16、系统发育估计的其他方法及引导程序应用

系统发育估计的其他方法及引导程序应用

1. 贝叶斯估计的复杂性与建议

贝叶斯估计在具有多个参数的系统发育学情境中较为复杂。在进行贝叶斯分析时，常规需要检查先验的影响、链的收敛性以及所使用采样器的影响，但这是一项繁重的工作。很多时候，贝叶斯分析更多地是为了得到最终的系统发育树，而不是深入了解塑造数据的生物学过程。

建议投入相当的精力进行以下工作：
- 图形探索性分析
- 检查序列比对和成对距离的分布
- 量化位点间替换率的变化
- 评估自展树的支持度和冲突值

phyloch 包中的 mrbayes 函数提供了与 MrBayes 的接口，其函数形式如下：

mrbayes(x, file, nst = 6, rates = "invgamma", ngammacat = 4,
nruns = 2, ngen = 1e+06, printfreq = 100, samplefreq = 10,
nchains = 4, savebrlens = "yes", temp = 0.2, burnin = 10,
contype = "allcompat", path="/Applications/mrbayes-3.1.2/",
run = TRUE)

mrbayes.mixed 具有相同的选项，可处理形态学数据。

2. 简约法

2.1 简约原则

简约原则非常简单，即假设随时间发生的进化变