Ikhtisar

Filogenetika kemungkinan maksimum (ML) adalah kerangka statistik yang mengidentifikasi topologi pohon yang paling mungkin menghasilkan data urutan yang diamati berdasarkan model evolusi molekuler yang eksplisit. Tidak seperti metode berbasis jarak yang menciutkan informasi urutan menjadi satu nomor per pasangan, ML mengevaluasi setiap lokasi dalam penyelarasan, menghitung probabilitas data yang diberikan pohon dan model substitusi. Pohon dengan skor kemungkinan tertinggi dipilih sebagai perkiraan terbaik sepanjang sejarah evolusi. Metode ML memerlukan komputasi yang intensif tetapi menawarkan sifat statistik yang mapan, termasuk konsistensi dan kemampuan untuk membandingkan model pesaing.

Konsep Utama

Penghitungan kemungkinan bergantung pada model substitusi: proses Markov yang menggambarkan laju perubahan satu nukleotida (atau asam amino) menjadi nukleotida lain. Model yang umum digunakan termasuk JC69 (tingkat yang sama), GTR (reversibel waktu umum dengan frekuensi dasar yang tidak sama), dan heterogenitas tingkat yang dimodelkan melalui distribusi gamma (G) dengan proporsi situs invarian (I). Penelusuran pohon heuristik (misalnya, pemangkasan dan pencangkokan ulang subpohon, atau SPR) menavigasi kemungkinan topologi yang sangat luas. Pemilihan model menggunakan kriteria informasi seperti AIC atau BIC untuk mengidentifikasi model substitusi yang paling sesuai untuk data.

Aplikasi

Filogenetika ML diterapkan secara luas dalam sistematika molekuler, filodinamik virus, dan genomik komparatif. Ini menjadi tulang punggung banyak spesies pohon berskala besar dan merupakan metode pilihan untuk sebagian besar studi filogenetik yang ditinjau oleh sejawat. Pendekatan ini secara rutin digunakan untuk melacak data pengurutan DNA dari wabah patogen, untuk mempelajari dinamika evolusi struktur dan klasifikasi virus, dan untuk menyelesaikan hubungan mendalam dalam genetika bakteri di mana evolusi yang cepat dapat mengaburkan sinyal filogenetik.