分子系統發生學自 Zuckerkandl & Pauling（1962, J. Theor. Biol.; 1965, Evolving Genes and Proteins）奠基以來，經歷從單基因到基因組尺度的質變，並發展出處理基因樹-物種樹不一致的精密統計框架。
歷史軌跡
Fitch & Margoliash（1967, Science）以細胞色素 c 序列建立脊椎動物樹。Woese（1987, Microbiol. Rev.）以 16S rRNA 重塑生命三域分類（Bacteria、Archaea、Eukarya）。Hillis & Moritz（1990, Molecular Systematics）的經典教科書系統化分子方法論。PCR（Mullis 1983）的發明使分子系統發生學民主化。
替換模型的演進與選擇
詳見 phylogenetic-methods 條目。核心進展：
- Tavaré（1986）建立 GTR
- Yang（1994, J. Mol. Evol.）Γ 分布
- Foster（2004, Syst. Biol.）非均質模型處理組成偏差
- Lartillot & Philippe（2004, Mol. Biol. Evol.）CAT mixture model
- Wang et al.（2018, Syst. Biol.）GHOST（general heterogeneous evolution on trees）模型
ModelTest-NG（Darriba et al., 2020, Mol. Biol. Evol.）整合 AIC/BIC/DT 模型選擇。
Incomplete Lineage Sorting 的量化
Maddison（1997, Syst. Biol.）奠定基因樹-物種樹不相容的統計框架。在 coalescent 模型下，兩次連續物種分歧間時間較短（<4Ne 世代）時 ILS 機率高。Rosenberg（2002, Evolution）計算 ILS 的理論比例；Degnan & Rosenberg（2006, PLoS Genet.）證明 anomalous gene tree（常見基因樹拓撲≠物種樹）可在多物種 coalescent 下產生，警示「基因樹多數投票」策略的危險。
multispecies coalescent 方法學
- ASTRAL（Mirarab et al., 2014, Bioinformatics; Zhang et al., 2018）：以 quartet frequencies 估計 coalescent-consistent species tree，現為標準。
- **StarBEAST2（Ogilvie et al., 2017, Mol. Biol. Evol.）**：整合 multispecies coalescent 與 molecular clock。
- SVDquartets（Chifman & Kubatko, 2014, Bioinformatics）：基於單位點的 coalescent 推論。
- Polymorphism-aware phylogenetic models（PoMo, De Maio et al., 2015）：將族群層級多態性整合至系統發生模型。
Hybridization 與 introgression 的偵測
D-statistics（ABBA-BABA test, Green et al., 2010, Science）：原用於偵測尼安德塔人對現代人類的基因流，現已成為 introgression 偵測標準。Patterson et al.（2012, Genetics）以 f-statistics 擴展為族群結構推論框架。Malinsky et al.（2015, Science）以 D-statistics 定位慈鯛中的 introgression 熱點。
Phylogenetic networks（SplitsTree, NeighborNet, PhyloNet）提供網狀推論。Solis-Lemus et al.（2017）的 SNaQ 結合 coalescent 與 reticulation。
Horizontal Gene Transfer
Boto（2010, Proc. R. Soc. B）綜述 HGT 在原核生物演化的核心角色。偵測方法：
- Phylogenetic incongruence
- Compositional analysis（GC 含量、codon usage 異常）
- BLAST-based（近似方法）
- HGTector, DarkHorse（專業工具）
Koonin & Wolf（2008）的 "web of life" 視野取代經典 tree of life，尤其在 prokaryotes。
Gene family evolution
Ortholog vs paralog 辨識是比較基因組學的核心挑戰。OrthoDB（Kriventseva et al., 2019）、OrthoMCL、OrthoFinder（Emms & Kelly, 2019, Genome Biol.）提供不同策略。錯誤的 paralog-as-ortholog 使用可嚴重扭曲系統發生推論（Philippe et al., 2005, PLoS Biol.）。
Phylogenomics 的陷阱
Phillips et al.（2004, PLoS Biol.）警告大資料下 systematic error 可產生高信心的錯誤答案。Jeffroy et al.（2006, Trends Genet.）綜述 phylogenomics 的主要陷阱：
- Long-branch attraction in large datasets
- Compositional bias
- Model inadequacy
- Missing data pattern
Shen et al.（2017, Nat. Ecol. Evol.）以「single-gene outlier」分析顯示少數極端基因可主導整體結論。Simion et al.（2017, Curr. Biol.）以 jackknife 分析解決海綿 vs 櫛水母 sister to all animals 爭議。
關鍵案例
- 鳥類基因組學（Jarvis et al., 2014, Science; Prum et al., 2015, Nature）：48 種 vs 200+ 種分析給出一致的鳥類輻射樹，支持 K-Pg 後的爆炸性輻射。
- 昆蟲 1KITE（Misof et al., 2014, Science）：1478 個 OGS 基因解析昆蟲目級關係。
- 哺乳類系統發生：Meredith et al.（2011, Science）、Foley et al.（2023, Science）。
- 植物系統發生（Zanne et al., 2014, Nature；One Thousand Plant Transcriptomes Initiative, 2019, Nature）。
新興方向
1. 全基因組對齊系統發生：
- Cactus（Armstrong et al., 2020, Nature）處理 600+ 物種的 progressive alignment
- ProgressiveMauve（Darling et al., 2010）用於細菌
2. 古 DNA 整合：
- Slatkin & Racimo（2016, PNAS）methodology review
- Meyer et al.（2016, Nature）Sima de los Huesos 古 DNA 重塑尼安德塔-丹尼索瓦關係
3. Single-cell 系統發生：
- Lineage tracing 的計算（Salvador-Martinez et al., 2019）
- CRISPR-based barcoding（McKenna et al., 2016, Science）
4. 機器學習應用：
- Suvorov et al.（2020, Syst. Biol.）深度學習系統發生推論
- Solis-Lemus et al.（2022）topology inference
前沿挑戰：(1) 基因組尺度 model misspecification 的診斷與校正；(2) 非樹狀演化（reticulation）的通用框架；(3) 時間校正的分子時鐘與化石整合的精緻化（tip-dating、FBD）。