علم الوراثة الحاسوبي

تكمن المشكلة الأساسية في علم الوراثة المورفولوجية في تجميع مصفوفة تمثل ربط كل مجموعة تصنيفية قيد المقارنة بقياسات تمثيلية لكل سمة ظاهرية تُستخدم كمصنف. وتختلف أنواع البيانات الظاهرية المستخدمة في بناء هذه المصفوفة باختلاف المجموعات التصنيفية قيد المقارنة؛ فبالنسبة للأنواع الفردية، قد تشمل قياسات متوسط ​​حجم الجسم، أو أطوال أو أحجام عظام معينة، أو سمات فيزيائية أخرى، أو حتى مظاهر سلوكية. وبطبيعة الحال، بما أنه لا يمكن قياس كل سمة ظاهرية ممكنة وتشفيرها للتحليل، فإن اختيار السمات المراد قياسها يُعدّ عقبة جوهرية أمام هذه الطريقة. ويمثل قرار تحديد السمات التي تُستخدم كأساس للمصفوفة بالضرورة فرضية حول السمات ذات الصلة التطورية في نوع أو مجموعة تصنيفية أعلى. ^{[ 4 ]} وقد تُشوش الدراسات المورفولوجية بأمثلة على التطور التقاربي للأنماط الظاهرية. ^{[ 5 ]} يتمثل أحد التحديات الرئيسية في بناء فئات مفيدة في الاحتمالية العالية للتداخل بين التصنيفات في توزيع تباين النمط الظاهري. غالبًا ما يكون إدراج التصنيفات المنقرضة في التحليل المورفولوجي صعبًا بسبب غياب السجلات الأحفورية أو عدم اكتمالها ، ولكن ثبت أن له تأثيرًا كبيرًا على الأشجار الناتجة؛ ففي إحدى الدراسات، أدى إدراج الأنواع المنقرضة من القردة العليا فقط إلى إنتاج شجرة مستمدة مورفولوجيًا تتوافق مع تلك الناتجة عن البيانات الجزيئية. ^{[ 6 ]}

تتميز بعض التصنيفات الظاهرية، لا سيما تلك المستخدمة عند تحليل مجموعات تصنيفية شديدة التنوع، بأنها منفصلة وواضحة؛ فتصنيف الكائنات الحية على أنها تمتلك ذيلًا أو لا تمتلكه، على سبيل المثال، أمرٌ مباشر في معظم الحالات، وكذلك عدّ سمات مثل العيون أو الفقرات. ومع ذلك، فإن التمثيل الأمثل للقياسات الظاهرية المتغيرة باستمرار يُعدّ مشكلة مثيرة للجدل دون حل عام. تتمثل إحدى الطرق الشائعة في فرز القياسات محل الاهتمام إلى فئتين أو أكثر، مما يجعل التباين الملحوظ المستمر قابلاً للتصنيف بشكل منفصل (على سبيل المثال، تُصنّف جميع الأمثلة التي يزيد طول عظم العضد فيها عن حدٍّ معين ضمن فئة واحدة، وتُصنّف جميع الأمثلة التي يقل طول عظم العضد فيها عن الحدّ المذكور ضمن فئة أخرى). ينتج عن ذلك مجموعة بيانات يسهل التعامل معها ، ولكنها وُجّهت إليها انتقادات بسبب ضعف الإبلاغ عن أساس تعريفات الفئات، ولتضحيتها ببعض المعلومات مقارنةً بالطرق التي تستخدم توزيعًا مرجحًا مستمرًا للقياسات. ^{[ 7 ]}

نظراً لأن جمع البيانات المورفولوجية يتطلب جهداً كبيراً، سواء من مصادر الأدبيات أو من الملاحظات الميدانية، فإن إعادة استخدام مصفوفات البيانات المجمعة مسبقاً ليس بالأمر غير المألوف، على الرغم من أن هذا قد يؤدي إلى انتشار عيوب المصفوفة الأصلية في تحليلات مشتقة متعددة. ^{[ 8 ]}

تختلف مشكلة ترميز الأحرف اختلافًا كبيرًا في التحليلات الجزيئية، إذ تكون الأحرف في بيانات التسلسل البيولوجي محددة بشكل مباشر ومنفصل - نيوكليوتيدات متميزة في تسلسلات الحمض النووي DNA أو RNA ، وأحماض أمينية متميزة في تسلسلات البروتين . مع ذلك، قد يكون تحديد التشابه أمرًا صعبًا نظرًا للصعوبات الكامنة في محاذاة التسلسلات المتعددة . بالنسبة لمحاذاة تسلسلات متعددة (MSA) ذات فجوات، يمكن إنشاء عدة أشجار تطورية جذرية تختلف في تفسيراتها للتغيرات التي تُعدّ طفرات مقابل الصفات السلفية، والأحداث التي تُعدّ طفرات إدخال أو حذف . على سبيل المثال، عند وجود محاذاة ثنائية فقط مع منطقة فجوة، يستحيل تحديد ما إذا كان أحد التسلسلات يحمل طفرة إدخال أو الآخر يحمل طفرة حذف. تتفاقم المشكلة في محاذاة التسلسلات المتعددة ذات الفجوات غير المتراصفة وغير المتداخلة. عمليًا، قد يتم استبعاد مناطق كبيرة من المحاذاة المحسوبة عند بناء الشجرة التطورية لتجنب دمج البيانات المشوشة في حساب الشجرة.

قد لا تُظهر الشجرة المبنية على جين واحد موجود في كائنات حية مختلفة ( الجينات المتماثلة ) إشارة تطورية كافية لاستخلاص استنتاجات قوية. يُمكن إضافة المزيد من الجينات عن طريق دمج تسلسلاتها المتعددة في "مصفوفة فائقة"، مما يُنشئ فعليًا جينًا افتراضيًا ضخمًا يحتوي على المزيد من التغيرات التطورية المتاحة لاستنتاج الشجرة. لا تُجدي هذه الطريقة البسيطة نفعًا إلا مع الجينات ذات التاريخ التطوري المتشابه؛ أما في الحالات الأكثر تعقيدًا (مجموعات بيانات العضيات والنواة أو محاذاة الأحماض الأمينية والنيوكليوتيدات المشتركة)، فتُتيح بعض الخوارزميات تحديد بداية ونهاية كل جين (تقسيم البيانات). بدلاً من ذلك، يُمكن استنتاج عدة أشجار جينية أحادية ودمجها في شجرة فائقة. مع ظهور علم الجينوم التطوري ، أصبح من الممكن تحليل مئات الجينات في وقت واحد. ^{[ 9 ]}

تُنتج طريقتي UPGMA ( طريقة تجميع الأزواج غير الموزونة مع المتوسط ​​الحسابي ) و WPGMA ( طريقة تجميع الأزواج الموزونة مع المتوسط ​​الحسابي ) أشجارًا جذرية وتتطلبان افتراض معدل ثابت - أي أنهما تفترضان شجرة فائقة القياس تكون فيها المسافات من الجذر إلى كل طرف فرع متساوية. ^{[ 10 ]}

تُطبّق طرق الربط الجواري تقنيات تحليل التجميع العامة على تحليل التسلسل باستخدام المسافة الجينية كمقياس للتجميع. تُنتج طريقة الربط الجواري البسيطة أشجارًا غير جذرية، لكنها لا تفترض معدل تطور ثابت (أي ساعة جزيئية ) عبر السلالات. ^{[ 11 ]}

تستخدم طريقة فيتش-مارغوليش طريقة المربعات الصغرى الموزونة للتجميع بناءً على المسافة الجينية. ^{[ 12 ]} تُعطى التسلسلات المتقاربة وزنًا أكبر في عملية بناء الشجرة لتصحيح عدم الدقة المتزايدة في قياس المسافات بين التسلسلات المتباعدة. يجب تطبيع المسافات المستخدمة كمدخلات للخوارزمية لمنع حدوث تشوهات كبيرة في حساب العلاقات بين المجموعات المتقاربة والمتباعدة. يجب أن تكون المسافات المحسوبة بهذه الطريقة خطية ؛ إذ يتطلب معيار الخطية للمسافات أن تساوي القيم المتوقعة لأطوال الفروع لفرعين منفردين القيمة المتوقعة لمجموع مسافتي الفرعين - وهي خاصية تنطبق على التسلسلات البيولوجية فقط عند تصحيحها لاحتمالية حدوث طفرات عكسية في مواقع فردية. يتم هذا التصحيح باستخدام مصفوفة استبدال مثل تلك المشتقة من نموذج جوكس-كانتور لتطور الحمض النووي. لا يكون تصحيح المسافة ضروريًا عمليًا إلا عندما تختلف معدلات التطور بين الفروع. ^{[ 2 ]} يمكن أن يكون تعديل آخر للخوارزمية مفيدًا، خاصة في حالة المسافات المركزة (يرجى الرجوع إلى ظاهرة تركيز القياس ولعنة الأبعاد ): وقد ثبت أن هذا التعديل، الموصوف في ^{[ 13 ]،} يحسن كفاءة الخوارزمية وقوتها.

يُعدّ معيار المربعات الصغرى المُطبّق على هذه المسافات أكثر دقةً ولكنه أقل كفاءةً من طرق الربط الجواري. كما يُمكن تطبيق تحسين إضافي يُصحّح الارتباطات بين المسافات الناتجة عن وجود العديد من التسلسلات المترابطة في مجموعة البيانات، ولكن بتكلفة حسابية أعلى. يُعدّ إيجاد شجرة المربعات الصغرى المثلى مع أي عامل تصحيح مسألةً كاملةً من فئة NP ، ^{[ 14 ]} لذا تُطبّق طرق البحث الاستدلالية، كتلك المُستخدمة في تحليل التوفير الأقصى، على البحث في فضاء الشجرة.

يمكن استخدام معلومات مستقلة حول العلاقة بين التسلسلات أو المجموعات للمساعدة في تقليل مساحة البحث في الشجرة وتحديد جذور الأشجار غير الجذرية. يتضمن الاستخدام القياسي لطرق مصفوفة المسافة تضمين تسلسل واحد على الأقل من المجموعة الخارجية، معروف بأنه ذو صلة بعيدة فقط بالتسلسلات محل الاهتمام في مجموعة الاستعلام. ^{[ 3 ]} يمكن اعتبار هذا الاستخدام نوعًا من أنواع التحكم التجريبي . إذا تم اختيار المجموعة الخارجية بشكل مناسب، فسيكون لها مسافة جينية أكبر بكثير ، وبالتالي طول فرع أطول من أي تسلسل آخر، وستظهر بالقرب من جذر الشجرة الجذرية. يتطلب اختيار مجموعة خارجية مناسبة اختيار تسلسل ذي صلة متوسطة بالتسلسلات محل الاهتمام؛ فالعلاقة الوثيقة جدًا تُفقد المجموعة الخارجية جدواها، بينما تُضيف العلاقة البعيدة جدًا تشويشًا إلى التحليل. ^{[ 3 ]} يجب أيضًا توخي الحذر لتجنب الحالات التي تكون فيها الأنواع التي أُخذت منها التسلسلات ذات صلة بعيدة، ولكن الجين الذي تُشفّره هذه التسلسلات محفوظ للغاية عبر السلالات. كما يمكن أن يؤدي النقل الأفقي للجينات ، وخاصة بين البكتيريا المتباينة ، إلى تشويش استخدام المجموعة الخارجية.

خوارزمية التفرع والتقييد هي طريقة عامة تُستخدم لزيادة كفاءة البحث عن حلول شبه مثالية للمسائل الصعبة من نوع NP، وقد طُبقت لأول مرة على علم الوراثة العرقي في أوائل ثمانينيات القرن الماضي. ^{[ 15 ]} تُعدّ خوارزمية التفرع والتقييد مناسبة بشكل خاص لبناء شجرة التطور العرقي، لأنها تتطلب بطبيعتها تقسيم المسألة إلى بنية شجرية ، حيث تُقسّم مساحة المسألة إلى مناطق أصغر. وكما يوحي اسمها، فإنها تتطلب كمدخلات كلاً من قاعدة التفرع (في حالة علم الوراثة العرقي، إضافة النوع أو التسلسل التالي إلى الشجرة) والحد (قاعدة تستبعد مناطق معينة من مساحة البحث من الاعتبار، وبالتالي تفترض أن الحل الأمثل لا يمكن أن يشغل تلك المنطقة). يُعدّ تحديد حد مناسب الجانب الأكثر تحديًا في تطبيق الخوارزمية على علم الوراثة العرقي. إحدى الطرق البسيطة لتحديد الحد هي تحديد الحد الأقصى لعدد التغيرات التطورية المفترضة المسموح بها لكل شجرة. تُحدِّد مجموعة من المعايير، تُعرف بقواعد زاركيخ ^{[ 16 ]} ، نطاق البحث بشكل كبير من خلال تحديد خصائص مشتركة بين جميع الأشجار المرشحة "الأكثر اقتصادًا". تتطلب القاعدتان الأساسيتان حذف جميع التسلسلات المتكررة باستثناء تسلسل واحد (في الحالات التي أنتجت فيها ملاحظات متعددة بيانات متطابقة)، وحذف مواقع الصفات التي لا تظهر فيها حالتان أو أكثر في نوعين على الأقل. في الظروف المثالية، تُحدِّد هذه القواعد والخوارزمية المرتبطة بها شجرةً كاملةً.

كانت خوارزمية سانكوف-موريل-سيدرغرين من أوائل الطرق المنشورة التي أنتجت في آنٍ واحد محاذاة تسلسل متعددة (MSA) وشجرة تطورية لتسلسلات النيوكليوتيدات. ^{[ 17 ]} تستخدم هذه الطريقة حسابًا لأقصى قدر من الاقتصاد بالتزامن مع دالة تسجيل تُعاقب الفجوات وعدم التطابق، مما يُفضل الشجرة التي تُدخل أقل عدد من هذه الأحداث (هناك وجهة نظر بديلة ترى أن الأشجار المُفضلة هي تلك التي تُعظم مقدار تشابه التسلسل الذي يُمكن تفسيره على أنه تماثل، وهي وجهة نظر قد تؤدي إلى أشجار مثلى مختلفة ^{[ 18 ]} ). يتم تسجيل التسلسلات المُستنتجة في العقد الداخلية للشجرة وجمعها على جميع العقد في كل شجرة مُمكنة. يُوفر مجموع الشجرة ذي أقل درجة كلاً من الشجرة المثلى ومحاذاة التسلسل المتعددة المثلى بالنظر إلى دالة التسجيل. نظرًا لأن هذه الطريقة مُكلفة حسابيًا للغاية، توجد طريقة تقريبية يتم فيها تحسين التخمينات الأولية للمحاذاة الداخلية عقدةً تلو الأخرى. يتم حساب كل من النسخة الكاملة والتقريبية عمليًا بواسطة البرمجة الديناميكية. ^{[ 2 ]}

تستخدم طرق تحليل الأشجار التطورية/المحاذاة المتعددة الحديثة أساليب استدلالية لعزل الأشجار ذات الدرجات العالية، ولكن ليس بالضرورة الأشجار المثلى. تستخدم طريقة MALIGN تقنية البخل الأقصى لحساب المحاذاة المتعددة من خلال تعظيم درجة مخطط التفرع ، بينما تستخدم طريقة POY المصاحبة لها طريقة تكرارية تربط تحسين الشجرة التطورية بتحسينات في المحاذاة المتعددة المقابلة. ^{[ 19 ]} ومع ذلك، فقد وُجهت انتقادات لاستخدام هذه الطرق في بناء فرضيات تطورية باعتبارها متحيزة بسبب البناء المتعمد للأشجار التي تعكس الحد الأدنى من الأحداث التطورية. ^{[ 20 ]} وقد تم دحض هذا الرأي برأي آخر مفاده أن هذه الطرق يجب اعتبارها مناهج استدلالية لإيجاد الأشجار التي تزيد من مقدار تشابه التسلسل الذي يمكن تفسيره على أنه تماثل. ^{[ 18 ] [ 21 ]}

تُخصص جميع نماذج الاستبدال مجموعة من الأوزان لكل تغيير محتمل في الحالة المُمثلة في التسلسل. وتُعدّ أكثر أنواع النماذج شيوعًا قابلة للانعكاس ضمنيًا، لأنها تُخصص نفس الوزن، على سبيل المثال، لطفرة النيوكليوتيد G>C كما تُخصص لطفرة C>G. يُخصص أبسط نموذج ممكن، وهو نموذج جوكس-كانتور ، احتمالًا متساويًا لكل تغيير محتمل في الحالة لقاعدة نيوكليوتيدية مُعينة. سيكون معدل التغيير بين أي نيوكليوتيدين مختلفين ثلث معدل الاستبدال الإجمالي. ^{[ 2 ]} تُميز النماذج الأكثر تطورًا بين الانتقالات والتحولات . يحتوي النموذج الأكثر عمومية القابل للانعكاس الزمني، والذي يُسمى نموذج GTR، على ستة مُعاملات لمعدل الطفرة . أما النموذج الأكثر عمومية، والمعروف باسم نموذج الـ 12 مُعاملًا، فيُخلّ بالانعكاس الزمني، على حساب تعقيد إضافي كبير في حساب المسافات الجينية المتسقة بين السلالات المتعددة. ^{[ 2 ]} أحد الاختلافات المحتملة في هذا الموضوع هو تعديل المعدلات بحيث يتغير محتوى GC الإجمالي - وهو مقياس مهم لاستقرار الحلزون المزدوج للحمض النووي - بمرور الوقت. ^{[ 34 ]}

قد تسمح النماذج أيضًا بتغير معدلات الطفرات تبعًا لمواقعها في تسلسل الإدخال. وأوضح مثال على هذا التغير هو ترتيب النيوكليوتيدات في الجينات المشفرة للبروتينات في كودونات ثلاثية القواعد . فإذا كان موقع الإطار المفتوح للقراءة (ORF) معروفًا، يُمكن تعديل معدلات الطفرات وفقًا لموقع معين داخل الكودون، إذ من المعروف أن اقتران القواعد المتذبذبة يسمح بمعدلات طفرات أعلى في النيوكليوتيد الثالث من الكودون دون التأثير على معناه في الشفرة الوراثية . ^{[ 33 ]} أما المثال الأقل اعتمادًا على الفرضيات، والذي لا يعتمد على تحديد الإطار المفتوح للقراءة، فيُخصص لكل موقع معدل طفرة عشوائيًا من توزيع مُحدد مسبقًا، غالبًا ما يكون توزيع جاما أو التوزيع اللوغاريتمي الطبيعي . ^{[ 2 ]} وأخيرًا، هناك تقدير أكثر تحفظًا لتغيرات المعدلات، يُعرف باسم طريقة التباين المشترك، يسمح بتغيرات ذاتية الارتباط في المعدلات، بحيث يكون معدل الطفرة لموقع معين مرتبطًا عبر المواقع والسلالات. ^{[ 35 ]}

يُعدّ اختيار النموذج المناسب أمرًا بالغ الأهمية لإجراء تحليلات تطورية جيدة، وذلك لسببين: أولهما أن النماذج ذات المعلمات الناقصة أو المقيدة للغاية قد تُنتج سلوكًا شاذًا عند انتهاك افتراضاتها الأساسية، وثانيهما أن النماذج المعقدة للغاية أو ذات المعلمات الزائدة مُكلفة حسابيًا، وقد تُؤدي إلى مُبالغة في ملاءمة المعلمات. ^{[ 33 ]} الطريقة الأكثر شيوعًا لاختيار النموذج هي اختبار نسبة الاحتمال (LRT)، الذي يُنتج تقديرًا للاحتمال يُمكن تفسيره كمقياس لـ " جودة المطابقة " بين النموذج وبيانات الإدخال. ^{[ 33 ]} مع ذلك، يجب توخي الحذر عند استخدام هذه النتائج، لأن النموذج الأكثر تعقيدًا ذو المعلمات الأكثر سيكون له دائمًا احتمال أعلى من نسخة مُبسطة من النموذج نفسه، مما قد يُؤدي إلى اختيار نماذج مُعقدة للغاية دون تفكير. ^{[ 2 ]} لهذا السبب، ستختار برامج الحاسوب لاختيار النموذج أبسط نموذج لا يكون أسوأ بشكل ملحوظ من نماذج الاستبدال الأكثر تعقيدًا. من أبرز عيوب اختبار نسبة الاحتمال ضرورة إجراء سلسلة من المقارنات الثنائية بين النماذج. لقد ثبت أن ترتيب مقارنة النماذج له تأثير كبير على النموذج الذي يتم اختياره في النهاية. ^{[ 36 ]}

يُعدّ معيار معلومات أكايكي (AIC) طريقة بديلة لاختيار النموذج ، وهو في الأصل تقدير لتباعد كولباك-لايبير بين النموذج الحقيقي والنموذج قيد الاختبار. ويمكن تفسيره على أنه تقدير احتمالية مع عامل تصحيح لمعاقبة النماذج ذات المعلمات الزائدة. ^{[ 33 ]} يُحسب معيار AIC على نموذج فردي وليس على زوج من النماذج، لذا فهو مستقل عن ترتيب تقييم النماذج. وهناك بديل ذو صلة، وهو معيار معلومات بايز (BIC)، له تفسير أساسي مشابه ولكنه يُعاقب النماذج المعقدة بشكل أكبر. ^{[ 33 ]} يُشكّل تحديد النموذج الأنسب لإعادة بناء السلالات خطوة أساسية في العديد من الدراسات التطورية. ومع ذلك، فإن المعايير المختلفة لاختيار النموذج تُثير جدلاً حول المعيار المُفضّل. وقد تبيّن مؤخرًا أنه عندما تكون إعادة بناء التراكيب والتسلسل السلفي هي المخرجات المطلوبة، فإن اختيار معيار على آخر ليس أمرًا حاسمًا. بدلاً من ذلك، يؤدي استخدام نموذج استبدال النيوكليوتيدات الأكثر تعقيدًا، GTR+I+G، إلى نتائج مماثلة لاستنتاج بنية الشجرة والتسلسلات السلفية. ^{[ 37 ]}

يتوفر بروتوكول شامل خطوة بخطوة حول بناء الأشجار التطورية، بما في ذلك تجميع تسلسل الحمض النووي/الأحماض الأمينية المتجاورة، ومحاذاة التسلسل المتعدد، واختبار النموذج (اختبار أفضل نماذج الاستبدال الملائمة) وإعادة بناء التطور باستخدام أقصى احتمال والاستدلال البايزي، في تبادل البروتوكولات ^{[ 38 ].}

إحدى الطرق غير التقليدية لتقييم الشجرة التطورية هي مقارنتها بنتائج التجميع. يمكن استخدام تقنية التحجيم متعدد الأبعاد، المعروفة باسم الربط الاستيفائي، لتقليل الأبعاد بهدف تصوير نتائج التجميع للتسلسلات ثلاثية الأبعاد، ثم رسم الشجرة التطورية على نتائج التجميع. عادةً ما تكون الشجرة الأفضل أكثر ارتباطًا بنتائج التجميع. ^{[ 39 ]}

الطريقة الأكثر شيوعًا لتقييم دعم الشجرة هي تقييم الدعم الإحصائي لكل عقدة فيها. عادةً، لا تُعتبر العقدة ذات الدعم المنخفض جدًا صالحةً في التحليل اللاحق، وقد تُدمج بصريًا في تفرع متعدد للدلالة على أن العلاقات داخل الفرع الحيوي غير محسومة.

لكل من هذه المقاييس نقاط ضعفها. فعلى سبيل المثال، تميل المجموعات التصنيفية الأصغر أو الأكبر حجماً إلى جذب قيم دعم أكبر من المجموعات التصنيفية متوسطة الحجم، وذلك ببساطة نتيجة لعدد التصنيفات الموجودة فيها. ^{[ 44 ]}

قد يوفر دعم Bootstrap تقديرات عالية لدعم العقدة نتيجة للضوضاء في البيانات بدلاً من الوجود الحقيقي لمجموعة فرعية. ^{[ 45 ]}

من المرجح أن تتطور بعض الصفات بشكل تقاربي أكثر من غيرها؛ ومن المنطقي إعطاء هذه الصفات وزنًا أقل عند إعادة بناء الشجرة التطورية. ^{[ 46 ]} يمكن استنتاج الأوزان، على شكل نموذج تطوري، من مجموعات البيانات الجزيئية، بحيث يمكن استخدام طرق الاحتمال الأقصى أو الطرق البايزية لتحليلها. بالنسبة للتسلسلات الجزيئية، تتفاقم هذه المشكلة عندما تتباعد التصنيفات قيد الدراسة بشكل كبير. مع ازدياد الفترة الزمنية منذ تباعد تصنيفين، يزداد احتمال حدوث استبدالات متعددة في الموقع نفسه، أو طفرات عكسية، وكلها تؤدي إلى تشابهات ظاهرية. بالنسبة للبيانات المورفولوجية، للأسف، فإن الطريقة الموضوعية الوحيدة لتحديد التقارب هي بناء شجرة تطورية  - وهي طريقة دائرية نوعًا ما. ومع ذلك، فإن ترجيح الصفات المتشابهة ظاهريًا يؤدي بالفعل إلى أشجار تطورية مدعومة بشكل أفضل. ^{[ 46 ]} يمكن تحقيق مزيد من التحسين من خلال ترجيح التغيرات في اتجاه واحد أعلى من التغيرات في اتجاه آخر. فعلى سبيل المثال، يضمن وجود الأجنحة الصدرية تقريباً تصنيفها ضمن الحشرات المجنحة، لأنه على الرغم من أن الأجنحة غالباً ما تُفقد بشكل ثانوي، إلا أنه لا يوجد دليل على اكتسابها أكثر من مرة. ^{[ 47 ]}

بشكل عام، يمكن للكائنات الحية أن ترث الجينات بطريقتين: النقل الجيني الرأسي والنقل الجيني الأفقي . النقل الجيني الرأسي هو انتقال الجينات من الآباء إلى الأبناء، أما النقل الجيني الأفقي (أو الجانبي) فيحدث عندما تنتقل الجينات بين كائنات حية غير مرتبطة، وهي ظاهرة شائعة خاصة في بدائيات النوى ؛ ومن الأمثلة الجيدة على ذلك اكتساب مقاومة المضادات الحيوية نتيجة لتبادل الجينات بين أنواع مختلفة من البكتيريا، مما يؤدي إلى ظهور أنواع بكتيرية مقاومة للأدوية المتعددة. كما توجد حالات موثقة جيدًا للنقل الجيني الأفقي بين حقيقيات النوى .

أدى انتقال الجينات الأفقي إلى تعقيد تحديد السلالات التطورية للكائنات الحية، وقد تم الإبلاغ عن تناقضات في السلالات التطورية بين مجموعات محددة من الكائنات الحية اعتمادًا على الجينات المستخدمة في بناء الأشجار التطورية. والطريقة الوحيدة لتحديد الجينات التي تم اكتسابها رأسيًا وتلك التي تم اكتسابها أفقيًا هي افتراض أن أكبر مجموعة من الجينات التي تم توريثها معًا قد تم توريثها رأسيًا؛ وهذا يتطلب تحليل عدد كبير من الجينات.

يقوم النموذج الرياضي لعلم التصنيف التفرعي على افتراض أساسي مفاده أن الأنواع تنقسم بشكل منتظم وفق نمط تفرع ثنائي. ورغم أن هذا الافتراض قد يكون صحيحًا على نطاق أوسع (باستثناء انتقال الجينات الأفقي، كما ذُكر سابقًا)، إلا أن عملية التطور النوعي غالبًا ما تكون أقل انتظامًا. وقد أظهرت الأبحاث التي أُجريت منذ ظهور منهج التصنيف التفرعي أن التطور النوعي الهجين ، الذي كان يُعتقد سابقًا أنه نادر، هو في الواقع شائع جدًا، لا سيما في النباتات. ^{[ 48 ] [ 49 ]} كما أن التطور النوعي شبه العرقي شائع أيضًا، مما يجعل افتراض نمط التفرع الثنائي غير مناسب، ويؤدي إلى ظهور شبكات تطورية بدلًا من الأشجار. ^{[ 50 ] [ 51 ]} ويمكن أن يؤدي التهجين أيضًا إلى نقل الجينات بين أنواع متميزة، وأحيانًا حتى بين أجناس مختلفة، ^{[ 52 ]} مما يُعقّد التحليل التطوري القائم على الجينات. ^{[ 53 ]} ويمكن أن تُسهم هذه الظاهرة في "عدم اكتمال فرز السلالات"، ويُعتقد أنها ظاهرة شائعة في عدد من المجموعات. وفي تحليل الأنواع، يمكن معالجة هذه المشكلة من خلال زيادة حجم العينة أو تحسين تحليل الجينوم الكامل. ^{[ 54 ]} غالبًا ما يتم تجنب المشكلة عن طريق حصر التحليل في عدد أقل من العينات غير المرتبطة ارتباطًا وثيقًا.

بفضل تطور تقنيات التسلسل المتقدمة في البيولوجيا الجزيئية ، أصبح من الممكن جمع كميات هائلة من البيانات (تسلسلات الحمض النووي أو الأحماض الأمينية) لاستنتاج فرضيات التطور السلالي. على سبيل المثال، من الشائع العثور على دراسات تستخدم مصفوفات الصفات المستندة إلى جينومات الميتوكوندريا الكاملة (حوالي 16000 نيوكليوتيد، في العديد من الحيوانات). مع ذلك، أظهرت المحاكاة أن زيادة عدد التصنيفات في المصفوفة أهم من زيادة عدد الصفات، فكلما زاد عدد التصنيفات، زادت دقة شجرة التطور السلالي الناتجة وقوتها. ^{[ 55 ] [ 56 ]} قد يُعزى ذلك جزئيًا إلى تكسر الفروع الطويلة .

من العوامل المهمة الأخرى التي تؤثر على دقة إعادة بناء الشجرة ما إذا كانت البيانات المُحللة تحتوي بالفعل على إشارة تطورية مفيدة، وهو مصطلح يُستخدم عمومًا للدلالة على ما إذا كانت السمة تتطور ببطء كافٍ لتكون لها الحالة نفسها في التصنيفات وثيقة الصلة بدلاً من أن تتغير عشوائيًا. توجد اختبارات للإشارة التطورية. ^{[ 57 ]}

قد تحتوي الصفات المورفولوجية التي تمثل طيفًا متصلًا على إشارة تطورية، ولكن يصعب ترميزها كصفات منفصلة. وقد استُخدمت عدة طرق، إحداها ترميز الفجوات، وهناك اختلافات في ترميز الفجوات. ^{[ 58 ]} في الشكل الأصلي لترميز الفجوات: ^{[ 58 ]}

تُرتّب متوسطات المجموعات لكل حرف أولاً حسب حجمه. ثم يُحسب الانحراف المعياري المجمع داخل المجموعة... وتُقارن الفروق بين المتوسطات المتجاورة... نسبةً إلى هذا الانحراف المعياري. يُعتبر أي زوج من المتوسطات المتجاورة مختلفًا ويُعطى قيمًا عددية مختلفة... إذا كانت المسافة بين المتوسطات أكبر من الانحراف المعياري داخل المجموعة... مضروبًا في ثابت اختياري.

إذا أُضيفت المزيد من التصنيفات إلى التحليل، فقد تصبح الفجوات بينها ضئيلة للغاية لدرجة فقدان جميع المعلومات. ويتغلب ترميز الفجوات المعمم على هذه المشكلة بمقارنة أزواج التصنيفات الفردية بدلاً من اعتبار مجموعة واحدة تحتوي على جميع التصنيفات. ^{[ 58 ]}

بشكل عام، كلما زادت البيانات المتاحة عند بناء الشجرة، زادت دقة وموثوقية الشجرة الناتجة. لا تُعدّ البيانات المفقودة أكثر ضررًا من مجرد قلة البيانات، مع أن التأثير يكون أكبر عندما تتركز معظم البيانات المفقودة في عدد قليل من التصنيفات. يؤدي تركيز البيانات المفقودة على عدد قليل من الصفات إلى شجرة أكثر قوة. ^{[ 59 ]}