1.进化树的概念

系统发育或系统发育树，是物种间、基因间、群体间乃至个体间谱系关系的一种表现形式。
Node:分支的连接点或者分枝的尖端都称为节点。内部节点连接分枝，外部节点代表分类单元。
Clade：一个祖先节点及其所有后代节点的组合称为一个分枝。
Branch Length：分枝长度，大多数情况下是分歧度，代表突变的累积。

根据是否指定了根节点，系统发育树可以分为有根树和无根树
无根树没有指定祖先节点，只能看出各个节点的拓扑结构和相对距离
有根数指定了根节点，反映了树上物种或基因的时间顺序，一般采用外群定根法，建树时引入亲缘关系较远的物种作为外群来定根
无根树
有根树

2.常用的建树方法

基于距离：
邻接法NJ（邻接连接将距离矩阵作为输入，指定每对分类群之间的距离。该算法以完全未解析的树开始，其拓扑对应于星型网络的拓扑，并迭代地将相邻点合并成新的点（相邻是指两个分类单位在某一无根分叉树中仅通过一个节点相连），直到树完全解析并且所有分支长度都已知。）
基于特征/性状：
最大简约法MP（计算所有可能的拓扑结构；计算出所需替代数最小的那个拓扑结构，作为最优树。）

最大似然法ML（选取一个特定的替代模型来分析给定的一组序列数据，使得获得的每一个拓扑结构的似然率都为最大值，然后再挑出其中似然率最大的拓扑结构作为最优树）

贝叶斯推算（用于枝长和后验概率联合计算）

3.软件和数据准备

软件：plink、phylip、tassel（用于格式转换）
数据：all.vcf、�all.LDfilter.vcf

4.构建进化树

进化树反映群体间个体的谱系关系，由于群体SNP位点一般较多，大多数项目中采用邻接法构树，也有部分项目使用最大似然法。

4.1SNP数据过滤

这一步过滤是为了保留高质量和多态性比较高的位点做后续的分析

#过滤missing和次等位基因频率 
plink --vcf  all.vcf  \
--geno 0.1  \#设置缺失率阈值
--maf 0.01  \#设置maf阈值
--out all.missing_maf  \#输出文件前缀
--recode vcf-iid   \#输出文件格式
--allow-extra-chr  \#允许其他格式序列名称
--set-missing-var-ids @:#  \#设置snp id名称
--keep-allele-order

#生成需要保留的位点文件
plink --vcf  all.missing_maf.vcf  \
--indep-pairwise 50 10 0.2  \ #LD过滤阈值
--out tmp.ld   \
--allow-extra-chr  \
--set-missing-var-ids @:#

#过滤 LD
plink --vcf  all.missing_maf.vcf  
--make-bed   \
--extract tmp.ld.prune.in   \
--out all.LDfilter  \
--recode vcf-iid  \
--keep-allele-order  \
--allow-extra-chr  \
--set-missing-var-ids @:#

最终文件：all.LDfilter.vcf

4.2使用 phylip软件 NJ 法构树

#将vcf转为phylip格式文件
run_pipeline.pl -Xms1G -Xmx5G  \
-importGuess  ./all.LDfilter.vcf  \
-ExportPlugin \
-saveAs sequences.phy \
-format Phylip_Inter

#生成dnadist需要的配置文件
echo -e "sequences.phy\nY" > dnadist.cfg

#运行dnadist生成距离矩阵文件
dnadist < dnadist.cfg  >dnadist.log

#生成neighbor程序需要的配置文件
mv outfile infile.dist
echo -e "infile.dist\nY"  > neighbor.cfg

#构建nj树
neighbor  <  neighbor.cfg  >nj.log

#整理结果格式
less infile.dist | tr '\n' '|'| sed 's/| / /g' | tr '|' '\n' >infile.dist.table
less outtree | tr '\n' ' '|sed 's/ //g' > outtree.nwk

结果文件：outtree.nwk

构建好的进化树以文本格式存储，可以使用各种进化树美化软件进行美化，如figtree、mega、ITOL、Evolview等等。