Zur Interpretation von Bootstrap-Bäumen: Angemessene Schwelle der Kladenwahl und induzierter Gewinn

In dieser Studie beschäftigen wir uns mit dem Problem der Interpretation eines Bootstrap-Baums. Das Hauptproblem besteht darin, die Schwelle für die Kladenwahl zu wählen, um zuverlässige Kladen von unzuverlässigen zu trennen, abhängig von ihrem Bootstrap-Anteil. Diese Schwelle hängt von der gewählten Fehlermessung ab. Wir untersuchen Fehlermessungen, die aus einer Verallgemeinerung der Distanz von Robinson und Foulds (1981) stammen, die verwendet wird, um die Divergenz zwischen der wahren Phylogenie und den geschätzten Bäumen zu quantifizieren. Wir schlagen zwei analytische Näherungen für die optimale Schwelle der Kladenwahl vor, um den Bootstrap-Baum zu interpretieren (d.h. zu reduzieren). Wir haben umfangreiche Simulationen entlang der Linien von Kuhner und Felsenstein (1994) unter Verwendung der Nachbarverknüpfungs- und der Maximum-Parsimony-Methoden durchgeführt. Diese Simulationen zeigen, dass unsere Annäherungen nur geringe Qualitätsverluste im Vergleich zur optimalen Schwelle aufweisen, die aus empirischen Beobachtungen resultiert. Als Nächstes haben wir die Fehlerreduktion gemessen, die erreicht wird, wenn die wahre Phylogenie durch den ordnungsgemäß reduzierten Bootstrap-Baum und nicht durch den vollständigen Originalbaum, der mit einer klassischen Baumkonstruktionsmethode erhalten wurde, geschätzt wird. Unsere Simulationen zu kurzen Sequenzen zeigen, dass eine Fehlerreduktion von 39 % mit der Parsimonie-Methode und eine Fehlerreduktion von 33 % mit der Distanzmethode erreicht wird, wenn der Fehler mit der Standarddistanz von Robinson und Foulds gemessen wird. Die beobachtete Fehlerreduktion stammt von einem wichtigen Rückgang des Typ-I-Fehlers (falsche Schlussfolgerungen), während der Typ-II-Fehler (ausgelassene korrekte Kladen) nur geringfügig erhöht ist. Eine größere Fehlerreduktion wird erreicht, wenn kürzere Sequenzen verwendet werden und wenn dem Typ-I-Fehler mehr Gewicht beigemessen wird als dem Typ-II-Fehler. Um die Ursachen des Fehlers aus einer anderen Perspektive zu untersuchen, schlagen wir eine allgemeine Zerlegung der Erwartung des Fehlers in zwei Begriffe der Verzerrung und einen der Varianz vor. Die Ergebnisse für diese Begriffe zeigen, dass durch den Bootstrap-Prozess keine grundlegende Verzerrung eingeführt wird, die einzige Quelle der Verzerrung strukturell ist (mangelnde Auflösung). Darüber hinaus wird die Varianz in den Schätzungen erheblich reduziert, was eine weitere Erklärung für die besseren Ergebnisse des reduzierten Bootstrap-Baumes im Vergleich zur Schätzung des ursprünglichen Baumes liefert.