分子进化模型选择是分子进化、分子系统学研究领域的基础问题之一。不同的模型，可能会导致不同的分析结果。

在现代分子系统学、分子进化研究工作中，最大似然法和贝叶斯推断是文献中重构系统发育树的最主要的两种方法。在构树之前，研究人员一般都需要对比对后的多条基因序列进行最优进化模型选择。目前，通常使用的模型选择软件，如ModelTest等，包含似然比检验（LRT），赤池信息标准（AIC）和贝叶斯信息标准（BIC）等多种模型选择的统计标准。但一个比较令研究者困惑的问题是：根据什么统计标准，我们可以选出比较可靠的进化模型？

罗阿蓉博士等就分层似然比检验（hLRT）、赤池信息标准（AIC）、贝叶斯信息标准（BIC）和决策理论（DT）等四种现有的主要标准，分别对模拟数据进行了模型选择，并比较和分析了不同标准的准确性、精确性、差异度和选择偏向性。为了更好地研究并评估不同选择标准，我们针对广义时间可逆模型（GTR）的24个基本模式，模拟了33,600个数据。结果表明BIC和DT具有较高的准确性和精确性，是目前模型选择的最佳标准。结果同时显示：同样的数据，基于不同的选择标准经常会选择出不同的最优模型；其中hLRT和AIC的差异度最高，而BIC和DT之间的差异度则最小。选择偏向性结果表明：当真实模型含不变异位点这一参数时，hLRT的选择准确性较差；而BIC和DT则总是呈现相似的选择偏向性。

上述方法初步解决了这个问题。成果在在第六届亚太地区昆虫学大会上做了分组报告，并在BMC Evolutionary Biology发表了研究论文。在该工作中，作者首次针对普遍存在的进化模型选择问题，分析了不同标准的准确性、精确性、差异度和选择偏向性。在做模型选择分析时，建议BIC和DT应该作为首选的统计标准。论文发表后，得到同行广泛关注（下载6000多次，被引39次）。

附件：

A-Rong LUO et al. 2011. Performance of criteria for selecting evolutionary models in phylogenetics . BMC Evolutionary Biology 2010, 10:242.