分支與自助支持率（clade and bootstrap support）
/ klayd / BOOT-strap /
報紙報導民意調查時，不會只給一個數字——它會給出誤差範圍，告訴你該信幾分。系統發生樹需要同樣的誠實：光把分枝畫出來還不夠；你得知道哪些分枝牢靠、哪些是搖搖欲墜的猜測。自助支持率就是樹的誤差範圍，而分支則是它所衡量的那種分組。
首先，一個分支（clade）是樹上一整條完整的枝：一個祖先加上它全部的後代、別無其它——像「所有哺乳動物」或「所有鳥類」這樣的自然類群，一棵好的樹應當把它還原成一條完整不裂的枝。那麼，我們有多大把握認為某個特定分支是真實的、而不是資料的假象？自助法（bootstrap）用重抽樣來回答。你拿起你的序列比對，反覆多次地、透過有放回地隨機抽取它的列（有些列出現兩次、有些一次都不出現）來構造一個略經打亂的版本，然後從每一個被打亂的資料集重建樹。如果某個分支在這些重建的樹中、比方說100次裡有98次反覆出現，它就獲得98的自助值——支持很強。如果它只在55次裡出現，那條分枝支持很差，應當心存疑慮。
自助值正是為什麼你看一棵已發表的樹時，永遠該看上面的數字、而不只看它的形狀。帶95或更高的分枝是穩健的；處在五六十幾的分枝，可能再加一個基因就徹底重排。誠實的告誡是：自助衡量的是你資料中信號的一致性，而非真相：如果整個資料集以同一種方式帶偏（比方說被一個系統性的假象帶偏），一條強支持的分枝仍可能是錯的；而弱支持往往標記著最棘手、也最有趣的問題，那是一些譜系在很久以前接連迅速分化的地方。
在一棵已發表的樹上，把所有鯨類與河馬歸為一組的那條分枝，可能帶著100的自助值，意味著那個分支在每一個重抽樣的資料集裡都重新出現——這是「鯨類在陸上最近的親屬是河馬」的有力證據。
分支是一整條完整的枝；自助值是資料一次次把它重新畫出來的頻率。
高自助值意味著信號在你的資料中是一致的，並不意味著那條分枝必定為真——系統性偏差可能給一個錯誤的分組以強支持。永遠要讀那些支持數字，而不只看樹的形狀。