montreal 生信人 2018-02-05
相信很多朋友在研究中都遇到过有关进化树作图的问题。从本期开始，我将为大家带来进化树作图系列专题，希望能对有着不同专业背景的读者在进化树作图（请注意不是建树）方面有所帮助。
想必大家都知道Newick格式是目前进化树做常用到的一种格式了。比如，对于下面这棵树：
小编作图，欢迎转载或修改
用Newick格式来表示，就是：(A,(B,(C,D)))。很简洁吧？目前，作为最常使用的进化树格式，Newick在各种作图软件中得到了广泛应用。本文将首先回溯历史，带你了解Newick的前世今生。
时光回转三十年。1986年6月26日，美国新罕布什尔州多佛市（Dover，New Hampshire）的一家龙虾馆里，七位科学家一边吃着美味的龙虾，一边书写下了分子进化领域浓墨重彩的一笔。对于这次会议，能找到的资料极为有限，但其结果却对整个系统发育学（phylogenetics）产生了重要的影响。因为正是在这次会议中诞生了一种全新的、用字符与括号来对进化树进行描述的格式。这次在新罕布什尔的会议实际上由一系列非正式的讨论构成，而最后一次讨论（还有第二次讨论）正是在一家名为Newick’s Lobster House的龙虾馆举行，也许是龙虾鲜美令人难以忘怀的缘故，大家决定用Newick龙虾馆来命名这种格式（学界也称之为New Hampshire format）[1]。
BTW；这家建于1948年的龙虾馆至今仍在营业。听去过的人说味道确实不错，推荐fried oysters和Gulf shrimp，大家有兴趣可以去尝下鲜，地址：Address: 431 Dover Point Road, Dover, NH 03820。
从此，Newick从新罕布什尔的龙虾馆慢慢走入世界各大学的图书馆，尽管从未在正式文献中被专门论述过[1]。七位与会嘉宾都是当时分子进化和计算机学界的翘楚，让我们看看他们都是谁：James Archie, William Day, Joe Felsenstein，Wayne Maddison, Christopher Meacham, F. James Rohlf, David Swofford [1]。没听说过？没关系，其中的几位在下文和本系列专题后续的文章中还会多次出现。多说一句，本次会议的发起人[1]、著名分子进化学家，时任华大西雅图（University of Washington, Seattle）遗传系教授的Joseph Felsenstein还有一位亲弟弟，Lee Felsenstein，是一位知名的电子工程师，对于PC的早期发展有巨大贡献[2]，大家不要搞混。
针对Newick格式，需要注意的是不同的树会有多种的Newick格式对应 [1]。让我再回到本文开始的例子：
以下三种方式：(A,(B,(C,D)))，(A,(B,(D,C)))，(A,((C,D),B))，都可以表示这棵树。此外，实际应用中很多的树是无法定根的（rooted）。这里所谓的“根”就是祖先，不能定根也就是我们无法知晓祖先在哪（如图所示，1、2还是3）。用Newick来表示的时候，一般的原则是人为地定一个根。还是上面这棵树，如果对于一棵不定根的树（unrooted tree），那么(A,(B,(C,D)))，((C,D),(B,A))和(D,(C,(B,A)))表示的都是同一棵不定根树（unrooted tree）[1]。
Newick的独角戏唱了一年，就迎来了竞争对手Nexus，一种包含有多种信息并以模块化存储的新格式。与Newick不同，Nexus有一篇在正式期刊发表的文章，专门介绍这种格式。这篇文章于1997年刊载在分子进化和系统分类学（systematics）顶级期刊Systematic Biology上，尽管此前Nexus已在多种软件中（比如MacClade 3和PAUP 3）被使用[3] 。
作者的名字眼熟吗？对，其中的David Swofford和Wayne Maddison，正是当年新罕布什尔“龙虾七子”中的两位。不过为什么排在第一位的也叫Maddison？莫非？
你没有猜错，这两个Maddison是亲兄弟，而且还是双胞胎！至于哪个是哥哥，哪个是弟弟，有了解的读者欢迎在后面留言，反正我是分不出，请见下图：
Copyright: Wayne Maddison Lab, CC 3.0
BTW：Maddison兄弟之前都在亚利桑那大学（University of Arizona）做老师，其间经常被人搞混，甚至自己的学生也无法分辨。时常有人向哥哥咨询一件事，几天后却向弟弟询问结果，搞得对方一头雾水。后来也许是大家实在受不了，Wayne Maddison遂改换门庭，去往加拿大的英属哥伦比亚大学（University of British Columbia）任教。
作者在文中明确指出了发明Nexus格式旨在提供一种具有延展性（expandability），包容性（inclusivity），可移植性（portability），以及可操作性（processibility）的格式。而这些特性的实现，最重要的就是Nexus模块（modularity）的设计。让我们看一个示例：
小编作图，欢迎转载或修改
这里面的内容确实不少。不过请注意，Nexus对于树的描述（或者说tree block），实际上和Newick如出一辙，所以严格地说，在描述进化树方面，它没有任何创新，只是照搬Newick格式。
有趣的是，上面提及的这几位在进化树格式发展史中具有里程碑意义的人物——Newick龙虾馆会议的组织者Joseph Felsenstein，Nexus格式的发明者David Swofford和Maddison兄弟——分别摘取了第二、第一和第五第六届系统分类学家（systematic biologist）主席终身成就奖（Presidents' Award for Lifetime Achievement）[4]。该奖由系统分类学家协会（Society for Systematic Biologists）每隔三年或以上颁发一次，迄今只有六位得主，堪称系统分类学界最高荣誉[4]。当然，这绝不仅是对于Newick和Nexus的嘉奖。几位科学家的贡献还有很多，比如三个著名的进化软件：Phylip、PAUP和Mesquite，也正分别出自他们之手。
Nexus虽然与Newick同出一源，却由于其更加丰富的内容和复杂的模块化结构，使得很多软件中两者不能兼容：前者有PAUP，Mesquite和MrBayes这样的拥趸，而后者也得到了Phylip，MEGA以及RAxML等软件的青睐。时至今日，如果把两种格式的名字同时输入谷歌搜索框，得到的几乎都是“How to convert nexus files to Newick format?”之类的提问。
Newick和Nexus的二人转在2009年终于迎来了搅局者，它就是phyloXML，一种基于XML并整合了树和其他相关数据的新格式。在phyloXML里，不同的属性用<property>…</property>的方式描述，而XML良好的扩展性也使得phyloXML有着更灵活的设计方式[5]。可以说，这种格式是同Newick有着鲜明区别的、也是真正意义上的一种新的进化树格式。该文作者，美国桑福德-伯纳姆医学研究所（Sanford-Burnham Medical Research Institute）的剥尸猴Christian Zmasek和来自印第安纳大学布鲁明顿分校（Indiana University, Bloomington）的Mira Han，在文中强调，生物学的飞速发展和研究的日益深入使得人们有必要将包括物种、基因名、枝长（branch length）、甚至是成种事件（speciation）等广泛信息整合到进化树中，并以一种全新的格式呈现出来。于是二人一道开发了phyloXML。下图（左）展示了一个包含有多种信息的phyloXML文件。下图（右）则是基于phyloXML的一棵包含物种信息和蛋白质结构域信息的树。
phyloXML近年来不断完善，现已被包括iTOL在内的许多作图工具所采用，并得到了BioPerl和BioPython的支持，有着越来越广泛的使用群体，与Newick和Nexus渐成三足鼎立之势。有兴趣的读者可以前往phyloXML的大本营http://www.phyloxml.org———看看关于phyloXML更多的内容。
除了上述三种进化树格式之外，还有其他的一些“小众”群体。由于篇幅所限不再一一介绍。本期内容至此介绍完毕，有问题的朋友欢迎在下方留言。预知后续内容，请锁定生信人公众号。
参考资料
http://evolution.genetics.washington.edu/phylip/newicktree.html
https://en.wikipedia.org/wiki/Lee_Felsenstein
Maddison, D. R., Swofford, D. L. and Maddison, W. P. (1997), Nexus: An extensible file format for systematic information. Syst. Biol., 46:590–621.
http://www.systbio.org/presidents-award.html
Han M.V. and Zmasek C.M. (2009) phyloXML: XML for evolutionary biology and comparative genomics. BMC Bioinformatics, 10:356.
作者原创，原载于生信人微信公众号
网友评论