Lemoine F & Gascuel O. (2024). The Bayesian Phylogenetic Bootstrap, Application to Short Trees and Branches. Molecular Biology and Evolution, msae238, doi: 10.1093/molbev/msae238.
（2024年11月8日发表）
摘要参考翻译：Felsenstein的Bootstrap法是系统发育学中最常用的分支支持度测量方法。当前的测序技术可以实现大量物种的采样（例如SARS-CoV-2）。在这种情况下，序列非常相似，树较短，分支对应的突变数目很少（可能为0）。尽管如此，这些树包含了强信号，虽然有部分未解的部分，但错误分支的比例较低。对于这样的数据，Felsenstein的Bootstrap法并不理想。由于Bootstrap抽样的频率学性质，对应单一突变的分支的预期支持度约为63%，即使该分支极有可能是正确的。在这里，我们提出了一种贝叶斯版本的系统发育Bootstrap法，其中各个位点被赋予非信息性先验概率。此时，分支支持度可以被解释为后验概率。我们不将比对视为大样本位点的一个小子样本，而是认为它包含了所有可用的信息（例如，完整的病毒基因组，现已成为常规数据）。我们给出了完美系统发育假设下的预期支持度公式，分别在频率学和贝叶斯框架下，其中对应单一突变的分支现在的预期支持度约为90%。模拟结果表明，这些理论结果对实际数据是稳健的。对低同源性病毒和非病毒数据集的分析表明，贝叶斯自举法支持度更容易解释，对非常可能正确的分支给出了较高的支持度。随着同源性的增加，两种支持度变得越来越接近，并且高度相关。
Distribution of frequentist bootstrap supports with/without collapse of near -zero branches, using Ebola virus full-genome data.
点击下方“阅读原文”可跳转至文章页面，下载PDF文件查看英文全文。
声明：本内容未向其他微信公众号投稿。
