博文

谈谈如何理解进化树上的 Bootstrap 值

已有 222 次阅读 2026-7-17 08:35 |系统分类:科研笔记

摘要

在分子系统学研究中，Bootstrap法被广泛用于评估进化树分支的可靠性。然而，学界常将其数值误解为分支“真实性”的后验概率。本文旨在厘清Bootstrap值的统计学本质——即对数据重抽样的稳定性度量，而非拓扑结构正确性的直接概率。系统阐述了Bootstrap的计算原理，剖析了高支持率伴随高错误风险的内在机制，并针对当前论文写作中常见的表述误区提出了规范化建议，以期提升系统发育结果解读的严谨性。

引言

系统发育推断（Phylogenetic inference）的核心目标在于重建生物类群间的演化历史。鉴于演化事件的不可重复性，评估推断结果的置信度成为关键环节。自Felsenstein（1985）将Bootstrap重抽样方法引入系统发育分析以来，节点支持率便成为衡量分支可靠性最为通用的指标。然而，将Bootstrap值直接等同于“该分支为真的概率”是目前学术界普遍存在的统计学误读。

这种概念混淆可能导致对演化关系的过度解读，甚至得出错误的生物学结论。本文将从统计学原理出发，深入探讨Bootstrap值在系统发育学中的确切含义及其局限性。

一、Bootstrap的统计学本质：非参数重抽样与稳定性评估

Bootstrap法的核心在于非参数重抽样。在系统发育分析中，其操作对象是多序列比对中的位点。

其算法逻辑遵循严格的频率学派框架：首先，从原始比对数据的 n个位点中，进行有放回的随机抽样，生成一个同样包含 n个位点的新数据集（伪样本）。在此过程中，原始数据中的某些位点可能被多次抽取，而另一些则可能被忽略。随后，利用相同的建树算法对该伪样本进行分析，生成一棵系统发育树。将上述过程重复数百至数千次，构建Bootstrap复树群。最终，将这些复树与主树的拓扑结构进行对比，统计特定节点在复树群中出现的频率，该频率即为Bootstrap值。

必须明确的是，Bootstrap值量化的是拓扑结构的稳定性。具体而言，它表示在现有数据矩阵的基础上，若采样误差或随机变异导致数据发生微小改变，该分支仍能保持一致的频度。它描述的是数据对分析结果扰动的敏感度，而非该分支在自然界中存在的客观概率。

二、常见误读与统计学悖论

学术界长期存在将Bootstrap值视作贝叶斯后验概率类似物的倾向，然而二者存在本质区别。贝叶斯PP基于贝叶斯定理，结合了先验概率与似然函数，其结果可被解释为给定数据和模型下事件发生的条件概率。相比之下，Bootstrap是一种频率学派的方法，其数值不具备直接的“概率”属性。

更为关键的是，Bootstrap的稳定性完全依赖于原始数据的质量。如果原始多序列比对存在系统误差，或者分析模型未能拟合真实的演化过程，Bootstrap会忠实地在这些“错误”的数据子集上进行抽样。这种情况下，一个错误的分支完全可能获得100%的支持率，即产生所谓的“虚假高支持”现象。反之，低Bootstrap值（如<70%）通常反映了数据中信噪比低，或者不同基因片段之间存在系统发育信号冲突，这可能源于不完全谱系分选或水平基因转移。因此，低支持率更多是指示了“证据不足”，而非“结论错误”。

三、影响Bootstrap值效度的关键因素

即便计算方法无误，多种因素仍可能导致Bootstrap值偏离真实的拓扑置信度。首先是长枝吸引，这是系统发育分析中最经典的陷阱。当两个独立进化的谱系因高速率演化积累了相似的平行突变时，它们可能在ML或MP方法中被错误地聚合，且这种错误聚合往往伴随着极高的Bootstrap支持率。其次是模型拟合度，进化模型的选择至关重要，若忽略了位点间进化速率的异质性，可能会导致支持率膨胀。此外，数据量的有效性亦不容忽视，序列长度的增加并不必然提高Bootstrap值的可靠性；如果增加的序列包含了大量饱和突变或保守无变异位点，其对系统发育信号的贡献极低，反而可能引入噪音。

四、写作中Bootstrap值的规范表述

Hillis和Bull（1993）提出的“70%阈值”是基于特定模拟条件下的经验法则，并非普适真理。随着基因组学的发展，多基因串联分析往往导致Bootstrap值普遍偏高，使得传统的阈值标准面临挑战。在学术论文撰写中，应避免对Bootstrap值进行过度解读，尤其需摒弃将其等同于正确率的表述。

对于高支持节点，不建议使用“Bootstrap值为100%证明了该分支的有效性”此类措辞，更严谨的表述应为：“该分支的单系性获得了最大似然法Bootstrap值100%的强力支持，表明其在数据重抽样检验下具有高度的拓扑稳健性。”针对中等支持率节点，应避免“85%的支持率意味着该关系有85%的概率为真”的错误推论，建议修改为：“该节点获得了中等的Bootstrap支持（BS=85%）。尽管具有一定提示性，但该拓扑结构仍需结合替代位点及其他重构方法的证据进行综合阐释。”而对于低支持率节点，切忌断言“低支持率表明该分支错误”，而应客观陈述：“较低的Bootstrap支持（BS<50%）反映了该特定关系下系统发育信号较弱或位点间存在潜在冲突，相关结论需持审慎态度。”

五、综合评估策略

单一的Bootstrap值不足以确立一个演化假说。严谨的系统发育研究应采用多证据综合验证策略。首要原则是检验方法一致性，即比较不同建树方法的结果是否收敛。其次，需关注基因一致性，利用基因树冲突检测工具评估不同基因座位间的信号差异。再者，应进行模型敏感性分析，测试更换不同进化模型对关键节点支持率的影响。最后，对于基因组数据，务必实施数据分区策略，允许不同区块拥有独立的进化模型，以更精确地捕捉异质性信号。

六、结语

Bootstrap值是评估系统发育推断稳健性的有力工具，但其本质是对现有数据稳定性的度量，而非对历史真相确证。研究者应当摒弃将Bootstrap值视为“真理标尺”的简单化思维，转而关注数据质量、模型选择与生物学逻辑的连贯性。唯有如此，系统发育学研究才能从单纯的数值博弈回归到对生命演化规律的深刻洞察。

参考文献

[1] Felsenstein, J. 1985. Confidence limits on phylogenies: an approach using the bootstrap.Evolution, 39(4): 783–791.

[2] Hillis, D. M., & Bull, J. J. 1993. An empirical test of bootstrapping as a method for assessing confidence in phylogenetic analysis.Systematic Biology, 42(2): 182–192.

[3] Efron, B., Halloran, E., & Holmes, S. 1996. Bootstrap confidence levels for phylogenetic trees.Proceedings of the National Academy of Sciences, 93(23): 13429–13434.

[4] Holmes, S. 2003. Bootstrapping phylogenetic trees: theory and methods.Statistical Science, 18(2): 241–255.

[5] Felsenstein, J. 1978. Cases in which parsimony or compatibility methods will be positively misleading.Systematic Zoology, 27(4): 401–410.

Minh, B. Q., Nguyen, M. A. T., & von Haeseler, A. 2013. Ultrafast approximation for phylogenetic bootstrap.Molecular Biology and Evolution, 30(5): 1188–1195.

[6] Hoang, D. T., Chernomor, O., von Haeseler, A., Minh, B. Q., & Vinh, L. S. 2018. UFBoot2: improving the ultrafast bootstrap approximation.

[7] IQ-TREE Documentation. Frequently Asked Questions: How do I interpret ultrafast bootstrap support values?

密码子生信云带您零基础做生信

现在，密码子·生信云上线了「单基因序列进化树构建（mafft+fasttree）」小工具，特别适合不想在本地配置复杂生信环境、需要快速出初步结果的朋友！

您仅需微信扫码注册一个账号，在相应界面提交待比对序列（fasta格式），并选择序列类型（核酸/蛋白），就能快速得到多序列比对结果和树文件。

小工具地址：

http://cloud2.mimazi.net:9001/tool/article-169.html

您还可以登录密码子生信云https://cloud.mimazi.net/，搜索“小工具中的关键字”或百度搜索“密码子生信云”，搜索小工具中的关键字，此外在密码子学院我们还提供进化树的构建方法以及进化树的美化加工等相关课程，课程从理论到实操，层层递进，学习更系统，全面覆盖所有实操要点，有助于大幅提升数据的视觉效果和解读价值，百度搜索密码子学院，搜索相关课程关键字即可学习。