSN 1471-0064. doi: 10.1038/nrg2899. Publisher: Nature Publishing Group. POPADIN K. Y , NIKOLAEV S. L, JUNIER T, BARANOVA M., ANTONARAKIS S. E., Purifying Selection in Mammalian Mitochondrial Protein-Coding Genes Is Highly Effective and Congruent with Evolution of Nuclear Genes. Molecular Biology and Evolution. February 2013, 30, 2, s. 347-355. ISSN 0737-4038. doi: 10.1093/molbev/ mss219. PORTER C. A., GOODMAN M., STANHOPE M . J., Evidence on Mammalian Phylogeny from Sequences of Exon 28 of the von Willebrand Factor Gene. Molecular Phylogenetics and Evolution. February 1996, 5, 1, s. 89-101. ISSN 1055-7903. doi: 10.1006/mpev. 1996.0008. PRENDERGAST G. C , Mechanisms of apoptosis by c-Myc. Oncogene. May 1999, 18, 19, s. 2967-2987. ISSN 1476-5594. doi: 10.1038/sj.onc. 1202727. Publisher: Nature Publishing Group. PRUITT K., MURPHY T, BROWN G., MURPHY M., RefSeq Frequently Asked Questions (FAQ) [online]. 2010. Navštíveno: 26. března 2025. Dostupné z: https : //www.nebi. nim.nih.gov/books/NBK50679/. RAMBAUT A. FigTree vl.4.4. Online, 2018. Dostupné z: ittp: uk/sof tware/f igtree/. Edinburgh: Institute of Evolutionary Biology, University of Edinburgh. -81- Seznam použitých zdrojů RANWEZ V., DELSUC E , RANWEZ S., BELKHIR K., TILAK M.-K., DOUZERY E. J., OrthoMaM: A database of orthologous genomic markers for placental mammal phylogenetics. BMC Evolutionary Biology. November 2007, 7, 1, s. 241. ISSN 1471- 2148. doi: 10.1186/1471-2148-7-241. RANWEZ V., DOUZERY E. J. P., CAMBON C , CHANTRET N , DELSUC E , MACSE v2: Toolkit for the Alignment of Coding Sequences Accounting for Frameshifts and Stop Codons. Molecular Biology and Evolution. October 2018, 35, 10, s. 2582-2584. ISSN 0737-4038. doi: 10.1093/molbev/msyl59. REEDER S. A., BRADLEY R. D., MOLECULAR SYSTEMATICS OF NEOTOMINE-PEROMYSCINE RODENTS BASED ON THE DENTIN MATRIX PROTEIN 1 GENE. Journal of Mammalogy. December 2004, 85, 6, s. 1194-1200. ISSN 0022-2372, 1545-1542. doi: 10.1644/BEL-105.1. ROBINSON M., CATZEFLIS F , BRIOLAY J., MOUCHIROUD D., Molecular Phylogeny of Rodents, with Special Emphasis on Murids: Evidence from Nuclear Gene LCAT. Molecular Phylogenetics and Evolution. December 1997, 8, 3, s. 423-434. ISSN 1055- 7903. doi: 10.1006/mpev. 1997.0424. ROBINSON-RECHAVIM., PONGER L., MOUCHIROUD D., Nuclear Gene LCAT Supports Rodent Monophyly. Molecular Biology and Evolution. September 2000, 17, 9, s. 1410-1412. ISSN 0737-4038. doi: 10.1093/oxfordjournals.molbev.a026424. ROCHA E. P. C , DANCHIN A., Base composition bias might result from competition for metabolic resources. Trends in genetics: TIG. June 2002, 18, 6, s. 291-294. ISSN 0168-9525. doi: 10.1016/S0168-9525(02)02690-2. ROJE D. M., Evaluating the Effects of Non-Neutral Molecular Markers on Phylogeny Inference. PLOS ONE. 2014, 9, 2, s. e87428. ISSN 1932-6203. doi: 10.1371/journal. pone.0087428. Publisher: Public Library of Science. SALEMI M., VANDAMME A.-M., L E M E Y P. (Ed.), The phylogenetic handbook: a practical approach to phylogenetic analysis and hypothesis testing. Cambridge, U K ; New York: Cambridge University Press, 2nd ed edition, 2009. OCLC: ocn295002266. ISBN 978-0-521-87710-7 978-0-521-73071-6. SANJAK J. S., SIDORENKO J., ROBINSON M . R., THORNTON K. R., VISSCHER P. M., Evidence of directional and stabilizing selection in contemporary humans. Proceedings of the National Academy of Sciences. January 2018, 115, 1, s. 151-156. doi: 10.1073/pnas. 1707227114. Publisher: Proceedings of the National Academy of Sciences. SANTODOMINGO A. M., THOMAS R. S., QUINTERO-GALVIS J. F , ECHEVERRYBERRIO D. M., FUENTE M . C. S.-d., MORENO-SALAS L., MUNOZ-LEAL S., Apicomplexans in small mammals from Chile, with the first report of the Babesia microti group in South American rodents. Parasitology Research. March 2022, 121, 3, s. 1009-1020. ISSN 1432-1955. doi: 10.1007/s00436-022-07452-4. -82- Seznam použitých zdrojů SAYERS E. W., BECK J., BOLTON E. E., BRISTER J. R., CHAN J., COMEAU D. C , CONNOR R., DICUCCIO M . , FARRELL C. M., FELDGARDEN M . , FINE A. M., FUNK K., HATCHER E., HOEPPNER M . , KANE M . , K A N N A N S., KATZ K. S., KELLY C , KLIMKE W., KIM S., KIMCHI A., LANDRUM M . , LATHROP S., L U Z., MALHEIRO A., MARCHLER-BAUER A., MURPHY T D., PHAN L., PRASAD A. B., PUJAR S., SAWYER A., SCHMIEDER E., SCHNEIDER V. A., SCHOCH C. L., SHARMA S., THIBAUD-NISSEN F , TRAWICK B. W , VENKATAPATHI T, WANG J., PRUITT K. D., SHERRY S. T, Database resources of the National Center for Biotechnology Information. Nucleic Acids Research. January 2024,52, D l , s. D33-D43. ISSN 1362-4962. doi: 10.1093/nar/gkadl044. SENA L., VALLINOTO M . , SAMPAIO I., SCHNEIDER H., FERRARI S. F , CRUZ SCHNEIDER M . P., Mitochondrial COII Gene Sequences Provide New Insights into the Phylogeny of Marmoset Species Groups (Callitrichidae, Primates). Folia Primatologica. 01 2003, 73, 5, s. 240-251. doi: 10.1159/000067456. SHEKAR P. C , GOEL S., RANI S. D. S., SARATHI D. P., A L E X J. L., SINGH S., K U MAR S., fC-Casein-deficient mice fail to lactate. Proceedings of the National Academy of Sciences. May 2006,103, 21, s. 8000-8005. doi: 10.1073/pnas.0601611103. Publisher: Proceedings of the National Academy of Sciences. SPRINGER M . S., DEBRY R. W., DOUADY C , AMRINE H. M . , MADSEN O., JONG W. W., STANHOPE M . J., Mitochondrial Versus Nuclear Gene Sequences in Deep-Level Mammalian Phylogeny Reconstruction. Molecular Biology and Evolution. February 2001,18,2, s. 132-143. ISSN 0737-4038. doi: 10.1093/oxfordjournals.molbev.a003787. SPRINGER M . S., STANHOPE M . J., MADSEN O., JONG W. W. d., Molecules consolidate the placental mammal tree. Trends in Ecology & Evolution. August 2004, 19, 8, s. 430-438. ISSN 0169-5347. doi: 10.1016/j.tree.2004.05.006. Publisher: Elsevier. STADELMANN B., LIN L. K , KUNZ T. H., RUEDI M . , Molecular phylogeny of New World Myotis (Chiroptera, Vespertilionidae) inferred from mitochondrial and nuclear DNA genes. Molecular Phylogenetics and Evolution. April 2007,43, 1, s. 32-48. ISSN 1055-7903. doi: 10.1016/j.ympev.2006.06.019. STANHOPE M . J., CZELUSNIAK J., SI J.-S., NICKERSON J., GOODMAN M., A molecular perspective on mammalian evolution from the gene encoding interphotoreceptor retinoid binding protein, with convincing evidence for bat monophyly. Molecular Phylogenetics and Evolution. 1992, 1, 2, s. 148-160. ISSN 1055-7903. doi: https://doi.org/10.1016/1055-7903(92)90026-D. STEPPAN S. J., AD KINS R. M . , ANDERSON J., Phylogeny and Divergence-Date Estimates of Rapid Radiations in Muroid Rodents Based on Multiple Nuclear Genes. Systematic Biology. August 2004a, 53, 4, s. 533-553. ISSN 1063-5157. doi: 10.1080/10635150490468701. STEPPAN S. J., STORZ B. L., HOFFMANN R. S., Nuclear DNA phylogeny of the squirrels (Mammalia: Rodentia) and the evolution of arboreality from c-myc and RAG1. -83- Seznam použitých zdrojů Molecular Phylogenetics and Evolution. March 2004b, 30, 3, s. 703-719. ISSN 1055- 7903. doi: 10.1016/S 1055-7903(03)00204-5. STERN A., PUPKO T, An evolutionary space-time model with varying among-site dependencies. Molecular Biology and Evolution. February 2006, 23, 2, s. 392-400. ISSN 0737-4038. doi: 10.1093/molbev/msj044. T A A N M A N J.-W., The mitochondrial genome: structure, transcription, translation and replication. Biochimica et Biophysica Acta (BBA) - Bioenergetics. February 1999, 1410, 2, s. 103-123. ISSN 0005-2728. doi: 10.1016/S0005-2728(98)00161-3. TARALLO A., ANGELINI C , SANGES R., YAGI M., AGNISOLA C., D'ONOFRIO G., On the genome base composition of teleosts: the effect of environment and lifestyle. BMC Genomics. March 2016, 17, 1, s. 173. ISSN 1471-2164. doi: 10.1186/sl2864-016-2537-1. TAVARE S., Some Probabilistic and Statistical Problems in the Analysis of DNA Sequences. Lectures on Mathematics in the Life Sciences. 1986, 17. TEELING E. C., SCALLY M., KAO D. J., ROMAGNOLI M . L., SPRINGER M . S., STANHOPE M . J., Molecular evidence regarding the origin of echolocation and flight in bats. Nature. January 2000, 403, 6766, s. 188-192. ISSN 0028-0836, 1476-4687. doi: 10.1038/35003188. THEWISSEN J. G. M., COOPER L. N., GEORGE J. C , BAJPAIS., From Land to Water: the Origin of Whales, Dolphins, and Porpoises. Evolution: Education and Outreach. June 2009,2, 2, s. 272-288. ISSN 1936-6426,1936-6434. doi: 10.1007/sl2052-009-0135-2. THOMSON R. C , WANG I. J., JOHNSON J. R., Genome-enabled development of DNA markers for ecology, evolution and conservation. Molecular Ecology. 2010, 19, 11, s. 2184-2195. ISSN 1365-294X. doi: 10.1111/j.l365-294X.2010.04650.x. _eprint: https://onlinelibrary.wiley.eom/doi/pdf/10.l 111/J.1365-294X.2010.04650.X. TOBE S. S., KITCHENER A. C , LINACRE A. M . T, Reconstructing Mammalian Phylogenies: A Detailed Comparison of the Cytochrome b and Cytochrome Oxidase Subunit I Mitochondrial Genes. PLOS ONE. 11 2010, 5, 11, s. 1-14. doi: 10.1371 /journal.pone.0014156. TOWNSEND J. P., Profiling Phylogenetic Informativeness. Systematic Biology. April 2007, 56, 2, s. 222-231. ISSN 1063-5157. doi: 10.1080/10635150701311362. TOYOSAWA S., O'HUIGIN C , KLEIN J., The Dentin Matrix Protein 1 Gene of Prototherian and Metatherian Mammals. Journal of Molecular Evolution. February 1999, 48, 2, s. 160-167. ISSN 1432-1432. doi: 10.1007/PL00006454. VAN DEN BUSSCHE R. A., REEDER S. A., HANSEN E. W , HOOFER S. R., Utility of the dentin matrix protein 1 (DMP1) gene for resolving mammalian intraordinal phylogenetic relationships. Molecular Phylogenetics and Evolution. January 2003, 26, 1, s. 89-101. ISSN 1055-7903. doi: 10.1016/S1055-7903(02)00297-X. -84- Seznam použitých zdrojů VIRTANEN R, GÜMMERS R., OLIPHANT T. E., HABERLAND M., REDDY T., COURNAPEAU D., BUROVSKI E., PETERSON P., WECKESSER W., BRIGHT J., WALT S. J., BRETT M., WILSON J., M I L L M A N K. J., MAYOROV N , NELSON A. R. J., JONES E., KERN R., LARSON E., CAREY C. J., POLAT L, FENG Y , MOORE E. W., VANDERPLAS J., L A X A L D E D., PERKTOLD J., CIMRMAN R., HENRIKSEN I., QUINTERO E. A., HARRIS C. R., ARCHIBALD A. M., RIBEIRO A. H., PEDREGOSA F , MULBREGT P., SciPy 1.0 Contributors, SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python. Nature Methods. 2020, 17, s. 261-272. doi: 10.1038/s41592-019-0686-2. VOSS R. S., JANSA S. A., Phylogenetic Relationships and Classification of Didelphid Marsupials, an Extant Radiation of New World Metatherian Mammals. Bulletin of the American Museum of Natural History. June 2009,2009,322, s. 1-177. ISSN 0003-0090, 1937-3546. doi: 10.1206/322.1. Publisher: American Museum of Natural History. WASSERSTEIN R. L., LAZAR N. A., The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician. April 2016, 70, 2, s. 129-133. ISSN 0003-1305. doi: 10.1080/00031305.2016.1154108. Publisher: ASA Website _eprint: https ://doi.org/l0.1080/00031305.2016.1154108. WEADICK C. J., CHANG B. S., An Improved Likelihood Ratio Test for Detecting SiteSpecific Functional Divergence among Clades of Protein-Coding Genes. Molecular Biology and Evolution. May 2012, 29, 5, s. 1297-1300. ISSN 0737-4038. doi: 10.1093/ molbev/msr311. WHELAN S., LIo P., GOLDMAN N , Molecular phylogenetics: state-of-the-art methods for looking into the past. Trends in Genetics. May 2001, 17, 5, s. 262-272. ISSN 0168-9525. doi: 10.1016/S0168-9525(01)02272-7. Publisher: Elsevier. YANG Z., PAML 4: Phylogenetic Analysis by Maximum Likelihood. Molecular Biology and Evolution. April 2007, 24, 8, s. 1586-1591. ISSN 0737-4038, 1537-1719. doi: 10.1093/molbev/msm088. YANG Z., BIELAWSKI J. P., Statistical methods for detecting molecular adaptation. Trends in Ecology & Evolution. December 2000, 15, 12, s. 496-503. ISSN 1872-8383. doi: 10.1016/sO 169-5347(00)01994-7. YANG Z., NIELSEN R., GOLDMAN N , PEDERSEN A. M., Codon-substitution models for heterogeneous selection pressure at amino acid sites. Genetics. May 2000, 155, 1, s. 431-449. ISSN 0016-6731. YANG Z. PAML FAQ, 2005. Dostupné z: http://abacus.gene.ucl.ac.uk/ sof tware/pamlFAQs .pdf. Navštíveno: 23. března 2025. YANG Z. PAML: Phylogenetic Analysis by Maximum Likelihood; User Guide v. 4.9j, 2020. Dostupné z: http: //abacus . gene. u c l . ac. uk/sof tware/pamlDOC. pdf. Navštíveno: 23. března 2025. -85- Seznam použitých zdrojů YANG Z., NIELSEN R., Synonymous and nonsynonymous rate variation in nuclear genes of mammals. Journal of Molecular Evolution. April 1998, 46, 4, s. 409-418. ISSN 1432-1432. doi: 10.1007/PL00006320. YOUNG A. D., GILLUNG J. P., Phylogenomics — principles, opportunities and pitfalls of big-data phylogenetics. Systematic Entomology. 2020, 45, 2, s. 225-247. ISSN 1365-3113. doi: 10.1111/syen.l2406. _eprint: https://onlinelibrary.wiley.eom/doi/pdf/10.l 111/syen. 12406. ZHANG J., Evaluation of an Improved Branch-Site Likelihood Method for Detecting Positive Selection at the Molecular Level. Molecular Biology and Evolution. August 2005,22,12, s. 2472-2479. ISSN 0737-4038,1537-1719. doi: 10.1093/molbev/msi237. -86-