生信实战：从序列到进化树，MEGA7构建系统发育关系的完整指南

1. 从零开始：MEGA7安装与序列准备

第一次打开MEGA7时，很多新手会被满屏的菜单栏吓到。别担心，这个界面其实比想象中友好得多。我刚开始用的时候也犯怵，但实际操作几次就会发现它的逻辑很清晰。先从官网下载安装包，Windows用户选择.exe文件，Mac用户选.dmg，整个过程就像安装普通软件一样简单。

序列准备是建树的基础，这里最容易踩坑。去年帮学弟处理数据时就遇到过：他收集的20条序列里，有3条是.txt格式，结果软件死活不认。记住，所有序列必须保存为.fasta格式，这是MEGA7的"通行证"。文件名可以随意，但内容格式要严格遵循：

>序列1名称 ATCGATCG... >序列2名称 ATCGATCG...

建议用Notepad++或VS Code这类专业文本编辑器检查格式。我习惯在序列名称里标注物种和基因ID，比如">Arabidopsis_thaliana_SPL15"，这样后期分析时一目了然。

2. 多序列比对的实战技巧

点击"Align"菜单时，新手常纠结该选ClustalW还是Muscle。根据我处理300+组数据的经验，对于蛋白序列，ClustalW的默认参数就很稳。但有两个关键设置需要调整：

1. Gap Opening Penalty（空位开放罚分）：建议设为10-15。数值太小会导致过多空位，太大会丢失保守位点
2. Matrix（打分矩阵）：植物蛋白用BLOSUM系列，DNA用Transition-Transversion模型

比对完成后一定要检查保守区域。好的比对结果应该像钢琴琴键——保守区域对齐整齐，可变区域有空位。如果出现大面积错位，可能需要检查序列是否属于同源基因。有次我分析CYP450家族基因时，就发现两条序列明显异常，后来证实是数据库标注错误。

3. 建树方法的选择与参数优化

NJ（邻接法）适合快速构建初步树形，但要注意三个参数：

• Bootstrap检验：设为1000次重复，低于500次的结果不可靠
• 模型选择：点击"Models"运行自动检测，别盲目用默认设置
• 缺失数据处理：建议选"Pairwise deletion"，比"Complete deletion"保留更多信息

去年分析一组真菌基因时，我对比了NJ、ML和ME三种方法。结果发现NJ树虽然分支支持率略低，但拓扑结构与其他方法一致，且计算速度最快。对于50条以内的序列，NJ法完全够用。如果序列超过100条，可以考虑改用FastTree等更高效的算法。

4. 进化树的美化与解读

MEGA7自带的树形编辑器能满足基本需求，但发表级图片建议用FigTree或iTOL进一步美化。关键是要突出：

1. 分支支持率：用不同粗细或颜色标注bootstrap值
2. 分类单元：将同一分类群的枝叶设为相同颜色
3. 比例尺：务必保留，这是判断进化距离的依据

解读树形时，重点关注分支节点而非枝长。去年审稿时就遇到有作者误将长枝当作进化距离远的证据，其实那可能是测序误差导致的。记住：拓扑结构比枝长更重要。好的进化树应该能清晰反映物种或基因间的亲缘关系，比如单子叶植物和双子叶植物应该形成明显不同的分支簇。

5. 常见问题排查指南

建树过程中最常遇到的三个坑：

问题1：软件报错"Invalid sequence format"

• 检查序列中是否含非法字符（如数字或空格）
• 确保所有序列长度差异不超过10倍

问题2：bootstrap值全部低于50%

• 尝试改用更合适的替代模型
• 检查序列是否包含过多可变区域

问题3：树形结构不符合预期

• 重新检查序列比对质量
• 考虑是否存在水平基因转移等特殊情况

有一次分析细菌16S rRNA基因时，建出的树与已知分类严重不符。后来发现是引物区域没去除，截掉两端后结果就合理了。这种细节问题，往往需要反复调试才能发现。

6. 从结果到论文的进阶技巧

完整的进化树分析应该包含这些要素：

1. 方法部分写明：

   • 所用软件及版本（如MEGA7.2.6）
   • 比对算法和参数（ClustalW, Gap Penalty=15）
   • 建树方法和检验（NJ, 1000 bootstrap）

2. 结果部分展示：

   • 关键节点的支持率数值
   • 与已知分类系统的对比
   • 特殊进化现象的讨论

3. 附件提交：

   • 原始序列文件
   • 比对后的矩阵
   • Newick格式的树文件

我习惯用Zotero管理文献时，专门建一个"Phylogeny Methods"文件夹，收集各类建树方法的参考文献。写论文时直接引用，既专业又省时。