Baumunterstützung und Konfidenz

Unterstützungsmaße quantifizieren, wie stark die Daten einzelne Äste eines geschätzten Baumes stützen, sodass starke und schwache Teile einer Phylogenie unterschieden werden können.

Definition

Baumunterstützung ist eine quantitative Schätzung der Konfidenz in eine gegebene Klade oder einen Ast eines phylogenetischen Baumes, abgeleitet aus der Resampling der Daten oder aus der Posterior-Verteilung der Bäume.

Scope

Dieses Thema behandelt resampling-basierte Unterstützungsmaße wie den nichtparametrischen Bootstrap und Jackknife, Decay (Bremer)-Unterstützung unter Parsimonie, Bayes'sche Posterior-Wahrscheinlichkeiten sowie die Interpretation und bekannte Verzerrungen dieser Maße, einschließlich der Bedeutung eines bestimmten Unterstützungswertes.

Core questions

• Wie schätzen Resampling-Methoden die Konfidenz in eine Klade ein?
• Was ist der Unterschied zwischen Bootstrap-Werten und Bayes'schen Posterior-Wahrscheinlichkeiten?
• Wie sollte ein gegebener Unterstützungswert interpretiert werden?
• Welche Verzerrungen beeinflussen Unterstützungsmaße?

Key theories

Nichtparametrischer Bootstrap

Merkmale werden mit Zurücklegen resampelt, um Pseudo-Replikationsdatensätze zu erstellen, und die Häufigkeit, mit der eine Klade über die Replikate hinweg auftritt, wird als ihre Bootstrap-Unterstützung angegeben.

Interpretation von Bootstrap-Werten

Empirische und Simulationsstudien zeigen, dass Bootstrap-Proportionen unter realistischen Bedingungen konservative Schätzungen der Zuverlässigkeit sind, was die Konvention untermauert, dass hohe Werte gut gestützte Kladen anzeigen.

Clinical relevance

Unterstützungswerte zeigen Forschenden, welche abgeleiteten Beziehungen vertrauenswürdig genug sind, um darauf aufzubauen, eine wesentliche Absicherung, wenn Phylogenien die Zuordnung von Ausbrüchen, die Quellensuche oder Entscheidungen im Naturschutz leiten.

History

Felsensteins Adaption des Bootstraps an Phylogenien im Jahr 1985 führte ein praktisches Konfidenzmaß ein, das nahezu universell wurde; nachfolgende empirische Tests und der Aufstieg der Bayes'schen Posterior-Wahrscheinlichkeiten verfeinerten, wie Systematiker die Astunterstützung berichten und interpretieren.

Debates

Bootstrap versus Bayes'sche Posterior-Wahrscheinlichkeiten

Bayes'sche Posterior-Wahrscheinlichkeiten sind für dieselben Daten oft höher als Bootstrap-Werte, und es gibt eine fortlaufende Diskussion darüber, welches Maß besser kalibriert ist und wie jedes interpretiert werden sollte.

Key figures

• Joseph Felsenstein
• David Hillis
• James Bull

Seminal works

• felsenstein1985
• hillis1993
• felsenstein2004

Frequently asked questions

Was bedeutet ein Bootstrap-Wert von 95 Prozent?

Es bedeutet, dass die Klade in 95 Prozent der resampelten Pseudo-Replikationsanalysen auftrat; hohe Werte deuten darauf hin, dass das Ergebnis gegenüber dem Resampling der Merkmale robust ist, obwohl es sich nicht um exakte statistische Wahrscheinlichkeiten handelt.

Warum unterscheiden sich Bayes'sche Posterior-Wahrscheinlichkeiten von Bootstrap-Werten?

Sie werden unterschiedlich berechnet, wobei Posterior-Wahrscheinlichkeiten den Anteil der Stichprobenbäume widerspiegeln, die eine Klade enthalten; für dieselben Daten sind sie häufig höher als die entsprechende Bootstrap-Unterstützung.