SEARCH

SEARCH BY CITATION

Keywords:

  • Hidden support;
  • combined analysis;
  • synergy;
  • branch support;
  • partitioned branch support

Abstract

In phylogenetic analysis, support for a given clade is ‘hidden’ when isolated partitions support that clade less than in the analysis of combined data sets. In such simultaneous analyses, signal common to the majority of partitions dominates the topology at the expense of any signal idiosyncratic to each partition. This process is often referred to as synergy and is commonly used to validate the combination of disparate data partitions. We investigate the behaviour of hidden branch support (HBS), partitioned branch support (PBS) and hidden synapomorphy (HS) as measures of hidden support using artificial, real and experimentally manipulated phylogenetic data sets. Our analyses demonstrate that high levels of both HBS and HS can be obtained by combining data with little shared phylogenetic signal. This finding is in agreement with the original intent of hidden support metrics, which essentially quantify the extent of data set interaction, both through the dispersion of homoplasy and revelation of underlying shared signal (positive data synergy). High levels of HBS alone are insufficient to justify data combination. We advocate the use of multiple hidden support measures to distinguish between the dispersion of homoplasy and positive data synergy, and to better interpret data interactions. Furthermore, we suggest two criteria that help identify hidden support resulting from homoplasy dispersion: first, when total support decreases with the addition of a data partition and second, when total HBS per unit total support (TS) per node is similar to that derived from randomized data.

Zusammenfassung

“Hidden Support” (HS oder versteckte Unterstützung) ergibt sich, wenn die Analyse einzelner Datenpartitionen weniger Unterstützung für eine bestimmten Gruppe zeigt, als die Analyse aller Daten zusammen. In solchen “Total Evidence” Analysen wird die Phylogenie vom gemeinsamen Signal aller Partitionen dominiert; das spezifische Signal einzelner Partitionen hat im Gegensatz dazu weniger Einfluß. Dieser oft als “Synergie” bezeichnete Prozess wird gerne herangezogen, um die gemeinsame Analyse verschiedener Datensätze zu validieren. Wir untersuchen das Verhalten verschiedener Maße von “hidden support”, nämlich hidden branch support (HBS), partitioned branch support (PBS) und hidden synapomorphy (HS). Dabei werden Originaldaten, sowie künstliche und experimentell manipulierte Datensätze verwendet. Unsere Analysen zeigen, dass ein hoher Grad von sowohl HBS als auch HS erreicht werden kann, wenn Datensätze mit nur wenig gemeinsamem phylogenetischem Signal kombiniert werden. Dieses Ergebnis stimmt mit der ursprünglichen Bedeutung der “hidden support”-Maße überein: sie quantifizieren die Interaktion von Datensätzen. Diese Interaktion beinhaltet nicht nur das Hervorheben des gemeinsamen phylogenetischen Signals (positive Synergie), sondern auch die Verteilung von Homoplasien. Ein hoher Grad an HBS reicht daher nicht aus, um die Kombination von Datensätzen zu rechtfertigen. Wir plädieren für die gleichzeitige Verwendung mehrerer Maße für “hidden support”, um echte Synergie der Daten von bloßer Homoplasieverteilung zu unterscheiden und die Interprätation von Dateninteraktionen zu verbessern. Dabei zeigen wir zwei Kriterien auf, mit denen positive Datensynergie identifiziert und von auf Kombination widersprüchlicher Datensätze zurückzuführender Homoplasie unterschieden werden kann: (1) Wenn der gesamte Branch Support (BS) mit der Einfügung weiterer Datensätze nicht stark abnimmt und (2) wenn der gesamte HBS pro Einheit TS sich von randomisierten Datensätzen unterscheidet.