数据集概述
本数据集是关于大形态学数据集系统发育分析的概率算法性能评估模拟研究数据。研究测试了MrBayes、RevBayes、IQ-TREE和RAxML四种主流概率软件在不同分类抽样和缺失数据条件下的性能，通过Robinson-Foulds等指标计算推断树与真实树的距离，分析算法准确性、精确性及稳定性。
文件详解
- R_scripts.zip
- 文件格式：ZIP
- 字段映射介绍：包含用于分析系统发育算法性能的R脚本文件，用于执行树距离计算、结果统计等分析步骤
- True_trees.rar
- 文件格式：RAR
- 字段映射介绍：包含模拟研究中的真实系统发育树数据文件，作为评估推断树准确性的基准参考
- Supplementary_Data.docx
- 文件格式：DOCX
- 字段映射介绍：包含研究的补充数据文档，可能涵盖实验设计细节、补充结果表格等辅助信息
- Sim_data.rar
- 文件格式：RAR
- 字段映射介绍：包含模拟生成的形态学数据集文件，用于测试不同概率算法在大形态学数据下的性能表现
适用场景
- 系统发育算法性能评估: 用于比较不同概率算法（贝叶斯推断、最大似然法）在形态学数据系统发育分析中的准确性和稳定性
- 进化生物学研究方法优化: 为进化生物学领域选择合适的系统发育分析软件提供数据支持
- 缺失数据影响分析: 研究不同缺失数据水平对系统发育算法性能的影响机制
- 分类抽样策略研究: 分析分类单元抽样数量对系统发育树重建精度的作用规律
