1. 사용 된 데이터 :
* 다른 데이터 유형 : 다른 데이터 유형 (예 :형태 대 DNA 서열)을 사용한 분석은 다른 문자가 다른 계통 발생 신호를 제공하기 때문에 다른 트리 토폴로지로 이어질 수 있습니다.
* 다른 데이터 서브 세트 : 동일한 데이터 유형을 사용하더라도 다른 문자의 서브 세트 (예 :모든 유전자 대신 단백질 코딩 유전자 만 사용)를 분석하면 다른 결과를 초래할 수 있습니다.
* 다른 데이터 품질 : 데이터의 오류 (예 :분류군의 잘못 식별, 시퀀싱 오류)는 결과에 영향을 줄 수 있습니다.
2. 분석 방법 :
* 다른 계통 발생 학적 방법 : 다른 방법은 캐릭터 진화가 어떻게 발생하는지에 대해 다른 가정을 만듭니다. 예를 들어, 파시몬, 최대 가능성 및 베이지안 추론은 다른 최적 기준을 사용하여 다른 나무 토폴로지로 이어질 수 있습니다.
* 다른 모델 매개 변수 : 동일한 방법 내에서도 다른 모델 매개 변수 (예 :진화 속도, 대체 모델)가 결과에 영향을 줄 수 있습니다.
* 다른 검색 알고리즘 : 최고의 트리를 검색하는 데 사용되는 특정 알고리즘은 결과에 영향을 줄 수 있습니다. 일부 알고리즘은 글로벌 최적보다는 로컬 Optima를 찾을 가능성이 높습니다.
3. 생물학적 요인 :
* 수평 유전자 전달 : 어떤 경우에는 유전자가 관련없는 종 사이에서 수평으로 전달 될 수 있습니다. 이것은 단일의 정확한 나무를 추론하기가 어려울 수 있습니다.
* 불완전한 계보 분류 : 밀접하게 관련된 종이 빠르게 분기되면, 일부 조상 다형성이 다른 계통에 유지되어 계통 발생 신호가 오도된다.
* 수렴 진화 : 유사한 특성은 유사한 환경 압력으로 인해 다른 계보에서 독립적으로 진화 할 수있어 상 동성을 동종 성과를 구별하기가 어렵습니다.
4. 확률 론성 :
* 계통 발생 학적 추론은 확률 론적이다 : 동일한 데이터와 방법을 사용하더라도, 유추 된 관계에는 항상 어느 정도의 불확실성이 있으며, 특히 데이터가 제한되어 있습니다. 이 고유 한 확률 론성은 다른 나무 토폴로지로 이어질 수 있습니다.
요약 :
다른 트리 토폴로지는 데이터, 분석 방법, 생물학적 과정 및 고유 한 확률 론성과 관련된 요인의 복잡한 상호 작용으로 인해 발생할 수 있습니다. 계통 발생 학적 결과를 해석 할 때 이러한 모든 요소를 고려하고 단일 분석의 한계를 알고 있어야합니다.
