浅谈系统发育分析
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
最大似然方法（ML, Maximum Likelihood）
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，如果对由相同的模型产生的数据进行 数据分析的话，ML做得总是比ME和MP要好 （Huelsenbeck, 1995）。
PAUP
scavotto@或) ftp:///paup8
MEGA5 q
http://bioinfo.weizmann.ac.il/da tabases/info/mega.sof
MOLPHY
ftp://sunmh.ism.ac.jp/pub/molp hy /sof tware/paml.html"
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
距离建树方法
非加权配对组算术方法（UPGMA， unweighted pair group method with arithmetic mean） 相邻连接方法（NJ，neighbor joining） 最小进化方法（ME,Minimum Evolution）
Distance-based methods
软件的选择
ML还可以使用PAUP、PHYLIP（或BioEdit） 来构建。BioEdit集成了一些PHYLIP的程序， 用来构建进化树。Tree-puzzle是另外一个不 错的选择，不过该程序是命令行格式的，需要 学习DOS命令。 贝叶斯的算法以MrBayes为代表，不过速度 较慢。一般的进化树分析中较少应用。
评估进化树和数据
系统发育信号
数据信号和随机数据作对比实验（偏斜和排 列实验）
进化树的稳健性
对观察到的数据重新取样，进行进化树的支 持实验（非参数自引导和对折方法）
实际应用中应注意的问题
输入数据的质量； 从尽可能多的角度观察数据； 分类群（外围、内在）选择； 如何看待处理结果？
一个令人苦恼的问题：How to get a real tree?
距离法、简约法和最大似然法的差异
距离方阵方法
简单的计算两个序列的差异数量。这个数量被看 作进化距离，而其准确大小依赖于进化模型的选择。 然后运行一个聚类算法，从最相似的序列开始，通过 距离值方阵计算出实际的进化树。
最大简约方法
搜索进化树的原理是要求用最小的改变来解释所 要研究的分类群之间的观察到的差异。
特征符建树方法
最大简约方法（MP，Maximum Parsimony） 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
系统进化树构建常用软件
软件名称 PHYLIP 网址 http://evolution.genetics.washin /phylip/software.ht ml 说 明 目前发布最广，用户最多的通用系统树构建软 件，由美国华盛顿大学Felsenstein开发， 可免费下载，适用绝大多数操作系统 国际上最通用的系统树构建软件之一，美国 simthsonion institute开发，仅适用AppleMacintosh和UNIX操作系统% E4 |$ d+ Uv# P6 K 美国宾西法尼亚州立大学MasatoshiNei开发的 分子进化遗传学软件，图形化、集成的进 化分析工具，不包括ML 日本国立统计数理研究所开发，最大似然法构 树 英国University college London 开发，最大似 然法构树和分子进化模型6 m9 q1 \! X, w3 A# A+ [
PAML
软件名称 PUZZLE/ j/ u W@1 i8 y TreeView phylogeny PHYML MrBayes
网址 ftp://fx.zi.biologie.unimuenchen.de/pub/puzzle /rod/t reeview.html /biocat/phylogeny. html http://atgc.lirmm.fr/phyml/ /9
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。
Phylogenomic approach(whole-genome based phylogenetics)：
1. 序列分析 2.非序列分析 基于“全基因组特征(whole-genome features, WGFs)”; “罕有的基因组改变(rare genomic changes, RGCs)”（ Delsuc F, et al,2005；YU Li,et al，2006）。
Thank you!!!
说 明 应用quarter puzzling方法(一种最大 简约法)构建系统树 英国University of Glasgow开发，进 化树显示工具; 欧洲生物信息研究所(EBI)的系统发 育分析软件9 快速的ML建树工具 基于贝叶斯方法的建树工具
MAC50 E) /software/mac5/ V+ L' 7 W s# f* f0 ] Tree of Life. F9 x( p% O2 k6 u# Q% @
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。6个分类单元ຫໍສະໝຸດ 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（Rzhetsky and Nei, 1992; Li, 1997）。
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 。
基于贝叶斯方法的建树工具
/tree/progr am/program.html
美国University of Arizona建立的系 统发育方面网站
软件的选择
构建NJ树，可以用PHYLIP或者MEGA。 构建MP树，最好的工具是PAUP，但该程序 属于商业软件，并不对科研学术免费。 MEGA和PHYLIP也可以用来构建MP树。 构建ML树可以使用PHYML，速度较快。也 可使用Tree-puzzle，该程序做蛋白质序列 的进化树效果比较好。
理论依据（2）
进化及遗传模型（Penny et al., 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。
距离法、简约法和最大似然法的差异
最大似然进化模型
可能只是简单地假定所有核苷酸（或者氨基酸）之间相互 转变的概率一样。 程序会把所有可能的核苷酸轮流置于进化树的内部节点 上，并且计算每一个这样的序列产生实际数据的可能性。 所有可能的再现的几率被加总，产生一个特定位点的似然 值，然后这个数据集的所有比对位点的似然值的加和就是 整个进化树的似然值。
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。
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，如果对由相同的模型产生的数据进行 数据分析的话，ML做得总是比ME和MP要好 （Huelsenbeck, 1995）。
PAUP
scavotto@或) ftp:///paup8
MEGA5 q
http://bioinfo.weizmann.ac.il/da tabases/info/mega.sof
MOLPHY
ftp://sunmh.ism.ac.jp/pub/molp hy /sof tware/paml.html"
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
距离建树方法
非加权配对组算术方法（UPGMA， unweighted pair group method with arithmetic mean） 相邻连接方法（NJ，neighbor joining） 最小进化方法（ME,Minimum Evolution）
Distance-based methods
软件的选择
ML还可以使用PAUP、PHYLIP（或BioEdit） 来构建。BioEdit集成了一些PHYLIP的程序， 用来构建进化树。Tree-puzzle是另外一个不 错的选择，不过该程序是命令行格式的，需要 学习DOS命令。 贝叶斯的算法以MrBayes为代表，不过速度 较慢。一般的进化树分析中较少应用。
评估进化树和数据
系统发育信号
数据信号和随机数据作对比实验（偏斜和排 列实验）
进化树的稳健性
对观察到的数据重新取样，进行进化树的支 持实验（非参数自引导和对折方法）
实际应用中应注意的问题
输入数据的质量； 从尽可能多的角度观察数据； 分类群（外围、内在）选择； 如何看待处理结果？
一个令人苦恼的问题：How to get a real tree?
距离法、简约法和最大似然法的差异
距离方阵方法
简单的计算两个序列的差异数量。这个数量被看 作进化距离，而其准确大小依赖于进化模型的选择。 然后运行一个聚类算法，从最相似的序列开始，通过 距离值方阵计算出实际的进化树。
最大简约方法
搜索进化树的原理是要求用最小的改变来解释所 要研究的分类群之间的观察到的差异。
特征符建树方法
最大简约方法（MP，Maximum Parsimony） 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
系统进化树构建常用软件
软件名称 PHYLIP 网址 http://evolution.genetics.washin /phylip/software.ht ml 说 明 目前发布最广，用户最多的通用系统树构建软 件，由美国华盛顿大学Felsenstein开发， 可免费下载，适用绝大多数操作系统 国际上最通用的系统树构建软件之一，美国 simthsonion institute开发，仅适用AppleMacintosh和UNIX操作系统% E4 |$ d+ Uv# P6 K 美国宾西法尼亚州立大学MasatoshiNei开发的 分子进化遗传学软件，图形化、集成的进 化分析工具，不包括ML 日本国立统计数理研究所开发，最大似然法构 树 英国University college London 开发，最大似 然法构树和分子进化模型6 m9 q1 \! X, w3 A# A+ [
PAML
软件名称 PUZZLE/ j/ u W@1 i8 y TreeView phylogeny PHYML MrBayes
网址 ftp://fx.zi.biologie.unimuenchen.de/pub/puzzle /rod/t reeview.html /biocat/phylogeny. html http://atgc.lirmm.fr/phyml/ /9
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。
Phylogenomic approach(whole-genome based phylogenetics)：
1. 序列分析 2.非序列分析 基于“全基因组特征(whole-genome features, WGFs)”; “罕有的基因组改变(rare genomic changes, RGCs)”（ Delsuc F, et al,2005；YU Li,et al，2006）。
Thank you!!!
说 明 应用quarter puzzling方法(一种最大 简约法)构建系统树 英国University of Glasgow开发，进 化树显示工具; 欧洲生物信息研究所(EBI)的系统发 育分析软件9 快速的ML建树工具 基于贝叶斯方法的建树工具
MAC50 E) /software/mac5/ V+ L' 7 W s# f* f0 ] Tree of Life. F9 x( p% O2 k6 u# Q% @
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。6个分类单元ຫໍສະໝຸດ 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（Rzhetsky and Nei, 1992; Li, 1997）。
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 。
基于贝叶斯方法的建树工具
/tree/progr am/program.html
美国University of Arizona建立的系 统发育方面网站
软件的选择
构建NJ树，可以用PHYLIP或者MEGA。 构建MP树，最好的工具是PAUP，但该程序 属于商业软件，并不对科研学术免费。 MEGA和PHYLIP也可以用来构建MP树。 构建ML树可以使用PHYML，速度较快。也 可使用Tree-puzzle，该程序做蛋白质序列 的进化树效果比较好。
理论依据（2）
进化及遗传模型（Penny et al., 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。
距离法、简约法和最大似然法的差异
最大似然进化模型
可能只是简单地假定所有核苷酸（或者氨基酸）之间相互 转变的概率一样。 程序会把所有可能的核苷酸轮流置于进化树的内部节点 上，并且计算每一个这样的序列产生实际数据的可能性。 所有可能的再现的几率被加总，产生一个特定位点的似然 值，然后这个数据集的所有比对位点的似然值的加和就是 整个进化树的似然值。
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。