树支持度与置信度

支持度量化了数据对估计树中各个分支的支持强度，从而可以区分系统发育中强和弱的部分。

Definition

树支持度是对系统发育树中给定分支或演化支（clade）置信度的定量估计，其来源于数据重采样或树的后验分布。

Scope

本主题涵盖了基于重采样的支持度，例如非参数自举法（bootstrap）和刀切法（jackknife），简约法下的衰减（Bremer）支持度，贝叶斯后验概率，以及这些度量的解释和已知偏差，包括特定支持度值的含义。

Core questions

• 重采样方法如何估计演化支的置信度？
• 自举值和贝叶斯后验概率之间有什么区别？
• 如何解释给定的支持度值？
• 哪些偏差会影响支持度量？

Key theories

非参数自举法

通过有放回地重采样性状来构建伪重复数据集，演化支在重复数据集中出现的频率被报告为其自举支持度。

自举值的解释

实证和模拟研究表明，在现实条件下，自举比例是对可靠性的保守估计，这为高值表示良好支持的演化支这一惯例提供了依据。

Clinical relevance

支持度值告诉研究人员哪些推断出的关系足够可靠，可以据此采取行动，这在系统发育指导疫情溯源、来源追踪或保护决策时，是一种重要的保障。

History

费尔森斯坦（Felsenstein）于1985年将自举法应用于系统发育，引入了一种实用且几乎普遍采用的置信度度量；随后的实证检验和贝叶斯后验概率的兴起，完善了系统学家报告和解释分支支持度的方式。

Debates

自举法与贝叶斯后验概率

对于相同的数据，贝叶斯后验概率通常高于自举值，关于哪种方法校准得更好以及如何解释每种方法，目前仍在持续讨论中。

Key figures

• Joseph Felsenstein
• David Hillis
• James Bull

Seminal works

• felsenstein1985
• hillis1993
• felsenstein2004

Frequently asked questions

95%的自举值意味着什么？

这意味着该演化支在95%的重采样伪重复分析中出现；高值表明结果对性状的重采样具有鲁棒性，尽管它们并非精确的统计概率。

为什么贝叶斯后验概率与自举值不同？

它们的计算方式不同，后验概率反映了包含某个演化支的采样树的比例；对于相同的数据，它们通常高于相应的自举支持度。