进化树学习笔记

本文聚焦于进化树的相关知识，部分内容来源于我的课堂笔记，希望能对你有所帮助 😊

---

1. 进化树的基本概念

什么是进化树？

• 定义：
  • 进化树是一种分支图，用于表示生物序列（DNA、RNA、蛋白质）或物种之间的进化关系。
• 目的：
  • 研究物种分化。
  • 分析基因的同源性。
  • 预测未知基因功能。

进化树的组成

1. 节点：
   • 内部节点：表示共同祖先。
   • 叶子节点：表示当前物种或基因。
2. 分支：
   • 表示从一个祖先到后代的演化路径。
3. 根节点：
   • 表示最近共同祖先（有根树特有）。
4. 长度：
   • 分支的长度通常表示进化距离或时间。

进化树的类型

1. 有根树（Rooted Tree）：
   • 有明确的进化方向和共同祖先。
2. 无根树（Unrooted Tree）：
   • 仅表示序列间的相对关系，没有明确方向。

2. 进化树的构建方法

2.1 距离法（Distance-Based Methods）

• 基本思想：
  • 计算序列间的成对距离矩阵，根据距离构建进化树。
• 常用算法：
  1. UPGMA（Unweighted Pair Group Method with Arithmetic Mean）：
     • 假设分子钟（进化速率恒定），适合进化速率一致的序列。
     • 步骤：
       1. 计算序列间的成对距离矩阵。
       2. 合并最近的两个簇，更新矩阵。
       3. 递归合并直到只剩一个簇。
  2. 邻接法（Neighbor-Joining, NJ）：
     • 不要求分子钟假设，适合更广泛的序列数据。
     • 步骤：
       1. 计算距离矩阵，构造初始树。
       2. 合并距离最近的两个节点，重新计算距离矩阵。
       3. 继续合并，直到完成。

2.2 字符法（Character-Based Methods）

• 基本思想：
  字符法直接基于序列的特征（如碱基位置），推导序列的演化关系，适合识别复杂的演化特征。

算法 1：最大简约法（Maximum Parsimony, MP）

假设

• 假设最优进化树是发生演化变化最少的树。
• 演化变化包括碱基替换、插入、缺失等。

步骤

1. 定义变化成本：每个碱基或氨基酸的替换、插入或缺失有固定成本。

2. 计算总变化：针对每棵可能的树，计算所需的总变化。

3. 选择最优树：总变化最少的树为最优解。

优点：简单直接，适合小规模序列。
缺点：
对长序列或高变异序列不适用。
可能有多个等优解。

算法 2：最大似然法（Maximum Likelihood, ML）

假设

• 假设演化过程符合某种统计模型（如 Jukes-Cantor 模型）。
• 最优树是具有最大似然值的树。

步骤

1. 选择演化模型：根据数据选择合适的替换模型（如 JC69、GTR 模型）。

2. 计算似然值：对每棵可能的树，计算观测序列给定树的概率 ( P(序列 | 树) )。

3. 选择最优树：

   • 选择似然值最大的树。

• 优点：精确，适合复杂演化关系。
• 缺点：计算量大，需要强大的计算资源。

2.3 贝叶斯推断（Bayesian Inference）

基本思想

• 基于贝叶斯统计，通过后验概率推断最优进化树。
  结合先验知识和观测数据构建树。

步骤

1. 设定先验分布：设定树结构和参数的先验分布。

2. 计算后验概率：使用贝叶斯公式：

$$ P(树 | 数据) \propto P(数据 | 树) \cdot P(树) $$

3. 采样搜索：使用 Markov Chain Monte Carlo（MCMC）方法，在树空间中采样，寻找后验概率最大的树。

优点：
能结合先验知识，适合高度不确定的情况。
提供完整的后验概率分布。
缺点：计算复杂，训练时间长。

总结与对比

算法	适用场景	优点	缺点
UPGMA	进化速率一致的序列	简单快速	对分子钟假设敏感
邻接法（NJ）	进化速率不一致的序列	适用范围广	对距离矩阵依赖高
最大简约法（MP）	小规模、低变异的序列	简单直观	不适合高变异或长序列
最大似然法（ML）	复杂序列或精确分析	精确	计算量大
贝叶斯推断	高度不确定或需结合先验知识	提供后验概率分布	训练时间长，计算复杂

3. 进化树的构建流程

序列准备

1. 收集目标序列：
   • DNA、RNA 或蛋白质序列。
2. 进行多序列比对：
   • 使用工具如 Clustal Omega、MUSCLE 或 MAFFT 对序列进行比对，找出序列的保守区域。

计算距离或构建模型

1. 距离矩阵：
   • 使用如 Jukes-Cantor（JC69）模型或 Kimura 两参数模型计算序列间的演化距离。
   • 生成成对距离矩阵。
2. 进化模型：
   • 最大似然法需要选择合适的模型（如 GTR 模型）。

选择算法

• 距离法：使用 NJ 或 UPGMA 构建进化树。
• 字符法：使用 MP 或 ML 算法。
• 贝叶斯推断：使用工具如 MrBayes。

构建进化树

• 使用如 MEGA 等软件，根据选择的算法构建树。

结果可视化

• 使用图形化工具绘制进化树，如：
  • MEGA：可视化并编辑进化树。

4. 进化树的评估与优化

分支支持度（Bootstrap）
作用：
评估进化树的稳定性和可靠性。

方法：

• 对原始数据进行重复抽样（如 100 次），重新构建进化树。
• 统计每个分支出现在树中的比例（支持度），高支持度表示分支可靠。

5. 进化树的应用

物种进化研究
比较不同物种的基因组，推测其分化时间和关系。

基因功能预测
比对未知基因与已知基因的进化关系，预测基因的可能功能。

疾病传播分析
构建病毒进化树，研究疾病在不同地区和宿主间的传播路径。

环境微生物分析
通过 16S rRNA 序列构建进化树，研究微生物群落的组成和演化。

---

本文参考

《生物信息学》 樊笼江主编