不加权算术平均组对方法的改进及应用.pdfVIP

第33卷 第12期 北 京 工 业 大 学 学 报 Vo1．33 No．12 2007年 12月 JOURNAL OF BEIJING UNIVERSITY OF TECHNOLOGY Dec．2007 不加权算术平均组对方法的改进及应用 李玉褴，徐立业 (北京工业大学计算机学院，北京 100022) 摘 要：为了解决传统不加权算术平均组对方法(unweighted pair group method with arithmetic mean，简称UPG— MA)存在的“tie trees”问题，通过改进UPGMA，提出了不加权算术平均组群方法(unweighted multiple group method with arithmetic mean，简称UMGMA)，从理论和应用上证明了UMGMA能产生唯一的进化树，并且在 UPGMA树唯一时，UMGMA树和UPGMA树在不计分支次序时完全相同，解决了UPGMA树的唯一性问题． 与UPGMA不同之处在于，UMGMA反复利用极大紧邻子树上的顶点把多个距离最近的种群进行合并，因此在 UPGMA产生的二叉树不唯一时，UMGMA能产生一棵具有唯一拓扑结构的多叉树．通过适当选择大于0的容 差参数，UMGMA还可以在不同的宏观层次上产生容差进化树，以突出物种较多时进化树的整体脉络． 关键词：数据处理；不加权算术平均组对方法；系统发育分析；二叉树；多叉树 中图分类号；TP 18 文献标识码：A 文章编号：0254—0037(2007)12—1333—07 在构建物种进化树的各种方法中，不加权算术平均组对方法(unweighted pair group method with arithmetic mean，简称UPGMA)是一种常用的有效方法 4 J，其基本思想是反复把2个距离最近的种群进 行合并，直到形成一个包含所有物种(通常用DNA或蛋白质序列表示)的种群，其中2个种群之间的距离 通过配对物种距离的算术平均值来计算．虽然UPGMA在用基因频率数据推断系统发育时常常比其他方 法能构建出更好的进化树 _6J，但是在利用关系较近的物种进行分析时，由于在距离矩阵中偶尔会出现2 个或多个相同的距离值，所以UPGMA可能产生2个或多个拓扑结构不同的“等价”进化树[7 ]，称为“tie tree” ． 尽管可以列出所有可能的等价树 J，但意义不大，因为这些树最初都是由距离估计时的抽样误差造 成的，彼此之间也很相似．虽然UPGMA树的唯一性问题已经被注意到了很多年，但是现在仍然没有被很 好解决． 作者发现较新的建树软件MEGA3．1 0J对同样的生物序列数据在输入顺序改变时仍然会产生不同的 进化树，也就是说，它存在构建UPGMA树的唯一性问题．解决这一问题的较好方法之一是建立自展一致 树．一致树的每个内部分支都有一个自展值，用于表示该分支的可靠性．当由已知数据只得到一个UPG— MA树时，自展一致树通常和原始的UPGMA树相同 ]．本文则从改进建树方法的角度出发，提出不加权 算术平均组群方法(unweighted multiple group method with arithmetic mean，简称UMGMA)，其核心思想 是反复利用极大紧邻子树上的顶点把多个距离最近的种群进行合并，直到形成一个包含所有物种的种群， 但2个种群之间的距离的计算仍与UPGMA相同．与UPGMA树的一个重要区别在于，UMGMA树可能 是多叉树，而UPGMA树总是二叉树． 1 UPGMA简介 UMGMA是通过改进UPGMA建立起来的，因此有必要先分析一下UPGMA的具体内容． 假定集合C={S1，S2，…，SN}由N个生物序列(DNA或蛋白质序列)构成，用f C f=N表示C的元 收稿日期：2006—11-07． 基金项目：北京市自然科学基金资助项目(4052005)；北京市属市管高等学校“中青年骨干教师培养计划”项目PHR (IHLB)． 作者简介：李玉镒(1968一)，男，湖南邵东人，副教授． 1334 北 京 工 业 大 学 学 报