最近在做基因家族分析。拿到了基因家族成员的序列之后，当开始做进化树时就遇到了些问题，然后就在网上搜索了些教程，和一些网站。

一、首先说一下发育树

系统发育树（Phylogenetic tree）又称为系统进化树，是用一种类似树状分支的图形来概括各物种之间的亲缘关系，可用来描述物种之间的进化关系。
1、系统发育树的构建步骤

图片.png

2、多序列比对
系统发育树构建的第一步是进行多序列比对，常用的软件包括MEGA， cluster X，Muscle，phylip等。（都很常用，就看哪个顺手）
MEGA是最常用的比对建树软件，优点是可视化图形界面，简单方便；缺点是比对速度慢，输出格式单一。
Cluster X 的优点是图形界面，可输出多种格式（如phy）；缺点也是慢。
Muscle和phylip 的优点是运算快，不过需要输入简单地代码，可能不适合初学者。
3、选择建树的方法
系统发育树构建的基本方法有如下几种：

（1）、Distance-based methods 距离法：

（基于距离的方法：首先通过各个物种之间的比较，根据一定的假设（进化距离模型）推导得出分类群之间的进化距离，构建一个进化距离矩阵。进化树的构建则是基于这个矩阵中的进化距离关系。）

· Unweightedpair group method using arithmetic average(UPGMA)非加权分组平均法

· Minimum evolution(ME)最小进化法

· Neighbor joining(NJ)邻位归并法

（2）、Character-based methods 特征法：

（基于特征的方法：不计算序列间的距离，而是将序列中有差异的位点作为单独的特征，并根据这些特征来建树。）

· Maximum parsimony(MP) 最大简约法

· Maximum likelihood method(ML) 最大似然法

模型选择的依据如下图：

图片.png

其中UPGMA法已经较少使用。一般来讲，如果模型合适，ML的效果较好。对近缘序列，有人喜欢MP，因为用的假设最少。MP一般不用在远缘序列上，这时一般用NJ或ML.对相似度很低的序列，NJ往往出现Long-branch attraction（LBA，长枝吸引现象），有时严重干扰进化树的构建。贝叶斯的方法则太慢。对于各种方法构建分子进化树的准确性，一篇综述（Hall BG. Mol Biol Evol 2005，22（3）：792-802）认为贝叶斯的方法最好，其次是ML，然后是MP。其实如果序列的相似性较高，各种方法都会得到不错的结果，模型间的差别也不大。不过现在文章普遍使用的是NJ是ML模型。
4、进化树评估
用截然不同的距离矩阵法与简约法分析一个数据集，如果能产生相似的系统发育树，这样的树可以认为是可靠的。
我们一般用Bootstrap（自展法）进行检验，现在一般文章要求Bootstrap值1000。虽然根据严格的统计学概念，自展值要大于95%才较为可信，然而在实际应用中，特别是微生物等相似度比较大的分类中，一般大于50%就认为可信（小于50%隐去）。
系统发育树的一般解读如下图：

图片.png

对我们而言，最常用到的三个指标分别是距离标尺，分支长度和自展值。

图片.png

距离标尺：进化树可以显示序列的差异度，这里的标尺就可以当做为进化树的“比例尺”。

分支长度：在树形结构中，枝长累积距离越近的样本差异越小，反之差异越大。比如OTU16与Nitrosospira multiformis的差异度是A1+A2，OTU16与Nitrosospira briensis的距离是A2+A3+A4，以此类推。

自展值：刚才已经讲过关于自展值的评估方法。自展值可以显示可信度。一般低于50%的会隐去。那啥情况下会低于50%呢，两种情况，相似度太低或太高。一般来说，低自展值靠近分支末端，可能是由于相似度太高难以区分，这时建议可以换一个基因建树。如果低自展值靠近根，可能是由于相似度太低。
5、进化树美化
进化树没问题以后，可以在美学角度对进化树进行改善。可以用到的软件有AI， PS，ggtree、GraPhlAn、treeview，Figtree，和在线网站ITOL等。一般需要建完树后用输出格式为 *.tree 或 *.nwk 的文件，导入到相关软件，进行修饰。
最后，就可以做成这样的图啦！