93、从序列采样数据重建祖先 - 后代谱系及贪心型最小进化算法的鲁棒性

从序列采样数据重建祖先 - 后代谱系及贪心型最小进化算法的鲁棒性

在生物学及相关领域中，从序列采样数据重建祖先 - 后代谱系以及解决系统发育重建问题是非常重要的研究方向。下面将详细介绍相关的方法、实验结果以及算法的鲁棒性。

重建祖先 - 后代谱系的方法

为了从序列采样数据中重建祖先 - 后代谱系，研究人员使用了五种不同的方法，下面对这些方法进行详细介绍：
1. 顺序链接算法（SeqLink） ：采用 C 语言实现了该算法的 NJ 版本。此算法基于 Holmes 等人提出的进化框架，有两个假设：
- 时间点 n 中与采样期 n + 1 中某序列距离最小的序列是采样期 n + 1 中“所有”序列的祖先。
- 序列的祖先在前一个时间周期被采样。
当出现平局时，使用涉及 NJ 分支长度的额外标准来打破平局。距离使用 JC69 距离测量，因为其他距离测量会降低算法的准确性。
2. MinPD ：这是一种基于距离的方法，试图通过避免 SeqLink 算法的强假设来提高性能。它使用 Tamura - Nei 93 方法和伽马速率异质性计算成对距离，并通过搜索距离矩阵中的最小距离在所有先前采样时间段中找到最接近的祖先。
3. TipDate（版本 1.2） ：旨在假设分子钟和已知树拓扑结构的情况下，从一组非同时输入序列（带日期的末端）计算最大似然（ML）突变率估计。使用 fastDNAml 方法估计的拓扑结构作为 TipDate 的树输入，TipDate 会重新计算树分支长度以符合分子钟假设。
4. sUPGMA <