生物统计学(biostatistics)笔记-4.进化树

目录

构建进化树的算法

1、基于距离

1.1 UPGMA（Unweighted pair group method with arithmetic mean，平均连接聚类法）

1.2 ME（Minimum Evolution，最小进化法）

1.3 NJ（Neighbor-Joining，邻接法）​编辑

2、基于特征

2.1 最大简约法（Maximum Parsimony）

2.2 最大似然法（Maximum Likelyhood）

2.3 进化简约法（EP法）

2.4 相容性方法

算法的对比与选择

1、算法选择

2、邻接法和最大似然法需要选择模型

3、在重建进化树过程中，均需选择bootstrap进行树的检验

考试重点

---

构建进化树的算法

1、基于距离

1.1 UPGMA（Unweighted pair group method with arithmetic mean，平均连接聚类法）

• 基本假设:该方法假设在进化过程中，每一世系发生趋异的次数相同，即核苷酸或氨基酸的替换速率是均等且恒定的。
• 流程：
• 优点在于计算效率高，适合快速构建初步的系统发育树，但由于其假设条件较为严格，可能不适用于所有类型的数据集

1.2 ME（Minimum Evolution，最小进化法）

1.3 NJ（Neighbor-Joining，邻接法）

2、基于特征

2.1 最大简约法（Maximum Parsimony）

• 理论基础：奥卡姆剃刀
• 方法：计算所有可能的拓扑结构；计算出所需替代数最小的那个拓扑结构，作为最优树。
• 特点：用于分析如插入、缺失等序列。在分析序列上存在较多的回复突变或平行突变，而被检验的序列位点数又比较少的时候，最大简约法可能会给出一个不合理的或者错误的进化树推导结果。

2.2 最大似然法（Maximum Likelyhood）

• 原理：对所有可能的系统发育树都计算似然函数，选择似然函数值最大的为最优树。
• 需要先确定序列进化的模型，如Jukes—Cantor模型、Kimura二参数模型及一般二参数模型等。
• 优点：在进化模型选择合理的情况下，ML法与进化事实吻合最好。缺点：计算强度非常大，极为耗时。
• 计算
  • P矩阵（Probability Matrix）也称为转移概率矩阵，描述了在给定分支长度上从一个状态转移到另一个状态的概率【e.g.PAM矩阵】；特性：无记忆，可逆。
  • Q矩阵（Instantaneous Rate Matrix）也称为瞬时速率矩阵，包含了核苷酸（或氨基酸）之间替换的瞬时速率。Q矩阵中的每个元素Qij表示单位时间内从核苷酸（或氨基酸）i转变为核苷酸（或氨基酸）j的速率。
  • 计算未对齐的可能性

2.3 进化简约法（EP法）

2.4 相容性方法

算法的对比与选择

1、算法选择

如果序列的相似性较高，各种方法都会得到不错的结果，模型间的差别也不大

若有合适的分子进化模型可供选择，用最大似然法构树获得的结果较好

对于近缘物种序列，通常情况下使用最大简约法

而对于远缘物种序列，一般使用邻接法或最大似然法

对于相似度很低的序列，邻接法往往出现长枝吸引(branch attraction)现象，有时严重干扰进化树的构建

2、邻接法和最大似然法需要选择模型

 蛋白质序列的构树模型一般选择Poisson correction(泊松修正)

核酸序列的构树模型一般选择Kimura 2-parameter (Kimura-2参数).

3、在重建进化树过程中，均需选择bootstrap进行树的检验

 • 一般bootstrap的值>70，则认为重建的进化树较为可靠。

 • 如果bootstrap的值太低，则有可能进化树的拓扑结构有错误，进化树是不可靠的。

 • 一般推荐用两种以上不同的方法构建进化树，如果所得到的进化树类似，且 bootstrap值总体较高，则得到的结果较为可靠。

4、软件与平台

考试重点

主要是理解概念，集中在UPGMA、NJ、最大简约法、最大似然法