分子進(jìn)化樹構(gòu)建及數(shù)據(jù)分析方法介紹

小編在后臺收到不少關(guān)于建樹的問題，今天轉(zhuǎn)載一篇PLoB的帖子，分享給大家，一起來看一下吧~

方法的選擇

首先是方法的選擇。

基于距離的方法有UPGMA、ME（Minimum Evolution，最小進(jìn)化法）和NJ（Neighbor-Joining，鄰接法）等。其他的幾種方法包括MP（Maximum parsimony，最大簡約法）、ML（Maximum likelihood，最大似然法）以及貝葉斯（Bayesian）推斷等方法。其中UPGMA法已經(jīng)較少使用。

一般來講，如果模型合適，ML的效果較好。對近緣序列，有人喜歡MP，因?yàn)橛玫募僭O(shè)最少。MP一般不用在遠(yuǎn)緣序列上，這時(shí)一般用NJ或ML。對相似度很低的序列，NJ往往出現(xiàn)Long-branch attraction（LBA，長枝吸引現(xiàn)象），有時(shí)嚴(yán)重干擾進(jìn)化樹的構(gòu)建。貝葉斯的方法則太慢。對于各種方法構(gòu)建分子進(jìn)化樹的準(zhǔn)確性，一篇綜述（Hall BG. Mol Biol Evol 2005, 22(3):792-802）認(rèn)為貝葉斯的方法最好，其次是ML，然后是MP。其實(shí)如果序列的相似性較高，各種方法都會得到不錯(cuò)的結(jié)果，模型間的差別也不大。

對于NJ和ML，是需要選擇模型的。對于各種模型之間的理論上的區(qū)別，這里不作深入的探討，可以參看Nei的書。對于蛋白質(zhì)序列以及DNA序列，兩者模型的選擇是不同的。以作者的經(jīng)驗(yàn)來說，對于蛋白質(zhì)的序列，一般選擇Poisson Correction（泊松修正）這一模型。而對于核酸序列，一般選擇Kimura 2-parameter（Kimura-2參數(shù)）模型。如果對各種模型的理解并不深入，作者并不推薦初學(xué)者使用其他復(fù)雜的模型。

Bootstrap幾乎是一個(gè)必須的選項(xiàng)。一般Bootstrap的值>70，則認(rèn)為構(gòu)建的進(jìn)化樹較為可靠。如果Bootstrap的值太低，則有可能進(jìn)化樹的拓?fù)浣Y(jié)構(gòu)有錯(cuò)誤，進(jìn)化樹是不可靠的。

對于進(jìn)化樹的構(gòu)建，如果對理論的了解并不深入，作者推薦使用缺省的參數(shù)。需要選擇模型的時(shí)候（例如用NJ或者M(jìn)L建樹），對于蛋白序列使用Poisson Correction模型，對于核酸序列使用Kimura-2參數(shù)模型。另外需要做Bootstrap檢驗(yàn)，當(dāng)Bootstrap值過低時(shí)，所構(gòu)建的進(jìn)化樹其拓?fù)浣Y(jié)構(gòu)可能存在問題。并且，一般推薦用兩種不同的方法構(gòu)建進(jìn)化樹，如果所得到的進(jìn)化樹類似，則結(jié)果較為可靠。

軟件的選擇

表1 一些與構(gòu)建分子進(jìn)化樹相關(guān)的軟件

構(gòu)建NJ樹，可以用PHYLIP（寫得有點(diǎn)問題，例如比較慢，并且Bootstrap檢驗(yàn)不方便）或者M(jìn)EGA。MEGA是Nei開發(fā)的方法并設(shè)計(jì)的圖形化的軟件，使用非常方便。作者推薦MEGA軟件為初學(xué)者的首選。雖然多雪列比對工具ClustalW/X自帶了一個(gè)NJ的建樹程序，但是該程序只有p-distance模型，而且構(gòu)建的樹不夠準(zhǔn)確，一般不用來構(gòu)建進(jìn)化樹。

構(gòu)建MP樹，最好的工具是PAUP，但該程序?qū)儆谏虡I(yè)軟件，并不對學(xué)術(shù)免費(fèi)。因此，作者并不建議使用PAUP。而MEGA和PHYLIP也可以用來構(gòu)建進(jìn)化樹。這里，作者推薦使用MEGA來構(gòu)建MP樹。理由是，MEGA是圖形化的軟件，使用方便，而PHYLIP則是命令行格式的軟件，使用較為繁瑣。對于近緣序列的進(jìn)化樹構(gòu)建，MP方法幾乎是最好的。

構(gòu)建ML樹可以使用PHYML，速度最快?；蛘呤褂肨ree-puzzle，速度也較快，并且該程序做蛋白質(zhì)序列的進(jìn)化樹效果比較好。而PAML則并不適合構(gòu)建進(jìn)化樹。

ML的模型選擇是看構(gòu)出的樹的likelihood值，從參數(shù)少，簡單的模型試起，到likelihood值最大為止。ML也可以使用PAUP或者PHYLIP來構(gòu)建。這里作者推薦的工具是BioEdit。BioEdit集成了一些PHYLIP的程序，用來構(gòu)建進(jìn)化樹。Tree-puzzle是另外一個(gè)不錯(cuò)的選擇，不過該程序是命令行格式的，需要學(xué)習(xí)DOS命令。PHYML的不足之處是沒有win32的版本，只有適用于64位的版本，因此不推薦使用。值得注意的是，構(gòu)建ML樹，不需要事先的多序列比對，而直接使用FASTA格式的序列即可。

貝葉斯的算法以MrBayes為代表，不過速度較慢。一般的進(jìn)化樹分析中較少應(yīng)用。由于該方法需要很多背景的知識，這里不作介紹。

需要注意的幾個(gè)問題是：

其一，如果對核酸序列進(jìn)行分析，并且是CDS編碼區(qū)的核酸序列，一般需要將核酸序列分別先翻譯成氨基酸序列，進(jìn)行比對，然后再對應(yīng)到核酸序列上。這一流程可以通過MEGA 3.0以后的版本實(shí)現(xiàn)。MEGA3現(xiàn)在允許兩條核苷酸，先翻成蛋白序列比對之后再倒回去，做后續(xù)計(jì)算。

其二，無論是核酸序列還是蛋白序列，一般應(yīng)當(dāng)先做成FASTA格式。FASTA格式的序列，第一行由符號“>”開頭，后面跟著序列的名稱，可以自定義，例如user1，protein1等等。將所有的FASTA格式的序列存放在同一個(gè)文件中。文件的編輯可用Windows自帶的記事本工具，或者EditPlus（google搜索可得）來操作。

文件格式如圖1所示：

圖1 FASTA格式的序列

另外，構(gòu)建NJ或者M(jìn)P樹需要先將序列做多序列比對的處理。作者推薦使用ClustalX進(jìn)行多序列比對的分析。多序列比對的結(jié)果有時(shí)需要后續(xù)處理并應(yīng)用于文章中，這里作者推薦使用GeneDoc工具。而構(gòu)建ML樹則不需要預(yù)先的多序列比對。

因此，作者推薦的軟件組合為：MEGA 3.1 + ClustalX + GeneDoc + BioEdit。

數(shù)據(jù)分析及結(jié)果推斷

一般碰到的幾類問題是：

推斷基因/蛋白的功能；

基因/蛋白家族分類；

計(jì)算基因分化的年代。

關(guān)于這方面的文獻(xiàn)非常多，這里作者僅做簡要的介紹。

推斷基因/蛋白的功能，一般先用BLAST工具搜索同一物種中與不同物種的同源序列，這包括直向同源物（ortholog）和旁系同源物（paralog）。如何界定這兩種同源物，網(wǎng)上有很多詳細(xì)的介紹，這里不作討論。然后得到這些同源物的序列，做成FASTA格式的文件。一般通過NJ構(gòu)建進(jìn)化樹，并且進(jìn)行Bootstrap分析所得到的結(jié)果已足夠。如果序列近緣，可以再使用MP構(gòu)建進(jìn)化樹，進(jìn)行比較。如果序列較遠(yuǎn)源，則可以做ML樹比較。使用兩種方法得到的樹，如果差別不大，并且Bootstrap總體較高，則得到的進(jìn)化樹較為可靠。

基因/蛋白家族分類。這方面可以細(xì)分為兩個(gè)問題。一是對一個(gè)大的家族進(jìn)行分類，另一個(gè)就是將特定的一個(gè)或多個(gè)基因/蛋白定位到已知的大的家族上，看看屬于哪個(gè)亞家族。例如，對驅(qū)動蛋白（kinesin）超家族進(jìn)行分類，屬于第一個(gè)問題。而假如得到一個(gè)新的驅(qū)動蛋白的序列，想分析該序列究竟屬于驅(qū)動蛋白超家族的14個(gè)亞家族中的哪一個(gè)，則屬于后一個(gè)問題。這里，一般不推薦使用MP的方法。大多數(shù)的基因/蛋白家族起源較早，序列分化程度較大，相互之間較為遠(yuǎn)源。這里一般使用NJ、ME或者M(jìn)L的方法。

計(jì)算基因分化的年代。這個(gè)一般需要知道物種的核苷酸替代率。常見物種的核苷酸替代率需要查找相關(guān)的文獻(xiàn)。這里不作過多的介紹。一般對于這樣的問題，序列多數(shù)是近緣的，選擇NJ或者M(jìn)P即可。

如果使用MEGA進(jìn)行分析，選項(xiàng)中有一項(xiàng)是“Gaps/Missing Data”，一般選擇“Pairwise Deletion”。其他多數(shù)的選項(xiàng)保持缺省的參數(shù)。

總結(jié)

在實(shí)用中，只要方法、模型合理，建出的樹都有意義，可以任意選擇自己認(rèn)為好一個(gè)。最重要的問題是：你需要解決什么樣的問題？如果分析的結(jié)果能夠解決你現(xiàn)有的問題，那么，這樣的分析足夠了。因此，在做進(jìn)化分析前，可能需要很好的考慮一下自己的問題所在，這樣所作的分析才有針對性。