序言
大晚上的不知道干些啥好，想起了之前積累的一個(gè)小小的問(wèn)題。
這里搜一下資料，快速的整理出一小篇文章好了~
內(nèi)容大概就是 N種phylogenetic tree上不同的數(shù)字
基本的系統(tǒng)發(fā)育樹(shù)
系統(tǒng)發(fā)育樹(shù)大概是最最常見(jiàn)的一個(gè)結(jié)果圖了，大家都知道樹(shù)長(zhǎng)什么樣，但是卻不一定知道上面的數(shù)字意義是什么。又或者只知道其中的幾種。
以上的樹(shù)結(jié)構(gòu)，算是比較常見(jiàn)的一種，一般也會(huì)有圖例表示，多長(zhǎng)的長(zhǎng)度代表多遠(yuǎn)的距離，所以甚至?xí)?strong>不標(biāo)記任何的數(shù)字，因?yàn)橹чL(zhǎng)(branch length)本身就攜帶了大量的信息。
那么如何閱讀一棵樹(shù)的信息呢，上圖也寫的比較清楚。物種A與物種B的距離就是AA+BB，至于這個(gè)支長(zhǎng)是什么，下文再去說(shuō)有哪些測(cè)度(metrics)可以用以表征這個(gè)相似度，但是總的而言，如果需要比較兩個(gè)物種的距離，即支長(zhǎng)的不斷相加。
樹(shù)是什么？
如果要我解釋的話。
樹(shù)就是距離矩陣的可視化結(jié)果
每個(gè)葉子節(jié)點(diǎn)就是距離矩陣的橫軸或者縱軸，由于樹(shù)上每?jī)蓚€(gè)葉子節(jié)點(diǎn)間都可以兩兩到達(dá)，結(jié)合上述的物種的距離，最后就會(huì)得到一個(gè)距離矩陣，而一個(gè)距離矩陣卻可以得到多個(gè)樹(shù)的結(jié)果。（取決于 有/無(wú)根 樹(shù)的畫法等）
數(shù)字的定義
上述的定義，其實(shí)也可以看這篇文獻(xiàn)的原始的legend。首先斜杠不代表除法，僅僅代表或的意思。左側(cè)貝葉斯后驗(yàn)概率的百分比，右側(cè)是通過(guò)bootstrap進(jìn)行計(jì)算的百分比，簡(jiǎn)單點(diǎn)說(shuō)，兩個(gè)都是代表了這個(gè)node以下的樹(shù)結(jié)構(gòu)的可靠程度。
關(guān)于bootstrap的計(jì)算，可以參考Bootstrapping phylogenetic Trees: theory and methods
標(biāo)在Node（頂點(diǎn)）上的數(shù)字，大多為置信程度，代表該node以下的樹(shù)結(jié)構(gòu)的可靠程度 （A圖）
標(biāo)在邊上的數(shù)字，則為支長(zhǎng)的具體數(shù)值。（B圖）
建樹(shù)的方法
雖然建樹(shù)的標(biāo)準(zhǔn)有很多，但是概括來(lái)說(shuō)，phylogenetic tree的方法有三種
1. Parsimony (簡(jiǎn)約法)
將需要比較的東西進(jìn)行 binary(二元)化，例如有無(wú)毛發(fā)，有無(wú)皮膚等基于特征的方法。
為什么叫簡(jiǎn)約法？
就是因?yàn)槎螅ㄟ^(guò)層次遞進(jìn)，就可以推導(dǎo)出共同祖先。即用最少的信息即可描述子節(jié)點(diǎn)的過(guò)程。
2. Distance Matrix based
基于距離矩陣，有距離矩陣就有樹(shù)。。。如上
3. Maximum likelihood（最大似然）
通過(guò)最大似然的估算，一個(gè)很長(zhǎng)的貝葉斯概率計(jì)算，通過(guò)最大化結(jié)果，從而得到樹(shù)
結(jié)尾
。。。這是篇很簡(jiǎn)單以及很水的文章（畢竟只花了1h不到。。），希望大家也可以1分鐘看完。。
reference
Phylogenetics
PCB_Lect11_Phylogen_Trees.pdf
youtube Maximum likelihood for phylogenetic tree reconstruction
