Video Experimental Relacionado
Updated: Jun 30, 2026

Creating and Applying a Reference to Facilitate the Discussion and Classification of Proteins in a Diverse Group
Published on: August 16, 2017
Comentario sobre "Los algoritmos filogenéticos MCMC son engañosos en las mezclas de árboles"
Fredrik Ronquist1, Bret Larget, John P Huelsenbeck
1School of Computational Science, Florida State University, Tallahassee, FL 32306-4120, USA. ronquist@scs.fsu.edu
Las transiciones de intercambio de vecinos más cercanos en la cadena filogenética de Markov Los algoritmos Monte Carlo (MCMC) se desempeñan mal en mezclas de árboles diferentes. Sin embargo, estos problemas surgen de condiciones artificiales y pueden resolverse con diagnósticos estándar y corrección del modelo.
Área de la Ciencia:
- Biología computacional Biología computacional.
- Biología evolutiva Biología evolutiva.
- Modelado estadístico Modelado estadístico
Sus antecedentes:
- Las transiciones de intercambio de vecinos más cercanos (NNI) son ampliamente utilizadas en los algoritmos filogenéticos de cadena de Markov Monte Carlo (MCMC) para la exploración de árboles.
- Investigaciones anteriores indicaron problemas potenciales de rendimiento con NNI en mezclas de árboles diferentes.
Objetivo del estudio:
- Para evaluar el rendimiento de las transiciones NNI en algoritmos filogenéticos MCMC.
- Investigar las condiciones bajo las cuales las transiciones de NNI pueden tener un rendimiento deficiente.
Principales métodos:
- Análisis del rendimiento de la transición de NNI dentro de los marcos filogenéticos MCMC.
- Estudios de simulación para explorar el rendimiento en mezclas de árboles.
Principales resultados:
- Las transiciones NNI pueden exhibir un mal rendimiento en mezclas de árboles diferentes bajo condiciones específicas y artificiales.
- Los diagnósticos de convergencia MCMC estándar son efectivos para detectar tales problemas de rendimiento en datos del mundo real.
Conclusiones:
- El mal desempeño identificado de las transiciones NNI a menudo está relacionado con escenarios artificiales, no con limitaciones inherentes.
- Las especificaciones erróneas del modelo se pueden identificar y corregir utilizando diagnósticos estándar de MCMC, resolviendo problemas de rendimiento.
Videos de Conceptos Relacionados
Phylogenetic Trees
Evolutionary Relationships through Genome Comparisons
Phylogenetic Trees
Survival Tree
Building a Survival Tree
Constructing a survival tree begins...
Applications of Molecular Taxonomy
Microbial Phylogeny

