决定倒塌这棵树的截止的算法？

我有一个Newick http://en.wikipedia.org/wiki/Newick_format通过比较 4-9 bp 长 DNA 序列的假定 DNA 调控基序的位置权重矩阵（PWM 或 PSSM）的相似性（欧几里德距离）而构建的树。

iTol 上有该树的交互式版本（），您可以随意使用 - 设置参数后只需按“更新树”：

我的具体目标：如果它们到最近亲本进化枝的平均距离 ETE2 Python 包）。这在生物学上是很有趣的，因为一些基因调控 DNA 基序可能彼此同源（旁系同源物或直向同源物）。这种折叠可以通过上面链接的 iTol GUI 来完成，例如如果您选择 X = 0.001，则某些图案会折叠成三角形（图案族）。

我的问题：有人能提出一种算法，可以输出或帮助可视化哪个 X 值适合“最大化折叠主题的生物学或统计相关性”吗？理想情况下，当针对 X 绘制时，树的某些属性会出现一些明显的阶跃变化，这向算法表明了一个合理的 X。是否有任何已知的算法/脚本/包？也许代码会根据 X 的值绘制一些统计数据？我尝试绘制 X 与平均簇大小（绘图库 http://matplotlib.org/）但我没有看到明显的“步长增加”来告诉我要使用哪个 X 值：

我的代码和数据：我的 Python 脚本的链接是 [here][8]，我对其进行了大量评论，它将生成树数据并为您绘制上面的图（使用参数 d_from、d_to 和 d_step 来探索距离截止值 X） 。如果您有 easy-install 和 Python，则只需执行这两个 bash 命令即可安装 ete2：

apt-get install python-setuptools python-numpy python-qt4 python-scipy python-mysqldb python-lxml

easy_install -U ete2

您可以尝试使用类似于 @Jeff 提到的树协调的方法。但标准树协调实际上会失败。

协调首先涉及添加代表整个目标树中进化特征“丢失”的分支。然后指出进化特征发生“重复”的节点。损失和重复的加权和提供了优化的成本函数。

但就您而言，您想要解决的问题是“将这棵超级树分解为适当大小的同源子树”。这意味着您并不想像重复一样遭受损失。您需要一种对树进行评分的方法，以便揭示有多少同源子树合并到您的超级树中。因此，您可以尝试以下评分方法：

1. 取一棵超级树，计算重复物种的数量 S1。
2. 折叠所有属于旁系同源物的顶生叶，并计算重复物种的新数量 S2。
3. S1 和 S2 之间的差异揭示了超级树中大约有多少个子树。
4. 为了纠正由不同大小的超级树引起的任何偏差，除以超级树 N 中代表的独特物种的数量。

如果我们将此分数称为“子树因子”，那么它等于：

S1 - S2 / N

推论：

• 如果 S1 - S2 = S1 那么这意味着你的超级树中大约有一个真正的子树，所有多个物种的出现都只是由于最近的旁系同源物造成的。

• 如果 S1 - S2 = 0 那么这意味着你的超级树中有大约 S1 个真正的子树。