简介

FastTree 可以基于核酸或者蛋白多序列比对结果，构建近似最大似然（Approximately-Maximum-Likelihood）系统发育树。 它可以处理多达百万条序列的比对文件，内存和耗时可控。对于大数据集，比 PhyML、RAxML 快 100–1000 倍。 开源地址：

• 官网：FastTree 2.2: Approximately-Maximum-Likelihood Trees for Large Alignments
• Github：GitHub - morgannprice/fasttree: FastTree 2: Approximately-Maximum-Likelihood Trees for Large Alignments · GitHub

精度说明： 默认参数下，FastTree 精度优于 PhyML 3；远优于传统距离矩阵类建树方法。 替换模型：

• 核酸：Jukes-Cantor、GTR
• 蛋白：JTT、WAG、LG 位点异质性：默认采用 CAT 近似模型，给每个位点分配独立进化速率。 分支可靠性：输出 SH-like 局部支持值（和 PhyML3 的 SH-like support 算法一致）。

更多文档入口：

• How：FastTree 2.2: Approximately-Maximum-Likelihood Trees for Large Alignments
• Install：FastTree 2.2: Approximately-Maximum-Likelihood Trees for Large Alignments
• Usage：FastTree 2.2: Approximately-Maximum-Likelihood Trees for Large Alignments
• Performance / Accuracy：FastTree 2.2: Approximately-Maximum-Likelihood Trees for Large Alignments、FastTree 2.2: Approximately-Maximum-Likelihood Trees for Large Alignments

特色功能：

• Gamma20
• OpenMP 多线程
• 自定义替换矩阵
• FAQ

原理：五大建树阶段

1. 启发式邻接树（Heuristic Neighbor-Joining）
2. 最小进化（Minimum Evolution）：NNI + SPR 重排
3. 距离校正
4. 最大似然拓扑优化与分支长度优化（ML）
5. 局部支持值计算（SH test）

1. 启发式邻接树

FastTree 使用改良版邻接算法生成初始拓扑；不存储距离矩阵，而是存储节点 profile，大幅降低内存。 三层启发加速：

• 记录每个节点最优配对
• 爬山搜索寻找更优配对
• top-hits 策略，避免计算全部两两距离

局限：邻接阶段距离没有多重替换校正，会受到长枝吸引（LBA）影响，后续最小进化阶段修正这个问题。

2. 最小进化 ME 阶段

通过 NNI、SPR 重排，不断降低总树长；和 FastME 思路接近，但基于 profile 而非距离矩阵，速度更快。 默认：4*log2(N)轮 NNI，2 轮 SPR。 SPR 代价高，FastTree 将 SPR 拆解成一串 NNI，只延伸最优分支链。 在噪声不大的距离矩阵下，NNI+SPR 足以收敛到较优拓扑。

距离计算规则：

• 蛋白：BLOSUM45 矩阵，校正公式-1.3 * log(1-d)
• 核酸：JC 距离-0.75*log(1 - 4/3 d)
• 两条序列比对：gap 位点直接忽略；两个 profile 比对：按非 gap 比例加权

3. 最大似然 ML 优化

在 ME 树基础上，同时优化拓扑 + 枝长。 模型：JC / GTR（核酸）；JTT / WAG / LG（蛋白）。 CAT 模型：默认 20 个速率分类，速率几何分布 0.05~20；贝叶斯先验分配每个位点到最可能速率组，避免小比对过拟合。

ML 搜索提速策略（也是和 RAxML 核心区别）：

• 只做 NNI，不做 SPR
• 同一时间只维护一棵拓扑
• 位点速率、模型参数只优化一次，不每轮 NNI 都重算
• NNI 之间不单独迭代优化枝长
• 枝长收敛阈值：0.0001 或者 枝长的 0.1%，取较大值
• 四元组似然优化最多 2 轮；第一轮后似然差 > 5 则直接抛弃该拓扑
• 连续两轮似然提升不足 0.1 的子树直接跳过
• 分支稳定、显著优于星型树时，不再尝试替代拓扑
• 限制 NNI 轮次上限2*log2(N)，保证运行时间可控（一般提前收敛）

4. 局部支持值 SH-like support

对每个分支拆分，评估 3 种四元组拓扑(A,B),(C,D)/(A,C),(B,D)/(A,D),(B,C)，使用 SH 检验对比。

说明：使用 CAT 近似、不完整重优化枝长，结果和 PhyML3 的 SH-like 支持几乎一致；两者默认 1000 次重采样，重采样比对不重新优化枝长。

👉 传统 bootstrap 怎么做（FastTree 不内置）：

1. seqboot（phylip）生成重采样比对
2. FastTree-n批量分析所有重采样比对
3. CompareToBootstrap.pl 对比原始树和 bootstrap 树 超大比对推荐-intree1全局快速 bootstrap：以原始比对树作为每一轮重采样的起始树，速度很快，相关性高（r=0.975）。 关闭 ML 阶段-noml，则会使用旧版最小进化局部 bootstrap。

编译 & 安装 FastTree

可执行文件：

• FastTree 单线程版
• FastTreeMP OpenMP 多线程版
• FastTree.exe Windows 版
• FastTree.c 源码

单线程编译

gcc -O3 -fopenmp-simd -funsafe-math-optimizations -march=native -o FastTree FastTree.c -lm

Mac 注意：需要安装 Xcode 命令行工具；-finline-functions可能报错，可删掉。

多线程 FastTreeMP

gcc -DOPENMP -O3 -fopenmp -fopenmp-simd -funsafe-math-optimizations -march=native -o FastTree FastTree.c -lm

Mac 原生 clang 对 OpenMP 支持差，建议换 gcc。

开源协议：自由修改分发；改进建议发邮件 fasttree@microbesonline.org。 历史版本：ChangeLog.txt/github old 分支。

运行命令（重点，你跑 TE 树高频用）

✅ 蛋白比对，默认 JTT+CAT

FastTree < alignment_file > tree_file # 或者 FastTree alignment.file > tree_file

✅ 蛋白换成 WAG / LG（你 Gypsy RT 蛋白树常用 LG）

FastTree -lg pep.aln > tree.newick FastTree -wag pep.aln > tree.newick

✅ 核酸比对 GTR+CAT

FastTree -gtr -nt < alignment.file > tree_file

不加-gtr则默认 JC+CAT。

✅-gamma：CAT 跑完之后，重新缩放枝长，输出 Gamma20 似然值

速度仅慢约 5%；Gamma 似然跨样本可比，适合拓扑 SH/AU 检验，搭配-log。

FastTree -gamma -lg pep.aln > tree.newick

Windows：cmd 运行；Linux/Mac：./FastTree查看参数：直接敲 FastTree 或者FastTree -help（⚠️ 没有-h）

输入格式

支持 FASTA、交错 PHYLIP。

• 序列 ID 必须唯一
• 序列名不要包含: , ( )，否则 newick 树无法解析
• FASTA：> 后第一个空格后的内容默认丢弃；-quote开启保留空格（单引号除外，输出树加引号，后续 FastTree 无法再读取这棵树）
• PHYLIP：支持长 ID，块之间名字对齐；单文件可放多个比对，搭配-n

输出格式

标准 Newick；树根位置无生物学意义。 内部节点携带 SH 支持值，范围0~1，不是 0~100。 完全相同序列会产生多歧分支；冗余序列的父节点无支持值。 可视化工具：MEGA、iTOL。

速度、复杂度、实测数据

单线程基准测试：

复杂度：

• 默认：空间 O (N L a + N^1.5)，时间 O (N^1.5 log (N) L a)
• -fastest：空间 O (N L a + N^1.25)，时间 O (N^1.25 L a)

N = 序列数，L = 比对长度，a = 字母表大小（核酸 4，蛋白 20）

237k 16S 案例时间拆分（-fastest）：邻接阶段最耗时；ML NNI 是每轮最慢的步骤。 FastTreeMP 3 线程一般提速 1.5~1.7 倍；邻接阶段可多线程，ML NNI、ME 阶段不并行。

精度对比小结

• 对比 PhyML3（仅 NNI）：FastTree 略准（得益于 ME-SPR 初始树）
• 对比 RAxML/PhyML（带 SPR 全搜索）：FastTree 精度略低，但速度快几百倍；两者不一致的分支大多支持度很低
• 模拟数据：几千～几万条序列，拓扑正确率很高；大数据集非常划算

似然对比（500 条 16S 子集）： RAxML GTR+Γ4 > FastTree GTR+CAT > PhyML3 GTR+Γ4 > PhyML3 HKY+Γ4 > FastTree JC+CAT

500 条 COG 蛋白家族也有相同趋势。

OpenMP 多线程 FastTreeMP

并行模块：top-hits、NJ 节点距离比对、ML NNI 的 3 个拓扑似然、SH 支持计算。 ⚠️ 重要：FastTreeMP非确定性，多线程调度顺序会影响 NJ 启发搜索，树拓扑可能轻微变化，但质量基本一致。 控制线程数：

export OMP_NUM_THREADS=3 ./FastTreeMP -lg pep.aln > tree.newick

运行FastTreeMP -help会打印当前线程设置。

CAT / Gamma20 模型详解

-gamma：先用 CAT 模型优化树，再缩放枝长，计算 Gamma20 离散伽马似然。 Gamma20 优势：跨运行可比；大数据下甚至优于很多工具 Gamma4。 局限：

• 核酸 GTR+Gamma20，速率参数没有完全优化，精度略降
• 少于 50 条序列的小比对不推荐，位点速率估计误差大
• Gamma20 似然和别的软件 Gamma4 不能直接等价对比

原理：预先计算 20 个固定速率（0.05~20）的位点似然，Brent 法优化 Gamma 形状参数 α。 常规 Gamma 是等概率离散区间；FastTree Gamma20 是按连续 Gamma 积分分配每个速率的权重。

自定义氨基酸替换矩阵-trans

仅蛋白、仅 ML 阶段生效；ME 阶段用-matrix/-nomatrix。 矩阵是制表符分隔，顺序：A R N D C Q E G H I L K M F P S T W Y V *，最后一列是稳态频率 π。 校验条件：

1. π 全部 > 0
2. π 总和 = 1
3. Q 对角元为负，非对角元≥0
4. Q・π = 0（稳态）
5. ∑Qᵢᵢπᵢ = -1（平均突变速率 = 1）
6. 时间可逆 Qᵢⱼ / Qⱼᵢ = πᵢ / πⱼ

单精度版本容易数值不稳定，自定义矩阵优先用默认双精度版。

FAQ（高频踩坑，你跑 TE 树经常遇到）

Q1：必须要比对好的序列吗？

✅ 是。

• 蛋白家族：muscle /hmmalign；hmmalign 小写是未匹配结构域，建议删掉
• RNA：infernal
• 修剪：Gblocks /trimal 去除低质量 gap 列

Q2：报未识别字符？

只识别： 核酸：A C G T（U 兼容） 蛋白：20 标准氨基酸；gap-其他字符（N、R、X、Z、U 硒代半胱氨酸）都会告警，当成缺失。

Q3：大量 0.0001/0.0005 甚至负枝长？

• -noml最小进化阶段：负枝长是噪声，代表该分支极短、不确定
• 旧单精度版本：枝长下限 0.0001；新版单精度 0.0005
• 需要精确短枝：用默认双精度版本

Q4：怎么加速？

1. -fastest：>5 万序列首选，NJ 阶段大幅提速
2. FastTreeMP 多线程
3. -mlnni 4减少 ML NNI 轮次
4. -noml直接关掉 ML（不推荐正式文章）
5. 过滤大量 gap 列、提前聚类去冗余序列（usearch）

Q5：怎么提高精度？

• -pseudo：大量碎片化序列（很多 gap）推荐
• -spr 4：增加 ME 阶段 SPR 轮次
• -mlacc 2 -slownni：ML 搜索更彻底（≈4 倍慢）
• -fastest -no2nd：超大数据集，NJ 阶段更保守，小幅提升精度

Q6：不同拓扑做 SH/AU 检验？

搭配-gamma -log，输出位点似然，用 CONSEL 包做拓扑检验。 固定拓扑只优化枝长：

FastTree -gamma -nt -gtr -nome -mllen -intree top1.newick -log top1.log aln.fasta > top1.ftlen FastTree -gamma -nt -gtr -nome -mllen -intree top2.newick -log top2.log aln.fasta > top2.ftlen perl GammaLogToPaup.pl top1.log top2.log > top12.txt makermt --paup top12.txt consel top12 catpv top12.pv

⚠️ 坑：不要漏写 log 文件名，否则会覆盖比对文件！

Q7：树根有生物学意义吗？

❌ FastTree 输出无根树，根位置是程序随便放的。 校正：外类群重根 / 中点根；超大树可以用自带 reroot.pl。

Q8：是否可复现？

• 单线程：确定可复现；跨平台浮点误差很小，似然几乎一致
• FastTreeMP：非确定性，线程调度影响 NJ 启发，树会轻微变化，质量不变
• SH 支持值有随机种子，每次运行会浮动

Q9：-intree -nome -mllen拓扑变了？

如果比对里有完全相同序列，输入树里这些相同序列放在不同位置，FastTree 内部会合并，输出树会统一放到同一个位置，拓扑改变，无告警。

Q10：全基因组超宽比对内存爆炸？

FastTree 擅长序列多、比对短；不擅长比对长度极大。

• 支持值计算内存：8 * 1000 * L bytes，百万位点就要 8GB
• 方案 1：-nosupport关闭支持值
• 方案 2：-boot 100减少重采样次数
• 方案 3：JC 模型、-noml降低内存

宽比对支持值本身参考意义有限，重组会破坏系统发育假设。

适合你的常用命令汇总（Gypsy/Copia RT 蛋白树）

# LG模型（推荐，和IQ-TREE一致） FastTree -lg -gamma -log tree.log Gypsy_rt.aln > Gypsy_rt.newick # 关闭支持值，极速跑海量TE FastTree -lg -nosupport Gypsy_rt.aln > Gypsy_rt.newick # 五万条以上超大TE数据集 FastTree -lg -fastest Gypsy_rt.aln > Gypsy_rt.newick

参考文献：

1. Price, M.N., Dehal, P.S., and Arkin, A.P. (2009) FastTree: Computing Large Minimum-Evolution Trees with Profiles instead of a Distance Matrix.Molecular Biology and Evolution26:1641-1650, doi:10.1093/molbev/msp077.
2. Price, M.N., Dehal, P.S., and Arkin, A.P. (2010) FastTree 2 -- Approximately Maximum-Likelihood Trees for Large Alignments.PLoS ONE, 5(3):e9490. doi:10.1371/journal.pone.0009490.