进化树选择
生物进化中的演化树
生物进化中的演化树生物进化是指生物在漫长的时间内通过遗传变异和适应环境的选择而逐渐发展和改变的过程。
而演化树（也称为系统进化树或谱系树）是一种用来描述不同物种之间进化关系的图形工具。
本文将就生物进化中的演化树进行探讨，分析其构建方法、意义以及应用。
一、演化树的构建方法演化树的构建基于大量的分子生物学和遗传学数据，包括DNA序列、蛋白质序列及其他分子标记。
通过对这些数据进行分析和比较，可以揭示出不同物种之间的遗传关系和进化距离。
常用的演化树构建方法包括距离法、最大似然法和贝叶斯法等。
距离法是通过计算不同物种之间的遗传距离来构建演化树，距离越短表示亲缘关系越近。
最大似然法则是通过估计进化模型参数，找到使观测数据出现概率最大的树形结构。
贝叶斯法则是根据贝叶斯定理，通过计算概率分布来构建演化树。
这些方法都具有各自的优缺点，研究者应根据实际情况选择合适的方法。
二、演化树的意义演化树能够揭示物种之间的进化关系，显示出不同物种的分支和演化路径。
通过演化树，我们可以了解物种的起源、扩散和分化过程，推测不同物种之间的共同祖先以及进化速率的差异。
此外，演化树还可以用来研究生物的起源和进化动力学，揭示生物多样性的形成和演化的规律。
三、演化树的应用演化树在生物学研究中有着广泛的应用。
在系统发育学中，演化树可以用来分类和鉴定物种，帮助我们了解物种间的亲缘关系以及演化的历史。
在人类起源和进化研究中，通过演化树可以追溯人类的进化历程和与其他灵长类动物的亲缘关系。
在遗传学研究中，演化树可以用于分析基因家族的起源和进化，研究基因表达的差异以及基因功能的演化等。
此外，演化树还可以应用于生物多样性保护和物种保护的决策制定。
通过了解物种的进化历史和亲缘关系，可以指导保护工作的开展，制定合理的保护策略和措施，保护濒危物种和生态系统的完整性。
总结：生物进化中的演化树是一种用来描述不同物种之间进化关系的图形工具，通过构建演化树可以揭示物种的起源、进化历程以及亲缘关系。
生物进化树怎么分析？
生物进化树（Phylogenetic tree）用于描述不同物种之间的进化关系和亲缘关系。
分析生物进化树可以帮助我们理解物种的演化历史和形成过程。
以下是分析生物进化树的一般步骤：
1. 收集数据：首先，收集相关物种的形态特征、遗传信息或分子序列数据。
这些数据可以包括形态特征的测量值、DNA 或蛋白质序列等。
2. 构建数据矩阵：将收集到的数据转化为一个数据矩阵，每行代表一个物种，每列代表一个特征或基因。
3. 选择进化模型：选择合适的进化模型来描述物种之间的进化过程。
不同的模型适用于不同类型的数据，例如形态数据、DNA序列或蛋白质序列。
常用的模型包括最大似然法、贝叶斯推断等。
4. 构建进化树：使用进化模型和数据矩阵来构建进化树。
构建进化树的方法包括邻接法、最小演化法、最大似然法、贝叶斯推断等。
这些方法根据不同的原理和假设来计算物种之间的进化关系。
5. 评估进化树：通过计算进化树的可靠性指标来评估树的准
确性。
这可以包括计算节点的支持值（如Bootstrap值）或进行统计模拟。
6. 解读进化树：根据构建的进化树，可以对物种之间的进化关系进行解读。
进化树提供了关于物种的共同祖先、形态特征的演化和物种分类等信息。
值得注意的是，生物进化树的构建是一个复杂的过程，涉及到数据收集、模型选择和数据分析的多个环节。
因此，对于具体的研究目的，可能需要结合专业知识和相应的软件工具来进行生物进化树的分析。
植物基因家族进化树的构建
植物基因家族进化树的构建一、数据收集在构建植物基因家族进化树之前，需要收集相关的基因序列数据。
这些数据可以通过各种数据库，如NCBI、Ensembl等获取。
在收集数据时，需要注意以下几点：1. 选择具有代表性的物种，覆盖尽可能多的系统发育分支；2. 确保所收集的基因序列数据质量可靠，无测序错误和拼接错误；3. 对于每个基因家族，应尽可能收集多个成员的序列，以便进行多序列比对和树的构建。
二、序列比对在获得基因序列数据后，需要进行多序列比对。
比对的目的是为了找到不同物种间基因序列的相似性和差异性，从而确定它们之间的系统发育关系。
常用的多序列比对软件有MUSCLE、CLUSTAL W等。
在进行多序列比对时，需要注意以下几点：1. 选择合适的比对参数，以保证比对结果的准确性和可靠性；2. 在比对过程中，需要注意保持基因序列的原始阅读框，避免引入不必要的拼接错误；3. 对于较长的基因序列，可以分段进行比对，以提高计算效率和准确性。
三、距离矩阵计算在多序列比对的基础上，需要计算不同物种间基因序列之间的距离。
距离矩阵的计算是树构建的重要步骤之一。
常用的距离矩阵计算方法有：1. 欧氏距离法：直接计算不同物种间基因序列的差异数目，得到距离矩阵；2. Kimura距离法：基于Kimura模型计算不同物种间基因序列的差异概率，得到距离矩阵；3. Jukes-Cantor距离法：考虑基因序列的突变率和进化速率，计算不同物种间基因序列的差异概率，得到距离矩阵。
在选择距离矩阵计算方法时，需要根据具体情况选择适合的方法。
如果数据量较大或序列较短时，可以考虑使用欧氏距离法；如果数据量较小或序列较长时，可以考虑使用Kimura或Jukes-Cantor距离法。
四、树构建方法选择在获得距离矩阵后，需要选择合适的树构建方法来构建进化树。
常用的树构建方法有：1. UPGMA（Unweighted Pair Group Method with Arithmetic Mean）：将距离矩阵中的行或列进行聚类分析，根据聚类结果构建树；2. Neighbor Joining：基于距离矩阵中的最近邻关系构建树；3. Maximum Parsimony：基于树的构建准则函数（如最小改变数、最小代价等）构建树。
系统进化树的构建方法
系统进化树的构建方法系统进化树（systematic phylogenetic tree）是用于描述不同物种之间进化关系的一种图形化表示方法，可以帮助我们理解物种的起源、演化和分类。
构建系统进化树主要涉及到物种的分类学和进化生物学知识，以及系统发育分析方法。
下面将介绍系统进化树的构建方法。
1.选择研究对象：确定研究的物种范围，通常会选择有代表性的物种，包括已知的和新发现的物种。
2.收集DNA序列数据：从每个研究对象中提取DNA样本，并通过PCR扩增得到所需的基因序列。
常用的基因包括线粒体基因COI、核基因ITS 等，根据具体研究目的和对象进行选择。
3.序列比对：将收集到的DNA序列进行比对，通常采用计算机程序进行全局比对，比对结果会显示序列之间的同源区域和差异。
4. 构建系统进化树：有多种方法可以构建系统进化树，其中最常用的是系统发育建模方法，如最大简约法（maximum parsimony）、最大似然法（maximum likelihood）和贝叶斯推断（Bayesian inference）等。
最大简约法是最简单和最常用的构建系统进化树的方法之一、它基于简约原则，认为进化过程中最少的演化步骤是最可能的。
方法将不同物种的序列进行比对，统计共有的字符以及不同的字符，根据最小化改变的原则，得到进化树。
最大似然法使用概率模型来计算物种之间的进化关系，根据序列数据的概率分布确定最可能的进化树。
这种方法考虑了不同序列字符的不同演化速率以及序列之间的相关性。
贝叶斯推断方法基于贝叶斯统计学原理，通过计算不同进化树的后验概率来确定最有可能的进化树。
该方法能够对不同进化模型和参数进行全面的推断，但计算复杂度较高。
5.进行分支长度调整和进化树根的定位：进化树的分支长度表示物种间的差异，可以根据各个物种间的差异大小进行调整。
进化树的根通常是已知的进化历史或已知的进化事件，如灭绝事件等，可以通过分析群体间的基因流动等信息进行推断。
利用MEGA-X选择模型及构建美化进化树
利⽤MEGA-X选择模型及构建美化进化树今天主要介绍的是在MEGA-X图形界⾯下构建系统发育树并且对发育树进⾏美化。
下载安装好MEGA-X后，⾸先打开软件。
此处我们以⼀株细菌的16S rRNA序列为⽬标序列，⾸先在NCBI中进⾏Blast⽐对，下载将要⼀起⽐对建树的菌株序列。
在NCBI中输⼊序列或者上传⽂件，选择数据库时可以选择「Nucleotide collection(nr/nt)」或者「16S ribosomal RNA sequences」数据库，⼀般来说nr/nt库信息⽐较全⾯。
我们选择了10个不同种的16S rRNA序列进⾏下载。
另外，此处还可以⽐对下载2-3条⼤肠杆菌（Escherichia coli）和沙门⽒杆菌（Salmonella）的16S rRNA序列作为外类群（在Organism选项中进⾏物种限定），后⾯推断进化时间的时候可以⽤到。
将所有下载的序列整理在⼀个⽂件中，为了⽅便后⾯的建树可以将菌株名称后⾯多余的信息在这⾥替换删除掉（只是名称上的信息，不要改动碱基序列），然后将⽂件的扩展名改为.fasta。
在MEGA-X⾸页选择DATA，点击Open a File/Session，选择刚才的⽂件。
打开⽂件时询问「Analyze or Align File?」，此处点击Align。
序列中可能会出现混合碱基符号，混合碱基符号指两种或多种碱基(核苷)混合物的表⽰符号，或未完全确定可能属于某两种或多种碱基(核苷)的符号：R表⽰A+G；Y表⽰C+T；M表⽰A+C；K表⽰G+T；S表⽰C+G；W 表⽰A+T；H表⽰A+C+T；B表⽰C+G+T；V表⽰A+C+G；D表⽰A+G+T；N表⽰A+C+G+T。
接下来选择序列⽐对的⽅法：Muscle或者ClustalW。
ClustalW的基本原理是⾸先做序列的两两⽐对，根据该两两⽐对计算两两距离矩阵，是⼀种经典的⽐对⽅法，使⽤范围也⽐较⼴泛。
Muscle的功能仅限于多序列⽐对，它的最⼤优势是速度，⽐ClustalW的速度快⼏个数量级，⽽且序列数越多速度的差别越⼤。
菌株系统进化树的构建-概述说明以及解释
菌株系统进化树的构建-概述说明以及解释1.引言1.1 概述概述菌株系统进化树的构建是一项重要的研究工作，它能够帮助我们了解不同菌株之间的进化关系和演化历史。
菌株系统进化树可以被看作是一种表示不同菌株间亲缘关系的有向无环图，它能够揭示这些菌株之间的共同祖先和演化路径。
菌株系统进化树是基于菌株间的遗传差异来构建的。
通过对不同菌株的基因组、基因序列和遗传标记进行比较分析，我们可以获得它们之间的遗传距离或相异度。
这些数据可以用来构建菌株系统进化树，从而揭示菌株间的进化关系。
构建菌株系统进化树的过程通常包括以下几个步骤：首先收集不同菌株的样本，提取其基因组或基因序列；然后对这些样本进行测序并得到相应的遗传数据；接着利用生物信息学方法对这些数据进行分析和比较，计算出菌株间的遗传距离；最后利用分子进化模型和统计方法构建进化树，并对其进行进一步的验证和分析。
菌株系统进化树的构建具有重要的应用价值。
首先，它可以帮助我们确定不同菌株之间的亲缘关系，进一步理解它们之间的演化过程和机制。
其次，菌株系统进化树可以为微生物分类学和菌群动态变化研究提供重要的参考和指导。
此外，对于研究菌株的致病性、抗药性和生物学特性等方面，菌株系统进化树也具有重要意义。
综上所述，构建菌株系统进化树是一个重要而复杂的研究课题。
通过比较和分析菌株间的遗传数据，我们可以揭示菌株间的亲缘关系和进化历史，进一步推动微生物学和生物进化学的发展。
在接下来的内容中，我们将详细介绍构建菌株系统进化树的方法和应用，以及对未来研究的展望。
1.2 文章结构文章结构是指文章的组织框架和各个部分的排列顺序。
一个良好的文章结构能够帮助读者更好地理解和掌握文章的内容，并且能够使文章的逻辑关系更加清晰和流畅。
本文的结构分为引言、正文和结论三个部分，具体如下：引言部分(Introduction):在引言部分，首先要对菌株系统进化树的概念进行介绍，解释其所涉及的基本概念和理论背景。
进化树软件MEGA最新6.06说明书
第一步：打开软件下面介绍菜单的使用：Data菜单：Creat a new ：创建一个新的数据比对文件，也就是说当我们比对完一组后，想接着比对另一组，那么使用它就可以不用退出直接把数据文件导入；Open ：打开先前已经比对并保存好的文件，它包含两个子菜单：retive sequence from file 和saved aligment session ；Close: 关闭当前的比对数据文件；Save session ：保存当前比对结果，可以给比对的结果一个文件名；Export alignment ：将当前的序列比对结果输出到指定文件，有两种输入格式可供选择：MGTA 和FASTA.DNA sequence ：使用它来选择输入的数据DNA 序列，这里需要说明的是如果你输入的数据是氨基酸序列的话，比对窗口只显示一个标签，若是DNA 序列的话则显示两个标签，一个是DNA 序列的，另一个是氨基酸序列的。
Protein sequences ：选择输入的氨基酸序列，选择后，所以的位点就被当作氨基酸残基位点来对待。
Translate/untranslate ：只有比对的序列是编码蛋白的DNA序列的时候才可用。
它可以根据指定的遗传密码表将DNA 序列翻译成特定的氨基酸序列。
Select genetic code table ：使用它将编码蛋白的DNA 翻译成特定的蛋白序列。
R everse complement ：将选择的一整行的DNA 序列变为与之互补配对碱基序列。
Exit alignment explorer ：退出序列比对的资源管理窗口Edit 菜单：使用这个菜单可以对我们的比对序列进行想要的一些编辑工作具体为Undo：撤销上一步操作；Copy：复制；Cut：剪切；Paste：粘贴；这三个操作都可以只针对一个碱基或氨基酸残基也可以是一段甚至是整个序列；Delete：从比对表格中删除一段序列；Delete gaps：去掉序列中的空缺；Insert blank sequence：重新插入一空行；标签和序列都是空的；Insert sequence from file ：从已保存的文件中插入新的序列；Select sites ：选择一列序列，与点击比对表上方的灰白空格作用类似；Select sequence：选择一行序列，与点击比对表格左侧的标签名作用类似；Select all：全选；Allow base editing ：只读保护，只有选择后才能对序列进行编辑操作，否则所以的序列为只读格式，不能进行任何编辑操作。
基因进化树意义
基因进化树意义基因进化树是基于生物学家对生物基因及其关系的研究，根据相同基因序列和序列间不同之处构建起来的一种树状结构。
这种结构以浅色为根，深色为枝，树干上的节点代表基因的共同祖先，树枝代表了基因的演化历程和进化关系，而叶子则表示基因的存在状态。
基因进化树的意义是研究基因进化关系的重要工具之一，也是生物分类学、演化生物学、种群遗传学、分子进化、生物系统学等领域的基础。
首先，基因进化树可以揭示生物进化的关系。
生物进化受到环境和基因的影响，进而在漫长的进化史中形成了多样化的生物形态。
基因序列是生物进化最为基础的组成部分之一。
基因在不同物种间的变异、突变以及分离等环节，携带的信息也有所不同，经过多次变异和选择后，就能由单个基因发展演化而来。
因此，基因进化树可以反映不同物种之间的进化关系和演化过程，有助于逐一还原和分析生物种类的演化流程。
其次，基因进化树的研究可以帮助构建基因家族。
同一个种类的生物，都有着相似或相同的基因家族类型，这些基因家族的产生和演化的关系都通过基因进化树来反映。
对研究生物家族的形成过程，有助于加深对某些生物的组成和属性的科学认知，使人们对生命的认识更加深化。
第三，基因进化树还能研究群体遗传学与进化过程。
进入二十一世纪，随着生物技术的发展，基因序列比对和分析技术也相应的发展和进步了。
基因进化树可以揭示不同种群间的遗传标记，推断种群遗传结构和演化路线，更好地解决种群遗传学和进化生物学中的问题。
例如，在生命树中，通过基因进化树的系统发育分析，可以推断在哺乳动物之类的动物中，不同物种的共同祖先、进化路线和演化模式，以及不同物种间的生物地理分布等。
第四，基因进化树还可以揭示分类学。
现代分类学起源于卡尔·林奈的工作，随后发展成为若干分类学派别，旨在将不同物种归类为不同的种类，同时研究物种间的相似性和差异性。
基因进化树将不同物种的基因序列联系起来，有助于将不同的有机体归类和分析它们之间的关系，以更好地反映生命的本质和分类学。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
系统进化树构建及数据分析的简介Posted on 08 六月2009 by 柳城，阅读1,278 简洁版繁體一、引言开始动笔写这篇短文之前，我问自己，为什么要写这样的文章？写这样的文章有实际的意义吗？我希望能够解决什么样的问题？带着这样的疑惑，我随手在丁香园（DXY）上以关键字“进化分析求助”进行了搜索，居然有289篇相关的帖子（2006年9月12日）。
而以关键字“进化分析”和“进化”为关键字搜索，分别找到2,733和7,724篇相关的帖子。
考虑到有些帖子的内容与分子进化无关，这里我保守的估计，大约有3,000~4,000篇帖子的内容，是关于分子进化的。
粗略地归纳一下，我大致将提出的问题分为下述的几类：1．涉及基本概念例如，“分子进化与生物进化是不是一个概念”，“关于微卫星进化模型有没有什么新的进展”以及“关于Kruglyak的模型有没有改进的出现”，等等。
2．关于构建进化树的方法的选择例如，“用boostrap NJ得到XX图，请问该怎样理解？能否应用于文章？用boostrap test中的ME法得到的是XXX树，请问与上个树比，哪个更好”，等等。
3．关于软件的选择例如，“想做一个进化树，不知道什么软件能更好的使用且可以说明问题，并且有没有说明如何做”，“拿到了16sr RNA数据，打算做一个系统进化树分析，可是原来没有做过这方面的工作啊，都要什么软件”，“请问各位高手用ClustalX做出来的进化树与phylip做的有什么区别”，“请问有做过进化树分析的朋友，能不能提供一下，做树的时候参数的设置，以及代表的意思。
还有各个分支等数值的意思，说明的问题等”，等等。
4．蛋白家族的分类问题例如，“搜集所有的关于一个特定domain的序列，共141条，做的进化树不知具体怎么分析”，等等。
5．新基因功能的推断例如，“根据一个新基因A氨基酸序列构建的系统发生树，这个进化树能否说明这个新基因A和B同源，属于同一基因家族”，等等。
6．计算基因分化的年代例如，“想在基因组水平比较两个或三个比较接近物种之间的进化年代的远近，具体推算出他们之间的分歧时间”，“如何估计病毒进化中变异所需时间”，等等。
7．进化树的编辑例如生成的进化树图片，如何进行后续的编辑，比如希望在图片上标注某些特定的内容，等等。
由于相关的帖子太多，作者在这里对无法阅读全部的相关内容而致以歉意。
同时，作者归纳的这七个问题也并不完全代表所有的提问。
对于问题1所涉及到的基本的概念，作者推荐读者可参考由Masatoshi Nei与Sudhir Kumar所撰写的《分子进化与系统发育》（Molecular Evolution and Phylogenetics）一书，以及相关的分子进化方面的最新文献。
对于问题7，作者之一lylover一般使用Powerpoint进行编辑，而Photoshop、Illustrator及Windows自带的画图工具等都可以使用。
这里，作者在这里对问题2-6进行简要地解释和讨论，并希望能够初步地解答初学者的一些疑问。
二、方法的选择首先是方法的选择。
基于距离的方法有UPGMA、ME（Minimum Evolution，最小进化法）和NJ（Neighbor-Joining，邻接法）等。
其他的几种方法包括MP（Maximum parsimony，最大简约法）、ML（Maximum likelihood，最大似然法）以及贝叶斯（Bayesian）推断等方法。
其中UPGMA法已经较少使用。
一般来讲，如果模型合适，ML的效果较好。
对近缘序列，有人喜欢MP，因为用的假设最少。
MP一般不用在远缘序列上，这时一般用NJ或ML。
对相似度很低的序列，NJ往往出现Long-branch attraction（LBA，长枝吸引现象），有时严重干扰进化树的构建。
贝叶斯的方法则太慢。
对于各种方法构建分子进化树的准确性，一篇综述（Hall BG. Mol Biol Evol 2005, 22(3):792-802）认为贝叶斯的方法最好，其次是ML，然后是MP。
其实如果序列的相似性较高，各种方法都会得到不错的结果，模型间的差别也不大。
对于NJ和ML，是需要选择模型的。
对于各种模型之间的理论上的区别，这里不作深入的探讨，可以参看Nei的书。
对于蛋白质序列以及DNA序列，两者模型的选择是不同的。
以作者的经验来说，对于蛋白质的序列，一般选择Poisson Correction（泊松修正）这一模型。
而对于核酸序列，一般选择Kimura 2-parameter（Kimura-2参数）模型。
如果对各种模型的理解并不深入，作者并不推荐初学者使用其他复杂的模型。
Bootstrap几乎是一个必须的选项。
一般Bootstrap的值>70，则认为构建的进化树较为可靠。
如果Bootstrap的值太低，则有可能进化树的拓扑结构有错误，进化树是不可靠的。
对于进化树的构建，如果对理论的了解并不深入，作者推荐使用缺省的参数。
需要选择模型的时候（例如用NJ或者ML建树），对于蛋白序列使用Poisson Correction模型，对于核酸序列使用Kimura-2参数模型。
另外需要做Bootstrap检验，当Bootstrap值过低时，所构建的进化树其拓扑结构可能存在问题。
并且，一般推荐用两种不同的方法构建进化树，如果所得到的进化树类似，则结果较为可靠。
三、软件的选择表1中列出了一些与构建分子进化树相关的软件。
构建NJ树，可以用PHYLIP（写得有点问题，例如比较慢，并且Bootstrap检验不方便）或者MEGA。
MEGA是Nei开发的方法并设计的图形化的软件，使用非常方便。
作者推荐MEGA 软件为初学者的首选。
虽然多雪列比对工具ClustalW/X自带了一个NJ的建树程序，但是该程序只有p- distance模型，而且构建的树不够准确，一般不用来构建进化树。
构建MP树，最好的工具是PAUP，但该程序属于商业软件，并不对学术免费。
因此，作者并不建议使用PAUP。
而MEGA和PHYLIP也可以用来构建进化树。
这里，作者推荐使用MEGA来构建MP树。
理由是，MEGA是图形化的软件，使用方便，而PHYLIP则是命令行格式的软件，使用较为繁琐。
对于近缘序列的进化树构建，MP方法几乎是最好的。
构建ML树可以使用PHYML，速度最快。
或者使用Tree-puzzle，速度也较快，并且该程序做蛋白质序列的进化树效果比较好。
而PAML则并不适合构建进化树。
ML的模型选择是看构出的树的likelihood值，从参数少，简单的模型试起，到likelihood值最大为止。
ML也可以使用PAUP或者PHYLIP来构建。
这里作者推荐的工具是BioEdit。
BioEdit集成了一些PHYLIP的程序，用来构建进化树。
Tree- puzzle是另外一个不错的选择，不过该程序是命令行格式的，需要学习DOS命令。
PHYML的不足之处是没有win32的版本，只有适用于64位的版本，因此不推荐使用。
值得注意的是，构建ML树，不需要事先的多序列比对，而直接使用FASTA格式的序列即可。
贝叶斯的算法以MrBayes为代表，不过速度较慢。
一般的进化树分析中较少应用。
由于该方法需要很多背景的知识，这里不作介绍。
表1 构建分子进化树相关的软件软件网址说明ClustalX http://bips.u-strasbg.fr/fr/Documentation/ClustalX/ 图形化的多序列比对工具ClustalW /biosi/resear ... loads/clustalw.html 命令行格式的多序列比对工具GeneDoc /biomed/genedoc/ 多序列比对结果的美化工具（可以导入fasta格式的文件，出来的图可用于发表，我用过）BioEdit /BioEdit/bioedit.html 序列分析的综合工具MEGA / 图形化、集成的进化分析工具，不包括MLPAUP / 商业软件，集成的进化分析工具PHYLIP /phylip.html 免费的、集成的进化分析工具PHYML http://atgc.lirmm.fr/phyml/ 最快的ML建树工具PAML /software/paml.html ML建树工具Tree-puzzle http://www.tree-puzzle.de/ 较快的ML建树工具MrBayes / 基于贝叶斯方法的建树工具MAC5 /software/mac5/ 基于贝叶斯方法的建树工具TreeView /rod/treeview.html 进化树显示工具（加红色标注的为最通用的分析软件）需要注意的几个问题是，其一，如果对核酸序列进行分析，并且是CDS编码区的核酸序列，一般需要将核酸序列分别先翻译成氨基酸序列，进行比对，然后再对应到核酸序列上。
这一流程可以通过MEGA 3.0以后的版本实现。
MEGA3现在允许两条核苷酸，先翻成蛋白序列比对之后再倒回去，做后续计算。
其二，无论是核酸序列还是蛋白序列，一般应当先做成FASTA格式。
FASTA格式的序列，第一行由符号“>”开头，后面跟着序列的名称，可以自定义，例如user1，protein1等等。
将所有的FASTA格式的序列存放在同一个文件中。
文件的编辑可用Windows自带的记事本工具，或者EditPlus（google搜索可得）来操作。
另外，构建NJ或者MP树需要先将序列做多序列比对的处理。
作者推荐使用ClustalX进行多序列比对的分析。
多序列比对的结果有时需要后续处理并应用于文章中，这里作者推荐使用GeneDoc工具。
而构建ML树则不需要预先的多序列比对。
因此，作者推荐的软件组合为：MEGA + ClustalX + GeneDoc + BioEdit。
四、数据分析及结果推断一般碰到的几类问题是，（1）推断基因/蛋白的功能；（2）基因/蛋白家族分类；（3）计算基因分化的年代。
关于这方面的文献非常多，这里作者仅做简要的介绍。
推断基因/蛋白的功能，一般先用Blast工具搜索同一物种中与不同物种的同源序列，这包括直向同源物（ortholog）和旁系同源物（paralog）。
如何界定这两种同源物，网上有很多详细的介绍，这里不作讨论。
然后得到这些同源物的序列，做成FASTA格式的文件。
一般通过NJ构建进化树，并且进行Bootstrap分析所得到的结果已足够。
如果序列近缘，可以再使用MP构建进化树，进行比较。
如果序列较远源，则可以做ML树比较。
使用两种方法得到的树，如果差别不大，并且Bootstrap总体较高，则得到的进化树较为可靠。
基因/蛋白家族分类。
这方面可以细分为两个问题。
一是对一个大的家族进行分类，另一个就是将特定的一个或多个基因/蛋白定位到已知的大的家族上，看看属于哪个亚家族。