계통수 지지 및 신뢰도

지지 측정치는 추정된 계통수의 개별 가지를 데이터가 얼마나 강력하게 뒷받침하는지 정량화하여, 계통 발생론의 강한 부분과 약한 부분을 구별할 수 있도록 합니다.

Definition

계통수 지지(Tree support)는 데이터 재표본 추출 또는 계통수의 사후 분포(posterior distribution)로부터 도출된, 계통수의 주어진 분기군(clade) 또는 가지에 대한 신뢰도의 정량적 추정치입니다.

Scope

이 주제는 비모수 부트스트랩(nonparametric bootstrap) 및 잭나이프(jackknife)와 같은 재표본 추출 기반 지지, 파시모니(parsimony) 하에서의 붕괴(Bremer) 지지, 베이즈 사후 확률(Bayesian posterior probabilities), 그리고 특정 지지 값의 의미를 포함하여 이러한 측정치의 해석 및 알려진 편향을 다룹니다.

Core questions

• 재표본 추출 방법은 분기군에 대한 신뢰도를 어떻게 추정합니까?
• 부트스트랩 값과 베이즈 사후 확률의 차이점은 무엇입니까?
• 주어진 지지 값은 어떻게 해석되어야 합니까?
• 지지 측정치에 영향을 미치는 편향은 무엇입니까?

Key theories

비모수 부트스트랩

문자(characters)는 대체(replacement)를 통해 재표본 추출되어 유사 반복 데이터셋(pseudo-replicate datasets)을 구축하며, 반복 분석에서 분기군이 재현되는 빈도가 부트스트랩 지지(bootstrap support)로 보고됩니다.

부트스트랩 값의 해석

경험적 및 시뮬레이션 연구에 따르면 부트스트랩 비율은 현실적인 조건에서 신뢰도의 보수적인 추정치이며, 높은 값이 잘 지지되는 분기군을 나타낸다는 관례를 뒷받침합니다.

Clinical relevance

지지 값은 연구자들이 어떤 추론된 관계가 신뢰할 수 있을 만큼 충분히 신뢰할 수 있는지 알려주며, 이는 계통 발생론이 발병 원인 규명, 출처 추적 또는 보존 결정에 활용될 때 필수적인 안전 장치 역할을 합니다.

History

Felsenstein이 1985년에 부트스트랩(bootstrap)을 계통 발생론에 적용하여 실용적인 신뢰도 측정치를 도입한 것은 거의 보편적으로 사용되게 되었으며, 이후의 경험적 테스트와 베이즈 사후 확률의 등장은 계통 분류학자들이 가지 지지(branch support)를 보고하고 해석하는 방식을 정교화했습니다.

Debates

부트스트랩 대 베이즈 사후 확률

베이즈 사후 확률은 동일한 데이터에 대해 부트스트랩 값보다 종종 더 높게 나타나며, 어느 쪽이 더 잘 보정되었는지, 그리고 각각을 어떻게 해석해야 하는지에 대한 논의가 계속되고 있습니다.

Key figures

• Joseph Felsenstein
• David Hillis
• James Bull

Seminal works

• felsenstein1985
• hillis1993
• felsenstein2004

Frequently asked questions

부트스트랩 값 95%는 무엇을 의미합니까?

이는 재표본 추출된 유사 반복 분석에서 해당 분기군이 95% 나타났음을 의미합니다. 높은 값은 결과가 문자의 재표본 추출에 대해 견고하다는 것을 나타내지만, 정확한 통계적 확률은 아닙니다.

베이즈 사후 확률이 부트스트랩 값과 다른 이유는 무엇입니까?

이들은 다르게 계산되며, 사후 확률은 분기군을 포함하는 샘플링된 계통수의 비율을 반영합니다. 동일한 데이터에 대해 사후 확률은 해당 부트스트랩 지지보다 종종 더 높게 나타납니다.