BIONJ：シーケンスデータの単純なモデルに基づくNJアルゴリズムの改良バージョン

SaitouとNeiの隣接（NJ）アルゴリズムの改良バージョンを提案します。この新しいアルゴリズムであるBionJは、NJと同じ凝集スキームに従います。これは、一対の分類群を繰り返し選択し、これらの分類群のクラスターを表す新しいモードを作成し、このノードで両方の分類群を交換することで距離マトリックスを減らすことで構成されます。さらに、Bionjは、進化距離推定の分散と共分散の単純な1次モデルを使用しています。このモデルは、これらの推定値がアラインドシーケンスから取得されると、十分に適合しています。各ステップで、新しい距離マトリックスの分散を最小限に抑える削減の削減のクラスから、選択が許可されます。このようにして、次のステップで凝集する分類群のペアを選択するためのより良い推定値を取得します。さらに、NJの推定値と比較して、これらの推定値は、アルゴリズムが進むにつれてますます良くなります。Bionjは、NJの良好な特性、特にその低い実行時間を保持しています。Bionjの効率を決定するために、コンピューターシミュレーションが12タクソンモデルツリーで実行されています。置換速度が低い場合（サイトごとに最大ペアワイズ分岐）、または系統の間で一定の場合、BionjはNJよりもわずかに優れています。置換速度が高く、系統によって異なる場合、Bionjは明らかにトポロジーの精度が向上します。後者の場合、モデルツリーとテストされた進化の条件について、トポロジーエラーの減少は平均約20％です。高額の樹木と高い置換速度（サイトあたり最大ペアワイズの分岐が約1.0の置換）を伴うと、エラーの減少は50％を超えることさえありますが、正しいツリーを見つける確率は最大15％増加する可能性があります。。

We propose an improved version of the neighbor-joining (NJ) algorithm of Saitou and Nei. This new algorithm, BIONJ, follows the same agglomerative scheme as NJ, which consists of iteratively picking a pair of taxa, creating a new mode which represents the cluster of these taxa, and reducing the distance matrix by replacing both taxa by this node. Moreover, BIONJ uses a simple first-order model of the variances and covariances of evolutionary distance estimates. This model is well adapted when these estimates are obtained from aligned sequences. At each step it permits the selection, from the class of admissible reductions, of the reduction which minimizes the variance of the new distance matrix. In this way, we obtain better estimates to choose the pair of taxa to be agglomerated during the next steps. Moreover, in comparison with NJ's estimates, these estimates become better and better as the algorithm proceeds. BIONJ retains the good properties of NJ--especially its low run time. Computer simulations have been performed with 12-taxon model trees to determine BIONJ's efficiency. When the substitution rates are low (maximum pairwise divergence approximately 0.1 substitutions per site) or when they are constant among lineages, BIONJ is only slightly better than NJ. When the substitution rates are higher and vary among lineages,BIONJ clearly has better topological accuracy. In the latter case, for the model trees and the conditions of evolution tested, the topological error reduction is on the average around 20%. With highly-varying-rate trees and with high substitution rates (maximum pairwise divergence approximately 1.0 substitutions per site), the error reduction may even rise above 50%, while the probability of finding the correct tree may be augmented by as much as 15%.