[發(fā)明專利]一種基于特征層次的多目標系統(tǒng)發(fā)育樹構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 202010168038.5
• 申請日: 2020-03-11
• 公開（公告）號: CN111462812B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設計）人: 馮筠;劉澤云;劉蒙;侯剛;馮宏偉
• 申請（專利權(quán)）人: 西北大學
• 主分類號: G16B5/00
• 分類號: G16B5/00;G06N3/126
• 代理公司: 西安恒泰知識產(chǎn)權(quán)代理事務所 61216
• 代理人: 李鄭建

本發(fā)明公開了一種基于特征層次的多目標系統(tǒng)發(fā)育樹構(gòu)建方法，該方法結(jié)合形態(tài)數(shù)據(jù)的特征描述，首先生成對應的特征層次關系，并結(jié)合特征之間的依賴關系對缺失值進行估計，從而得到完整的數(shù)據(jù)集；然后結(jié)合基于不可適用Fitch算法的最大簡約原則和最大似然原則，進行并行多目標系統(tǒng)發(fā)育樹構(gòu)建，不僅能夠很好地度量不可適用數(shù)據(jù)帶來的問題，也避免了單一原則下建樹的局限性。相較于傳統(tǒng)系統(tǒng)發(fā)育分析方法，能夠很好地解決缺失數(shù)據(jù)、不可適用數(shù)據(jù)造成的樹結(jié)構(gòu)不確定性問題，并通過多種建樹原則，為生物學家研究物種進化提供依據(jù)。

技術領域

本發(fā)明屬于生物信息領域，涉及系統(tǒng)發(fā)育學研究中的發(fā)育樹分析與構(gòu)建，具體涉及一種基于特征層次的多目標系統(tǒng)發(fā)育樹構(gòu)建方法。

背景技術

系統(tǒng)發(fā)育學研究的是進化關系，如物種或種群之間的進化歷史和關系，了解何時以及可能發(fā)生的物種形成事件，從而研究物種起源。而系統(tǒng)發(fā)育分析就是要推斷及評估這些進化關系，其目的是找到符合物種進化的系統(tǒng)發(fā)育樹。為了更清楚的了解研究目的，通過圖1看出：通過對采集到的化石進行形態(tài)數(shù)據(jù)整理，可以得到物種特征矩陣；通過對形態(tài)數(shù)據(jù)進行系統(tǒng)發(fā)育分析，從而得到能夠反映物種進化關系的系統(tǒng)發(fā)育樹。

相較分子系統(tǒng)發(fā)育學，形態(tài)系統(tǒng)發(fā)育學由于形態(tài)特征的局限性，基于形態(tài)學的系統(tǒng)發(fā)育分析發(fā)展緩慢。對于早期古生物的系統(tǒng)發(fā)育分析來說，由于年代久遠、保存環(huán)境變遷，分子數(shù)據(jù)非常不穩(wěn)定以及化石保存及觀察手段的限制等原因，可用于系統(tǒng)發(fā)育分析的材料只有形態(tài)學數(shù)據(jù)，形態(tài)學數(shù)據(jù)是進行古生物系統(tǒng)發(fā)育分析的重要依據(jù)。由于化石記錄的缺失以及物種特征層次關系的存在，形態(tài)學數(shù)據(jù)中常常含有大量的缺失數(shù)據(jù)和不可適用數(shù)據(jù)(注：當物種中某個特征的存在取決于另一個不存在的特征時，就會出現(xiàn)不可適用數(shù)據(jù)。)，且現(xiàn)有的方法不能有效地處理“問題”數(shù)據(jù)，造成系統(tǒng)發(fā)育樹構(gòu)建不準確，為生物學家研究物種進化造成困擾。

與此同時，常用的系統(tǒng)發(fā)育分析方法，包括基于距離的方法和基于最優(yōu)原則的方法，前者主要包括鄰接法、UPGMA；后者主要包括最大簡約法、最大似然法和貝葉斯推斷法。而現(xiàn)有主流的工具是基于單一最優(yōu)原則的。通常情況下，在一個形態(tài)數(shù)據(jù)集上會執(zhí)行多個方法。然而，多個系統(tǒng)發(fā)育推斷的結(jié)果可能是沖突或是一致的。當目標相互沖突，通常沒有任何方法可以滿足所有目標。

發(fā)明內(nèi)容

針對上述現(xiàn)有技術中形態(tài)數(shù)據(jù)中存在缺失數(shù)據(jù)和不可適用數(shù)據(jù)造成系統(tǒng)發(fā)育樹構(gòu)建不穩(wěn)定的技術問題，本發(fā)明的目的在于，提供一種基于特征層次的多目標系統(tǒng)發(fā)育樹構(gòu)建方法，該方法結(jié)合先驗知識生成特征層次關系，以特征層次關系為依托，分析特征依賴關系下的形態(tài)數(shù)據(jù)分布情況，進而對缺失數(shù)據(jù)進行估計，從而得到完整的形態(tài)學數(shù)據(jù)集；從完整的形態(tài)學數(shù)據(jù)出發(fā)，采用Martin D.Brazeau(2017)年所提出的不可適用Fitch算法度量不可適用數(shù)據(jù)，結(jié)合最大簡約原則和最大似然原則進行多目標系統(tǒng)發(fā)育樹構(gòu)建，從而生成同時滿足最大簡約原則和最大似然原則的Pareto最優(yōu)樹群，為生物學家研究物種進化提供依據(jù)。

為了實現(xiàn)上述任務，本發(fā)明采用以下的技術解決方案：

一種基于特征層次的多目標系統(tǒng)發(fā)育樹構(gòu)建方法，其特征在于，具體包括以下步驟：

步驟一，構(gòu)建并形式化特征層次關系

結(jié)合特征描述和先驗知識等相關信息，分析特征間的依賴關系，從而構(gòu)建特征層次關系；對構(gòu)建的特征層次關系進行形式化表示，使其轉(zhuǎn)化為計算機能夠處理的數(shù)據(jù)矩陣；

步驟二，基于特征層次的馬爾科夫蒙特卡洛算法進行形態(tài)數(shù)據(jù)缺失值估計

步驟2.1，對不完整的形態(tài)矩陣D_incom進行缺失值初始化，根據(jù)列取值對缺失數(shù)據(jù)進行隨機插補；

步驟2.2，結(jié)合特征層次關系進行列分析，分析每一列的參數(shù)分布，以便估計參數(shù)的后驗分布，主要包括以下幾種情況：

(1)存在主特征，但無從屬特征：