2/25/09 

CSCI1950‐Z 
Computa3onal Methods for Biology  
Lecture 9 
Ben Raphael 
February 23, 2009 
hHp://cs.brown.edu/courses/csci1950‐z/ 

Outline 
Searching Through trees 
1.   Branch‐swapping: NNI, SPR, TBR. 
2.  MCMC 
Consensus Trees and Supertrees 

1 
 2/25/09 

Heuris3c Search 
1.  Start with an arbitrary tree T. 
2.  Check “neighbors” of T. 
3.  Move to a neighbor if it provides the best 
improvement in parsimony/likelihood score. 

Caveats: 
Could be stuck in local 
op3mum, and not 
achieve global 
op3mum 

Trees and Splits 
Given a set X, a split is a par33on of X into two non‐
empty subsets A and B such that  X = A | B. 

For a phylogene3c tree T with leaves L, each edge e 
defines a split Le = A | B, where A and B are the 
leaves in the subtrees obtained by removing e. 
e

A B

2 
 2/25/09 

Compu3ng the Splits Metric 
A phylogene3c tree T defines a collec3on of 
splits Σ(T) = { Le | e is edge in T}. 

Theorem:  
ρ(T1, T2) = | Σ(T1) \ Σ(T2) | + |Σ(T2) \ Σ(T1) |  
         = |Σ(T1)| + |Σ(T2)| ‐ 2 |Σ(T1)∩Σ(T2)| 
Proof: (whiteboard) 

Nota3on: A \ B = {x: x ∈ A, x ∉ B} 

Nearest Neighbor Interchange 

Rearrange four subtrees 
defined by one 
internal edge 

Claim: The number of NNI neighbors of a binary tree is 2(n‐3) 

Proof: (whiteboard) 

3 
 2/25/09 

Subtree Pruning and Regrafing  
(SPR) 

1.  Remove a branch. 
2.  Reconnect incident vertex by 
subdividing a branch  

Subtree Pruning and Regrafing  
(SPR) 

1.  Remove a branch. 
2.  Reconnect incident vertex by 
subdividing a branch  

Claim: The number of SPR neighbors of a binary tree is  
2(n‐3) (2n – 7) 

Proof: (whiteboard) 

4 
 2/25/09 

Tree Bisec3on and Reconnec3on  
(TBR) 

1.  Remove a branch. 
2.  Reconnect subtrees by adding 
new branch that subdivides 
branches in both.  

Rela3onship between Opera3ons 
•  Every NNI is an SPR and every SPR is a TBR. 
•  Every TBR is a single SPR or a composi3on of 
two SPR. 
•  All three types of opera3ons are inver3ble:  
If T  T’, then T’  T. 
α  α‐1 

Theorem: For all T and T’ in B(n), there is a sequence 
of NNI (or SPR or TBR) opera3ons that transform T 
into T’. 

5 
 2/25/09 

Rela3onship between Opera3ons 
NNI  SPR  TBR 

•  Every NNI is an SPR and every SPR is a TBR. 
•  Every TBR is a single SPR or a composi3on of two SPR. 
•  All three types of opera3ons are inver3ble:  
If T  T’, then T’  T. 

Heuris3c Search 
1.  Start with an arbitrary tree T. 
2.  Check “neighbors” of T. 
3.  Move to a neighbor if it provides the best 
improvement in parsimony/likelihood score. 

PAUP* (widely used 
phylogene3c package) 
includes command: 
hsearch nreps=num 
swap=type 
Where type = NNI, SPR, TBR 

6 
 2/25/09 

From Likelihood to Bayesian 
Given data X = (x1, …, xn), we found the tree T and 
branch lengths t* that maximized likelihood 
Pr[X | T, t*]. 

What about other trees? 

Could we compute Pr[T, t* | X]? 

Back to Coin Flipping 

Flip coin with  
p = Pr[heads] unknown. 

Earlier we computed max. 
likelihood es3mate of p. 
L(p) = Pr[ D | p]. 

Pr[p | D] = Pr[ p, D]/Pr[D] 
     = Pr[D|p]Pr[p] / Pr[D] 
11 tosses  44 tosses 
Posterior  5 heads  20 heads 
Prior 

7 
 2/25/09 

Bayesian Methods 
Pr[T, t* | X] = Pr[X, T, t*] / Pr[X]  
     = Pr[X | T, t*] Pr[T, t*] / Pr[X]  
     = Pr[X | T, t*] Pr[T, t*] / (ΣT’, t’Pr[X | T’, t’] Pr[T’, t’] 
      
Posterior  Bayes Theorem 
Prior 

Problem: Cannot compute denominator. 

Bayesian Methods 
Pr[T, t* | X] = Pr[X, T, t*] / Pr[X]  
     = Pr[X | T, t*] Pr[T, t*] / Pr[X]  
     = Pr[X | T, t*] Pr[T, t*] / (ΣT’, t’Pr[X | T’, t’] Pr[T’, t’] 
      
Posterior  Bayes Theorem 
Prior 

Problem: Cannot compute denominator. 

Solu2on: Use power of Markov Chains to 
draw trees (“sample”) according to 
distribu3on Pr[T, t* | X]   

8 
 2/25/09 

Markov Chain Monte Carlo 
To sample from a distribu3on  
 Define a Markov chain with equilibrium distribu3on π. 
 Simulate chain through many transi3ons. 
 Afer many transi3ons (e.g. ~10000), will be at equilibrium 
π.  (“Burn‐in”) 
 Output every n‐th state.  (n ~ 50).   
Jukes‐Cantor model of DNA 

A  C 
Equilibrium distribu3on:  
qA = qC = qG = qT = 1/4 

T  G 

MCMC on Trees 

1.  Define a Markov chain: 
•  States are trees T. 
•  Equilibrium distribu3on is posterior Pr[T, 
t* | X].   
2.  Simulate Markov chain for many steps (burn‐
in). 
3.  Output T from every n‐th (e.g. n = 50) step. 

NNI neighborhood for trees with 
5 leaves 

9 
 2/25/09 

MCMC on Trees 

1.  Define a Markov chain: 
•  States are trees T. 
•  Equilibrium distribu3on is posterior Pr[T, 
t* | X].   
2.  Simulate Markov chain for many steps (burn‐
in). 
3.  Output T from every n‐th (e.g. n = 50) step. 

For transi3ons, can use NNI, SPR, TBR, or other 
opera3ons.  

Can define* the transi3on probabili3es of this 
Markov chain without compu3ng Z = (ΣT’, t’Pr[X | 
T’, t’] Pr[T’, t’]  (Metropolis algorithm).  NNI neighborhood for trees with 
5 leaves 
*“involves burning of incense, cas3ng of chicken bones, use of magical incanta3ons, and invoking the 
opinions of more pres3gious colleagues.” ‐‐Felsenstein 

How Many Times Did Wings Evolve? 

•  Previous studies had shown loss of wings: 
winged  wingless transi3ons 
•  Gain of wings (Wingless  winged transi3on) 
appears to be much more complicated 

10 
 2/25/09 

Phylogeny of Insects 

(Nature 2003) 

Build phylogeny of winged and 
wingless s3ck insects  

Used data from: 
18S ribosomal DNA (~1,900 base 
pairs (bp)) 
28S rDNA (2,250 bp) 
Por3on of histone 3 (H3, 372 bp) 
Used mul3ple tree reconstruc3on 
techniques 

Most Parsimonious Evolu3onary Tree of 
Winged and Wingless Insects 

•  All most parsimonious 
reconstruc3on gave a 
wingless ancestor 
•  All required mul3ple 
winged  wingless 
transi3ons. 

11 
 2/25/09 

Most Parsimonious Evolu3onary Tree of 
Winged and Wingless Insects 

Will Wingless Insects Fly Again?  

•  All most parsimonious reconstruc3ons all 
required the re‐inven3on of wings. 
•  It is likely that wing developmental pathways 
are conserved in wingless s3ck insects 

12 
 2/25/09 

Next Ques3ons 
•  How to combine/merge trees? 
•  How to determine “confidence” in a par3cular 
tree/branch? 

Mul3ple Trees? 

13 
 2/25/09 

Consensus Trees 

Strict Consensus Tree 

14 
 2/25/09 

Strict Consensus 

No non‐trivial splits in common! 
Strict consensus tree is unresolved. 

Splits Equivalence Theorem 
A phylogene3c tree T defines a collec3on of splits Σ(T) = 
{ Le | e is edge in T}. 

Splits A1 | B1 and A2 | B2 are pairwise compa.ble if at 
least one of A1∩A2 , A1∩B2 , B1∩A2, and B1∩B2 is the 
empty set. 

Splits Equivalence Theorem: Let Σ be a collec3on of 
splits.  There is a phylogene3c tree such that  Σ(T) = Σ if 
and only if the splits in Σ are pairwise compa3ble. 

The Pairwise Compa3bility Theorem (for binary 
characters) follows from this theorem. 

15 
 2/25/09 

Majority Consensus Tree 

Majority Consensus Tree 

16