系统发育与进化

所属板块组学应用

把核心方法放回 RNA-seq、单细胞、表观组、长读长、空间组学、蛋白质组学、多组学、系统发育与机器学习等真实任务。

适合谁读建议在以下阶段阅读

已经理解比对与距离概念，希望进一步理解树结构与进化关系解释的读者

建议起点推荐阅读路径

先从距离方法概览建立距离矩阵直觉，再进入 MSA 与系统发育方法。

问题定义

系统发育树重建问题（Phylogenetic Tree Reconstruction Problem）：

给定 $n$ 个物种（或基因序列）的特征数据，重建一棵能最好地解释这些数据的进化树。

输入：$n$ 个物种的特征矩阵（如多序列比对结果）或 $n \times n$ 距离矩阵 $D$

输出：一棵带权树 $T$，其中叶子节点对应现存的 $n$ 个物种，内部节点对应假设的祖先物种，边权表示进化距离或时间

系统发育分析试图根据序列或特征差异重建物种、基因或样本之间的进化关系。

系统发育树用叶节点、内部节点和分支结构来表达样本之间的关系；但不同建树方法对应的统计假设并不相同。

生物学背景

在过去，生物学家依赖形态学特征（如喙的形状、鳍的存在与否）来构建进化树。今天，DNA 序列为重建进化树提供了更客观的依据。

一个著名的例子是大熊猫分类争议：

• 1870 年，大熊猫被归类为浣熊科（基于骨骼相似性）
• 1985 年，Steven O'Brien 等人使用 DNA 序列和算法解决了这一争议，证明大熊猫属于熊科
• 这项研究使用了约 50 万个核苷酸来构建熊和浣熊的进化树

另一个重要案例是人类起源的"出非洲"假说：

• Rebecca Cann、Mark Stoneking 和 Allan Wilson 通过构建人类线粒体 DNA 的进化树
• 提出了现代人类在约 20 万年前起源于非洲的假说
• 这展示了系统发育分析如何将人类起源问题转化为算法问题

这一部分在全站中的位置

它位于"分析方向与案例"之下，承担的是应用层中的一个经典方向：把序列相似性、表达模式相似性与树方法重新组织成结构解释。

为什么这一节重要

系统发育把比对、距离、模型和统计推断的结果，转换成更高层的关系结构。它既是一个独立主题，也是很多比较分析和进化研究中的解释层。

三种主要的系统发育重建方法

| 方法类型 | 代表算法 | 核心思想 | 适用场景 | |---------|---------|---------|---------| | 距离法 | UPGMA, Neighbor-Joining | 从距离矩阵重建树 | 快速分析，大样本 | | 简约法 | Fitch, Sankoff | 最小化进化变化次数 | 序列相似度高 | | 似然法 | Maximum Likelihood, Bayesian | 最大化数据概率 | 准确推断，统计评估 |

推荐阅读顺序

通用聚类方法（层次聚类、k-means、CAST）已移至核心方法 · 聚类算法。

我们推荐以下学习路径：

1. 多序列比对（MSA） — 获得系统发育分析的输入数据
2. 距离方法概览 — 理解距离矩阵方法的一般框架
3. UPGMA 算法 — 学习基于分子钟（Molecular Clock）假设的层次聚类
4. Neighbor-Joining 算法 — 学习不依赖分子钟假设的距离法
5. 加法系统发育（Additive Phylogeny） — 理解距离矩阵与树的理论关系
6. Parsimony — 学习基于最小进化的位点方法
7. Maximum Likelihood — 学习基于统计模型的现代方法

子主题导航

起点 distance-based

距离方法概览

从相似性、距离矩阵和聚类视角理解树是如何被构建出来的。

进入子主题

理论骨架 additive matrix

加法系统发育（Additive Phylogeny）

理解当距离矩阵精确来自一棵树时，树结构如何被恢复出来。

进入子主题

位点方法 minimum changes

Parsimony

从位点变化次数最少的角度理解树推断。

进入子主题

模型方法 likelihood

Maximum Likelihood

在演化模型下，寻找最可能产生当前观测序列的树。

进入子主题

与表达数据分析的连接

• RNA-seq 工作流概览 中的表达矩阵常用层次聚类或 k-means 做初步模式探索；
• TPM、FPKM、CPM 与有效长度 提供 expression matrix 的输入背景；
• 树状图在 expression analysis 中更偏相似性可视化，不应直接等同于真实进化树。

与其他板块的连接

• 上游依赖 多序列比对（MSA） 和 序列比对 提供同源位点基础；
• 作为 分析方向与案例 中的一个专题入口；
• 也和概率模型页中对 HMM、profile 的理解形成方法论对照：一个是序列状态模型，一个是树结构模型。