系统发育中的边际似然：方法与应用的综述

通过提供对所有生命共有的祖先关系的解释框架，系统发育正成为生物学的统计学基础。随着系统发育模型持续增加复杂性以更好地捕捉微观与宏观演化过程，模型选择的重要性不断增长。在贝叶斯框架下，边际似然是数据更新我们对模型的先验信念的方式，它给出了一个基于概率论的、比较模型拟合的直观度量。鉴于系统发育模型数量和复杂性的迅速增加，近似边际似然的方法愈发重要。在此我们试图对边际似然及其在贝叶斯模型检验中为何重要提供直观描述。我们还对估计系统发育模型边际似然的方法进行分类与综述，着重介绍几种给出性质良好估计的近期方法。此外，我们综述了一些经验研究，展示了如何利用边际似然从生物数据中学习演化模型。我们讨论了可补充边际似然用于贝叶斯模型选择的 promising 替代方案，包括后验预测方法。利用模拟，我们发现一种基于近似贝叶斯计算(ABC)的替代方法存在偏差。最后我们讨论了贝叶斯模型选择的挑战以及有望改进边际似然近似和整体贝叶斯系统发育学的未来方向。