我正在尝试创建一个自举的系统发育树，但我不想使用原始的多序列比对数据和标准评分系统，而是想使用我自己创建的自定义距离矩阵。我目前查看了http://biopython.org/wiki/Phylo，并且能够使用我自己的自定义距离矩阵使用以下代码创建一棵树：
dm = TreeConstruction._DistanceMatrix(tfs,dmat)
treeConstructor = DistanceTreeConstructor(method = 'upgma')
upgmaTree = treeConstructor.upgma(dm)
Phylo.draw(upgmaTree)
其中 dmat 是下三角距离矩阵，tfs 是用于列/行的名称列表。在查看引导示例时，似乎所有输入都需要是原始序列数据，而不是我上面使用的距离矩阵，有人知道这个问题的解决方法吗？ 谢谢！
【问题讨论】：
标签： python biopython phylogeny
简答：不，您不能使用距离矩阵来引导系统发育。
长答案： 引导系统发育的第一步需要创建一组数据伪重复。对于 DNA 序列，核苷酸位置是从比对（整列）中随机抽取的，重复次数可达比对的总长度。
让我们假设一个 10 bp 长的比对与两个相差两个突变的序列。为简单起见，它们的距离为 d = 0.2。
AATTCCGGGG
AACTCCGGAG
引导此类数据集将需要位置 3、8、5、9、10、1、6、9、6、5 来表示伪重复。
set.seed(123)
sample(1:10, 10, replace = TRUE)
[1] 3 8 5 9 10 1 6 9 6 5
TGCGGACGCC
CGCAGACACC
我们获得了一个数据集，其变量（列）与原始对齐方式相同，但出现的频率不同。请注意，自举对齐中的 d = 0.3。
使用这种方法，我们可以引导任何变量或包含多个变量的数据集。不能以这种方式使用距离矩阵，因为它表示已经处理过的信息。
解决方案：
在您自己的数据伪复制上重复计算自定义距离矩阵的过程。
# Your function to calculate a custom distance matrix
calc.dist <- function(dat) { ... }
nrep <- 100
reps <- lapply(1:nrep, FUN=function(i) calc.dist(dat[,sample(1:ncol(dat), ncol(dat), replace = TRUE)]))
【讨论】：