Iqtree2:新模型高效構(gòu)建系統(tǒng)發(fā)育樹

系統(tǒng)發(fā)育推斷(phylogenetic inference)的算法五花八門楼雹,從最簡單的UPGMA法得湘,到鄰接法(neighbor joining)匹层、最大簡約法(maximum parsimony)极谊,再到復(fù)雜的的最大似然法(maximum likelihood)與貝葉斯推斷法(Bayesian inference),每種方法都有不少可選擇的實現(xiàn)工具碘赖。這些方法無一例外都遵循一個規(guī)律:越精確則速度越慢。而隨著分析的數(shù)據(jù)越來越龐大外构,對于用戶來說普泡,需要尋找一個盡可能快速而且錯誤率可以容忍的算法是十分必要的。

原文鏈接:Iqtree2:新模型高效構(gòu)建系統(tǒng)發(fā)育樹

貝葉斯法可以準(zhǔn)確地推斷時間樹审编,但速度最慢撼班;而鄰接法與最大簡約法在處理有較大分歧的序列時容易出現(xiàn)長枝吸引(long branch attraction,LBA)現(xiàn)象垒酬,因此目前來說最大似然法還是最常用的方法砰嘁。目前實現(xiàn)最大似然法建樹的工具有MEGA件炉、PhyML、RaxML等矮湘,然而這些軟件參數(shù)設(shè)置十分復(fù)雜斟冕,尤其是核苷酸與氨基酸替代矩陣的選擇往往對結(jié)果的準(zhǔn)確性有著很大的影響,而普通用戶往往難以選擇缅阳。而且磕蛇,這些工具的分析速度也較慢。

近幾年悄然興起一個新的系統(tǒng)發(fā)育推斷工具Iqtree(http://www.iqtree.org/)十办,其簡化了參數(shù)設(shè)置秀撇,可以幫助用戶選擇最佳的進化模型,而且在速度上有很大提升向族。最新版的是Iqtree2呵燕,其安裝方法如下所示:

tar-zxvf iqtree-2.0.6-Linux.tar.gz

cdiqtree-2.0.6-Linux

解壓后iqtree執(zhí)行文件就在bin/目錄下,其使用方法如下所示:

iqtree [-s ALIGNMENT][-p PARTITION] [-m MODEL] [-t TREE] ...

-s:序列比對文件(支持多個文件逗號隔開件相,或者包含比對文件的文件夾)再扭,可選PHYLIP、FASTA适肠、NEXUS霍衫、CLUSTAL、MSF

--seqtype:序列類型侯养,可選BIN敦跌、DNA、AA逛揩、NT2AA柠傍、CODON、MORPH默認(rèn)為自動檢測

-o:外類群列表辩稽,不同物種之間逗號隔開

--prefix:結(jié)果文件名前綴

--seed:隨機數(shù)種子惧笛,主要出于調(diào)試目的

--mem:最大可使用內(nèi)存,單位為G逞泄、M或百分?jǐn)?shù)%

--redo:忽略檢查重寫輸出文件患整,默認(rèn)為off,也即從上次意外中斷處開始

-T:程序運行使用的核數(shù)喷众,可設(shè)置具體數(shù)字或者AUTO(推薦)各谚,默認(rèn)為1

--threads-max:最大可使用的核數(shù),默認(rèn)為所有核

--fast:快速模式到千,類似FastTree

-b:非參數(shù)bootstrap次數(shù)昌渤,大于等于100

-B:超快速bootstrap次數(shù),大于等于1000

--bnni:使用NNI優(yōu)化超快速bootstrap的樹憔四,搭配-B使用

--alrt:SH近似似然比檢驗重復(fù)次數(shù)

-m:模型選擇膀息,設(shè)置MF自動選擇最佳模型但不建樹般眉;設(shè)置MFP自動檢測最佳模型并建樹。此外還可以設(shè)置具體的模型潜支,或者多個可選模型甸赃,例如-m LG,WAG

--ancestral:基于經(jīng)驗貝葉斯的祖先狀態(tài)重建

接下來看這個工具如何使用。首先從最簡單的建樹開始:

iqtree-s example.phy -T AUTO

假如設(shè)置自動選擇最佳模型并建樹:

iqtree-s example.phy -m MFP -T AUTO

選擇最佳模型并只輸出模型選擇結(jié)果:

iqtree-s example.phy -m MF -T AUTO

Iqtree會測試多達546個蛋白模型并給出最佳模型毁腿,結(jié)果如下所示:

使用bootstrap自助法計算節(jié)點支持率:

iqtree-s example.phy -m MFP -b 100 -T AUTO

使用SH近似似然比檢驗計算節(jié)點支持率:

iqtree-s example.phy -m MFP --alrt 100 -T AUTO

同時使用兩種方法計算節(jié)點支持率:

iqtree-s example.phy -m MFP --alrt 100 -b 100 -T AUTO

使用超快速bootstrap自助法計算節(jié)點支持率:

iqtree-s example.phy -m MFP -B 1000 --bnni -T AUTO

使用上述設(shè)置構(gòu)建500個基因組的120個串聯(lián)蛋白樹需要兩天左右辑奈。超快自助法ultrafast bootstrap1000次比普通自助法100次要快10倍左右,是該軟件的特有算法已烤,所以一般使用Iqtree的超快自助法建樹鸠窗。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市胯究,隨后出現(xiàn)的幾起案子稍计,更是在濱河造成了極大的恐慌,老刑警劉巖裕循,帶你破解...
    沈念sama閱讀 218,682評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件臣嚣,死亡現(xiàn)場離奇詭異,居然都是意外死亡剥哑,警方通過查閱死者的電腦和手機硅则,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,277評論 3 395
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來株婴,“玉大人怎虫,你說我怎么就攤上這事±Ы椋” “怎么了大审?”我有些...
    開封第一講書人閱讀 165,083評論 0 355
  • 文/不壞的土叔 我叫張陵,是天一觀的道長座哩。 經(jīng)常有香客問我徒扶,道長,這世上最難降的妖魔是什么根穷? 我笑而不...
    開封第一講書人閱讀 58,763評論 1 295
  • 正文 為了忘掉前任姜骡,我火速辦了婚禮,結(jié)果婚禮上屿良,老公的妹妹穿的比我還像新娘溶浴。我一直安慰自己,他們只是感情好管引,可當(dāng)我...
    茶點故事閱讀 67,785評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著闯两,像睡著了一般褥伴。 火紅的嫁衣襯著肌膚如雪谅将。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,624評論 1 305
  • 那天重慢,我揣著相機與錄音饥臂,去河邊找鬼。 笑死似踱,一個胖子當(dāng)著我的面吹牛隅熙,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播核芽,決...
    沈念sama閱讀 40,358評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼囚戚,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了轧简?” 一聲冷哼從身側(cè)響起驰坊,我...
    開封第一講書人閱讀 39,261評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎哮独,沒想到半個月后拳芙,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,722評論 1 315
  • 正文 獨居荒郊野嶺守林人離奇死亡皮璧,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,900評論 3 336
  • 正文 我和宋清朗相戀三年舟扎,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片悴务。...
    茶點故事閱讀 40,030評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡睹限,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出惨寿,到底是詐尸還是另有隱情邦泄,我是刑警寧澤,帶...
    沈念sama閱讀 35,737評論 5 346
  • 正文 年R本政府宣布裂垦,位于F島的核電站顺囊,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏蕉拢。R本人自食惡果不足惜特碳,卻給世界環(huán)境...
    茶點故事閱讀 41,360評論 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望晕换。 院中可真熱鬧午乓,春花似錦、人聲如沸闸准。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,941評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至蒸其,卻和暖如春敏释,著一層夾襖步出監(jiān)牢的瞬間函喉,已是汗流浹背厅瞎。 一陣腳步聲響...
    開封第一講書人閱讀 33,057評論 1 270
  • 我被黑心中介騙來泰國打工主儡, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留挺勿,地道東北人奸柬。 一個月前我還...
    沈念sama閱讀 48,237評論 3 371
  • 正文 我出身青樓王暗,卻偏偏與公主長得像健提,于是被迫代替她去往敵國和親疏橄。 傳聞我的和親對象是個殘疾皇子蝶怔,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,976評論 2 355