RAxMLとFastTree：大規模な最尤系統推定のための2つの方法の比較

系統推定における統計的方法、特に最尤法（ML）は、高い精度と優れた理論的特性を提供します。しかしながら、現在の大規模ML推定の主要な方法であるRAxMLは、数千の分子配列を含むデータセットで使用すると、数週間以上かかる場合があります。ML推定のためのより高速な方法として、FastTreeなども開発されていますが、RAxMLに対する相対的な性能はまだ完全には理解されていません。本研究では、FastTreeとRAxMLのパフォーマンスを、数千のアライメント（シミュレーションデータセットおよび生物学的ヌクレオチドデータセットに基づく）に対して、MLスコア、実行時間、トポロジーの精度の観点から探求します。RAxMLとFastTreeが同じ実行時間に制約されるとき、FastTreeはほぼすべてのケースでトポロジー的にはるかに正確な系統樹を生成することがわかります。また、RAxMLが完了するまで実行されると、MLスコアの観点でFastTreeに対して優位性を示しますが、実質的により正確な系統樹のトポロジーは生成しません。興味深いことに、FastTreeとRAxMLを使用して計算された系統樹の相対的な正確性は、配列アライメントの精度とデータセットのサイズにも部分的に依存するため、FastTreeは比較的正確でないアライメントを持つ大規模なデータセットではRAxMLよりも正確である可能性があります。最後に、RAxMLとFastTreeの実行時間は大きく異なるため、完了するまで実行されると、RAxMLはFastTreeよりも数桁長くかかる場合があります。したがって、本研究は非常に大きな系統樹がFastTreeを使用して非常に迅速に推定でき、RAxMLと比較して系統樹の精度がほとんど（場合によってはまったく）低下しないことを示しています。