[發明專利]一種基于特征層次的多目標系統發育樹構建方法

有效

• 申請號: 202010168038.5
• 申請日: 2020-03-11
• 公開（公告）號: CN111462812B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 馮筠;劉澤云;劉蒙;侯剛;馮宏偉
• 申請（專利權）人: 西北大學
• 主分類號: G16B5/00
• 分類號: G16B5/00;G06N3/126
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 李鄭建

本發明公開了一種基于特征層次的多目標系統發育樹構建方法，該方法結合形態數據的特征描述，首先生成對應的特征層次關系，并結合特征之間的依賴關系對缺失值進行估計，從而得到完整的數據集；然后結合基于不可適用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發育樹構建，不僅能夠很好地度量不可適用數據帶來的問題，也避免了單一原則下建樹的局限性。相較于傳統系統發育分析方法，能夠很好地解決缺失數據、不可適用數據造成的樹結構不確定性問題，并通過多種建樹原則，為生物學家研究物種進化提供依據。

技術領域

本發明屬于生物信息領域，涉及系統發育學研究中的發育樹分析與構建，具體涉及一種基于特征層次的多目標系統發育樹構建方法。

背景技術

系統發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生的物種形成事件，從而研究物種起源。而系統發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發育樹。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數據整理，可以得到物種特征矩陣；通過對形態數據進行系統發育分析，從而得到能夠反映物種進化關系的系統發育樹。

相較分子系統發育學，形態系統發育學由于形態特征的局限性，基于形態學的系統發育分析發展緩慢。對于早期古生物的系統發育分析來說，由于年代久遠、保存環境變遷，分子數據非常不穩定以及化石保存及觀察手段的限制等原因，可用于系統發育分析的材料只有形態學數據，形態學數據是進行古生物系統發育分析的重要依據。由于化石記錄的缺失以及物種特征層次關系的存在，形態學數據中常常含有大量的缺失數據和不可適用數據(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，就會出現不可適用數據。)，且現有的方法不能有效地處理“問題”數據，造成系統發育樹構建不準確，為生物學家研究物種進化造成困擾。

與此同時，常用的系統發育分析方法，包括基于距離的方法和基于最優原則的方法，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。而現有主流的工具是基于單一最優原則的。通常情況下，在一個形態數據集上會執行多個方法。然而，多個系統發育推斷的結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。

發明內容

針對上述現有技術中形態數據中存在缺失數據和不可適用數據造成系統發育樹構建不穩定的技術問題，本發明的目的在于，提供一種基于特征層次的多目標系統發育樹構建方法，該方法結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數據分布情況，進而對缺失數據進行估計，從而得到完整的形態學數據集；從完整的形態學數據出發，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據，結合最大簡約原則和最大似然原則進行多目標系統發育樹構建，從而生成同時滿足最大簡約原則和最大似然原則的Pareto最優樹群，為生物學家研究物種進化提供依據。

為了實現上述任務，本發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發育樹構建方法，其特征在于，具體包括以下步驟：

步驟一，構建并形式化特征層次關系

結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，從而構建特征層次關系；對構建的特征層次關系進行形式化表示，使其轉化為計算機能夠處理的數據矩陣；

步驟二，基于特征層次的馬爾科夫蒙特卡洛算法進行形態數據缺失值估計

步驟2.1，對不完整的形態矩陣D_incom進行缺失值初始化，根據列取值對缺失數據進行隨機插補；

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

(1)存在主特征，但無從屬特征：