20、快速准确的系统发育重建与新型稳健性估计器

快速准确的系统发育重建与新型稳健性估计器

1. 引言

在系统发育分析中，非参数自举法已成为评估重建稳健性的标准方法。对于序列数据，经典的自举法由 Felsenstein 提出，通过从多序列比对中有放回地采样列来创建新的比对，即自举复制。每个复制包含相同数量的物种和每物种相同数量的列，但原始比对中的某些列可能会被重复，而其他列可能会被省略。从每个复制中可以使用任何可用的重建技术重建一棵树（自举树），推断树中分支的支持值是包含该分支的自举树的比例。然而，经典自举法不能直接应用于重排数据，因为整个排列（基因组）在排列空间中是一个单一字符。

2. 系统发育重建与准确性测试

2.1 重建方法

我们使用基于距离的邻接法（NJ）进行系统发育重建。给定分类单元之间的成对距离矩阵，NJ 通过以下步骤迭代地连接最接近的一对叶子来重建系统发育（包括内部分支长度）：
1. 根据合适的度量选择最接近的一对叶子。
2. 用一个“樱桃”（连接到内部节点的一对叶子）替换这两个叶子。
3. 计算“樱桃”到所有其他叶子的距离。
4. 重复上述步骤，直到只剩下三个叶子。

当距离矩阵是可加的时，NJ 保证能重建真实的树。

2.2 准确性测试

我们通过广泛的模拟研究重建树及其内部分支长度的准确性。具体步骤如下：
1. 生成多个树。
2. 在这些树上模拟进化。
3. 使用叶子排列作为重建方法的输入。
4. 将重建的树与“真实”树进行比较，以测试方法的准确性。

我们使用 Robinson - Foulds（RF）度量来测量推断树的拓扑准