درخت فیلوژنی بیان روابط تکاملی میان گروهی از خصوصیات همولوگ است. بر اساس نظریه Fitch همولوژی رابطه دو خصوصیت به ارث رسیده و معمولا همگرا است و این خصوصیت در جد آن ها وجود داشته است.  صفت می تواند هر چیزی باشد، توالی DNA، توالی پروتئین، صفات ظاهری یا ویژگی های رفتاری.
قبل از استفاده از خصوصیات ژنومی، مرسوم است که اطلاعات مورفولوژیکی مورد استفاده قرار گیرد تا قرابت بین گونه ها را بررسی کنند. پس از تأیید روابط مورفولوژیکی، اطلاعات مولکولی و توالی ها برای رسم درختچه مورد استفاده قرار می گیرند. با توجه به اینکه ژنوم جانداران حجم گسترده ای از اطلاعات را در خود دارد و بررسی تمام این توالی ها بسیار دشوار است، لذا بایستی یک یا چند توالی را از بین توالی های ژنوم انتخاب کرد و میان دو یا چند جاندار مورد بررسی قرار داد. بهتر است که در انتخاب توالی بسیار دقت شود. توالی انتخابی باید میان موجودات انتخاب شده همولوگ باشد. برای این کار از ابزارهای FASTA و BLAST می توان استفاده کرد که توالی های مشابه را به صورت online در سایت EBI در اختیار قرار می دهند. این عمل به ما نشان می دهد که در بسیاری از موارد، هموپلازی باعث بوجود آمدن صفات مشابه، بدون جد مشترک شده است که عوامل محیطی عامل اصلی بوجود آمدن آن ها هستند.
دو معیار اصلی برای ساخت درخت های فیلوژنتیکی استفاده می شود: اطلاعاتی که مورد استفاده قرار می گیرد (input) و الگوریتم که برای محاسبه درخت انتخاب می شود.
اطلاعات می توانند به دو صورت باشند:
·     1. اطلاعات مولکولی که ضرورتا توالی های مورد مقایسه هستند (توالی نوکلئوتیدی و توالی آمینواسیدی)
  2. اطلاعات فاصله ای که فاصله تکاملی بین دو توالی را تخمین می زند. اگر چه این اطلاعات باعث سرعت بخشیدن به محاسبات می شود اما نوعی از دست رفتن اطلاعات هستند و در نتیجه می توانند موجب خطا در محاسبات شوند
·


روش فاصله ای (distance method): این روش تنها از اطلاعات فاصله ها استفاده می کند. توالی هایی که کمترین فاصله را دارند، دو به دو، درکنار هم قرار می دهد و سپس به طور گردشی توالی های مختلف را با فواصل موجود در کنار هم قرار داده و در نهایت نزدیک ترین گونه ها را مشخص می کند.
روش متکی بر خصوصیات (Character-based methods): این روش هم از فاصله ها و هم از توالی ها استفاده  می کند و تمامی احتمالات ممکن را مورد بررسی قرار می دهد، به همین دلیل بسیار زمانبر است. البته اکنون با ابداع روش جدید (heuristic search methods) که در مراحل اول بهترین درخت ها را انتخاب کرده و بقیه را حذف می کند، زمان کمتری استفاده می شود.