UPGMA (unweighted pair group method with arithmetic mean)是一种相对简单的层次聚类方法。这个方法存在另一种变体 WPGMA。这个方法的创始人被认为是Sokal和Michener 。 [1]
UPGMA 演法构建出一棵有根树(树状图)表现相似矩阵或相异矩阵中的特征与结构。在算法里的每一步,距离最近的两个集群(子树)将被组合成一个更高级别的集群。任意两个集群
和
之间的距离,是由所有
里的
元素和所有
里的
元素的距离
的平均值,即每个集群的元素之间的平均距离,其中
和
是该两个集群的基数(集合大小):

换句话说,在每一次组合成新集群的步骤中,可以由
和
的加权平均给出集群
和一个新集群
之间的距离:
UPGMA 算法生成的有根树状图是一个超度量树,该树需要套用等速率的假设,也就是说根到每个分支尖端的距离皆相等。当尖端是同时采样的分子数据(即DNA 、 RNA和蛋白质)时,超度量假设就等同于分子钟假设。
这个示例是基于JC69基因距离矩阵,该矩阵是根据五种细菌的5S 核糖体 RNA序列计算出来的,五种细菌如下所列[2] [3]:
枯草杆菌 Bacillus subtilis(
)
嗜热脂肪芽孢杆菌 <i>Bacillus stearothermophilus</i>(
)
魏斯氏菌 Lactobacillus viridescens(
)
无原枯草杆菌 Acholeplasma modicum(
)
藤黄微球菌 <i>Micrococcus luteus</i>(
)
假设有五个物件
和他们之间的相异矩阵
:
|
a
|
b
|
c
|
d
|
e
|
a
|
0
|
17
|
21
|
31
|
23
|
b
|
17
|
0
|
30
|
34
|
21
|
c
|
21
|
30
|
0
|
28
|
39
|
d
|
31
|
34
|
28
|
0
|
43
|
e
|
23
|
21
|
39
|
43
|
0
|
在这里,
是最小值,所以将
和
集群。
令
表示现在
和
的祖先。为了让
和
与
等距,假设
,这对应到了超度量的假设。在这个范例中:
然后将
更新成一个新的距离矩阵
(计算在下方),由于
和
的集群,该矩阵的尺寸减少了一行一列。(
中粗体表示的值是由加权平均计算出的新距离)
中的斜体值不受矩阵更新影响,因为他们与第一个集群中的元素完全美有关连。
现在重复前面的三个步骤,并从新的相异矩阵
开始
|
(a,b)
|
c
|
d
|
e
|
(a,b)
|
0
|
25.5
|
32.5
|
22
|
c
|
25.5
|
0
|
28
|
39
|
d
|
32.5
|
28
|
0
|
43
|
e
|
22
|
39
|
43
|
0
|
在这个矩阵中,
是
中的最小值,所以将
和元素
集成新群。
令
表示节点
和
的祖先。由超度量假设可以得到
三顶点到
的距离相等,即:
,从而可以计算出
到
的距离
然后将
更新成新的距离矩阵
,数值计算如下:
重复上述动作可以得到
是
|
((a,b),e)
|
c
|
d
|
((a,b),e)
|
0
|
30
|
36
|
c
|
30
|
0
|
28
|
d
|
36
|
28
|
0
|
是:
|
((a,b),e)
|
(c,d)
|
((a,b),e)
|
0
|
33
|
(c,d)
|
33
|
0
|
这里显示了完成的树状图。[4]它是超度量的,所有尖端(
到
) 与
等距离 :
这个树状图的根是它最深的节点
。
构建 UPGMA 树的算法有
时间复杂度。使用一个堆维护两个即群之间的距离可以使时间达到
. 另外Fionn Murtagh 提出了一个
时空复杂度的算法。 [5]
- ^ Sokal, Michener. A statistical method for evaluating systematic relationships. University of Kansas Science Bulletin. 1958, 38: 1409–1438.
- ^ Erdmann VA, Wolters J. Collection of published 5S, 5.8S and 4.5S ribosomal RNA sequences. Nucleic Acids Research. 1986,. 14 Suppl (Suppl): r1–59. PMC 341310
. PMID 2422630. doi:10.1093/nar/14.suppl.r1.
- ^ Olsen GJ. Phylogenetic analysis using ribosomal RNA. Methods in Enzymology. 1988, 164: 793–812. PMID 3241556. doi:10.1016/s0076-6879(88)64084-5.
- ^ Swofford DL, Olsen GJ, Waddell PJ, Hillis DM. Hillis , 编. Phylogenetic inference. Sunderland, MA: Sinauer. 1996: 407–514. ISBN 9780878932825.
- ^ Murtagh F. Complexities of Hierarchic Clustering Algorithms: the state of the art. Computational Statistics Quarterly. 1984, 1: 101–113.