原理

MrBayes基于贝叶斯定理：P(Tree|Data) ∝ P(Data|Tree) × P(Tree)。通过Metropolis-coupled MCMC（MCMCMC）运行多条马尔可夫链（冷链+加热链），加热链在参数空间中更自由地移动，冷热链间定期交换状态避免陷入局部最优。冷链采样收敛后的树集合即为后验概率分布，每个分支出现在树集合中的频率即为该分支的后验概率。

步骤

1. 数据准备

将FASTA比对转换为NEXUS格式（含MrBayes命令块），或用BEAUti生成后手动添加MrBayes块。数据分Partition（如密码子1+2/3位分开建模）。

2. 设置模型与先验

begin mrbayes;
  lset nst=6 rates=invgamma;
  prset statefreqpr=dirichlet(1,1,1,1);
  mcmc ngen=10000000 samplefreq=1000 nchains=4 nruns=2;
end;

nst=6对应GTR模型，rates=invgamma启用I+G速率异质性。ngen设1000万代，采样间隔1000代。

3. MCMC运行与收敛诊断

mb mrBayes_commands.nex启动双独立run。运行中监控平均标准差分裂频率（ASDSF）——<0>sump命令输出参数trace和ESS。

4. 生成共识树

burn-in前25%样本后：sumt burnin=2500生成50%多数规则 consensus tree。分支支持度以后验概率标注——>0.95为强支持，0.90-0.95为中等，<0>

参数选择建议

参数	推荐值	说明
ngen	10M-50M	病毒数据起始10M, 根据ASDSF调整
nchains	4	1冷+3热, 标准配置
samplefreq	1000	获得至少8000个后burn-in树

FAQ

Q：MrBayes后验概率和ML bootstrap支持率哪个更可靠？

A：后验概率对模型错误设定更敏感——模型偏离数据时后验概率常常高估支持度（接近100%）。ML bootstrap更保守但稳健。两者都>95%时可信度最高；不一致时优先信bootstrap。

Q：MCMC不收敛怎么解？

A：① 加加热链（nchains=8而非4）降低局部卡死；② 增加链长至5-10倍；③ 检查序列中是否有极短的单系分支——移除它们（系统发育散弹枪噪声）。

Q：NEXUS和FASTA选哪个？

A：MrBayes仅接受NEXUS。可用在线转换工具，或用MEGA打开FASTA后导出为NEXUS，内建编码分区（Partition）定义。

参考文献

Ronquist F, Teslenko M, van der Mark P, et al. MrBayes 3.2: Efficient Bayesian Phylogenetic Inference and Model Choice. Syst Biol. 2012;61(3):539-542. DOI: 10.1093/sysbio/sys029
Huelsenbeck JP, Ronquist F. MRBAYES: Bayesian inference of phylogenetic trees. Bioinformatics. 2001;17(8):754-755. DOI: 10.1093/bioinformatics/17.8.754

MrBayes贝叶斯系统发育——后验概率与拓扑不确定性评估

原理

步骤