用于非均匀数据系统发育拓扑重建的 EM 算法

背景：四个分类单元的系统发育树拓扑重建至今仍是系统发育学的主要挑战之一。其困难在于不能使用过于限制性的进化模型，并需正确处理长枝吸引问题。正确重建 4 分类单元树对于基于四联体 (quartet) 的方法发挥作用以及恢复大型系统发育树至关重要。结果：本文考虑了一种期望最大化 (EM) 方法，用于最大化树上（时间非均匀）进化马尔可夫模型的似然度。我们研究了该方法在重建 4 分类单元拓扑方面的成功率，以及其作为 QFIT 和 QuartetSuite 等基于四联体的系统发育重建方法输入方法时的性能。我们的结果表明，在具有谱系间瞬时速率异质性的 4 叶树上，本文提出的方法优于邻接法 (neighbor-joining) 和常规的（时间均匀连续时间）最大似然法；而当数据满足两种方法的假设时，其表现与常规连续时间最大似然法相似。结论：本文提出的方法非常适合通过基于四联体的方法重建任意数量分类单元的拓扑，且具有高精度，特别是在处理高度分歧的树和时间非均匀数据方面。