Phylogenetic diversity and biodiversity indices on phylogenetic networks
在生物多样性保护中，通常需要优先保护物种。现有的优先排序方法，如公平比例指数和沙普利值，是基于系统发育树和排名物种根据其对整体系统发育多样性的贡献。然而，在许多情况下，进化并不是树状的，因此，系统发育网络作为系统发育树的推广而脱颖而出，允许表示非树状的进化事件，如水平基因转移或杂交。在这里，我们将系统发育多样性和系统发育多样性指数的概念从系统发育树扩展到系统发育网络。一方面，我们考虑系统发育网络的树状内容，例如网络显示的（多）组系统发育树以及与之相关的LSA树;另一方面，我们直接从网络的内部结构推导出分类单元子集的系统发育多样性和生物多样性指数。此外，我们介绍我们的软件包NetDiversity，这是在Perl中实现的，并允许计算所有广义的系统发育多样性和广义系统发育多样性指数建立在本说明中，是独立的遗传概率的措施。我们将我们的方法应用到一个代表剑尾鱼和鸭嘴鱼（剑尾鱼：Poeciliidae），一组广泛杂交的物种之间的进化关系的遗传网络。
2018-02-05 math.CO math.PR q-bio.PE
Quantifying the accuracy of ancestral state prediction in a phylogenetic tree under maximum parsimony
在系统发育研究中，生物学家经常希望从在树的叶子上观察到的状态估计进化树$T$的内部顶点$v$的祖先离散特征状态。一种简单而快速的估计方法-最大简约法-将$v$上的祖先状态取为任何状态，该状态使解释$T$上的演化所需的$T$中的状态变化的数量最小化。在本文中，我们进一步研究了这种估计方法的重建精度，在一个简单的对称模型的状态变化，并获得了一些新的结果，无论是2-状态字符，和$r$ -状态字符（$r>2$）。我们的研究结果依赖于建立新的身份和不平等，耦合参数的基础上，涉及一个更简单的“抛硬币”的方法来重建祖先的国家。
2018-05-01 q-bio.PE
Combinatorial views on persistent characters in phylogenetics
所谓的二进制完美同源性与持久字符最近在计算生物学中得到了深入的研究，因为它比众所周知的二进制完美同源性限制较少。在这里，我们专注于（二进制）持久字符的概念，即字符，可以实现的系统发育树上的最多一个$0 \rightarrow 1$过渡，其次是最多一个$1 \rightarrow 0$过渡树，并分析这些字符在不同的方面。首先，我们说明了持久字符和最大简约性之间的联系，在那里我们的持久字符的特征在于著名的惠誉算法的第一阶段。之后，我们专注于一个给定的系统发育树的持久字符的数量。我们表明，这个数字完全取决于平衡的树。为了更准确地说，我们开发了一个公式，用于计算一个给定的系统发育树的基础上的树平衡的指数，即萨金指数的持久字符的数量。最后，我们考虑的问题，有多少（精心挑选的）二进制字符连同他们的持久性状态，需要唯一地确定一个系统发育树，并提供一个上限所需的字符数。
2020-03-27 math.CO q-bio.PE
Enumerating monophyletic characters in mathematical phylogenetics
Institute of Mathematics and Computer Science, Greifswald University（格赖夫斯瓦尔德大学数学与计算机科学研究所）；School of Mathematics and Statistics, University of New South Wales（新南威尔士大学数学与统计学院）；Department of Mathematical Sciences, New Jersey Institute of Technology（新泽西理工学院数学科学系）；National Institute for Theory and Mathematics in Biology, Northwestern University and The University of Chicago（西北大学和芝加哥大学生物理论与数学国家研究所）
研究数学系统发育学中如何识别单系群性状，给出通用公式及针对二元性状和特定树形的简单公式，还通过线性时间算法探讨单系性与最大简约法的关系。
2026-07-27 math.CO q-bio.PE
Estimating Trees from Filtered Data: Identifiability of Models for Morphological Phylogenetics
作为简约性分析的替代，已经提出了随机模型（Lewis，2001），（Nylander等人，2004）的形态特征，使最大似然或贝叶斯分析可用于系统发育推断。这些模型的一个关键特征是它们考虑了确定偏差，因为只观察到变化的或简约的信息特征。然而，这种基于模型的推断的统计一致性要求模型参数可以从它们所需要的联合分布中识别，并且这个问题尚未得到解决。在这里，我们证明了几个这样的模型，具有任意大小的有限状态空间的参数，是可识别的，只要树至少有8叶。如果树的拓扑结构是已知的，那么7个叶子就足够用于数值参数的可识别性。证明的方法涉及到首先推断一个完整的分布的简约信息和非信息模式的联合概率从简约信息的，使用系统发育不变量。本文还研究了4分类元树的树参数的可识别性失效问题。
2009-12-20 q-bio.PE
Systematics and symmetry in molecular phylogenetic modelling: perspectives from physics
这篇综述的目的是介绍和分析近年来在生物学中广泛使用的数学遗传学的概率模型，作为推断和重建物种之间祖先关系的基石。我们概述了理论遗传学的发展，从最早的基于形态特征的研究，通过使用各种形式的分子数据。我们把镜头的数学物理承担的理论模型的制定，集中在适用性的许多方法，从工具包的传统-技术组和表示，以指导模型规范，并利用多线性设置的模型中存在的基本对称性;对与模型下的速率矩阵相关联的生成器的共代数性质的扩展，关于形成用于推断进化树的搜索空间的图形结构（树和网络）。所提出的方面，包括相关的模型类相关的矩阵李代数，以及操纵组字符枚举各种自然多项式不变量，用于识别鲁棒的，低参数的数量用于推理。最重要的是，我们希望强调多体纠缠的许多特征，这些特征在物理学方面的量子态描述和遗传学中出现的多路张量概率阵列之间是共享的。在某些情况下，众所周知的对象，如凯莱超行列式（“纠结”）可以直接导入到形式主义-模型与二进制字符特征，和三胞胎的类群。在其他情况下，新的对象出现，如显着的五次'squangle'不变量的四叉树歧视和DNA数据，与自己独特的解释系统发育建模的背景下。
2018-09-15 q-bio.PE
Complimentary Phylogenetic Signals for Morphological Characters and Quantitative 3D Shape Data within genus Homo
估计人属的进化史正进入一个数据和方法大大改进的新阶段。越来越多的证据表明，在过去的50万年里，任何时候都有6到10个相互竞争的物种/谱系，这使得阐明个体标本之间的关系变得尤为重要。最近对关键标本的繁殖力的估计包括Waddell（2013，2014，2015，2016）和Mounier et al.（2016）。这些都是用完全不同的数据（分别是3D头骨形状和离散形态特征）和分析方法（分别是距离的未加权最小二乘拟合，OLS+和重新加权的最大简约性）。对这些文章中的树进行初步检查可能会留下大量不一致和混乱结果的印象。在这里，它表明这不一定是这种情况，这两种类型的数据和分析可能表明一个非常相似的树，一个是在良好的协议也与主观的当前智慧/专家意见的特定部分的遗传。非洲LH 18标本的精确位置是更好地理解H最后共同祖先可能形式的关键。智人和穴居人一个多样化的方法似乎带来了更多的协议的树木比其他感知，并反对教条主义的系统发育分析方法，特别是在处理困难的问题。
2016-12-30 q-bio.PE
Bounding the softwired parsimony score of a phylogenetic network
本文研究系统发育网络中软连线简约得分的最大差异问题，提出信息块概念，证明在给定无空隙多态特征序列比对和有根二进制 level-$k$ 网络时，该差异以 $k+1$ 倍网络软连线简约得分为界，且与比对长度和特征状态数无关，同时指出该界限在半向网络中成立但在亲本简约下不成立。
2024-05-30 math.CO q-bio.PE
A 2-approximation algorithm for the softwired parsimony problem on binary, tree-child phylogenetic networks
针对系统发育网络上的简约问题NP难且多数拓扑不可近似的问题，本文将Fitch算法扩展为原始-对偶形式，提出在二叉树-孩子网络上实现2倍近似保证的多项式时间算法，且近似界紧，强化了多面体方法与系统发育学的关联。
2025-01-13 math.OC q-bio.PE
Combinatorial Scoring of Phylogenetic Networks
根据物种的特征构建其系统发育树和网络是植物基因组学研究的关键问题之一。虽然这个问题的解决方案并不总是唯一定义的，并且存在多种树/网络构建方法，但重要的是要衡量构建的网络如何捕获跨物种的给定字符关系。在目前的研究中，我们提出了一种新的方法来衡量一个给定的系统发育网络的特异性方面的字符状态分布在叶子的网络可能会施加的总数。而对于二叉系统发育树，这个数有一个精确的公式，只取决于叶子和字符状态的数量，而不是对树的拓扑结构，情况要复杂得多的非二叉树或网络。尽管如此，我们开发了一个算法的组合枚举这样的分布，这是适用于任意树和网络在一些合理的假设。
2016-08-08 cs.DS math.CO q-bio.PE
Defining a phylogenetic tree with the minimum number of small-state characters
本文研究用最少小状态字符唯一确定系统发育树的问题，确定 3 状态最小叶子阈值为 8，并证明 n≥16 时 ⌈(n-3)/4⌉ 个 5 状态字符足以唯一确定任意树。
2025-08-21 math.CO q-bio.PE
Defining binary phylogenetic trees using parsimony
系统发生树（即叶标记）在进化研究中起着重要作用。一个典型的问题是从DNA比对（其列通常被称为字符）等数据中重建这样的树，这种重建的一个简单优化标准是最大简约性。一般认为，该标准适用于状态变化很少的数据。本文证明了每一个具有$n\geq 20 k$叶子的系统发育树$T$都是由集合$A_k(T)$唯一定义的，该集合由$T$上所有具有简约得分$k$的字符组成。这可以被认为是一个有前途的第一步，显示最大简约作为树重建标准是合理的，当数据中的变化的数量相对较小。
2022-09-06 math.CO q-bio.PE
Impacts of terraces on phylogenetic inference
阶是具有精确相同的似然性或简约性得分的潜在的大型树集合，这可以由分区的多位点系统发育数据矩阵中的缺失序列引起。平台上的树的集合可以通过枚举算法或共识方法来表征，所述方法利用数据中的部分分类单元覆盖的模式，独立于序列数据本身。阶地增加了模糊性和复杂性的系统发育推断，特别是在设置推理已经具有挑战性：数据集与许多类群和相对较少的基因座。在本文中，我们提出了五个新的发现阶地及其对系统发育推断的影响。首先，我们澄清假设模型参数是必要的梯田的存在。其次，我们探讨了梯田的大小对分割方案的依赖性，并指出如何找到与包含给定树的最大梯田相关的分割方案。第三，我们强调的影响梯田的自举估计的置信限的分支，和特点的令人惊讶的结果，一个分支的自举比例可以完全确定的频率bipartisons的梯田，一些bipartisons得到高支持，即使不正确的。第四，我们剖析了一些影响的先验分布的边缘长度的计算后验概率的分支梯田，了解一个例子中，长边“吸引”对方的贝叶斯推断。第五，我们表明，即使数据不分区，丢失的数据在梯田问题研究的模式可能会导致明显的统计不一致的情况下，即使是一个很小的元素的异质性被引入到模型生成的序列数据。最后，我们讨论了一些这些问题的补救策略。
2014-10-29 q-bio.PE
Model Inadequacy and Mistaken Inferences of Trait-Dependent Speciation
物种丰富度在整个生命树中变化很大，人们对确定影响物种增殖率的生态，地理和其他因素有很大的兴趣。最近的方法明确建模的字符状态，物种形成率和灭绝率之间的关系，系统发育树- BiSSE，GISSSE，GeoSSE，和相关的模型-已被广泛用于测试假设的字符状态依赖的多样化率。在这里，我们记录了令人不安的容易与中性性状推断有统计学显着的协会与物种形成率。我们首先证明了一个已知的模型假设违反这种不幸的影响：物种形成率的变化与不包括在模型中的字符。我们进一步表明，对于许多经验性的不确定性，在没有状态依赖多样化的情况下模拟的字符表现出更高的I型错误率，这表明该方法容易受到额外的，未知的模型不足。对于进化缓慢的特征，根本原因似乎是一个统计框架，不需要重复的性格状态和多样化的变化。然而，虚假的字符状态和物种形成率之间的关联出现，即使是缺乏系统发育信号的性状，这表明系统发育的伪复制本身不能完全解释这个问题。这一现象的严重程度令人惊讶，这表明文献中报道的许多特质多样化关系可能并不真实。更一般地说，我们强调需要诊断和理解的后果，模型不足的系统发育比较方法。
2014-12-22 q-bio.PE
Counting and optimising maximum phylogenetic diversity sets
在保护生物学中，系统发育多样性（PD）提供了一种方法来量化当前物种快速灭绝对进化“生命之树”的影响。这种方法认识到，灭绝不仅消除了物种，而且还消除了灭绝物种所共有的独特特征的树枝。在本文中，我们调查了三个问题，相关的PD。第一个问题是，在给定的树中，有多少组给定大小的物种$k$保持最大可能的PD量。这样的最大PD集的数量可以是非常大的，即使对于中等大小的微处理器。我们提供了一个最大PD集的组合表征，专注于设置分支长度是超度量（例如，与时间成比例）。这导致了一个多项式时间算法计算的最大PD集的大小$k$通过应用生成函数的数量，我们还调查了类型的树的形状，港口最（或最少）的最大PD集的大小$k$。我们的第二个问题涉及优化一个线性函数的物种（被视为叶的系统发育树）在所有最大PD集的给定大小。使用从第一个问题的表征结果，我们展示了如何在多项式时间内解决这个优化问题，即使最大PD集的数量可以呈指数增长。我们的第三个问题考虑了一个对偶问题：如果$k$物种灭绝，那么在生成的树中PD的最大可能{ \em损失}是多少？对于这个问题，我们描述了一个多项式时间的解决方案的基础上动态规划。
2022-04-12 q-bio.PE
Distance to the stochastic part of phylogenetic varieties
沿着系统发育树模拟核苷酸的取代通常通过隐马尔可夫过程来完成。这允许在树的叶子上定义字符的分布，并且人们可能能够获得不同字符的概率之间的多项式关系。对这些多项式和由它们定义的代数簇的几何学的研究可用于重建系统发育树。然而，并不是所有的点在这些代数簇有生物意义。在本文中，我们将探讨在何种程度上增加半代数条件所产生的限制，统计意义的参数，可以改善现有的方法的系统发育重建。为此，我们的目标是计算数据点到代数簇和这些簇的随机部分的距离。计算这些距离涉及非线性规划算法的优化。我们使用分析的方法来找到一些这些距离的木村3参数或Jukes-Cantor模型下的四重树的演变。数值代数几何和计算代数在本文中也起着重要的作用。
2020-10-09 math.CO q-bio.PE
The most parsimonious tree for random data
应用从随机数据重建系统发育树的方法提供了一种检测该方法是否对某些树“形状”具有固有偏差的方法。对于最大简约，应用于随机2状态数据序列，每个可能的二元系统发育树具有完全相同的简约分数分布。尽管这种令人愉快的和稍微令人惊讶的对称性，一些二元系统发育树比其他人更有可能是一个最简约（MP）树的序列$k$这样的字符，因为我们显示。对于$k=2$和六个分类群上的无根二叉树，任何具有毛虫形状的树比任何具有对称形状的树有更高的机会成为MP树。另一方面，如果我们采取任何两个二叉树，在任何数量的类群，我们证明，这两棵树之间的偏见消失的字符数量的增长。然而，又有一个扭曲：MP树上的6个分类群更有可能有一定的形状比一个均匀分布的二元系统发育树预测，这种差异似乎并没有消失$k$增长。
2014-06-01 q-bio.PE
On the Maximum Parsimony distance between phylogenetic trees
在植物遗传学领域，人们对量化两棵树的相异性的距离度量有很大的兴趣。在这里，基于Bruen和Bryant的思想，我们提出并分析了一种新的距离度量：最大简约（MP）距离。这是基于所考虑的两棵树上单个字符的简约性得分的差异，目标是找到最大化这种差异的字符。在这篇文章中，我们证明了这个新的距离是一个度量，并提供了一个下界著名的子树修剪和移植（SPR）距离。我们还表明，要计算MP距离是足够的，只考虑字符是凸的树之一，并证明了一些额外的结构性质的距离。在复杂性方面，我们证明了计算MP距离一般是NP难的，并确定了一个有趣的岛的易处理性，其中的距离可以在多项式时间内计算。
2014-02-07 math.CO q-bio.PE
Bayesian phylogenetic estimation of fossil ages
最近的进展允许形态化石证据和分子序列被集成到一个单一的组合推理的分歧日期下的贝叶斯概率的规则。特别是，离散形态进化的离散化的出生-死亡树先验和Lewis-Mk模型允许的分歧时间和化石和现存类群之间的系统发育关系的估计。我们利用这一统计框架，调查这些模型的内部一致性，通过产生系统发育估计的年龄，每个化石反过来，在两个丰富的和良好的特征数据集的化石和现存物种（企鹅和犬科动物）。结果表明，两组数据的化石年龄估计精度普遍较高，可信区间不排除真实年龄，相对误差中位数分别为5.7%和13.2%。中位相对标准误差（RSD）分别为9.2%和7.2%，表明良好的精密度，但有一些离群值。事实上，在我们分析的两个数据集中，化石年龄的系统发育估计平均< 2 My，从它被挖掘的地质地层的中点年龄。在我们的分析中发现的高水平的内部一致性表明，贝叶斯统计模型采用的是一个足够适合的地质和形态数据，并提供证据，从真实的数据，所使用的框架可以准确地模拟离散的形态特征的进化编码化石和现存的类群。我们预计，这种方法将有不同的应用超出分歧的时间约会，包括约会化石的时间不受约束，测试的“形态时钟”，并发现潜在的模型错误和/或数据错误时，有争议的系统发育假说的基础上结合分歧约会分析。
2016-05-03 q-bio.PE
Phylogenetic signal in phonotactics
系统发育方法在语言学中有着超越树推理的广泛潜力。在这里，我们展示了系统发育的方法如何打开了从全新的语言数据中获得历史见解的可能性-在这种情况下，统计音韵学。我们从111个Pama-Nyungan词汇中提取语音定位数据，并对系统发育信号进行测试，量化数据反映系统发育历史的程度。我们测试了三个数据集：（1）记录词典中双音素（两段序列）的存在或不存在的二进制变量（2）段之间的转换频率，以及（3）自然声音类别之间的转换频率。澳大利亚语言的特点是具有高度的音位同质性。然而，我们在所有数据集中检测到系统发育信号。系统发育信号在更细粒度的频率数据中比在二进制数据中更大，并且在基于自然类的数据中最大。这些结果表明，在历史和比较语言学中采用一种新的易于提取的数据来源的可行性。
2020-07-14 cs.CL q-bio.PE
Identifiability of Large Phylogenetic Mixture Models
系统发育混合模型是考虑异质性的性状进化的统计模型。在一些未知的字符分区中的每个类可能通过不同的过程，甚至沿着不同的树进化。由于参数化的复杂性，这种模型的参数是否可识别的基本问题很难解决。我们分析了混合模型的大树，许多混合成分，表明数值和树参数确实是可识别的，在这些模型中，当所有的树是相同的。我们还探讨了在何种程度上，我们的代数技术可以扩展到不同的树木的混合物的结果。
2010-11-18 math.AG math.ST q-bio.PE
The Cognate Data Bottleneck in Language Phylogenetics
Computational Molecular Evolution group, Heidelberg Institute for Theoretical Studies, Heidelberg, Germany（海德堡理论研究所计算分子进化组）；Institute for Theoretical Informatics, Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄技术大学理论信息研究所）；Biodiversity Computing Group, Institute of Computer Science, Foundation for Research and Technology - Hellas（生物多样性计算组，计算机科学研究所，希腊基础研究与技术院）
本文指出同源词数据规模不足构成计算系统发生学应用的瓶颈，并通过从 BabelNet 自动提取数据的实验证明所得系统发生树与金标准严重不一致，从而说明现有计算方法难以直接用于历史语言学。
2025-07-01 cs.CL q-bio.PE
On the uniqueness of the maximum parsimony tree for data with up to two substitutions: an extension of the classic Buneman theorem in phylogenetics
进化遗传学的主要目标之一是在给定基本物种集的数据时重建正确的进化树。这些数据通常以DNA、RNA或蛋白质比对的形式出现，它们由各种字符（也通常称为位点）组成。然而，通常，基于最大简约性等标准的树重建方法可能无法为给定的数据集提供唯一的树，或者更糟糕的是，重建“错误”的树（即与生成数据的树不同的树）。另一方面，长期以来已知的是，如果比对由对应于特定树的边缘的所有字符组成，即它们都需要在该树上实现精确的$k=1$替换，则该树将通过最大简约方法恢复。这是基于数学遗传学中的布尼曼定理。这是本手稿的目标，以扩展这一经典的结果如下：我们证明，如果一个对齐的所有字符，需要完全$k=2$取代一个特定的树，这棵树将永远是唯一的最大简约树（我们还表明，这可以推广到字符，需要在最多$k=2$取代）。特别是，这也证明了一个猜想的基础上，最近发表的观察Goloboff等。肯定的特殊情况下，$k=2$。
2019-03-21 math.CO q-bio.PE
On the complexity of computing MP distance between binary phylogenetic trees
在植物遗传学领域，人们对量化两棵树的相异性的距离度量有很大的兴趣。最近，提出了一种新的距离度量：最大简约（MP）距离。这是基于所考虑的两棵树上单个字符的简约性得分的差异，目标是找到最大化这种差异的字符。在这里，我们表明，两个\emph{binary}系统发育树的MP距离的计算是NP-难的。这是一个非常重要的扩展较早的NP-硬度证明两个多分叉系统发育树，它是特别相关的突出的二叉树在遗传学文献。作为推论的主要硬度结果，我们表明，MP距离的计算也很难二叉树，如果可用的状态数是有界的。事实上，通过一个不同的减少，我们表明，这是困难的，即使只有两个国家。最后，作为第一个回应，这个硬度，我们给出了一个简单的线性规划（ILP）制定，这是能够计算MP距离正是小树（和较大的树木时，只有少量的字符状态），这是用来计算验证所需的硬度证明几个辅助结果。
2015-01-18 cs.CE cs.DS math.CO
Circumstances in which parsimony but not compatibility will be provably misleading
系统发育方法通常依赖于数据如何进化的适当模型，以便推断出准确的系统发育树。对于分子数据，标准的统计方法提供了一种有效的策略，用于从比对的序列数据中提取系统发育信息时，每个站点（字符）是一个共同的过程。然而，对于其他类型的数据（例如形态数据），字符可能过于模糊，同质或饱和，无法开发有效捕捉变化的基本过程的模型。为了解决这个问题，我们研究了一个经典的，但被忽视的方法推断分裂的基础树，即最大兼容性的属性。通过采用一个简单而极端的模型，其中每个字符要么完全适合某棵树，要么完全随机（但不知道任何字符属于哪一类），我们能够推导出精确和明确的公式，关于最大兼容性的性能。我们表明，这种方法是能够确定一组非平凡的同质性自由字符，当类群的数量$n$是大的，即使当随机字符的数量是大的。相比之下，我们表明，一种方法，使更均匀地使用所有的数据-最大简约性-可以证明估计树，其中{ \em没有}的原始同质性的字符支持分裂。
2015-01-20 q-bio.PE
Phylogenetic diversity indices from an affine and projective viewpoint
本文引入了基于子集（簇）和二分（分裂）的更一般系统发育多样性指数，利用仿射与射影几何的离散类比建立统一框架，为基于有根和无根系统发育树的指数提供推广、新证明及新变体。
2024-03-23 math.CO q-bio.PE
Coconvex characters on collections of phylogenetic trees
本文研究了系统发育树集合上的协凸特征问题，证明了协凸特征最小数量的极值结果，并引入了介于Robinson-Foulds距离和四分体距离之间的新单参数树度量族，为树空间和系统发育基因组学提供了新方向。
2025-04-01 math.CO q-bio.PE
On Computing the Maximum Parsimony Score of a Phylogenetic Network
系统发育网络用于显示进化不像树的不同物种之间的关系，例如，在存在杂交事件或水平基因转移的情况下。树的推理方法，如最大简约需要修改，以适用于网络。在本文中，我们讨论了两种不同的定义网络上的最大简约，“硬连线”和“软”，并研究了计算它们的复杂性给定的网络拓扑结构和字符。通过利用与问题Multicut的链接，我们表明，计算2状态字符的硬连线简约得分是多项式时间可解的，而对于具有更多状态的字符，这个问题变得NP-难，但仍然是近似的和固定参数的简约得分。另一方面，我们表明，软定义，获得甚至弱近似保证已经很难二进制字符和受限的网络拓扑结构，和固定参数听话的算法在简约得分是不太可能的。在积极的一面，我们表明，计算软件的简约得分是固定的参数在网络的水平，一个自然的参数描述如何纠结的网状活动是在网络中易于处理。最后，我们表明，无论是硬接线和softwired简约分数可以有效地计算使用线性规划。该软件已免费提供。
2014-05-01 math.CO q-bio.PE
Extracting Conflict-free Information from Multi-labeled Trees
多标记树或MUL-tree是其中两个或更多个叶子共享标记的系统发育树，例如，物种名称一个多树可能意味着多个冲突的系统发育关系，为同一组分类群，但也可以包含无冲突的信息，是感兴趣的，但不是显而易见的。我们定义的信息内容的一个多树T的所有无冲突的四元组拓扑隐含的T，并定义的最大约化形式的T作为最小的树，可以从T通过修剪叶子和收缩边，同时保持相同的信息内容。我们表明，任何两个具有相同的信息内容的MUL-树表现出相同的简化形式。这介绍了一个等价关系的MUL树与潜在的应用比较MUL树。我们提出了一个有效的算法，减少一个多树，其最大限度地减少形式和评估其性能的经验数据集方面的质量减少树和数据减少的程度。
2012-06-28 cs.DS q-bio.PE
Phylogenetic analysis of gene expression
基因表达的系统发育分析对于解决广泛的问题具有巨大的潜力。例如，这些分析将鉴定具有表达的进化转变的基因，所述表达与感兴趣的形态学、生理学和发育特征的进化变化相关。这将为识别与特定表型相关的基因提供全新的机会。然而，有三个关键的挑战，必须解决这些研究，以实现其潜力。首先，必须从多个物种测量基因表达数据，其中一些可能是实地收集的，并以可以跨物种比较的方式进行参数化。其次，有必要开发适合大型多维数据集的系统发育比较方法。在迄今为止的大多数系统发育比较研究中，独立观察（独立对比）的数量n大于变量（特征）的数量p。这些经典的n>p问题的比较方法的行为现在在各种各样的条件下得到了很好的理解。在基因表达研究和基于其他高通量工具的研究中，样本数量n与变量数量p相比相形见绌。估计的协方差矩阵将是奇异的，使其分析和解释复杂化，并且容易产生虚假结果。第三，需要新的方法来研究许多基因的表达，这些基因的遗传与物种的遗传不一致，这是由于基因丢失、基因重复和不完整的谱系分类。在这里，我们概述了一般项目设计的基因表达的系统发育分析的考虑，并建议解决这三类的挑战。这些主题与高通量表型数据相关，远远超出了基因表达。
2013-02-13 q-bio.GN q-bio.PE
Power-laws in phylogenetic trees and the preferential coalescent
University of Cologne（科隆大学）
本研究提出一个基于偏好性合并的生成模型，通过广义Smoluchowski方程解释系统发育树中观测到的幂律标度，揭示其数学起源并提供新分析工具。
2025-10-15 q-bio.PE stat.OT
Bayesian mixture models for phylogenetic source attribution from consensus sequences and time since infection estimates
针对高进化率病毒传播对识别忽略感染时间的问题，开发了结合进化时钟与混合效应的贝叶斯混合模型，利用系统发育数据和临床生物标志物估计的感染时间，提升了群体水平传播来源推断的准确性。
2024-08-22 q-bio.PE stat.ME
Polyhedral geometry of Phylogenetic Rogue Taxa
遗传学家们都知道，在一个数据集中增加一个额外的分类单元（例如物种）可以以令人惊讶的方式改变最佳系统发育树的结构。然而，人们对这种“流氓分类群”效应知之甚少。在本文中，我们的行为特征的平衡最小进化（BME）遗传学的这种类型的数据集上使用工具，从多面体几何。首先，我们表明，对于任何距离矩阵存在的距离，一个“流氓分类”，这样的BME最优树的数据集与新的分类不包含任何非平凡的分裂（bipartitions）的原始数据的最优树。其次，我们证明了一个定理，限制这种类型的数据集的BME-最优树的拓扑结构，从而表明，一个流氓类群不能有任意的最优树的影响。第三，我们构建多面体锥计算BME流氓类群行为时，我们的原始数据适合四，五，六个类群的树给出完整的答案。我们使用这些锥来获得四个类群的流氓分类单元行为的充分条件，并通过模拟来了解流氓分类单元效应的频率。
2010-04-24 math.CO q-bio.PE
A complete characterization of pairs of binary phylogenetic trees with identical $A_k$-alignments
本文研究二元系统发育树的 $A_k$-联配唯一性问题，完整刻画共享同一联配的树对，并证明 $n\geq 2k+3$ 时树可被唯一确定，填补已有界间空白。
2025-06-10 math.CO q-bio.PE
Combinatorial perspectives on Dollo-$k$ characters in phylogenetics
近年来，具有持续特征的完美演化模型引起了人们的极大关注。它基于这样的假设，即复杂的特征或性格在进化过程中只能获得一次，失去一次。在这里，我们考虑该模型的一般化，即Dollo简约性，它允许多个字符丢失。更准确地说，我们从组合的角度看待多洛- $k$特征的概念，即在整个进化过程中最多获得一次而精确地丢失$k$次的特征。我们首先介绍了一个算法的基础上的概念的生成子树找到一个Dollo- $k$标记为一个给定的字符和一个给定的树在线性时间。然后，我们比较持久字符（由Dollo-0和Dollo-1字符的联合组成）和一般Dollo- $k$字符。虽然它是已知的，惠誉简约和持久的字符之间有很强的联系，我们表明，Dollo简约和惠誉简约一般是非常不同的。此外，虽然它是已知的，有一个直接的关系之间的持久字符的数量和Sackin指数的树，树平衡的一个流行的索引，我们表明，这种关系并不推广到Dollo- $k$字符。事实上，确定给定树的Dollo- $k$字符的数量比计算持久字符要复杂得多，我们通过介绍前者的递归方法来结束本文。这种方法产生了一种计算Dollo- $k$字符数的多项式时间算法，并且这种算法以及计算Dollo- $k$标记的算法都可以在BEAST 2的Babel包中公开获得。
2021-06-06 math.CO q-bio.PE
Inferring ancestral sequences in taxon-rich phylogenies
传统上，系统发生学中的统计一致性指的是当我们增加特征数量时，对固定数量的物种估计系统发育参数的准确性。然而，由于序列通常是固定长度的（例如对于一个基因），尽管我们通常能够采样更多的分类群，但考虑一种双重类型的统计一致性是有用的，我们增加了物种的数量，而不是字符。这就提出了一些基本的问题：随着物种数量的增加，我们能从进化过程中学到什么？特别是，拥有更多的物种是否可以让我们准确地推断出字符的祖先状态？当序列位点进化以复杂的方式从一个字符到另一个字符变化时，以及重建祖先序列时，这个问题特别相关。在本文中，我们收集的结果来分析各种方法推断祖先的信息，随着类群数量的增加，准确性越来越高。
2010-04-08 q-bio.PE
Simplifying and Characterizing DAGs and Phylogenetic Networks via Least Common Ancestor Constraints
本文提出通过LCA约束简化有向无环图与系统发育网络，刻画LCA相关和lca相关DAG，并利用“⊖”运算符高效转换以保留关键结构。
2025-01-23 cs.DM math.CO q-bio.PE
Identifiability of local and global features of phylogenetic networks from average distances
系统发生网络扩展了系统发育树，以模拟非垂直遗传，即一个谱系从多个亲本继承材料。用基于似然的方法从全基因组数据估计系统发育网络的计算复杂性限制了可以处理的网络的大小。基于成对距离的方法可以提供更快的替代方案。我们在这里研究的信息，平均成对距离包含在底层的系统发育网络，通过表征本地和全球的功能，可以或不能被识别。对于一般的网络，我们澄清，根和边长相邻的网状是不可识别的，然后专注于类的拉链半有向网络。我们提供了一个标准，交换子图的本地，如3圈，导致不可区分的网络。我们提出了“距离分裂树”，它可以从成对距离构造，并证明它是网络的斑点树的细化，捕捉网络的树状特征。对于1级网络，这个距离分裂树等于改进的斑点树，以分离多分裂斑点，我们证明了网络的混合表示是可识别的。信息丢失集中在4个周期左右，无法识别网状结构的位置。混合表示结合了4-循环的分裂边缘，半有向网络的规则树和混合边缘，以及对平均成对距离可识别的所有信息进行编码的边缘参数。
2022-06-25 math.ST q-bio.PE stat.TH
Osteology of a Near-Complete Skeleton of Tenontosaurus tilletti (Dinosauria: Ornithopoda) from the Cloverly Formation, Montana, USA
Tenontosaurus tilletti的特征诊断已经被修改和重新定义为一个更强大和可量化的状态。重点放在构建系统发育的定义，在这样的方法，因为它可以防止闭塞的真实字符状态，减轻潜在的个人解释偏见。先前在禽龙亚目内的位置被驳斥，因为它与进化枝的定义性突触形态缺乏特征亲和力。然而，Hypsilophodontidae（=Hypsilophodontia）和禽龙目（Iguanodontia）的分支被认为是急需改进的，以解释最近的发现和某些真鸟脚类的重新分类。一些突触形态已经过时，被认为是多余的，有利于更量化的方法。如果要解决真鸟足类动物基础关系的现状，重新定义这些分支是至关重要的。系统发育研究必须从多学科的角度来处理，整合构造地层，个体发育，古生态和生物力学数据集定义明确的主要同源性是必不可少的，在增加系统发育的分辨率和生成地层可行的祖先后代关系。属于提列蒂腱龙的材料需要严格的重新分析;属于该物种的大量标本可能是由于地层限制不佳和占用了巨大的时空跨度。未来对这些材料的修订有望揭示与环境进化内在联系的物种水平上的时间变化，以及可能为同时代但形态上不同的腱龙类的两性异形提供线索。
2013-04-09 q-bio.PE
Fast Convergence of MCMC Algorithms for Phylogenetic Reconstruction with Homogeneous Data on Closely Related Species
本文研究了马尔可夫链的系统发育重建，它使用了一个流行的树拓扑结构之间的过渡称为子树修剪和重嫁接（SPR）。我们分析马尔可夫链在更简单的设置，生成树由非常短的边长，足够短，使每个样本从生成树（或字符在系统发育术语）可能只有一个突变，并有足够的样本，使数据看起来像生成分布。我们证明在这种情况下，马尔可夫链是快速混合，即，它迅速收敛到其平稳分布，该平稳分布是树拓扑上的后验分布。我们的证明使用树T的最大似然函数的前导项是最大简约得分，这是T中实现生成树的单边切割所需的最小切割的大小。我们的主要贡献是一个组合证明，在我们的简化设置，SPR移动保证快速收敛到最大简约树。我们的研究结果是在最近的作品显示的例子与异构数据（即，数据是从混合分布），许多自然马尔可夫链是指数缓慢收敛到平稳分布。
2011-05-05 cs.DS q-bio.PE
A Corrected Parsimony Criterion for Reconstructing Phylogenies
在系统发育分析中，对于非分子数据，特别是形态学数据，简约优化是最常用的方法。在过去和现在的简约原则的应用中，在没有适当理由的情况下，在不同的字符之间添加了额外的步骤数。然而，这种做法导致了字符的影响被夸大或缩小，没有一个合理的理由。为了解决这一方法论上的缺陷，本文提出了一个修正的简约性标准来重构遗传学。从本质上讲，性格而不是步伐是最基本的单位。因此，最简约的树应该最大化的总和或平均的系统发育信号，量化的保留指数，每个字符的贡献。将适当的权重分配给字符是一项单独的任务，它需要除字符内步长数变化范围之外的信息。
2016-10-11 q-bio.PE q-bio.QM
The mean and variance of phylogenetic diversity under rarefaction
系统发育多样性（PD）取决于采样强度，这使得不同深度样本之间的PD比较复杂。处理给定多样性统计的不同样本深度的一种方法是稀疏化，这意味着采取给定大小的原始样本的随机子集。稀疏条件下物种丰富度的均值和方差的精确解析公式已经存在了一段时间，但PD没有这样的解决方案。我们推导了稀疏情况下PD的均值和方差的精确公式。通过将精确解平均值和方差与对澳大利亚昆士兰州图希森林的木质灌木茎数数据集进行重复随机（蒙特卡罗）子抽样计算的结果进行比较，我们证明这些公式是正确的。我们还使用两个例子来展示该方法的应用：确定澳大利亚生态区中哺乳动物多样性的热点，以及表征人类阴道微生物组。有一个非常高的解析和随机抽样方法之间的对应关系，用于计算稀疏下的PD的均值和方差，虽然蒙特卡罗方法需要大量的随机抽取收敛于方差的精确解。稀疏的哺乳动物PD的生态区在澳大拉西亚的一个共同的标准，25种揭示了非常不同的等级排序的生态区，表明完全不同的热点的多样性比unrarefied PD。这些方法在阴道微生物组中的应用表明，用于量化细菌性阴道病的经典评分与稀疏曲线的形状相关。稀疏下PD均值和方差的解析公式既精确又比重复子抽样有效。稀疏的PD允许许多应用程序，其中需要比较不同深度的样品。
2013-02-07 q-bio.PE
Geometric comparison of phylogenetic trees with different leaf sets
由Billera，Holmes和Vogtmann定义的系统发育树的度量空间，我们称之为BHV空间，提供了一个自然的几何设置来描述同一组分类群上的树的集合。然而，有时有必要分析不相同分类群上的树木集合（即，具有不同数量的叶），并且在此上下文中，如何应用BHV空间并不明显。Davidson等人最近通过描述将树拓扑扩展到高维树空间中的区域的组合算法来处理这个问题，以便可以快速计算哪些拓扑包含作为部分数据的给定树。在本文中，我们改进和适应他们的算法工作的度量树给一个完整的表征子树的扩展的子空间。我们描述了如何应用我们的算法来定义和搜索一个空间的可能的超树，并为一个集合的树片段与不同的叶集，以衡量他们的兼容性。
2018-07-11 cs.DM math.CO q-bio.PE
On the correctness of Maximum Parsimony for data with few substitutions in the NNI neighborhood of phylogenetic trees
本文推广了关于最大简约法正确性的已有结果，证明在特定条件下（如n≥12k），包含所有在树T上需要k次替换的二元性状的比对在T的NNI邻域内以T为唯一最简约树，部分肯定地回答了一个猜想，并构造了k约为n/2时NNI邻居间简约性反转的反例。
2024-10-01 math.CO q-bio.PE
Power and sample size calculations for testing the ratio of reproductive values in phylogenetic samples
针对系统发育推断中病原体传播差异研究缺乏样本量与功效规划指导不足的问题，提出基于分子传播对的繁殖数比率估计量及样本量计算方法，支持多种校正扩展，经模拟验证并提供R包工具。
2023-06-09 q-bio.PE stat.AP stat.ME
Measuring Fit of Sequence Data to Phylogenetic Model: Gain of Power using Marginal Tests
测试数据与模型的拟合对任何科学都是至关重要的，但遗传学领域的出版物很少这样做。这种分析抛弃了卡尔·波普尔所规定的科学的基本方面。事实上，并非没有理由，波普尔（1978）曾经认为，进化生物学是不科学的，因为它的假设是不可检验的。在这里，我们追溯了从Penny et al.（1982）到现在的适合性评估的发展。我们比较一般的对数似然比（G或G2统计）统计之间的进化树模型和多项式模型与边缘化测试应用于对齐（使用胎盘哺乳动物编码序列数据）。可以看出，最一般的检验不拒绝数据与模型的拟合（p~0.5），但边缘化检验拒绝。对成对频率（F）矩阵的检验强烈（p < 0.001）拒绝了常用的最一般的系统发育（GTR）模型。同样清楚的是（p < 0.01），序列在其核苷酸组成中不是固定的。偏离平稳性和同质性似乎是不均匀分布在类群之间，不一定是那些预期从检查基因组的其他区域。通过边缘化i.i.d.的4 t模式。模型的观察和预期的简约计数，也就是说，从恒定的网站，单例，简约信息字符的最小可能的长度，那么似然比检验恢复权力，它也拒绝与p << 0.001的进化模型。考虑到在相对较近的进化时间内的这种行为，一般来说，读者应该对结果保持健康的怀疑态度，因为在已发表的分析中，系统性错误的规模可能远远大于分析方法（例如，bootstrap）报告。
2008-12-30 q-bio.GN q-bio.PE
A Relaxed Drift Diffusion Model for Phylogenetic Trait Evolution
了解的过程中，引起与分子序列数据相关的定量测量仍然是一个重要的问题，在统计遗传学。这类测量的例子包括地理学背景下的地理坐标和比较研究背景下的表型特征。一种流行的方法是将连续变化的性状的演化建模为布朗扩散过程。然而，标准的布朗扩散是相当严格的，可能无法准确地描述某些性状的进化过程。在这里，我们放宽了标准布朗扩散的主要限制之一，将一个非平凡的可估计的漂移的过程。我们引入了一个宽松的漂移扩散模型的进化多变量连续变化的性状沿系统发育树通过布朗扩散漂移。值得注意的是，放松漂移模型适应分支特定的漂移率的变化，同时保持模型的可识别性。我们实现了放松漂移模型的贝叶斯推断框架，同时重建分子序列数据和相关的多变量连续性状数据的进化历史，并提供可视化的进化重建工具。我们在三个病毒的例子说明我们的方法。在前两个，我们研究了艾滋病毒-1在非洲中部和西尼罗河病毒在北美的时空传播，并表明，一个宽松的漂移方法揭示了一个更清晰，更详细的图片比标准的布朗扩散的病毒传播的动态。最后，我们研究了HIV-1对三种广泛中和抗体的耐药性背景下的抗原进化。我们的分析揭示了在HIV-1人群水平上对VRC 01单克隆抗体中和的抵抗力在流行过程中不断增强的证据。
2015-12-29 q-bio.PE stat.ME
The Shapley Value of Phylogenetic Trees
每个加权树自然对应于一个合作博弈，我们称之为“树博弈”;它为每个叶子子集分配由这些叶子所跨越的最小子树的权重之和。在系统发育树的上下文中，叶子是物种，并且该分配捕获了所考虑的物种联盟中存在的多样性。我们认为树游戏的Shapley值，并提出一个生物学的解释。我们确定线性变换M，它显示了Shapley值对树的边权重的依赖性，我们还计算了M的零空间基。两者都依赖于树的“分裂计数”。最后，我们刻画了Shapley值的树游戏的四个公理，对应于Shapley的原始定理的更大类的合作游戏。
2007-08-28 cs.GT math.CO q-bio.PE
Information geometry for phylogenetic trees
我们提出了一个新的空间的系统发育树，我们称之为瓦尔德空间。其动机是开发一个适合于遗传学统计分析的空间，但具有基于比现有空间更生物学原则假设的几何形状：在瓦尔德空间中，如果树在遗传序列数据上诱导相似的分布，则它们是接近的。作为一个点集，瓦尔德空间包含先前发展的Billera-Holmes-Vogtmann（BHV）树空间;它也包含不连通的森林，像边积（EP）空间，但没有EP空间的某些奇点。研究了wald空间上两个相关的几何。第一个是几何形状的Fisher信息度量的字符分布引起的两个国家的对称马尔可夫替代过程中的每棵树。无穷小地，度量与Kullback-Leibler散度成比例，或者等价地，如我们所示，与f -散度成比例。第二个几何类似地获得，但使用相关的连续值高斯过程中的每棵树，它可以被看作是协方差阵的仿射不变度量的迹度量。我们推导了一个梯度下降算法，从协方差阵的周围空间投影到Wald空间。对于这两种几何形状，我们推导出计算方法来计算测地线在多项式时间和数值显示，两个信息几何（离散和连续）是非常相似的。特别地，测地线被外推近似。与BHV几何的比较表明，我们的规范和生物动机的空间是实质上不同的。
2020-09-17 cs.IT math.DG math.IT
Defining binary phylogenetic trees using parsimony: new bounds
本文研究基于最大简约性的二元系统发育树唯一性问题，将叶子数$n$的下界从$20k$降至$4k$，将非定义区间扩展至$n \leq 2k+2$，并完全填补了最近邻交换（NNI）邻域中的空白。
2023-07-27 math.CO q-bio.PE
TaxMan: an online facility for the coding of continuous characters for cladistic analysis
一个共识正在出现，连续（或度量）措施可以是有用的系统发育分类学。然而，许多编码这类性状的方法都使用了任意的成分，因此不应用于分支分析。继续使用这种可能不适当的方法可以归因于它们的简单性或专门设计用于使用这些方法产生数据矩阵的计算机程序的可用性。相反，最合适的方法之一，同质子集编码（HSC），是未充分使用，可能是由于缺乏一个合适的软件实现这个有点复杂的过程。本文介绍了TaxMan，一个基于Web的设施的连续数据使用HSC的编码。数据是用一种可通过任何互联网浏览器访问的表格输入的，并自动转换成适合输入树木搜索软件的矩阵。HSC技术的这种实现为在系统发育系统学中纳入度量数据提供了一个简单的程序。HSC程序的算法实现，以及它所需的学生化范围和最大模分布的插值，在附录中详细描述。
2014-11-17 q-bio.PE stat.AP
Classification of life by the mechanism of genome size evolution
生命的分类应该基于生命进化的基本机制。我们发现，物种之间的全球关系应该是循环系统发育，这与基于系统发育树的常识有很大的不同。通过对当代物种蛋白质长度分布的分析，可以清楚地观察到系谱圈。因此，我们建议域可以定义为区别系统发育圈，这是全球性的和稳定的生活系统的特征。阐明了基因组大小进化的机制，从而解释了C值之谜的主要组成问题。根据蛋白质长度分布的相关性和准周期性，我们还可以将生命分为三个域。
2009-05-17 q-bio.GN q-bio.PE
PhyloLM : Inferring the Phylogeny of Large Language Models and Predicting their Performances in Benchmarks
INSERM（法国国家健康与医学研究院）；Flowers AI & CogSci Lab（Flowers人工智能与认知科学实验室）；ENS, PSL（巴黎高等师范学院-PSL大学）；Centre Inria de L’Université de Bordeaux（波尔多大学Inria中心）
PhyloLM通过系统发育算法推断大语言模型的系统发育关系并预测其在基准测试中的性能。
2025-12-08 cs.CL cs.LG q-bio.PE
Identifiability of the Rooted Tree Parameter under the Cavender-Farris-Neyman Model with a Molecular Clock
离散树参数的可识别性是系统发育模型的一个关键属性，因为它是从序列数据中统计一致地估计树所必需的。代数方法已被证明是非常有效的，在显示树和网络参数的系统发育模型是可识别的，特别是当底层模型是基于组的。然而，由于基于组的模型是时间可逆的，只有无根的树拓扑是可识别的，而根的位置是不可识别的。利用Coons和Sullivant刻画的Cavender-Farris-Neyman模型的不变量，证明了具有分子钟的Cavender-Farris-Neyman模型的根树参数是可一般识别的.
2023-03-21 math.CO math.ST q-bio.PE
