PartitionFinder-mAIC: Phylogenetic Partitioning using Marginal Akaike Information Criterion

地球上的生命是一棵庞大且不断分支的家族树，科学家们花费大量时间试图正确地绘制这些分支。为了实现这一目标，他们研究植物、动物和微生物中的遗传密码，比较这些序列在数百万年间是如何变化的。然而，并非遗传序列的所有部分都以相同的速度或方式发生变化。有些区域就像坚固的老墙，几乎不发生移动；而另一些区域则像松动的砖块，频繁地倾倒和重组。由于这种多样性，研究人员不能将整个遗传序列视为一个单一、统一的整体。相反，他们必须将序列划分为更小的组，即“分区”（partitions），其中每一组都遵循其自身的一套进化规则。寻找这些部分分组的最佳方式至关重要：如果分组过于宽泛，分析会遗漏重要的细节；但如果分组过于细碎，模型就会因不必要的复杂性而变得混乱，从而导致对历史的理解产生偏差。

多年来，一种名为 PartitionFinder 的流行工具一直帮助科学家决定如何组织这些遗传部分。它利用数学评分将相似的组合并在一起，旨在寻找一种避免过度复杂化叙事的平衡点。这些评分传统上依赖于将部分分组视为既定事实的方法，即假设在计算最终的历史之前，边界已经固定不变。但一种新的方法表明，这种假设可能过于僵化。最近引入的一种被称为“边际赤池信息准则”（marginal Akaike information criterion, mAIC）的方法提出了不同的观点。该方法不再将分组锁定，而是通过对所有分区的模型进行数据似然性的平均，将边界视为流动的可能性。这种转变使模型能够更好地处理数据中固有的不确定性，从而可能为树状图的主干提供更清晰的视角。

在一项新进展中，研究人员将这种更灵活的方法引入了广泛使用的 IQ-TREE 软件中，并创建了一个名为 PartitionFinder-mAIC 的工具。通过将这种新的评分系统集成到现有算法中，团队测试了它是否能比传统方法产生更好的结果。他们使用广泛的模拟数据（在这些数据中，真实的家族树是已知的）以及现实世界的 DNA 和蛋白质序列对新工具进行了测试。结果显示，新方法一致地选择使用比旧方法更少的分区。该方法并没有将遗传数据拆分为许多细小且过度特定的组，而是发现更宽泛的分组足以解释进化模式。

当研究人员将这些发现应用于绿色植物的进化史时，其影响是显而易见的。由新方法生成的划分方案使得植物家族树中最重要的分支推断更加准确。这表明，通过允许模型考虑数据分组的更广泛的可能性，科学家可以避免“过拟合”的陷阱——即模型记住了数据中的噪声，而非学习真正的信号。该工具现已在最新版本的软件中开放给其他研究人员使用，为利用一种承认遗传进化流动性的方法来完善生命历史的地图提供了可能。