nuget
贝叶斯推断（BI）：计算整棵树（以及模型参数）在数据条件下的后验分布
P(τ, v, θ | D) ∝ P(D | τ, v, θ) P(τ, v, θ)
由于后验分布没有解析解，使用 Metropolis-Hastings MCMC 在参数空间中随机游走进行采样； 每个内部分支的后验概率即“包含该分支的采样树占总样本的比例”。
BayesianInference
00 Remarks
先验设置：分支长度服从指数分布（均值为 BranchLengthPriorMean），拓扑服从均匀先验， Gamma 形状参数 α（若参与采样）服从 [0.02, 50] 上的均匀先验。 提议分布包括：NNI / SPR 拓扑移动、全树分支长度乘性缩放、单条分支长度乘性缩放、以及 α 的乘性缩放。
01 Syntax
SMRUCC.genomics.Interops.Visualize.Phylip.Evolution.Bayesian.BayesianInference
02 Methods
| Name | Overloads | Summary |
|---|---|---|
| Run | 1 | 执行贝叶斯 MCMC 建树。 |
| RecordSplits | 1 | 记录一棵采样树中的所有 split（内部分支 bipartition）。 |
| LogPrior | 1 | 后验分布的对数（未归一化）：对数似然 + 对数先验。 |
| Diagnose | 1 | 基于多条链的对数似然轨迹给出 Gelman-Rubin 收敛诊断。 |
03 Fields
| Name | Overloads | Summary |
|---|---|---|
| BranchLengthPriorMean | 2 | 分支长度指数先验的均值（同时作为缩放提议的尺度参考） |
04 Members
Run(CharacterMatrix, AminoAcidModel,
Int32, Double, Double, Int32, Int32, Int32, Int32, Boolean, Int32)执行贝叶斯 MCMC 建树。
Parameters
| Name | Type | Description |
|---|---|---|
matrix | CharacterMatrix | 已比对的位点矩阵 |
model | AminoAcidModel | 氨基酸替换模型（默认 LG） |
rateCategories | Int32 | 离散 Gamma 速率类别数目 |
gammaShape | Double | Gamma 形状参数 α 的初始值 |
invariantProportion | Double | 不变位点比例 I |
chains | Int32 | 独立马尔可夫链的数目（用于收敛诊断，多链并行执行） |
samples | Int32 | 每条链的采样步数 |
burnIn | Int32 | 弃置的 burn-in 步数 |
sampleFrequency | Int32 | 采样间隔（每隔多少步记录一次样本） |
optimizeAlpha | Boolean | 是否对 α 进行采样 |
seed | Int32 | 随机种子 |
RecordSplits(PhyloNode, ChainResult)
记录一棵采样树中的所有 split（内部分支 bipartition）。
后验分布的对数（未归一化）：对数似然 + 对数先验。
Diagnose(ChainResult())
基于多条链的对数似然轨迹给出 Gelman-Rubin 收敛诊断。
BranchLengthPriorMean
分支长度指数先验的均值（同时作为缩放提议的尺度参考）
BranchLengthPriorMean