浅谈系统发育分析.pdf

浅谈系统发育分析

任航行、哈斯、何晓红
2008年1月13日
主要内容

{一、理论依据

{二、系统发育分析步骤

{三、注意及存在问题
理论依据（1）

{分子时钟假说：
对于每一个给定的基因（或者蛋白质），其分子
进化大致是恒定的。

{意义：
如果蛋白质序列的进化保持一个恒定的速率，那么
这个速率就能被用于推算不同物种序列的发生分化的时
间。
分子时钟假说并不适用于所有的蛋白质。分子时钟
只能用于在长期进化历程中仍保持其生物学功能的那些
基因。
理论依据（1）
理论依据（1）

{中性理论：

“在生物分子层次上的进化改变不是由自然选择作用
于有利突变引起的，而是在连续的突变压之下由选择
中性或非常接近中性的突变的随机固定造成的，中性
突变是指对当前适应度无影响的突变。”

{否认自然选择在生物进化中的作用，认为生物大分子
的进化的主要因素是机会和突变压力。
理论依据（2）

{进化及遗传模型（Pennyetal.,1994）

{模型组成:
1、序列有指定的来源并且正确无误。
2、序列是同源的，而序列不是“paralog“的混合物。
3、序列比对中，不同序列的同一个位点都是同源的
4、在接受分析的一个序列组中，序列之间的系统发育史
是相同的。
5、样本足以解决感兴趣的问题。
理论依据（2）

模型组成：

6、样本序列之间的差异代表了感兴趣的宽组。
7、样本序列之间的差异包含了足以解决感兴趣的问题
的系统发育信号。
8、样本序列是随机进化的。
9、序列中的所有位点的进化都是随机的。
10、序列中的每一个位点的进化都是独立的。
系统发育数据分析步骤

比对

建立取代模型

建立进化树

进化树评估
系统发育数据分析步骤（1）

1、建立数据模型（比对）
基本步骤包括：

{选择合适的比对程序（计算机依赖性；系统发
育标准；比对参数评估；利用基本结构或者
高级结构进行比对；数学优化）

{从比对结果中提取数据集（注意：空位分值的
处理）
系统发育数据分析步骤（2）

2、决定取代模型：

{碱基取代速率模型
在DNA中四种转换的频率比八种颠换的频率要
高；这些偏向会影响两个序列之间的预计的分歧。

{位点内速率差异模型
关于位点之间的速率差异（或者叫做位点异质
性），有一个最明显的例子，就是在一个编码序列中，
三联体编码的位点差异。
系统发育数据分析步骤（2）

3、建树方法
3.1、基于算法和基于标准
相邻连接方法（NJ）是一个纯粹的基于算法的
建树方法，这个方法只得到一个进化树；
一个基于标准的距离建树方法，将得到多个进化
树并对所有可能的进化树（不管这些进化树是否产生）
进行评估。
3、建树方法
3.2、基于距离和基于特征符

{距离建树方法
根据一些尺度计算出双重序列的距离，然后抛
开真实数据，只是根据固定的距离建立进化树；

{基于特征符的建树方法
在建立进化树时，优化了每一个特征符的真实
数据模式的分布，于是双重序列的距离不再固
定，而是取决于进化树的拓扑结构。——最常用
的基于特征符的建树方法包括MP和ML。
距离建树方法

{非加权配对组算术方法（UPGMA，
unweightedpairgroupmethodwith
arithmeticmean）

{相邻连接方法（NJ，neighborjoining）

{最小进化方法（ME,MinimumEvolution）
Distance-basedmethods

6个分类单元的距离矩阵

NJ法构造的系统发育树
究竟哪一个基于距离的建树程序最好？

{模拟研究表明ME最好（Huelsenbeck,1995）。

{对于绝大多数数据集而言，一般理想模型会
比MEGA方法要好些。
究竟哪一个基于距离的建树程序最好？

{模拟研究指出，对于一个大范围的进化树形
状空间，UPGMA的可操作性很差
（Huelsenbeck,1995）。

{NJ是最快的程序，并且所产生的进化树同ME
进化树相比，非常相近（RzhetskyandNei,
1992;Li,1997）。
特征符建树方法

{最大简约方法（MP，MaximumParsimony）
是一种优化标准：对数据最好的解释也是最简单
的，而最简单的所需要的特别假定也最少。
在实际应用中，MP进化树是最短的，也是变化
最少的进化。MP分析期望能够产生大量的（有时候
是成千上万个）具有相同分值的进化树。
特征符建树方法

{最大似然方法（ML,MaximumLikelihood）
ML期望能够搜寻出一种进化模型，使得这个模型所能
产生的数据与观察到的数据最相似。
可以计算出每个位点的似然值，所有位点的似然值相
乘就得到了整个进化树的似然值。
在模拟研究中，如果对由