“家族树”还是“传播链”？进化树不会直接告诉你答案，但它会给你最关键的线索。

进化树能告诉你“谁和谁像”，但不能告诉你“谁传给谁”。

那些挨得很近的点，是线索，不是答案。

箭头画下去之前，先问问：时间线对齐了吗？接触史查过了吗？暴露场景排除了吗？

没有这些，再近的SNP也只是猜测。

进化树不是"不可靠"，恰恰相反，它的价值在于用基因组信息缩小调查范围；只是"遗传相近"与"直接传播"之间，还隔着一条完整的现场证据链。

最适合回答的问题：哪些病例值得放进同一轮流行病学调查进行核查？

不适合单独回答的问题：谁是传染源？传播发生在哪里？有没有未被采样的中间病例？

根本原因：进化树是算法对遗传关系的数学估计，不是对真实传播事件的现场记录。遗传距离近，只说明序列相似度高；至于这种相似是怎么来的，是直接传播、共同暴露，还是中间漏采了一环，树图本身给不出答案。

最大似然树是“哪种树形最合理”，最小生成树是“怎样连最近”。

两者都叫进化树，但一个讲演化路径，一个讲遗传距离。

读图前先确认类别，否则后续分析全是错的。

Cai 等基于核心基因组 SNP，对 98 株金黄色葡萄球菌（医院+食物来源）构建了近似最大似然树，并在树旁标注了样本来源、耐药谱与毒力因子。

最大似然树的强项：快速识别遗传相近的样本簇、评估簇间距离、观察表型特征是否在树上呈聚集分布。常用工具包括 FastTree 和 IQ‑TREE。

不能过度解读的地方：分支只反映模型下的遗传关系，不代表传播方向。两株菌落在相邻分支，只能说明“遗传上相近、值得纳入同一轮流调核查”，无法区分“A 直接传给 B”“A 经未采样中间病例传给 B”或“两者来自同一持续菌群而无近期接触”。

读图提醒：分叉是对序列演化关系的数学估计，不是一条带箭头的传播边。即便分支很近，也必须叠加病例时间线、接触史与暴露场景，才能做出传播推断。

Schrader 等基于核心基因组多位点分型（cgMLST）数据，展示了 156 株耐万古霉素粪肠球菌的近邻关系。节点代表单个分离株或相同分型的多个分离株。

最小生成树的强项：快速识别遗传距离最近的样本、锁定可疑聚集节点、为新分离株优先匹配回看病区与时间线提供线索。常用工具包括 GrapeTree。

不能过度解读的地方：图中的连线是算法在全体样本中挑选出的近邻连接，不代表两节点之间存在直接接触，也不意味着传播一定沿这条边发生。上述 VRE 研究并未单凭最小生成树认定聚集，而是进一步结合 SNP 分析与流行病学连接来判定疑似院内传播事件。

读图提醒：最小生成树的连线帮助你排优先级，先核查这些近邻样本；它不替你完成传播方向的判定。

台湾结核研究用中位连接网络同时展示了 SNP 距离与流调信息。这张图的价值在于：让遗传证据和现场证据互相校验。

结果很说明问题：SNP=0 未必有共同暴露；传统分型一致但缺乏流调联系且跨城市的病例，反而可能需要排除。

读图提醒：进化图上的“近”不等于流行病学上的“通”；两张皮合在一起，才算完整证据链。

Xiao 等的工作阈值：≤5 SNP 为强聚集提示，≤15 SNP 为可能聚集。但这不是通用规则，菌种、背景、流程一变，阈值就要调整。

解读边界：阈值是风险分层的工具，不是传播方向的证明，更不能独自恢复传播链。

最大似然树和最小生成树的最佳用法，不是用来回答“谁传给谁”，而是生成一张需要优先核查的病例清单。

具体流程是：先从树中筛出遗传距离较近的病例对或聚集，再逐一核对诊断日期、症状出现时间、可能传染期，接着回溯居住地、工作场所、医疗机构或其他共同暴露，最后核查接触史并主动考虑未采样中间病例。最终的传播判断不应是简单的二元答案，而应是“支持”“可能”或“尚无证据支持”的分级表述。

在这一过程中，实验室的责任是：在报告中明确图形类型、距离计算方法与聚集判定规则，并输出距离矩阵和聚集名单。流调的责任是：将这些名单嵌入时间线与现场调查。两部分结合，才能形成一份真正可用于行动的分子流行病学结论。

下次再看到进化树图上画着 A→B→C 的箭头，先停一下：

这张图能告诉你的是"这三株值得放在一起查"，而不是"传播真的沿着这条线发生"。

遗传相近 ≠ 直接传播。进化树图提供线索，现场证据链给出结论。