Phylogenetischer Baum

Über phylogenetische Bäume

Ein phylogenetischer Baum (auch Phylogramm oder Kladogramm genannt) zeigt die erschlossene Evolutionsgeschichte einer Gruppe von Arten, Genen oder Sequenzen. Interne Knoten stellen hypothetische gemeinsame Vorfahren dar; Blätter stellen beobachtete Taxa dar; Astlängen kodieren evolutionäre Distanz oder Divergenzzeit. Evolutionsbiologen, molekulare Ökologen und klinische Mikrobiologen verwenden phylogenetische Bäume, um die Geschichte des Lebens zu rekonstruieren, Pathogenausbrüche zu verfolgen und zu verstehen, wie Genfamilien sich entwickelt haben.

Schematex akzeptiert Bäume im Newick-Format — dem universellen Austauschstandard, der von PAUP*, IQ-TREE, RAxML, BEAST und praktisch jedem Phylogenetik-Programm verwendet wird — erweitert mit NHX-Annotationen für Bootstrap-Werte und Kladus-Metadaten. Eine einrückungsbasierte DSL wird ebenfalls für handgeschriebene Bäume unterstützt. Diese Seite dokumentiert, was der Parser heute akzeptiert.

1. Ihr erster phylogenetischer Baum

Der kleinste sinnvolle Baum: vier Taxa, zwei Kladen.

Drei Regeln decken 80 % der Anwendungsfälle ab:

1. Mit phylo beginnen, optional gefolgt von einem zitierten Titel und Klammer-Eigenschaften.
2. Die Baumtopologie im newick:-Format bereitstellen — die Standard-Newick-Zeichenkette, zitiert, auf einer Zeile. Das abschließende ; ist optional.
3. Optional Kladus-Hervorhebungsgruppen und eine Skala-Beschriftung unter der Newick-Zeile definieren.

Kommentare müssen mit # in einer eigenen Zeile beginnen. Inline-Trailing-Kommentare werden nicht unterstützt.

2. Eingabeformate

2.1 Newick-Format

Newick ist die primäre Eingabe. Die vollständige Grammatik ist:

(A,B,(C,D));                         # nur Topologie
(A:0.1,B:0.2,(C:0.3,D:0.4):0.5);    # mit Astlängen
((A:0.1,B:0.2):0.05[&&NHX:B=98],(C,D):0.08);  # NHX Bootstrap
('Homo sapiens':0.1,'Mus musculus':0.2);        # zitierte Namen mit Leerzeichen

Astlängen folgen dem Knotennamen nach einem Doppelpunkt. Support-Werte interner Knoten können als einfache Klammern [95] oder als NHX [&&NHX:B=95] erscheinen.

Vom Parser akzeptierte Newick-Regeln:

2.2 Einzugs-DSL

Für handgeschriebene oder kleine Bäume bietet Schematex eine einrückungsbasierte Alternative, die leichter zu lesen und bearbeiten ist als rohes Newick:

Regeln der Einzugs-DSL:

Die erste Zeile, die mit : endet und keine Leerzeichen hat, löst den Einzugsbaum-Modus aus (z. B. root:). Der Name vor dem Doppelpunkt wird zur Wurzelbeschriftung; alle eingerückten Zeilen darunter werden zu seinen Kindern.

3. Layout

Das Layout wird in den Header-Klammern gesetzt: phylo "Titel" [layout: rectangular].

[unrooted] als nacktes Flag ist äquivalent zu [layout: unrooted].

Kreisförmig — Wurzel im Zentrum, Blätter fächern nach außen. Am visuell beeindruckendsten für Bäume mit vielen Taxa und Kladus-Hervorhebungen.

Rechteckig — L-förmige Äste; Wurzel links, Blätter rechts. Die klassische Phylogramm-Form für veröffentlichte Abbildungen.

Geneigt — diagonale Linien von Eltern zu Kindern; kompakter als rechteckig, gleiche Links-nach-Rechts-Leserichtung.

Ohne Wurzel — gleichwinkeliges radiales Layout; betont die Wurzel weniger, betont die paarweise Distanz zwischen allen Taxa.

4. Modus

Mit [mode: …] im Header (oder in einer style [mode: …]-Zeile) gesetzt.

Chronogramm erfordert Astlängen in Zeiteinheiten plus [mrsd: "YYYY"] (jüngstes Probenahmerdatum) im Header, damit der Renderer Blätter an der Gegenwart ausrichten kann.

phylo "SARS-CoV-2 variants" [mode: chronogram, mrsd: "2023"]
  newick: "((Alpha:0.5,Delta:0.4):0.3,Omicron:0.8);"
  scale "years"

Dendrogramm — die Standardausgabe hierarchischer agglomerativer Clusterung, keine Evolution. Jeder interne Knoten wird an seiner Zusammenführungshöhe (der kophenethischen Distanz, bei der seine beiden Kind-Cluster fusionieren) platziert, alle Blätter richten sich auf einer gemeinsamen Basislinie aus, und die Äste sind rechteckige Ellenbogen-Verbinder. Eine Höhenachse wird gezeichnet, damit Sie den Abstand ablesen können, bei dem zwei beliebige Blätter zuerst einen Cluster teilen. Verwenden Sie diesen Modus, wenn derselbe Newick-/Einzugsbaum ein Clustering-Ergebnis beschreibt — Genexpressions-Cluster, Probenähnlichkeit, Umfrageantwortgruppen — und keine Phylogenie.

Fügen Sie eine cut <Wert>-Zeile hinzu, um den Baum bei einer gewählten Höhe zu schneiden: Jeder Teilbaum, dessen Zusammenführungshöhe unter dem Schwellenwert liegt, wird zu einem flachen Cluster, jeder mit einer eigenen Farbe, und eine gestrichelte Schwellenwertlinie wird quer durch den Baum bei dieser Höhe gezeichnet. Dies ist das Dendrogramm-Äquivalent von fcluster in scipy — ein kontinuierlicher Baum in eine diskrete Menge von Gruppen umgewandelt.

cut weglassen, um das bloße Dendrogramm ohne Flat-Cluster-Färbung zu zeigen:

5. Kladus-Hervorhebung

Eine clade-Zeile markiert eine monophyletische Gruppe mit einer Farbe, einer optionalen Beschriftung und einem optionalen Hervorhebungsmodus.

clade ID = (member1, member2, ...) [color: "#hex", label: "text", highlight: mode]

Mitglieder sind Blatt-(Blatt-)IDs aus der Newick-Zeichenkette. Der Renderer berechnet den MRCA der aufgelisteten Blätter und hebt den gesamten Teilbaum hervor, der dort verwurzelt ist.

6. Skalierungsbalken und Außengruppe

Skalierungsbalken: scale "Beschriftung" — fügt einen Balken am unteren Rand hinzu. Die Beschriftung beschreibt die Einheit (z. B. "substitutions/site", "Mya"). Im Kladogramm-Modus weglassen, wo Astlängen keine Bedeutung haben.

Außengruppe: outgroup: taxonId — zeichnet die Außengruppe zur Dokumentation auf; der Renderer kann es verwenden, um das Außengruppen-Taxon visuell zu markieren.

phylo "Vertebrates"
  newick: "((Human:0.1,Chimp:0.08):0.03,Lamprey:0.8);"
  outgroup: Lamprey
  scale "substitutions/site"

7. Header-Eigenschaften-Referenz

Alle Optionen kommen innerhalb von […] in der phylo-Header-Zeile oder in einer style […]-Zeile irgendwo im Körper.

8. Bezeichnungen & Kommentare

• Titel: phylo "Tree of Life" — nur in der ersten Zeile.
• Skalierungsbeschriftung: scale "substitutions/site" — einmal pro Dokument.
• Kladus-Beschriftung: [label: "Primates"] innerhalb einer clade-Zeile.
• Kommentare: # am Anfang einer Zeile (nach führendem Leerzeichen). Inline-Trailing-Kommentare werden nicht unterstützt.

9. Häufige Fehler

10. Grammatik (EBNF)

document        = header (blank | comment | newick-line | scale-line
                    | outgroup-line | clade-line | style-line | cut-line | indent-line)*

header          = "phylo" ( WS quoted-string )? ( WS "[" props "]" )? NEWLINE
quoted-string   = '"' any-char-but-quote* '"'

newick-line     = "newick:" WS quoted-newick NEWLINE
scale-line      = "scale" ( WS quoted-string )? NEWLINE
outgroup-line   = "outgroup:" WS id NEWLINE
cut-line        = "cut" WS number NEWLINE       // Dendrogramm-Modus: Flat-Cluster-Schwellenwerthöhe
clade-line      = "clade" WS id WS "=" WS "(" id ("," id)* ")"
                    ( WS "[" clade-props "]" )? NEWLINE
style-line      = "style" WS "[" props "]" NEWLINE

// Einzugsbaum — ausgelöst durch eine Zeile, die mit ":" endet und keine Leerzeichen hat
indent-tree     = root-line indent-node*
root-line       = id ":" NEWLINE
indent-node     = INDENT ( id ":" length | ":" length | id ) ( WS "[" number "]" )? NEWLINE

props           = prop ("," prop)*
prop            = "layout:" layout-value
                | "mode:" mode-value
                | "unrooted"
                | "branch-width:" number
                | "openAngle:" number
                | "mrsd:" quoted-string

clade-props     = clade-prop ("," clade-prop)*
clade-prop      = "color:" quoted-string
                | "label:" quoted-string
                | "highlight:" ( "branch" | "background" | "both" )

layout-value    = "rectangular" | "slanted" | "circular" | "unrooted"
mode-value      = "phylogram" | "cladogram" | "chronogram" | "dendrogram"

// Newick-Grammatik (eingebettet, separat geparst)
newick          = subtree ";"?
subtree         = leaf | internal
internal        = "(" subtree ("," subtree)* ")" name? nhx? length?
leaf            = name nhx? length?
name            = unquoted-name | "'" single-quoted "'")
length          = ":" number
nhx             = "[" number "]"                     // einfacher Bootstrap
                | "[&&NHX:" nhx-pair (":" nhx-pair)* "]"
nhx-pair        = key "=" value

id              = [a-zA-Z] [a-zA-Z0-9_-]*
number          = /[+-]?[0-9]+(\.[0-9]+)?([eE][+-]?[0-9]+)?/
comment         = INDENT "#" any NEWLINE

Maßgebliche Quelle: src/diagrams/phylo/parser.ts. Falls dies vom Parser abweicht, gewinnt der Parser — bitte öffnen Sie ein Issue.

11. Normkonformität

Schematex-phylogenetische Bäume folgen der Newick-Format-Spezifikation (wie im PHYLIP-Paket dokumentiert) für die Kern-Baum-Serialisierung und der NHX (New Hampshire Extended)-Konvention für Bootstrap-Support-Werte. Das B=-Feld in NHX-Klammern ist heute das einzige NHX-Feld, das visuell gerendert wird; alle anderen Felder werden geparst und gespeichert, aber nicht angezeigt.

Was heute implementiert ist:

• ✅ Newick-Topologie, Astlängen, zitierte Namen, Polytomien
• ✅ Bootstrap-Werte — einfaches [95] und NHX [&&NHX:B=95]
• ✅ Rechteckige, geneigte, kreisförmige und wurzellose Layouts
• ✅ Phylogramm-, Kladogramm- und Chronogramm-Modi
• ✅ Kladus-Hervorhebung (Astfarbe, Hintergrundschattierung, beides)
• ✅ Skalierungsbalken
• ✅ Einzugs-DSL-Alternative
• ⏳ Mehrbaumdokumente (Wald) — siehe §12
• ⏳ Zeitkalibrierte Achse für Chronogramme (geologische Skala)
• ⏳ Icons oder Bilder pro Blatt
• ⏳ NHX-Felder jenseits von B= (Spezies, Taxonomie, Duplikationsereignisse)

Referenzen:

• Felsenstein, J. (1986). The Newick tree format. PHYLIP documentation.
• Zmasek, C.M. & Eddy, S.R. (2001). ATV: Display and manipulation of annotated phylogenetic trees. Bioinformatics, 17(4), 383–384. (NHX-Spezifikation)
• Felsenstein, J. (2004). Inferring Phylogenies. Sinauer Associates.

12. Verwandte Beispiele

13. Roadmap

Geplant — noch nicht parsebar. Verwenden Sie diese heute nicht in generiertem DSL; der Parser wird sie ablehnen oder ignorieren.

• Mehrbaumdokumente — eine phylo-Datei mit mehr als einem newick:-Block (z. B. Genbäume vs. Artbaum).
• Geologische Zeitachse für Chronogramme — eine epochenbeschriftete X-Achse (Känozoikum / Mesozoikum usw.) anstelle einer einfachen numerischen Skala.
• Metadaten pro Blatt — Merkmale oder farbige Markierungen an einzelnen Blättern anhängen, ohne einen vollständigen Kladus zu deklarieren (z. B. tip Ecoli [color: "#F00", shape: star]).
• NHX-Felder jenseits von Bootstrap — Rendern von Spezies (S=), Duplikation (D=) und Transferereignissen (Tr=) als Astsymbole.
• Tangelgramm — zwei Bäume nebeneinander dargestellt mit verbindenden Linien, die entsprechende Blätter verknüpfen.

Verfolgen Sie die GitHub-Issues, wenn Sie eines davon früher benötigen.