The estimation of ever larger phylogenies requires consideration of alternative inference strategies, including divide-and-conquer approaches that decompose the global inference problem to a set of smaller, more manageable component problems. A prominent locus of research in this area is the development of supertree methods, which estimate a composite tree by combining a set of partially overlapping component topologies. Although promising, the use of component tree topologies as the primary data dissociates supertrees from complexities within the underling character data and complicates the evaluation of phylogenetic uncertainty. We address these issues by exploring three approaches that variously incorporate nonparametric bootstrapping into a common supertree estimation algorithm (matrix representation with parsimony, although any algorithm might be used), including bootstrap-weighting, source-tree bootstrapping, and hierarchical bootstrapping. We illustrate these procedures by means of hypothetical and empirical examples. Our preliminary experiments suggest that these methods have the potential to improve the correspondence of supertree estimates to those derived from simultaneous analysis of the combined data and to allow uncertainty in supertree topologies to be quantified. The ability to increase the transparency of supertrees to the underlying character data has several practical implications and sheds new light on an old debate. These methods have been implemented in the freely available program, tREeBOOT.

中文翻译：

---

提高超级树中的数据透明度和估计系统发育不确定性：使用非参数引导法的方法

对更大的系统发育的估计需要考虑替代推理策略，包括将全局推理问题分解为一组更小、更易于管理的组件问题的分而治之的方法。该领域的一个突出研究领域是超级树方法的发展，该方法通过组合一组部分重叠的组件拓扑来估计复合树。尽管很有希望，但使用组件树拓扑作为主要数据将超级树与基础特征数据中的复杂性分开，并使系统发育不确定性的评估复杂化。我们通过探索三种方法来解决这些问题，这些方法将非参数引导法不同地合并到一个常见的超树估计算法中（矩阵表示与简约，尽管可以使用任何算法），包括引导加权、源树引导和分层引导。我们通过假设和经验示例来说明这些程序。我们的初步实验表明，这些方法有可能改善超级树估计值与从组合数据的同时分析得出的估计值的对应关系，并允许量化超级树拓扑中的不确定性。增加超级树对底层字符数据的透明度的能力有几个实际意义，并为一个古老的争论提供了新的线索。这些方法已在免费提供的程序 tREeBOOT 中实现。我们通过假设和经验示例来说明这些程序。我们的初步实验表明，这些方法有可能改善超级树估计值与从组合数据的同时分析得出的估计值的对应关系，并允许量化超级树拓扑中的不确定性。增加超级树对底层字符数据的透明度的能力有几个实际意义，并为一个古老的争论提供了新的线索。这些方法已在免费提供的程序 tREeBOOT 中实现。我们通过假设和经验示例来说明这些程序。我们的初步实验表明，这些方法有可能改善超级树估计值与从组合数据的同时分析得出的估计值的对应关系，并允许量化超级树拓扑中的不确定性。增加超级树对底层字符数据的透明度的能力有几个实际意义，并为一个古老的争论提供了新的线索。这些方法已在免费提供的程序 tREeBOOT 中实现。我们的初步实验表明，这些方法有可能改善超级树估计值与从组合数据的同时分析得出的估计值的对应关系，并允许量化超级树拓扑中的不确定性。增加超级树对底层字符数据的透明度的能力有几个实际意义，并为一个古老的争论提供了新的线索。这些方法已在免费提供的程序 tREeBOOT 中实现。我们的初步实验表明，这些方法有可能改善超级树估计值与从组合数据的同时分析得出的估计值的对应关系，并允许量化超级树拓扑中的不确定性。增加超级树对底层字符数据的透明度的能力有几个实际意义，并为一个古老的争论提供了新的线索。这些方法已在免费提供的程序 tREeBOOT 中实现。