Chapter 11   Numerical Methods of Phylogeny Inference

 

   모든 숫자적인 계통 발생 추론 학파는 나무 가지 모양의 도형인 diagram 혹은 dendrogram의 구성을 목표로 하고 있다. Dendrogram의 두 종류가 우리의 흥미를 끈다. Cladogram은 계통 발생에서 가지를 치는 형태를 표현하려고 노력하고 있다. Phylogram은 계통 발생에서 가지를 치는 형태 뿐만 아니라 가지의 길이와 그들 사이의 각도로서 분류군의 anagenetic divergence의 양을 묘사하려고 노력한다. 이들 가지의 길이의 추론은 Cladogram 구성의 한 단계이다. 이 장에서는 그와 같은 dendrogram이 구성되는 방법을 설명한다.

이 장에서는 분지도(cladogram) 와 계통도(phylogram)을 추론하기 위한 여러가지 숫자적인 방법이 묘사되어 있다. 분류군의 작은 무리를 손으로 분석하기에 적당한 방법의 여러 사례를 들어 시작한다. 컴푸터의 도움이 없이는 매우 지루한 숫자적(numerical)인 방법이다.

7장에서 충분히 설명되었지만 특징 이라는 단어는 숫자 분류학에서 두가지 다른 방법으로 사용이 된다. 묘사된 속성 혹은 검색 키이 라는 용어는 외모를 구분 하기위해 사용할 때는 올바른 것이다. 예를 들면 갈색 눈 이라기 보다는 푸른 눈 이라고 나타내는 것이다. 그러나 숫자 분류학에서는 집합적인 감각에서 틀리게 사용하는 것이 된다. 특징은 특징의 상태로 세분된다. 혼돈을 피하기 위해 Ashlocksignifer라는 단어를 집합적으로 사용하도록 제안 하였다. 예를 들면 눈 색갈의 변이 정도, 즉 눈의 푸른 색갈 혹은 갈색 색갈의 정도를 컴푸터가 인식할 수 있는 기호(Mnemonic code)로 표시하는 것이다.

 

주요 내용

The data set

Distance methods

       Distance of similarity matrix

       Cluster analysis

Overview of distance methods

       Calculation of similarity coeffficients from character data

       Standadization

       Inference of phylogenies from distance matrices

       The wagner distance method

       Other distance methods

       Judging the quality of distance methods

Character methods

       Character state matrix

       A simple example

       Problems encountered in the construction of a cladogram

Overvies of character-based methods

       Compatibility methods

       Parsimony method

       Maximum-likelihood estimation

       Other methods

       Weighting

Which method is best ?

Appendix : computerprograms

   PART  C   METHODOLOGICAL ISSUES

 

3개의 장에서는 microtaxonomy(종 수준 분류학 ), macrotaxonomy(상위 분류군의 분류)보다는 분류학 전반적인 사항에 관한 것이다. 분류학적 채집품(12)에 관여된 원리와 방법, 분류학 논문 작성법(13), 동물명명규약의 이론과 실제(14) 에 정보를 제공한다.