Phylogenetics - 系统发育分析与进化树构建

技能概述

Phylogenetics 技能提供完整的系统发育分析流程，从多序列比对（MAFFT）到最大似然树构建（IQ-TREE 2、FastTree），再到系统发育树可视化（ETE3），帮助您重建生物序列的进化历史。

适用场景

1. 病毒系统发育追踪与疫情溯源

用于追踪病毒传播路径和估计传播时间，例如新冠病毒（SARS-CoV-2）变异株的进化关系分析和疫情传播链重建。通过分子钟分析估算分化时间，为公共卫生决策提供依据。

2. 微生物基因组与物种进化分析

基于 16S rRNA 或核心基因组构建微生物物种系统发育树，用于物种鉴定、亲缘关系分析和种群结构研究。适用于环境微生物学、医学微生物学和宏基因组学研究。

3. 蛋白质家族进化与功能推断

分析蛋白质家族内部的进化关系，识别保守位点、功能分歧和正选择信号。通过系统发育树结合其他功能数据，推断未知蛋白的功能和进化起源。

核心功能

1. 多序列比对与预处理（MAFFT + TrimAl）

使用 MAFFT 进行高质量多序列比对，支持从高精度（linsi/einsi）到超大规模（fftns/auto）的多种模式。集成 TrimAl 进行比对质量控制，自动去除不可靠的比对列，提升后续树构建的准确性。

2. 最大似然树推断（IQ-TREE 2 / FastTree）

IQ-TREE 2 提供自动模型选择（-m TEST）、超快 bootstrap 支持计算（-B 1000）和分子钟分析，适合中小规模数据集（<5000 序列）。FastTree 适用于大规模数据（>1000 序列），速度提升 10-100 倍，同时保持合理的准确性。

3. 系统发育树可视化与分析（ETE3）

基于 ETE3 Python 库进行系统发育树操作、根化（midpoint rooting 或外群根化）、分支修剪和统计计算。支持矩形和圆形树形渲染，可按物种、样本类型等自定义着色，生成出版级可视化图像。

常见问题

系统发育分析需要什么数据格式？

需要 FASTA 格式的序列文件（.fasta、.fa、.fna），可以是核苷酸序列（.nt）或氨基酸序列（.aa）。序列必须经过质控，去除低质量序列和冗余序列。对于分子钟分析，还需要提供包含样本采集日期的文本文件（dates.txt）。

如何选择 IQ-TREE 和 FastTree？

根据数据规模和需求选择：

• IQ-TREE 2：<5000 序列，需要高精度、模型自动选择、bootstrap 支持值或分子钟分析
• FastTree：>1000 序列，需要快速预览或超大规模数据集，时间预算有限
• 推荐流程：先用 FastTree 快速查看整体结构，再用 IQ-TREE 对关键分支进行精细分析

如何解读系统发育树的 bootstrap 支持？

Bootstrap 支持值表示分支的统计可靠性（0-100）：

• ≥95%：分支高度可信，结果稳健
• 70-94%：分支中等可信，需谨慎解释
• <70%：分支可靠性较低，不建议作为结论依据 高 bootstrap 值通常需要足够的序列数量、良好的比对质量和合适的进化模型。如果整体支持值偏低，检查比对质量、增加 bootstrap 重复次数或尝试不同模型。