進化樹作圖專題：Newick的前世今生
大家好！我是新加盟生信人團隊的小編montreal，和前幾位小編遙相呼應，目前在大洋彼岸的美洲大陸最具法蘭西風情的Q省Q市Q大學攻讀博士學位。相信很多朋友在研究中都遇到過有關進化樹作圖的問題。從本期開始，我將為大家帶來進化樹作圖系列專題，希望能對有著不同專業背景的讀者在進化樹作圖（請注意不是建樹）方面有所幫助。
想必大家都知道Newick格式是目前進化樹做常用到的一種格式了。比如，對於下面這棵樹：
小編作圖，歡迎轉載或修改
用Newick格式來表示，就是：(A,(B,(C,D)))。很簡潔吧？目前，作為最常使用的進化樹格式，Newick在各種作圖軟體中得到了廣泛應用。本文將首先回溯歷史，帶你了解Newick的前世今生。
時光迴轉三十年。1986年6月26日，美國新罕布希爾州（New Hampshire）多佛市（Dover）的一家龍蝦館裡，七位科學家一邊吃著龍蝦，一邊進行著輕鬆的學術討論。對於這次會議，能找到的資料極為有限，但其結果卻對整個系統發育學（phylogenetics）產生了重要的影響。因為正是在這次會議中誕生了一種全新的、用字元與括弧來對進化樹進行描述的格式。這次在新罕布希爾的會議實際上由一系列非正式的討論構成，而最後一次討論（還有第二次討論）正是在一家名為Newick』s Lobster House的龍蝦館舉行，也許是龍蝦鮮美令人難以忘懷的緣故，大家決定用Newick龍蝦館來命名這種格式（學界也稱之為New Hampshire format）[1]。
Adapted from Google Map. Terms of use:https://www.google.com/intl/en_hk/help/terms_maps.html
BTW；這家建於1948年的龍蝦館至今仍在營業。聽去過的人說味道確實不錯，推薦fried oysters和Gulf shrimp，大家有興趣可以去嘗下鮮，地址：Address: 431 Dover Point Road, Dover, NH 03820。
從此，Newick從新罕布希爾的龍蝦館慢慢走入世界各大學的圖書館，儘管從未在正式文獻中被專門論述過[1]。七位與會嘉賓都是當時分子進化和計算機學界的翹楚，讓我們看看他們都是誰：James Archie, William Day, Joe Felsenstein，Wayne Maddison, Christopher Meacham, F. James Rohlf, David Swofford[1]。沒聽說過？沒關係，其中的幾位在下文和本系列專題後續的文章中還會多次出現。多說一句，本次會議的發起人[1]、著名分子進化學家，時任華大西雅圖（University of Washington, Seattle）遺傳系教授的Joseph Felsenstein還有一位親弟弟，Lee Felsenstein，是一位知名的電子工程師，對於PC的早期發展有巨大貢獻[2]，大家不要搞混。
針對Newick格式，需要注意的是不同的樹會有多種的Newick格式對應 [1]。讓我再回到本文開始的例子：
小編作圖，歡迎轉載或修改
以下三種方式：(A,(B,(C,D)))，(A,(B,(D,C)))，(A,((C,D),B))，都可以表示這棵樹。此外，實際應用中很多的樹是無法定根的（rooted）。這裡所謂的「根」就是祖先，不能定根也就是我們無法知曉祖先在哪（如圖所示，1、2還是3）。用Newick來表示的時候，一般的原則是人為地定一個根。還是上面這棵樹，如果對於一棵不定根的樹（unrooted tree），那麼(A,(B,(C,D)))，((C,D),(B,A))和(D,(C,(B,A)))表示的都是同一棵不定根樹（unrooted tree）[1]。
Newick的獨角戲唱了一年，就迎來了競爭對手Nexus，一種包含有多種信息並以模塊化存儲的新格式。與Newick不同，Nexus有一篇在正式期刊發表的文章，專門介紹這種格式。這篇文章於1997年刊載在分子進化和系統分類學（systematics）頂級期刊Systematic Biology上，儘管此前Nexus已在多種軟體中（比如MacClade 3和PAUP 3）被使用[3] 。
作者的名字眼熟嗎？對，其中的David Swofford和Wayne Maddison，正是當年新罕布希爾「龍蝦七子」中的兩位。不過為什麼排在第一位的也叫Maddison？莫非？
你沒有猜錯，這兩個Maddison是親兄弟，而且還是雙胞胎！至於哪個是哥哥，哪個是弟弟，有了解的讀者歡迎在後面留言，反正我是分不出，請見下圖：
Copyright: Wayne Maddison Lab, CC 3.0
BTW：Maddison兄弟之前都在亞利桑那大學（University of Arizona）做老師，其間經常被人搞混，甚至自己的學生也無法分辨。時常有人向哥哥諮詢一件事，幾天後卻向弟弟詢問結果，搞得對方一頭霧水。後來也許是大家實在受不了，Wayne Maddison遂改換門庭，去往加拿大的英屬哥倫比亞大學（University of British Columbia）任教。
作者在文中明確指出了發明Nexus格式旨在提供一種具有延展性（expandability），包容性（inclusivity），可移植性（portability），以及可操作性（processibility）的格式。而這些特性的實現，最重要的就是Nexus模塊（modularity）的設計。讓我們看一個示例：
小編作圖，歡迎轉載或修改
這裡面的內容確實不少。不過請注意，Nexus對於樹的描述（或者說tree block），實際上和Newick如出一轍，所以嚴格地說，在描述進化樹方面，它沒有任何創新，只是照搬Newick格式。
有趣的是，上面提及的這幾位在進化樹格式發展史中具有里程碑意義的人物——Newick龍蝦館會議的組織者Joseph Felsenstein，Nexus格式的發明者David Swofford和Maddison兄弟——分別摘取了第二、第一和第五第六屆系統分類學家（systematic biologist）主席終身成就獎（Presidents" Award for Lifetime Achievement）[4]。該獎由系統分類學家協會（Society for Systematic Biologists）每隔三年或以上頒發一次，迄今只有六位得主，堪稱系統分類學界最高榮譽[4]。當然，這絕不僅是對於Newick和Nexus的嘉獎。幾位科學家的貢獻還有很多，比如三個著名的進化軟體：Phylip、PAUP和Mesquite，也正分別出自他們之手。
Nexus雖然與Newick同出一源，卻由於其更加豐富的內容和複雜的模塊化結構，使得很多軟體中兩者不能兼容：前者有PAUP，Mesquite和MrBayes這樣的擁躉，而後者也得到了Phylip，MEGA以及RAxML等軟體的青睞。時至今日，如果把兩種格式的名字同時輸入谷歌搜索框，得到的幾乎都是「How to convert nexus files to Newick format?」之類的提問。
Newick和Nexus的二人轉在2009年終於迎來了攪局者，它就是phyloXML，一種基於XML並整合了樹和其他相關數據的新格式。在phyloXML里，不同的屬性用
…的方式描述，而XML良好的擴展性也使得phyloXML有著更靈活的設計方式[5]。可以說，這種格式是同Newick有著鮮明區別的、也是真正意義上的一種新的進化樹格式。該文作者，美國桑福德-伯納姆醫學研究所（Sanford-Burnham Medical Research Institute）的剝屍猴Christian Zmasek和來自印第安納大學布魯明頓分校（Indiana University, Bloomington）的Mira Han，在文中強調，生物學的飛速發展和研究的日益深入使得人們有必要將包括物種、基因名、枝長（branch length）、甚至是成種事件（speciation）等廣泛信息整合到進化樹中，並以一種全新的格式呈現出來。於是二人一道開發了phyloXML。下圖（左）展示了一個包含有多種信息的phyloXML文件。下圖（右）則是基於phyloXML的一棵包含物種信息和蛋白質結構域信息的樹。
小編作圖，歡迎隨意轉載或修改
除了上述三種進化樹格式之外，還有其他的一些「小眾」群體。由於篇幅所限不再一一介紹。本期內容至此介紹完畢，有問題的朋友歡迎在下方留言。預知後續內容，請鎖定生信人公眾號。
參考資料
http://evolution.genetics.washington.edu/phylip/newicktree.html
https://en.wikipedia.org/wiki/Lee_Felsenstein
Maddison, D. R., Swofford, D. L. and Maddison, W. P. (1997), Nexus: An extensible file format for systematic information.Syst. Biol., 46:590–621.
Han M.V. and Zmasek C.M. (2009) phyloXML: XML for evolutionary biology and comparative genomics.BMC Bioinformatics, 10:356.
TAG:生信人 |