3种上数据分析方法.pptVIP

种上数据分析方法Data Analysis at above Species Level 黄原 2006-10 主要内容 1 种上数据分析概述 2 序列比对 3 数据探索分析 4 距离矩阵法 5 简约法 6 最大似然法 7 贝叶斯法 8 系统发育网络法 9 系统树的可靠性 10 系统树的解释 1 种上数据分析概述 单一数据集分析策略 多源数据集分析策略 基因组数据分析策略 系统发育分析方法 四大类 : 距离法Distance methods 简约法Parsimony methods 最大似然法Maximum likelihood methods 贝叶斯法Bayesian methods 系统发育分析软件 2 序列比对 sequence alignment 3 数据探索分析Data exploration 数据探索分析内容 数据探索的方法已经成为系统发育推论的重要环节之一。Grant和Kluge （2003）对数据搜索作了系统的综述，他们把数据探索的方法归结为两大类，分别是灵敏度分析（sensitivity analyses）和质量分析(quality analysis)。 数据质量分析 质量分析旨在数据中区分出好的 、可靠的信号，进而评估数据揭示真实系统发育的能力 数据质量问题 数据集质量的评价方法：数据集的质量可以从以下4个方面进行评价： （1）在进行系统发育分析之前，首先应该检查数据集的分子进化特性，包括计算序列间的成对p值、所有序列的平均p值、TS、TV，替换饱和程度分析，碱基组成偏向性分析等。 （2）检查数据集对特定系统树的支持特征，包括数据集的分辨力、同型水平测度、分支支持度等的计算。 （3）与已知系统发育结论进行比较，如与基于形态学性状的系统树、或与其他否则数据集的结果、或与模拟数据集的结果进行比较。 （4）各种不同来源的数据集获得的结果的一致性。 大多数数据集含有误导系统发育关系的信号，主要包括 （1）替换饱和位点 （2）人为比对位点 （3）碱基组成偏好性 （4）分支长度或替换速率差异引起的长枝吸引现象。 数据质量分析方法 系统发育信号（phylogenetic signal）检验常用的有3种：树长分布偏斜性分析（统计值为g1）、PTP（permutation tail probability）检验和RASA（relative apparent synapomorphy analysis） 碱基组成偏向性分析 Skewness of Tree Length Distributions Skewness - example Permutation Tail Probability (PTP) 碱基组成偏向性分析 数据组的碱基组成偏向性（base composition bias）进行检验 数据灵敏度分析 灵敏度分析揭示在变化的或错误的参数和假设下结果的反应，一般指提供一种评估系统发育支持的度量方法，哪些结论是不可靠的，哪些是稳定的，可信的，主要有：Relative rate comparison(saturation analysis) （碱基替换饱和性分析）、Character compatibility（性状兼容性检验）、Spectral analysis、Relative apparent synapomorphy analysis(RASA)、data partition methods(taxonomic congruence,分类学相合性) 、Topological incongruence test（拓扑不相合检验）、Global congruence、χ2test、Mickevich-Farris incongruence index、Miyamoto incongruence index、ILD test（不相合性长度差异检验）、Partitioned Bremer support（PBS）、Congruence with an empirically “known” phylogeny。 数据集相合性检验 ILD（Incongruence Length Difference test）检验是对不同来源或不同性质的数据集在联合分析前进行数据同质性检验的一种方法，它是建立在“同型性状增加时系统树的准确性下降”假设基础上的。其原理是：如果数据集之间是同质性的，则在这些数据集之间随机地分配性状后形成的最优树与各自原数据集的最优树无显著差异。Swofford在PAUP*早期版本中提出可联合性检（Combinability test），后期版本改称划分数据集同质性检验(Partitioned Homogeneity Test ，PHT)。ILD 检验是在简约信号位点组成的数据集上