系統樹メーカー AI搭載

系統樹の種類

• 有根系統樹 — すべての分類群の最も最近の共通祖先を表す単一の祖先ノード（根）を持つ；進化の方向は根から先端へ流れる
• 無根系統樹 — 共通祖先や進化の方向を特定せずに分類群間の関係を示す；近隣結合法や最尤法で一般的に作成される
• 分岐図（クラドグラム） — 枝の長さは均一で情報を持たない；共有派生形質を示すためにトポロジー（分岐パターン）のみが重要
• 系統距離図（フィログラム） — 枝の長さは進化的変化の量に比例する（例：サイトあたりの塩基置換数）
• 年代記系統樹（クロノグラム） — 枝の長さは時間に比例し、先端は現在に揃えられる；化石記録や分子時計の推定を使用して較正される
• 円形（放射状）系統樹 — 多数の分類群を効率的に表示するために円形レイアウトで描かれた有根系統樹；メタゲノミクスや比較ゲノミクスで一般的に使用される

系統樹の読み方

系統樹を正しく読むには、先端の分類群の順序ではなく、分岐のパターンに注目する必要があります。2つの分類群は、他の分類群を除外するより最近の共通祖先（ノード）を共有している場合に最も近縁です。ノード周りの枝の回転は進化的関係を変えません — トポロジーのみが重要です。ブートストラップ値（通常0-100）またはノードの事後確率は、その特定の分岐配置に対する統計的支持を示します。より高い値は、グループ分けが正しいという確信がより強いことを意味します。フィログラムにおける枝の長さは進化的変化の量を表し、より長い枝はより大きな遺伝的分岐を示します。スケールバーは、ヌクレオチドサイトあたりの置換数などの測定単位を示します。外群 — 関心のあるグループの外にあることが知られている分類群 — は、系統樹を根付かせて進化の方向を確立するために使用されます。

分子系統学の手法

• 配列アラインメント — 最初のステップとして、MUSCLE、MAFFT、ClustalWなどのツールを使用して相同なDNA、RNA、またはタンパク質配列を整列させ、保存された位置と可変位置を特定する
• 距離法 — ペアワイズの進化的距離を計算し、それに応じて分類群をクラスター化する；近隣結合法（NJ）は高速で探索的分析に広く使用される
• 最大節約法 — 観察された配列データを説明するために最小の進化的変化を必要とする系統樹を見つける；近縁な分類群に効果的
• 最尤法（ML） — 系統樹トポロジーと置換モデルを前提として配列データの確率を評価する；統計的に厳密だが計算コストが高い（例：RAxML、IQ-TREE）
• ベイズ推定 — マルコフ連鎖モンテカルロ（MCMC）サンプリングを使用して、データと事前モデルを前提として系統樹トポロジーの事後確率を推定する（例：MrBayes、BEAST）
• ブートストラップ解析 — 各ノードの頑健性を評価するためにアラインメントの列を復元抽出で再サンプリングする；70-80%以上の値は一般的によく支持されているとみなされる

生物学研究における応用

• 分類学と系統学 — 表面的な類似性ではなく進化的関係に基づいて生物を分類し、分類学的命名法を改訂する
• 疫学と公衆衛生 — 病原体の起源と拡散を追跡し、人獣共通感染症の波及イベントを特定し、ウイルス変異体の進化をリアルタイムで監視する
• 保全生物学 — 進化的に特異で世界的に絶滅危惧（EDGE）種を特定し、保全努力の優先順位を決め、系統的多様性を最大限に保全する
• 創薬と機能ゲノミクス — 系統学的オルソロジーを通じて遺伝子とタンパク質の機能を予測し、種を超えた薬物ターゲットの探索を導く
• 生物地理学と古生物学 — 祖先の地理的分布域を再構築し、化石較正点を統合して進化イベントの年代を推定する
• メタゲノミクスとマイクロバイオーム研究 — 16S/18S rRNA系統樹を使用して微生物群集を分類し、生態的群集構造を理解する