Question

同样的数据，为什么每一次分析的Bootstrap值不同

Answer 1

　　很正常的，特别是当一些分枝之间的遗传距离很相近，没办法确定分枝之间的进化关系。我不知道你清不清楚bootstrap的算法。如果你用的是序列的话，简单的讲就是把序列的位点都重排，重排后的序列再用相同的办法构树，如果原来树的分枝在重排后构的树中也出现了，就给这个分枝打上一分，如果没出现就给0分，这样经过你给定的repetitions次（至少1000次）重排构树打分后，每个分枝就都得出分值，计算机会给你换算成bootstrap值。
　　重排的序列有很多组合，值越小说明分枝的可信度越低，如果数据本身的信息量不足以判断亲缘关系的，这样构出来的树肯定每次都不一样，算出来的值也不同，一般50以下的值都都要剔除。而且值mega的话，会在你的original tree上给出bootstrap值，也会给你总结出一个consensus tree，你会看到这两个树可能topology都不大一样。
​　　当然如果你repetitions的次数很大的话，可能会好点，不过机器可耗不起，特别是构mp树的时候，据文献说2000次的话能得到一个95％confidence。数据比较好的话，100次重复也能得到很高的bootstrap的。最好根据数据的情况选用不同的构树方法和模型。

Answer 2

bootstrap只是一个UI框架，有些项目是不需要这么多的样式，而且一般UI效果图也不是能直接套用的，用bootstrap的规范还不如自己写样式