分子鐘的發現對于進化研究具有十分重要的意義。它不僅能用于粗略估計不同類群生物間的進化時間，亦可用于構建進化樹。實際上，分子鐘發現不久，蛋白質序列分析即被廣泛用于生物的長時進化研究。

根據蛋白質的序列或結構差異關系可構建分子進化樹(evolutionary tree)或種系發生樹(phylogenetic tree)。進化樹給出分支層次或拓撲圖形，它是產生新的基因復制或享有共同祖先的生物體的歧異點的一種反映，樹枝的長度反映當這些事件發生時就存在的蛋白質與現在的蛋白質之間的進化距離。根據進化樹不僅可以研究從單細胞有機體到多細胞有機體的生物進化過程，而且可以粗略估計現存的各類種屬生物的分歧時間。通過蛋白質的分子進化樹分析，為從分子水平研究物種進化提供了新的手段，可以比較的確定某物種的進化地位。對于物種分類問題，蛋白質的分子進化樹亦可作為一個重要的依據。

構建進化樹的方法包括兩種：一類是序列類似性比較，主要是基于氨基酸相對突變率矩陣（常用PAM250）計算不同序列差異性積分作為它們的差異性量度（序列進化樹）；另一類在難以通過序列比較構建序列進化樹的情況下，通過蛋白質結構比較包括剛體結構疊合和多結構特征比較等方法建立結構進化樹。

序列進化樹

構建序列進化樹的主要步驟是比對，建立取代模型，建立進化樹以及進化樹評估。 1．建立數據模型（比對）

建立一個比對模型的基本步驟包括：選擇合適的比對程序；然后從比對結果中提取系統發育的數據集，至于如何提取有效數據，取決于所選擇的建樹程序如何處理容易引起歧義的比對區域和插入/刪除序列（即所謂的indel狀態或者空位狀態）。一個典型的比對過程包括：首先應用CLUSTALW程序，然后進行手工比對，zui后提交給一個建樹程序。這個過程有如下特征選項：（1）部分依賴于計算機（也就是說，需要手工調整）；（2）需要一個先驗的系統發育標準（即需要一個前導樹）；（3）使用先驗評估方法和動態評估方法（推薦）對比對參數進行評估；（4）對基本結構（序列）進行比對（對于親水氨基酸，推薦引入部分二級結構特征）；（5）應用非統計數學優化。這些特征選項的取舍依賴于系統發育分析方法。 2．決定取代模型

取代模型既影響比對，也影響建樹；因此需要采用遞歸方法。對于核酸數據而言，可以通過取代模型中的兩個要素進行計算機評估，但是對于氨基酸和密碼子數據而言，沒有什么評估方案。其中一個要素是堿基之間相互取代的模型；另外一個要素是序列中不同位點的所有取代的相對速率。還沒有一種簡單的計算機程序可以對較復雜的變量（比如，位點特異性或者系統特異性取代模型）進行評估，同樣，現有的建樹軟件也不可能理解這些復雜變量。 3．建樹方法

三種主要的建樹方法分別是距離、zui大節約（maximum parsimony, MP）和zui大似然（maximum likelihood，ML）。zui大似然方法考察數據組中序列的多重比對結果，優化出擁有一定拓撲結構和樹枝長度的進化樹，這個進化樹能夠以zui大的概率導致考察的多重比對結果。距離樹考察數據組中所有序列的兩兩比對結果，通過序列兩兩之間的差異決定進化樹的拓撲結構和樹枝長度。zui大節約方法考察數據組中序列的多重比對結果，優化出的進化樹能夠利用zui少的離散步驟去解釋多重比對中的堿基差異。

距離方陣方法簡單的計算兩個序列的差異數量。這個數量被看作進化距離，而其準確大小依賴于進化模型的選擇。然后運行一個聚類算法，從zui相似（也就是說，兩者之間的距離zui短）的序列開始，通過距離值方陣計算出實際的進化樹，或者通過將總的樹枝長度zui小化而優化出進化樹。用zui大節約方法搜索進化樹的原理是要求用zui小的改變來解釋所要研究的分類群之間的觀察到的差異。zui大似然方法評估所選定的進化模型能夠產生實際觀察到的數據的可能性。進化模型可能只是簡單地假定所有核苷酸（或者氨基酸）之間相互轉變的概率一樣。程序會把所有可能的核苷酸輪流置于進化樹的內部節點上，并且計算每一個這樣的序列產生實際數據的可能性（如果兩個姐妹分類群都有核苷酸“A”，那么，如果假定原先的核苷酸是“C”，得到現在的“A”的可能性比起假定原先就是“A”的可能性要小得多）。所有可能的再現（不僅僅是比較可能的再現）的幾率被加總，產生一個特定位點的似然值，然后這個數據集的所有比對位點的似然值的加和就是整個進化樹的似然值。 4．進化樹搜索

單一的進化樹的數量會隨著分類群數量的增長而呈指數增長，從而變為一個天文數字。由于計算能力的限制，現在一般只允許對很小一部分的可能的進化樹進行搜索。具體的數目主要依賴于分類群的數量、優化標準、參數設定、數據結構、計算機硬件以及計算機軟件。 有兩種搜索方法保證可以找到*化的進化樹：窮舉法和樹枝?跳躍法（BB）。對于一個很大的數據集，這兩種方法都很不實用。對分類群數量的限制主要取決于數據結構和計算機速度，但是對于超過20個分類群的數據集，BB方法很少會得到應用。窮舉法要根據優化標準，對每一個可能的進化樹進行評估。BB方法提供一個邏輯方法，以確定那些進化樹值得評估，而另一些進化樹可被簡單屏蔽。因此BB方法通常要比窮舉法快得多。