的遗传距离,选出相似程度比较大或非常相关的序列对,利用遗传距离预测进化关系。这类 方法有非加权分组平均法( unweighted pair group method with arithmetic means)、邻近归并 法( neighbor joining method)、 Fitch- Margoliash法、最小进化方法( minimum evolution)等 另一类方法是基于离散特征的构建方法,利用的是具有离散特征状态的数据,如DNA序列 中的特定位点的核苷酸。建树时,着重分析分类单位或序列间每个特征(如核苷酸位点) 进化关系等。属于这一类的方法有最大简约法( maximum parsimony method)、最大似然法 ( maximum likelihood method)、进化简约法( evolutionary parsimony method)、相容性方 法( compatibility)等。对相似性和距离数据,在重建系统发生树时只能利用距离法。离散 特征数据通过适当的方法可转换成距离数据,因此,对于这类数据在重建系统发生树时,既 可以用距离法,亦可以采用离散特征法。 根据建树算法在执行过程中采用的搜索方式,系统发生树的构建方法也可以分为三类。 第一类是穷尽搜索方法,即产生所有可能的树,然后根据评价标准选择一棵最优的树。需要 注意的是,系统发生树可能的个数随序列的个数急剧增加。假设要为n个分类单元建立系统 发生树,则可能的有根树个数(Ng)和无根系统发生树个数(Nu)可用下面的算式计算得 (64) 22(x-2 可以看到,随着n的增加,可能的有根系统发生树和无根系统发生树的数目迅速增加。表 61中列出了一些n值,以及对应的有根树和无根树的数目。当n大于等于15时,可能的系 统发生树数目变得非常惊人,但是只有其中的一棵树代表了待分析的基因或者物种之间的真 实进化关系,我们的目的就是找出这棵反映真实进化关系的树。 表6.1对不同的n,可能的有根树和无根树数目 数据数目 有根树数目 无根树数目 15 15的遗传距离，选出相似程度比较大或非常相关的序列对，利用遗传距离预测进化关系。这类 方法有非加权分组平均法（unweighted pair group method with arithmetic means）、邻近归并 法（neighbor joining method）、Fitch-Margoliash 法、最小进化方法（minimum evolution）等。 另一类方法是基于离散特征的构建方法，利用的是具有离散特征状态的数据，如 DNA 序列 中的特定位点的核苷酸。建树时，着重分析分类单位或序列间每个特征（如核苷酸位点）的 进化关系等。属于这一类的方法有最大简约法（maximum parsimony method）、最大似然法 （maximum likelihood method）、进化简约法（evolutionary parsimony method）、相容性方 法（compatibility）等。对相似性和距离数据，在重建系统发生树时只能利用距离法。离散 特征数据通过适当的方法可转换成距离数据，因此，对于这类数据在重建系统发生树时，既 可以用距离法，亦可以采用离散特征法。 根据建树算法在执行过程中采用的搜索方式，系统发生树的构建方法也可以分为三类。 第一类是穷尽搜索方法，即产生所有可能的树，然后根据评价标准选择一棵最优的树。需要 注意的是，系统发生树可能的个数随序列的个数急剧增加。假设要为 n 个分类单元建立系统 发生树，则可能的有根树个数（NR）和无根系统发生树个数（NU）可用下面的算式计算得 到： 可以看到，随着 n 的增加，可能的有根系统发生树和无根系统发生树的数目迅速增加。表 6.1 中列出了一些 n 值，以及对应的有根树和无根树的数目。当 n 大于等于 15 时，可能的系 统发生树数目变得非常惊人，但是只有其中的一棵树代表了待分析的基因或者物种之间的真 实进化关系，我们的目的就是找出这棵反映真实进化关系的树。 表 6.1 对不同的 n，可能的有根树和无根树数目 数据数目 有根树数目 无根树数目 2 1 1 3 3 1 4 15 3 5 105 15