1。使用されるデータ：
* さまざまなデータ型： 異なるデータ型（形態とDNA配列など）を使用した分析は、異なる文字が異なる系統発生シグナルを提供するため、異なるツリートポロジにつながる可能性があります。
* 異なるデータサブセット： 同じデータ型が使用されていても、文字の異なるサブセットを分析すること（たとえば、すべての遺伝子の代わりにタンパク質コーディング遺伝子のみを使用する）は、異なる結果につながる可能性があります。
* 異なるデータ品質： データのエラー（たとえば、分類群の誤認、シーケンスエラーなど）は、結果に影響を与える可能性があります。
2。分析方法：
* さまざまな系統発生方法： さまざまな方法で、キャラクターの進化がどのように起こるかについて異なる仮定があります。たとえば、節約、最尤、ベイジアン推論は異なる最適性基準を使用し、異なるツリートポロジにつながる可能性があります。
* 異なるモデルパラメーター： 同じ方法内であっても、異なるモデルパラメーター（例：進化レート、代替モデルなど）が結果に影響を与える可能性があります。
* 異なる検索アルゴリズム： 最適なツリーを検索するために使用される特定のアルゴリズムは、結果に影響を与える可能性があります。一部のアルゴリズムは、グローバルな最適ではなく、ローカルオプティマを見つける可能性が高い場合があります。
3。生物学的要因：
* 水平遺伝子導入： 場合によっては、遺伝子は無関係な種間で水平に移動することができます。これにより、単一の正確なツリーを推測することが難しくなります。
* 不完全な系統ソーティング： 密接に関連する種が急速に分岐すると、いくつかの先祖の多型が異なる系統で保持され、誤解を招く系統発生シグナルにつながる可能性があります。
* 収束進化： 同様の特性は、同様の環境圧力のために異なる系統で独立して進化する可能性があり、相同性をホモプラシーと区別することは困難です。
4。確率的：
* 系統発生推論は確率的です： 同じデータと方法があっても、特に限られたデータを使用して、推測された関係には常にある程度の不確実性があります。この固有の確率性は、異なるツリートポロジにつながる可能性があります。
要約：
異なるツリートポロジは、データ、分析方法、生物学的プロセス、および固有の確率に関連する要因の複雑な相互作用から生じる可能性があります。系統発生の結果を解釈する際にこれらすべての要因を考慮し、単一の分析の制限を認識することが重要です。
