23、深入解析系统发育树构建：深度合并与罗宾逊 - 福尔兹超树算法

深入解析系统发育树构建：深度合并与罗宾逊 - 福尔兹超树算法

在系统发育学的研究中，准确构建物种树是一项至关重要却充满挑战的任务。由于基因树之间存在不一致性，以及构建算法的复杂性，如何高效且准确地得出物种树成为了研究的焦点。本文将围绕深度合并共识树问题和无根罗宾逊 - 福尔兹（RF）超树问题展开，介绍相关算法及其性能。

深度合并共识树问题

深度合并问题旨在解决基因树之间的不一致性，同时保留所有基因树达成共识的系统发育簇。该问题具有帕累托性质，这意味着它不仅提供了一个生物学上合理的最优性标准来解决基因树的不一致性，还能保证保留所有基因树都认同的系统发育簇。

算法验证与优化

在实验中，当使用 14 个分类单元的基因树时，SPR 启发式算法在某些情况下未能返回包含共识簇的结果。而我们的算法能够找到一个更好的解决方案，不仅包含了共识簇，还具有更低的深度合并成本。对于 256 个分类单元的合并模拟数据集，即使基因树之间存在较高程度的不一致性，也总能返回包含所有共识簇的物种树。

数据集分类单元数量	群体大小	平均合并成本
256	10,000	279
256	100,000	2038

这表明 SPR 启