系统发育学是一门研究如何构建物种之间系统树的学科,是理解生物多样性、进化历史、生态学等的核心。在古生物系统发育分析中,可用的信息只有从化石上提取的形态学数据。由于化石本身形成与挖掘的困难,数据中基本都包含一定的缺失数据和不可适用数据,它们会影响系统发育树的构建。针对以上问题,本文的主要工作如下:1)在形态学数据仿真实验中探究了缺失数据比例和缺失数据模式如何影响系统发育树的构建。然后,比较了在不同情况下对缺失数据进行忽略或删除时的建树效果,为在具体系统发育分析中如何进行缺失数据处理提供了指导。2)为解决缺失数据对系统发育树推断的问题,提出一种基于自编码器的二段式缺失插补方法,首先使用链式方程多重插补结果作为预插补值,再通过由已知数据训练好的自编码器对预插补值进行多轮矫正。本文方法考虑了数据间的线性关系与其在隐含层纬度的关联关系,在UCI连续型数据集和形态学离散型数据集上都有着较高的插补准确率,减少了缺失数据对系统发育树构建的影响。3)针对不可适用数据对发育树构建的影响,提出了结合不可适用Fitch算法的蒙特卡洛树搜索算法来对含有不可适用数据集进行系统发育树推断。相对于将不可适用数据当作新的特征状态或缺失数据,不可适用Fitch算法基于最大同源性假设,能对不可适用数据进行更合理的处理。而使用蒙特卡洛树搜索算法来寻找系统发育树,能有效避免搜索陷入局部最优的问题。同时,使用分支长度对蒙特卡洛树进行剪枝,减小了搜索范围,能较快地搜索到良好的系统发育树。首先,本文通过仿真实验来为缺失数据如何处理提供指导;然后,针对缺失数据,提出一种基于自编码器的二段式缺失插补方法;最后,对含有不可适用数据的系统发育树构建问题,采用结合不可适用Fitch算法的蒙特卡洛树搜索方法进行系统发育树构建。相比于现在主要基于分子数据的系统发育方法,本文对缺失数据和不可适用数据的处理都更为合理。