生物信息学第五章基于特征的系统发生分析.pptVIP

5.3.2 启发式搜索 对大于20条序列的多序列进行比对必须采用近似的更为有效的算法。它并不一定总能找到最简约的树。 启发式(heuristic)方法的假设：各个可能的树并不总是相互独立的。 最简约数和次简约数拓扑结构相似，因此首先构建一棵初始树，从它开始寻找更短的树。 因此启发式搜索通过子树分支交换，把它们嫁接到该步分析中找到的最好的那棵树的其他位置上，从而产生一棵拓扑结构和初始树相似的树。 同分支约束法一样，如果初始树很接近于最简约树（例如UPGMA产生的树），启发式搜索会更有效。 图5.5 分支交换 再接 1 2 3 4 5 6 7 剪除 1 2 4 5 6 7 3 第一轮分析中，由初始树产生出上百棵新树，其中所有比初始树短的新树都在第二轮分析中被剪枝和嫁接。不断重复这个过程，直到某一轮通过剪枝和嫁接无法产生与前一轮等长或更短的树。 大量序列比对的可能的无根树的数目是一个天文数字，这种比对深度对计算造成了很大困难，把多个序列比对分成几个较少序列的比对可以较好的解决这一问题。 例如： 同源哺乳 动物序列 灵长类序列 啮齿类序列 部分偶蹄、兔类、 灵长、啮齿 探知树中灵长类 所在树干的末段 之间的关系 确定树中啮齿类 所在树干的末段 之间的关系 检验更早的分支、 更具体的灵长类 树干和啮齿类树干的 最后位置 5.4 一致树 简约法产生多棵等价的简约数是很常见的。 此时最简单的方法是用一个一致树 (consensus tree)作为代表来概括所有等价的简约树。方法如下： （1）在所有树中都一致的分支点在一致树中表示成二叉分支点。 （2）不一致的分支点蜕变成连接三个或更多后代分支的内部节点。 严格一致树 (strict consensus tree)：只要有一棵简约树与其他不同，对所有不一致的分支点都进行相同的处理。 过半截定一致 (50% majority-rule consensus) ：只要有至少一半的树符合条件，这个内部节点在一致树中就可以表示成二叉节点，而少于一半的树符合条件的内部节点表示为多叉节点。 不一致性阈值是一个参数，可以取0 ～100%的任意值。 由一个数据集推断出的3棵树 7 7 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 7 1 2 3 4 5 6 7 过半截定一致原则 7 严格一致原则 1 2 3 4 5 6 5.5 树的置信度 所有的系统发生树都是关于组成数据集的序列的进化历史的假设。 系统发生树的可靠性? 问题： （1）整棵树和它的组成部分（分支）的置信度是多少？ （2）这样得到正确的树的可能性比随机选出一棵是正确的树的可能性大多少？ 解决方法： 解决问题（1）——自举检验 解决问题（2）——参数检验 5.5.1 自举检验 (bootstrap test) 自举检验是一种重采样技术，能粗略地量化这些置信度水平。 自举检验的基本方法是： （1）从原数据集中抽取（同时替换）部分数据组成新的数据集。 （2）用这个新的数据集 推断 系统发生树。 重复上述过程，产生成百上千的重采样数据集，并同时生成对应的自举树，进而检验自举树对最终系统发生树各个分支的支持率。 在各个自举树中都有出现或大量出现的那些部分将具有较高的置信度。产生相同分组的自举树的数目常常标注在系统发生树相应节点的旁边，表示树中每个部分的相对置信度。 系统发生树的自举检验 序列 Ⅳ 位置 Ⅰ Ⅱ Ⅲ Ⅴ 推断树 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ 自举树1 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ 自举树2 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ 自举树3 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ (a) (b) 自举树 Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ (c) 为3个重采样数据集的一致树 75 67 G G G G G G G A A A G G G A G G G A A A G G G T A A A A A T G A A C A A A G G T G T T C A A A A A T 1 2 2 4 5 5 5 7 7 10 G G G G G G A T T T G G G A T T A T T T A A A T G G A C C C T T T C T T G T T T T T T C T T A T T T 3 3 3 4 6 6 7 8 8 8 G G G G G G G C C C G G G G G G T C C C G G A A A A G A A A G G T A A A T A A A G G T A A A T C C C 1 1 3 5 5 5 6 9 9 9 G G G G G G A T C A G G G A G T A T C A G G A T A G A C A T G A