系統(tǒng)發(fā)育樹的構(gòu)建

現(xiàn)有的方法

系統(tǒng)發(fā)育樹構(gòu)建方法的優(yōu)劣

• link
• 選擇：一般情況下，若有合適的分子進(jìn)化模型可供選擇卖毁，用最大似然法構(gòu)樹獲得的結(jié)果較好捧请；對(duì)于近緣物種序列，通常情況下使用最大簡(jiǎn)約法搂鲫；而對(duì)于遠(yuǎn)緣物種序列，一般使用鄰接法或最大似然法磺平。

其他資料

• link

數(shù)據(jù)準(zhǔn)備

• vcf/genotype to phy/fasta
• phy與fasta相互轉(zhuǎn)換魂仍，最好是準(zhǔn)備好fasta格式文件拐辽，使用工具轉(zhuǎn)化成相互式的phy格式。
  • 腳本位置：
    • /lustre/project/og04/shichunwei/project/temp/Tree/fasta2phy.pl
    • /lustre/project/og04/shichunwei/project/temp/Tree/phy2fasta.pl

model test

modelgenerator

• 參考
• 示例：

java -jar modelgenerator.jar align_file num_gamma_categories
java -jar modelgenerator.jar test.phy 4

• 問題：采用ModelGenerator的時(shí)候擦酌，gamma categories 具體是什么意思
• the number of discrete gamma categories 俱诸？ 4,8 or bigger? maybe default if 4.
• link

jModeltest

• 一般只需 -AIC即可

java -jar /lustre/project/og04/shichunwei/biosoft/jmodeltest-2.1.7/jModelTest.jar -d  jmodel.fasta -s 11 -i -g 4 -f -AIC -AICc -DT -BIC -a -tr 8 > jmodel.out

fasttree

• fasta/phy，有多個(gè)模型可選赊舶，鄰接→最大簡(jiǎn)約→最大似然睁搭？我的理解是多種結(jié)合。模型采用的是Jukes-Cantor or generalized time-reversible(核酸); JTT (Jones-Taylor-Thorton) or WAG (Whelan Goldman)（蛋白）

• 數(shù)據(jù)：核酸或蛋白(fasta/phy)

• 網(wǎng)址

• 說明書中指出其準(zhǔn)確性優(yōu)于鄰接法BIONJ和FastME笼平，弱于最大似然法RaxML和PhyML园骆，但是速度更快。

• 示例:

/lustre/project/og04/shichunwei/biosoft/fasttree/FastTreeMP -nt -gtr  -fastest -boot 1000 -gamma -log crab.log cds.clustalw.phy > fasttree.tree

• 參數(shù)選擇：(GTR model)

  -nt 核酸

  -boot 1000

  -n read multiple alignments

  -fastest -- speed up the neighbor joining phase & reduce memory usage(recommended for >50,000 sequences)

  -gamma

  -log log file

  -run cpus : 通過在終端中輸入export OMP_NUM_THREADS=3來控制運(yùn)行的線程數(shù)寓调。fasttree -help 會(huì)告訴你程序最終會(huì)用多少個(gè)線程運(yùn)行锌唾。上例中為3.

• fasttree model choice
  • GTR+CAT ; FastTree -gtr -nt alignment_file > tree_file
  • JC+CAT ; FastTree -nt alignment_file > tree_file

fastme

• Nearest Neighbor Interchange (NNI)、 Subtree Pruning and Regrafting (SPR) 鄰接法
• 數(shù)據(jù)：nucleotide or amino acid multiple sequences alignments (MSA)

• link

• 示例：

cd /lustre/project/og04/shichunwei/project/temp/Tree\
perl fasta2phy.pl test.fasta\
perl -p -i -e 's/\./\-/g' test.phy\
/lustre/project/og04/shichunwei/biosoft/fastme-2.1.5/src/fastme -i test.phy -T 8 -B -b 1000 -d F84 -o outtree

• 參數(shù)選擇：

  -T number of threads

  -i input data file

  -o output tree file

  -B output bootstrap trees file

BIONJ

• 鄰接法

• 輸入數(shù)據(jù)：distance matrix from phylip

mega

• 圖形化交互式界面夺英，不適合集群上使用晌涕。

phylip

• 涵蓋了鄰接法、最大似然法和最大簡(jiǎn)約法構(gòu)建發(fā)育樹痛悯。重點(diǎn)還是數(shù)據(jù)準(zhǔn)備（phy格式）渐排，使用起來比較簡(jiǎn)單，交互式的命令灸蟆，故可能不適合串成自動(dòng)運(yùn)算的腳本驯耻。
• link
• /lustre/project/og04/shichunwei/biosoft/phylip-3.696/exe
• 操作步驟（bootstrap檢驗(yàn)）：

• bootstrap：先產(chǎn)生多套數(shù)據(jù)，再構(gòu)樹炒考，然后合并得到最優(yōu)樹

• MP法
  • seqboot 產(chǎn)生 1000套偽序列
  • dnapars可缚，M選項(xiàng)為分析multiple data sets改為yes，產(chǎn)生1000個(gè)樹結(jié)果
  • consence斋枢，得到一致樹
  • 參數(shù)選擇：
    • O 選擇外類群
    • I inputfile interleaved or not

• ML法
  • seqboot 產(chǎn)生 1000套偽序列
  • dnaml帘靡，M選項(xiàng)為分析multiple data sets改為yes，產(chǎn)生1000個(gè)樹結(jié)果
  • consence瓤帚，得到一致樹

• 距離法
  • seqboot 產(chǎn)生 1000套偽序列
  • dnadist 計(jì)算距離描姚，更改M選項(xiàng)
  • neighbour 更改M選項(xiàng)，產(chǎn)生1000個(gè)樹結(jié)果
  • consence 得到一致樹

RaxML

• 最大似然戈次，起初來源于phylip的dnaml link
• 示例：

cd /lustre/project/og04/shichunwei/project/temp/Tree/RAxML
/lustre/project/og04/shichunwei/biosoft/standard-RAxML-master/raxmlHPC -x 12345 -p 12345 -# 1000 -m GTRGAMMA -s test.phy -n out -f a -o EL -T 8

• 1000次 bootstrap轩勘，得到最優(yōu)樹；-m 選擇模型怯邪；-f a : fast bootstrap绊寻；-o 設(shè)置外類群；-T　線程數(shù)

phyml

• 最大似然法搞乏，

/lustre/project/og04/shichunwei/biosoft/mpich-3.2/install_dir/bin/mpirun -n 4 /lustre/project/og04/shichunwei/biosoft/PhyML-3.1/PhyML-3.1_linux64 -i test.phy  -d nt -b 1000 -m GTR -c 4 -a e -s BEST

• -m 選擇模型仲锄；

  -b bootstrap；

  -i 默認(rèn)DNA interleaved sequence评汰；

  -d type村缸，nt核酸祠肥，aa氨基酸；

  -q 更改 -i 為sequential format梯皿；

  -n dataset num

  -m model：HKY85 (default) | JC69 | K80 | F81 | F84 |TN93 | GTR | custom

  -a gamma：e

  -c number of relative substitution rate categories仇箱，default = 4

  -s BEST

  -多線程 mpirun -n 4

  -外類群設(shè)置：add “ * ” at the end of sequence name

LVB

• web site

/lustre/project/og04/shichunwei/biosoft/lvb_3.4_source/lvb/lvb -b 1000 -c l -i infile -o outtree -p 4 -s 12345 -t 1

• -b bootstrap ; -p thread ; -t tree number ; -c cooling schedule,g is faster & l is more accurate ; -s random seed ;
• the max sites : 500,0000.
• bootstrap 之后，調(diào)用phylip consence ,指定 outgroup 得到最大簡(jiǎn)約有根樹索烹；也可以用 phylip retree 得到有根樹
• tree length ? shortest tree?

存在問題：

• 不同軟件得出的modeltest結(jié)果不一致工碾；基于多種標(biāo)準(zhǔn)有不同的結(jié)果弱睦，該選擇哪種標(biāo)準(zhǔn)百姓，AIC？是否需要自定義氨基酸模型况木？
• 取交集垒拢，或任選一個(gè)；標(biāo)準(zhǔn)基于AIC火惊；傾向于選擇而不是自定義
• 有的軟件輸入文件是基于sequence的求类，不能用SNP簡(jiǎn)單連接成fasta或phy，故需標(biāo)明只能用sequence的軟件
• 注意輸入文件的格式屹耐，phy有兩種格式

測(cè)試數(shù)據(jù)

• 測(cè)試地址：/lustre/project/og04/project/KF-JL-B1-20150203-01_soybean/version3/02.pop_structure/tree/ML

• 測(cè)試地址2: /lustre/project/og04/yuewei/project/KF-QD-A-20150512-01_crab/version2/06.analysis/paml/cds_sequences/cds_sequence/crab_cds_sequence.phy
  /lustre/project/og04/yuewei/project/KF-QD-A-20150512-01_crab/version2/06.analysis/paml/cds_sequences/cds_snp/crab_snp.phy