A method to align sequence data based on parsimonious synapomorphy schemes generated by direct optimization (DO; earlier termed optimization alignment) is proposed. DO directly diagnoses sequence data on cladograms without an intervening multiple-alignment step, thereby creating topology-specific, dynamic homology statements. Hence, no multiple-alignment is required to generate cladograms. Unlike general and globally optimal multiple-alignment procedures, the method described here, implied alignment (IA), takes these dynamic homologies and traces them back through a single cladogram, linking the unaligned sequence positions in the terminal taxa via DO transformation series. These "lines of correspondence" link ancestor-descendent states and, when displayed as linearly arrayed columns without hypothetical ancestors, are largely indistinguishable from standard multiple alignment. Since this method is based on synapomorphy, the treatment of certain classes of insertion-deletion (indel) events may be different from that of other alignment procedures. As with all alignment methods, results are dependent on parameter assumptions such as indel cost and transversion:transition ratios. Such an IA could be used as a basis for phylogenetic search, but this would be questionable since the homologies derived from the implied alignment depend on its natal cladogram and any variance, between DO and IA + Search, due to heuristic approach. The utility of this procedure in heuristic cladogram searches using DO and the improvement of heuristic cladogram cost calculations are discussed.

中文翻译：

---

隐含比对：一种基于亚同形的多序列比对方法，并在cladogram搜索中使用。

提出了一种基于直接优化生成的简约同构方案比对序列数据的方法（DO；之前称为优化比对）。DO无需插入多个比对步骤即可直接诊断多幅图的序列数据，从而创建特定于拓扑的动态同源性语句。因此，不需要多重对齐即可生成分支图。与一般的和全局最优的多重比对程序不同，此处描述的方法隐含比对（IA）采用这些动态同源性，并通过单个分支图追溯它们，通过DO变换序列将末端分类单元中的未比对序列位置链接在一起。这些“对应线”链接祖先状态，并且当显示为没有假设祖先的线性排列的列时，与标准多重比对在很大程度上没有区别。由于此方法基于同形同构，因此某些类别的插入-缺失（插入/缺失）事件的处理可能与其他比对过程不同。与所有对齐方法一样，结果取决于参数假设，例如插入缺失成本和转化率：转化率。这样的IA可以用作系统发育搜索的基础，但这将是有问题的，因为从隐含比对得出的同源性取决于其出生图和DO和IA + Search之间的差异（由于启发式方法）。讨论了该程序在使用DO进行启发式cladogram搜索中的实用性以及启发式cladogram成本计算的改进。某些类型的插入-缺失（indel）事件的处理方式可能与其他比对程序不同。与所有对齐方法一样，结果取决于参数假设，例如插入缺失成本和转化率：转化率。这样的IA可以用作系统发育搜索的基础，但这将是有问题的，因为从隐含比对得出的同源性取决于其出生图和DO和IA + Search之间的差异（由于启发式方法）。讨论了该程序在使用DO进行启发式cladogram搜索中的实用性以及启发式cladogram成本计算的改进。某些类型的插入/缺失（插入/缺失）事件的处理方式可能与其他比对程序不同。与所有对齐方法一样，结果取决于参数假设，例如插入缺失成本和转化率：转化率。这样的IA可以用作系统发育搜索的基础，但这将是有问题的，因为从隐含比对得出的同源性取决于其出生图和DO和IA + Search之间的差异（由于启发式方法）。讨论了该程序在使用DO进行启发式cladogram搜索中的实用性以及启发式cladogram成本计算的改进。结果取决于参数假设，例如插入缺失成本和转化率：转化率。这样的IA可以用作系统发育搜索的基础，但这将是有问题的，因为从隐含比对得出的同源性取决于其出生图和DO和IA + Search之间的差异（由于启发式方法）。讨论了该程序在使用DO进行启发式cladogram搜索中的实用性以及启发式cladogram成本计算的改进。结果取决于参数假设，例如插入缺失成本和转化率：转化率。这样的IA可以用作系统发育搜索的基础，但这将是有问题的，因为从隐含比对得出的同源性取决于其出生图和DO和IA + Search之间的差异（由于启发式方法）。讨论了该程序在使用DO进行启发式cladogram搜索中的实用性以及启发式cladogram成本计算的改进。