在現代分子係統學研究中，最大似然法和貝葉斯分析是兩種文獻中最為主要的構建係統發育樹的兩種方法。在構建係統發育之前，研究人員一般都需要對比對後的多條基因序列進行最優進化模型選擇。目前，通常使用的模型選擇軟件，如ModelTest等，其實包含似然比檢驗（LRT），赤池信息標準（AIC）和貝葉斯信息標準（BIC）等多種選擇模型的統計標準。對於研究者來說，具體采用哪種統計標準最後選出進化模型往往是一個讓人困惑的問題。

因此，為了更好的理解不同選擇標準的行為特點，從而方便眾多研究者的應用，該研究針對廣義時間可逆模型（GTR）中24個基本的模式，共計模擬了33,600個數據。就分層似然比檢驗（hLRT）、赤池信息標準（AIC）、貝斯信息標準（BIC）和決定理論（DT）等四種現有的主要標準，分別對這些數據進行模型選擇，並繼而分析了不同標準的準確性、精確性、差異度和選擇偏向性。結果表明BIC和DT具有較高的準確性和精確性，因此判斷它們是目前最佳模型選擇標準。另外，結果顯示：對於同樣的數據不同的選擇標準經常選擇出不同的最優模型；其中hLRT和AIC的差異度最高，而BIC和DT之間的差異度則最小。選擇偏向性結果表明：當真實模型含不變異位點這一參數時，hLRT的選擇準確性較差；而BIC和DT則總是呈現相似的選擇偏向性。總之，研究表明在做模型選擇分析時，BIC和DT應該作為首選的統計標準。結合模型適度檢驗，依據BIC和DT的選擇模型理應能促進分子係統及相關研究的可信性。

該研究主要由必威精装版app西汉姆联 朱朝東博士領導的課題組完成，主要得到了中國科學院農業辦公室項目（KSCX2-YW-NF-02）、國家自然科學基金委項目（30870268, J0930004）資助，並部分得到中國農業部行業科技專項（200803006）、北京市自然科學基金委重點基金（KZ201010028028）等項目的資助。

研究論文已發表在BMC Evolutionay Biology（SCI影響因子4.29）。該論文自發表以來，已經成為該雜誌高度受關注論文之一。目前第一作者羅阿蓉同學，已經得到國家留學基金委資助，前往澳大利亞聯邦科工委組織進一步開展博士論文工作，加強在該領域的合作研究。

文章鏈接：Arong Luo, Huijie Qiao, Yanzhou Zhang, Weifeng Shi, Simon YW Ho, Weijun Xu, Aibing Zhang, Chaodong Zhu. 2010. Performance of criteria for selecting evolutionary models in phylogenetics: a comprehensive study based on simulated datasets. BMC Evolutionary Biology. 10: 242. （原文鏈接）