系统发育分析

系统发育分析（英文：Phylogenetic analysis）是利用生物的遗传、形态或行为等特征数据，推断其进化历史（即系统发育关系）并构建系统发育树的计算与统计方法学。其核心目标是重建物种（或其基因）之间的共同祖先关系，揭示生命之树的拓扑结构和分支时序。

概述

系统发育分析是现代进化生物学、比较基因组学、分类学和流行病学（如追踪病毒变异）的基础工具。它基于一个核心假设：具有更近共同祖先的生物（或基因）通常比关系较远的生物共享更多相似的特征。这些特征可以是：

• 分子序列数据：DNA、RNA或蛋白质序列（最常用）。

• 形态特征：骨骼结构、花瓣数量等。

• 行为特征：鸣唱模式、求偶行为等。

• 其他离散性状：基因存在/缺失、特定代谢通路等。

核心概念

• 系统发育树：表示进化关系的分支图。其组成部分包括：

  • 末端节点（叶节点）：代表实际观测到的分类单元（物种、个体、基因）。

  • 内部节点：代表假定的共同祖先。

  • 分支：代表进化谱系，其长度通常与沿着该分支发生的进化改变量（如遗传距离）成正比。

  • 根：树中最古老的分支点，代表所有分类单元的最近共同祖先。

• 同源 vs. 同功：分析的关键前提是使用同源特征（源于共同祖先），而非同功特征（源于趋同进化），否则会导致错误推断。

• 基因树 vs. 物种树：单个基因的进化历史（基因树）可能因不完全谱系分选、基因重复/丢失或水平基因转移而与物种的进化历史（物种树）不一致。区分二者是分析中的重点和难点。

主要分析方法

根据构建原理和算法，主要分为以下几类：

1. 基于距离的方法

• 原理：先计算所有分类单元两两之间的遗传距离（如p-距离、Kimura 2-参数距离），然后根据距离远近将分类单元聚类成树。

• 常用算法：邻接法（Neighbor-Joining, NJ），一种快速、简洁的聚类方法。

• 优点：计算速度快，适用于大数据集。

• 缺点：丢失了单个特征（如特定位点）的进化信息，对进化模型不敏感，通常不提供对树分支置信度的直接度量。

2. 基于特征/离散数据的方法

• 最大简约法（Maximum Parsimony， MP）

  • 原理：寻找所需进化改变（如核苷酸替换）次数最少的那个树，即“最简单即最优”。

  • 优点：逻辑直观，不依赖于复杂的进化模型。

  • 缺点：在序列分歧度较高（存在大量同塑性）或进化速率差异大时，易产生长枝吸引现象，导致错误推断。

3. 基于统计模型/似然的方法

• 最大似然法（Maximum Likelihood, ML）

  • 原理：在给定的核苷酸/氨基酸替换模型（如GTR模型）和一棵树的前提下，计算观察到实际序列数据的似然值。通过搜索所有可能的树或使用启发式算法，寻找使该似然值最大的那棵树。

  • 优点：统计框架严谨，能整合复杂的进化模型（考虑不同位点速率异质性、不同碱基频率等），是目前最常用和最可靠的单基因树构建方法之一。

  • 缺点：计算量极大，尤其对于大数据集。

• 贝叶斯推断法（Bayesian Inference, BI）

  • 原理：在ML基础上引入贝叶斯定理。先设定参数的先验分布，然后通过马尔可夫链蒙特卡洛模拟，从后验分布中采样，最终得到一组高概率的系统发育树及其分支的后验概率支持。

  • 优点：直接提供分支的后验概率作为支持度，并能同时估计所有模型参数的不确定性。

  • 缺点：计算极其耗时，且需要仔细检查MCMC链的收敛性。

关键步骤与考量

1. 数据准备与比对：使用ClustalW, MAFFT, MUSCLE等工具进行多序列比对，确保比较的是同源位点。这是分析中最关键且易出错的一步。

2. 模型选择：使用jModelTest, ModelFinder等工具，为ML或BI分析选择最合适的序列进化模型。

3. 树搜索与构建：使用上述方法（NJ, MP, ML, BI）构建系统发育树。

4. 树的可视化与评估：

   • 支持度评估：通过自举法（Bootstrap，如ML bootstrap值）或后验概率（Bayesian posterior probability）评估树节点的可靠性。通常支持值>70% (bootstrap) 或 >0.95 (后验概率) 被认为支持较强。

   • 树的可视化：使用FigTree, iTOL等软件进行绘制和注释。

5. 树根确定：通过引入外群（一个明确位于所研究类群之外的分类单元）来确定树的根。

应用领域

• 分类学与系统学：建立自然的生物分类系统。

• 比较基因组学与功能预测：基于“系统发育谱”推断基因功能。

• 分子钟与分化时间估算：结合化石校准点，估算物种或基因的分化时间。

• 流行病学追踪：重建病毒（如HIV， SARS-CoV-2）的传播路径和进化动态。

• 保护生物学：识别具有独特进化历史的进化显著单元。

参考文献

1. Felsenstein, J. (2004). Inferring Phylogenies. Sinauer Associates. （系统发育分析领域的经典教科书）

2. Yang, Z. (2014). Molecular Evolution: A Statistical Approach. Oxford University Press. （侧重分子进化和最大似然/贝叶斯推断的权威著作）

3. Swofford, D. L., et al. (1996). Phylogenetic inference. In: Molecular Systematics (2nd ed.). Sinauer Associates. （全面介绍各种系统发育推断方法的经典章节）

4. Huelsenbeck, J. P., & Ronquist, F. (2001). MRBAYES: Bayesian inference of phylogenetic trees. Bioinformatics, 17(8), 754-755. （介绍广泛应用贝叶斯系统发育软件MrBayes的论文）

5. Katoh, K., & Standley, D. M. (2013). MAFFT multiple sequence alignment software version 7: improvements in performance and usability. Molecular Biology and Evolution, 30(4), 772-780. （介绍高性能多序列比对工具MAFFT）

6. Letunic, I., & Bork, P. (2021). Interactive Tree Of Life (iTOL) v5: an online tool for phylogenetic tree display and annotation. Nucleic Acids Research, 49(W1), W293-W296. （介绍广泛使用的系统发育树在线可视化工具iTOL）