在群体遗传学研究中，构建系统发育树是解析群体遗传结构和演化历史的核心手段。无论是单核苷酸多态性（SNP）分析、单倍型网络构建，还是群体分化研究，研究者常面临一个挑战：如何将复杂的群体遗传关系（如分支拓扑结构、节点支持率、遗传距离）以专业且直观的方式呈现？群体系统发育树凭借其"遗传关系可视化"的优势，成为群体遗传学论文中的关键图表，通过分支长度表示遗传差异、节点形状反映支持率，清晰展示个体或群体间的亲缘关系。然而，传统工具如R（ape, ggtree）、Python（DendroPy）或FigTree的绘图流程往往涉及繁琐的树文件处理、分支优化和注释调整，让研究者耗费大量时间在代码调试和图形美化上。
AI大模型的介入彻底改变了这一局面。只需提供您的群体遗传数据（如Newick/NEXUS格式的树文件），并用自然语言描述定制需求（如标注群体分组），AI即可自动生成"端到端"绘图脚本：从数据解析（处理缺失数据、优化分支布局）、美学调整（智能分支着色、自动标签避让），到添加专业元素（比例尺、图例、群体标记），最终生成可直接发表的高清矢量图——分支结构清晰，注释信息完整，配色符合领域审美标准，真正实现"专业绘图，一键生成"。
本文将带您体验如何通过AI协作，在短短5分钟内完成一幅专业的群体系统发育树，助您在群体遗传学研究中以极致的效率和专业度获得竞争优势！
初步构建绘图提示词
需要绘制群体的系统发育树，为了让他更高效的出图,我们尽量描述的详细一点,这样能够减少我们后面修改的次数,更容易得到想要的结果,首先确认自己的路径和绘图需要的文件,需要2个文件，分别是
1. 树文件（NWK格式）
2. 样本分类文件
这里只截取了一小部分,类似的文件大家肯定见过,这里就不多赘述了
写完了的提示词如下,大家可以参考一下格式
读取两个文件
工作路径: /home/liuyf/pop-gwas/test
树文件： fasttree.nwk
样本分类文件： group.txt （行=样本，列=分类，只有2列，没有列名 ）
绘图工具： ggtree
图形类型：进化树
颜色映射：分组的部分使用set3
绘图细节：先绘制进化树，再将分组信息添加到树的数据中，为每个分组添加背景颜色，添加样本名称标签
在deepseek输出上面写好的提示词,如果问题复杂可以打开deepthink
这样简单的就不需要了
初步生成绘图代码
给了详细的代码,我们来到rstudio运行一下结果如下：
基本符合要求了,有的地方不太好,比如颜色之间相互覆盖,然后样本名称之间存在重叠等
让AI帮助我修改可视化效果
得到的结果如下,符合要求,如果有其他需求,也可以让他再调
最终绘图代码
# 加载必要的包library(ggtree)library(ggplot2)# 读取数据tree <- read.tree("fasttree.nwk")group_data <- read.table("group.txt", header = FALSE, col.names = c("sample", "group"))# 创建圆形树（关键参数设置）p <- ggtree(tree, layout = "circular", # 必须的圆形布局 branch.length = "none", # 忽略分支长度 open.angle = 20) %<+% group_data + # 合并分组数据 # 枝条颜色映射分组 geom_tree(aes(color = group), size = 1.2, lineend = "round") + # 颜色设置 scale_color_brewer( palette = "Set3", name = "Group", na.value = "black" ) + # 标签优化核心设置（不使用repel） geom_tiplab( aes(color = group, angle = angle), # 关键：继承圆形角度 size = 2.5, offset = 1.8, # 控制标签与枝条末端的距离（关键参数） hjust = 0.5, # 居中显示 show.legend = FALSE, align = TRUE # 自动对齐角度 ) + # 布局控制 theme_void() + theme( legend.position = "bottom", aspect.ratio = 1 # 保持圆形 )# 显示图形print(p)# 保存（建议大尺寸画布）ggsave("circular_tree_clean.png", p, width = 10, height = 10, # 增大画布解决边缘拥挤 dpi = 600, bg = "white")