近年来，分子系统学在动物进化研究中扮演着重要角色。构建系统发育树的关键步骤之一是选择合适的进化模型。当前，最大似然法和贝叶斯分析是主要的系统发育树构建方法。在模型选择环节，研究人员常用的统计标准包括似然比检验（LRT）、赤池信息准则（AIC）和贝叶斯信息准则（BIC）。然而，不同标准在实际应用中可能导致不同的模型选择，影响研究的准确性。

为深入探讨各种模型选择标准的表现，研究团队模拟了广义时间可逆模型（GTR）中的24个基本模式，生成了33600个模拟数据集。比较分析了分层似然比检验（hLRT）、AIC、BIC和决定理论（DT）四种标准在模型准确性、精确性和偏向性方面的表现。结果显示，BIC和DT在模型选择的准确性和稳定性方面优于其他标准，成为当前推荐的首选方法。研究还发现，不同标准在面对包含不变异位点参数的模型时表现不同，hLRT的准确性较低，而BIC和DT表现出较小的偏向性。

该研究由中国科学院动物研究所朱朝东博士带领的科研团队完成，获得中国科学院农业办公室项目、国家自然科学基金、以及中国农业部和北京市自然科学基金的资助。研究成果已发表在国际知名学术期刊《BMC Evolutionary Biology》（影响因子4.29），成为该领域的热点论文之一。第一作者罗阿蓉已获得国家留学基金委的支持，将赴澳大利亚进行博士研究，推动动物分子系统学的国际合作与发展。