1. 什么是Neighbor-Joining算法?
我第一次接触Neighbor-Joining(NJ)算法是在研究生时期的生物信息学课上。当时教授在黑板上画了一个简单的距离矩阵,然后像变魔术一样把它变成了一棵进化树,让我对这个"神奇"的算法产生了浓厚兴趣。
NJ算法是一种自底向上的聚类方法,专门用于构建系统发育树(也就是常说的进化树)。它最大的特点是不需要假设所有分支都以相同速率进化(即不需要分子钟假设),这使得它在处理真实生物数据时特别实用。想象一下你要给一群动物画家谱,但它们的进化速度各不相同 - 这正是NJ算法大显身手的时候。
这个算法由Saitou和Nei在1987年提出,虽然已经有些年头了,但至今仍是生物信息学领域最常用的建树方法之一。原因很简单:它计算速度快,适合处理大量数据;而且不需要数据满足超度量条件(即不要求所有外部节点到根的距离相等)。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. NJ算法的工作原理
2.1 从距离矩阵开始
NJ算法的起点是一个距离矩阵,这个矩阵记录了每对分类单元(比如不同物种的基因序列)之间的进化距离。这些距离通常来自序列比对结果,比如用BLAST比对后计算得到的遗传距离。
举个例子,假设我们有6个物种(A-F),它们的距离矩阵可能长这样:
code复制 A B C D E F
A 0 5 4 7 6 8
B 5 0 7 10 9 11
C 4 7 0 7 6 8
D 7 10 7 0 5 9
E 6 9 6 5 0 8
F 8 11 8 9 8 0
这个矩阵告诉我们,比如物种A和B的距离是5,A和C的距离是4,依此类推。对角线上的0表示每个物种与自身的距离当然是0。
2.2 计算净分化距离
接下来,我们要计算每个分类单元的净分化距离(r值)。这个值表示某个分类单元与其他所有分类单元的总距离。计算公式很简单:
r(i) = Σ d(i,j),对所有j≠i
以物种A为例:
r(A) = d(A,B) + d(A,C) + d(A,D) + d(A,E) + d(A,F)
= 5 + 4 + 7 + 6 + 8
= 30
同理我们可以计算出所有物种的r值:
r(A)=30, r(B)=42, r(C)=32, r(D)=41, r(E)=34, r(F)=44
