[发明专利]一种基于动态多目标优化的系统发育树构建方法

说明书

本发明公开了一种基于动态多目标优化的系统发育树构建方法，首先，通过在含有标准树的多组形态学数据上进行单目标优化建树，得到不同类型数据与优化目标之间的对应关系。进而在单目标建树无法处理树冲突的情况下根据数据类型动态选择多个最优单目标进行融合，采用多目标优化算法，结合非支配排序与遗传算法进行系统发育树构建，最终对含有缺失和不可适用的数据构建出在多个目标下最优的系统发育树集合。该方法为形态学数据提供了新方法，相比基于单个目标优化的谱系树构建方法，有效的解决了古生物形态学数据谱系树构建过程中存在的缺失和不可适用以及在多个评价指标下出现冲突的问题，提高了物种谱系分析的准确率和稳定性。

技术领域

本发明属于生物信息学技术领域，涉及一种基于动态多目标优化的系统发育树构建方法。

背景技术

系统发育树构建是系统发育学研究结论的一种重要表现方式，且系统发育学是计算生物领域的一个重要的分支。系统发育树能够更直观且形象的表现出物种之间的亲缘以及进化关系，为人类研究生命的起源，发展以及未来提供重要的依据。目前对于系统发育分析主要分为两大分支，一种是研究现生的生物蛋白质分子以及核苷酸序列的分子生物系统发育分析，另一种是研究古生物形态学数据的形态学系统发育分析。本申请研究的是后者，即基于形态学数据的系统发育分析。

本申请所研究的对象是距离现在几亿年前的古生物，相较于现生生物能够提取出蛋白质核苷酸序列进行发育分析，对于古生物来说，它们存活的时间距离现在以及过去了几亿年，随着埋藏环境的变迁、以及风化、沙化等自然作用，化石中分子数据非常不稳定或者不复存在，因此研究者只能通过古生物学家提取出的形态学数据进行研究。

正因为化石中一系列不确定因素的存在，导致研究的形态学数据中存在缺失以及不可适用的问题(注：当物种中某个特征的不存在时，其子特征的取值此时会出现不可适用的问题)。这些问题数据会导致在构建系统发育树时，因为不能得到充分的信息而使得构建的系统发育树存在一定的偏差。常用的缺失数据处理的方法包括增加特征数量、直接删除缺失数据、缺失插补以及将缺失数据当作一种新的状态。

实践中，古生物学家在系统发育分析中有时会直接忽略缺失数据。并且，在构建系统发育树时，随着物种个数的增加，发育树拓扑结构呈指数增长，导致系统发育树构建的困难。

目前关于系统发育树构建的方法分为两类，一是基于距离的方法，二是基于最优原则方法。其中，基于距离的方法包括邻接法，UPGMA，WPGMA等；而基于最优原则的方法包括最大简约法，最大似然法和贝叶斯推断法。但是，所有的这些方法都是基于单一最优原则的建树方法。在实际的建树过程中，往往会考虑多个原则，但是对于同一谱系树，不同原则之间存在冲突的现象，给谱系树构建带来了困难。

发明内容

针对上述现有技术存在的缺陷或不足，本发明的目的在于，提供一种基于目标选择的多目标系统发育树构建方法，该方法解决了古生物形态学数据中存在的缺失和不可适用问题，同时也避免了不同建树原则下系统发育树存在冲突的问题。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于动态多目标优化的系统发育树构建方法，其特征在于，具体步骤如下：

步骤一，对于含有标准树的多组数据使用不同的基于单目标的系统发育树构建方法进行建树，并根据不同优化目标生成的树集合与标准树的RF距离进行目标的排序；

步骤二，通过将真实的古生物形态学数据与模拟数据进行匹配，针对匹配到的数据选取优化目标，动态地得到真实形态学数据的多目标优化建树中的优化目标；

步骤三，通过动态选取的优化目标、非支配排序以及遗传算法进行多目标系统发育树构建，选取最优系统发育树结果集合。

具体的，所述步骤一的实现方法是：