clado : Mensaje: Curso Cladística Tucumán

Por favor!

        No contestar a este mensaje con el botón de "Responder" !!

        para consultas o pre-inscripición escribir a:

                    cszumik@... (Claudia Szumik)
                    pablogolo@... (Pablo Goloboff)

---------------------------------------------------

Estimados amigos de Clado:

    estamos por dar el curso de postgrado "Cladística: métodos cuantitativos de clasificación", en Tucumán, del 1 al 12 de Octubre de este año. El curso tiene unas 60 hs. aprox., y cubre los aspectos fundamentales del análisis cladístico, con unas 20 hs. de teóricos y unas 40 hs. de laboratorio. La mayor parte de los teóricos estará a mi cargo y, por orden alfabético, me ayudarán con el laboratorio Santiago Catalano (docente en Sistemática Teórica de la UBA), Marcos Mirande (Becario CONICET), Claudia Szumik (Investigadora CONICET), y Leila Taher (becaria CONICET).

    Todavía no tenemos precio por el alquiler del laboratorio de computación, que es lo que determinará el precio de inscripción al curso. Estimamos que será entre 100 y 120 pesos.

    Copio más abajo el programa del curso.

    Pido por favor que difundan este aviso a todas las personas que puedan estar interesadas.

    Muchas gracias!!

---------------------------------------------------
Pablo A. Goloboff
INSUE, CONICET, Instituto Miguel Lillo,
Miguel Lillo 205 - 4000 S.M.Tucuman - Argentina
Phone/FAX (+54381)-4232965

                  C L A D I S T I C A :    M E T O D O S
       C U A N T I T A T I V O S    D E    C L A S I F I C A C I O N

DOCENTES: Pablo A. Goloboff(1), Claudia A. Szumik(1), Leila Taher(2), Santiago Catalano(3), Marcos Mirande(2)

(1)   Investigador CONICET, INSUE, Instituto Miguel Lillo, Tucumán

(2)   Becario/a CONICET, Fundación Miguel Lillo, Tucumán

(3)   Docente de Sistemática Teórica, FCEN, Universidad de Buenos Aires.

CUPO: hasta 30 personas aprox.

ENFOQUE DEL CURSO: El curso pone énfasis tanto en aplicaciones prácticas (lo que requiere aprender el manejo de algunos programas de computadora utilizados en análisis cladístico) como en sus justificaciones teóricas. Las clases teóricas son de aproximadamente 2 hs., y las prácticas de 4 hs. El curso en general es bastante dinámico e intensivo, ya que hay mucho material para cubrir en solo dos semanas.

FECHA DE DICTADO: 1 al 12 de Octubre de 2007

REQUISITOS: No hay requisitos especiales para el cursado, aunque es necesario aclarar que la gente con algunos conocimientos previos de cladística suele sacar mejor provecho del curso, ya que (si bien el curso comienza desde los puntos mas básicos), se pasa de lo basico a lo detallado bastante rápido (ver programa).

CARGA HORARIA: Aprox. 60 hs., a dictarse en 10 clases (2 semanas), de 6 hs. c/u.

                                        PROGRAMA

CLASE 1: INTRODUCCION Y GENERALIDADES
Objetivos del curso. Qué es la sistemática; evolucionismo, fenética, cladística. Arboles filogenéticos; cómo explican las observaciones. Criterios de optimalidad. Parsimonia, vs. compatibilidad, similitud global, y verosimilitud ("likelihood"). Policotomías. Comparación de cladogramas: número de pasos. Número de cladogramas posibles. Notación parentética de árboles; listas de ancestros. Dificultad de encontrar soluciones a problemas de parsimonia (introducción). PRACTICO: Introducción a TNT; formato de matrices, interfase (input y output), ccode, Ejercicios de monofilia, topología de cladogramas (rotación, enraizamiento), policotomías (números de resoluciones). Arboles en notación parentética.

CLASE 2: OPTIMIZACION Y EVALUACION DE HIPOTESIS
Homología y homoplasia; conceptos y criterios. Optimización de caracteres, generalizada. Casos especiales de optimización: caracteres aditivos y no aditivos. Optimización de caracteres con terminales polimórficos. Arboles de estado de caracteres (character-state trees). Re-codificación: binaria aditiva, de no-aditivos, de costos particulares, de variables para cada estado. PRACTICO: Ejercicios de Optimización: optimización a mano; chequeo con TNT. Ejercicios de notación parentética. Ejercicios de codificación binaria-aditiva.

CLASE 3: BUSQUEDAS (I)
Arboles de Wagner. Permutación de ramas. Soluciones exactas. Importancia de la velocidad de los cálculos; ejemplos. Métodos usados para acelerar los cálculos. Islas y como saltarlas (distintas secuencias de adición, permutación de árboles subóptimos, swapeado múltiple). Métodos implementados en distintos programas de computadora para parsimonia (Hennig86, NONA, TNT, PAUP). PRACTICO: Arboles de Wagner a mano; búsquedas de árboles.

CLASE 4: ENRAIZAMIENTO. AMBIGUEDADES EN ANALISIS CLADISTICO; CONSENSOS Y COLAPSAMIENTO.
Polaridad y "comparación fuera de grupo," relación con árboles y redes. El mito de la polaridad. Otros criterios: primitivismo y comonalidad; estratigrafía; criterio corológico. Ontogenia. Raíces de Lundberg. Definiciones formales de mono-, para- y polifilia. TSA y Lipscomb (1992). Soluciones múltiples: causas; implicaciones; cladogramas de consenso: estricto, semi-estricto, adams, mayoría. Datos faltantes e inaplicables en análisis cladístico. Polimorfismo como datos faltantes. Optimizaciones ambiguas. Resoluciones arbitrarias en cladogramas. "Reglas" para colapsar arboles. Colapsamiento y eficiencia de busquedas. Listas de sinapomorfías para consensos. PRACTICO: Indicadores de pertenencia de grupo. Polaridad de caracteres. Cálculo de consensos. Influencia de entradas faltantes o polimorfismos. Busquedas de árboles sin colapsar. Listas de sinapomorfías.

CLASE 5: EVALUACION DE RESULTADOS (I). COMPARACION DE TOPOLOGIAS. REPASO Y CONSULTA.
Caracteres informativos y no informativos. Homoplasia e índices: consistencia, consistencia rescalado, retención. Decisividad. Medidas de semejanza topológica entre árboles: movimientos de ramas; coeficiente de distorsión. "Tipos" de topologías de cladogramas; contenido de información. Caracteres continuos en análisis cladístico. Repaso de clases anteriores. PRACTICO: Cálculo de números mínimos y máximos de pasos; índices. Comparación de árboles.

CLASE 6: EVALUACION DE RESULTADOS (II).
Evaluación mediante tests estadísticos.   Tests de "Permutation Tail Probability" (PTP). Test de T-PTP, de mono y no-monofilia, a priori y a posteriori. Simetría (skewness). Bremer support; test de total support; bremer support relativo. Bootstrapping. Jacknifing de taxones. Jacknifing de caracteres. Interpretaciones. Problemas y soluciones a jacknifing: caracteres aditivos/pesados/Sankoff, grupos por debajo del poder de resolucion del método. Re-muestreo simétrico. Diferencias de frecuencias. Funciones de re-muestreo débiles. Pendiente de la curva de frecuencia como función de la fuerza de remuestreo. PRACTICO: Cálculo de estadísticos. Apoyo de ramas relativo.

CLASE 7: PESADO DE CARACTERES
Pesado de caracteres. Pesado como alternativa a parsimonia. Pesado de multiestados según número de estados. Pesado sucesivo; autoconsistencia. Funciones para asignar pesos. Funciones no lineales de la homoplasia: pesos implicados. Pesado dinámico y pesado exacto; problemas. Optimización auto-pesada; implicaciones; dificultad de computar soluciones. Homoplasia y terceras posiciones; support weighting. PRACTICO: Pesado y pesado sucesivo; pesado dinámico, optimización auto-pesada.

CLASE 8: BUSQUEDAS (II). MOLECULAS, CONGRUENCIA, Y EVIDENCIA TOTAL.
"Parsimony jacknifing" y métodos rápidos de análisis. Estimación rápida de consensos. Métodos de búsqueda especiales. Problemas de los métodos tradicionales; soluciones: búsquedas sectoriales, parsimony ratchet, deriva, fusión. Moléculas en análisis cladístico: alineamiento, enfoque tradicional; transiciones y transversiones; "optimization alignment." Arboles de genes y árboles de especies. Congruencia taxonómica; importancia, medidas; tests estadísticos. Evidencia total (o análisis simultáneos). Supertrees: MRP, SSS, minimum flip, compatibility, majority rule. PRACTICO: Búsquedas con ratchet, sectores, deriva, e hibridación. Estimación de consensos. Congruencia. Uso de POY.

CLASE 9: COMPARACION DE METODOS DE CLASIFICACION (I).
Comparación de fenética, evolucionismo y cladística. Similitud especial. Contenido de información de las clasificaciones. Ajuste de distancias sobre arboles. Frecuencias en análisis cladístico. PRACTICO: Consultas de problemas específicos. Ejercicios de similitud especial. Análisis y discusión de data sets personales.

CLASE 10: COMPARACION DE METODOS DE CLASIFICACION (II).
Maximum likelihood: justificaciones. Mecánica. Modelos mas comunes. Maximum likelihood y parsimonia; condiciones de equivalencia. Simplicidad y sobreparameterización. Likelihood ratio tests. Métodos bayesianos: justificaciones. Cadenas de Monte Carlo. Problemas con métodos bayesianos. PRACTICO: Uso de PAUP* para cálculos de árboles de máximo likelihood. Uso de
MrBayes.

Consejos

¿Sabías que...?

Mensajes