第8章 进化模型及其选择

邻接法

邻接法：根据最小进化理论推出的一种推论叠加树的方法。
一种快速的聚类方法，不需要关于分子钟的假设，不考虑任何优化标准，基本思想是进行类的合并时，不仅要求待合并的类是相近的，而且要求待合并的类远离其他的类，从而通过对完全没有解析出的星型进化树进行分解，来不断改善星型进化树。
该方法通过确定距离最近(或相邻)的成对分类单位来使系统树的总距离达到最小。相邻是指两个分类 单位在某一无根分叉树中仅通过一个节点(node)相连。通过循序地将相邻点合并成新的点，就可以建立一个相应的拓扑树。

简约法

最大简约法(maximum parsimony，MP)最早源于形态性状研究，现在已经推广到分子序列的进化分析中。最大简约法的理论基础是奥卡姆（Ockham）哲学原则，这个原则认为：解释一个过程的最好理论是所需假设 数目最少的那一个。对所有可能的拓扑结构进行计算，并计算出所需替代数最小的那个拓扑结构，作为最优树。Felsenstein指出，在试图使进化事件的次数最小时，简约法隐含地假定这类事件 是不可能的。如果在进化时间范围内碱基变更的量较小，则简约法是很合理的，但对于存在大量变更的情形，随着所用资料的增加，简约法可能给出实际上更为错误 的系统树。
最大简约法的优点： 最大简约法不需要在处理核苷酸或者氨基酸替代的时候引入假设（替代模型）。此外，最大简约法对于分析某些特殊的分子数据如插入、缺失等序列有用。)
**缺点：**在分析的序列位点上没有回复突变或平行突变，且被检验的序列位点数很大的时候，最大简约法能够推导获得一个很好的进化树。然而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。

最大似然法

最大似然法（ML）
最大似然法(maximum likelihood,ML)最早应用于系统发育分析是在对基因频率数据的分析上，后来基于分子序列的分析中也已经 引入了最大似然法的分析方法。
最大似然法分析中，选取一个特定的替代模型来分析给定的一组序列数据，使得获得的每一个拓扑结构的似然率都为最大值，然后再挑出其中似然率最大的拓扑结构作为 最优树。在最大似然法的分析中，所考虑的参数并不是拓扑结构而是每个拓扑结构的枝长，并对似然率球最大值来估计枝长。最大似然法的建树过程是个很费时的过程，因为在分析过程中有很大的计算量，每个步骤都要考虑内部节点的所有可能性。
最大似然法也是一个比较成熟的参数估计的统计学方法，具有很好的统计学理论基础，在当样本量很大的时候，似然法可以获得参数统计的最小方差。只要使用了一个合 理的、正确的替代模型，最大似然法可以推导出一个很好的进化树结果。
估计的参数：树的括扑结构 树的分枝长度 进化模型

贝叶斯系统发生