PartitionFinder2筛选系统发育分析分隔模型.PDFVIP

⽤PartitionFinder2 筛选系统发育分析分隔模型 张⾦龙 嘉道理农场暨植物园植物保育部 jinlongzhang01@ 核苷酸序列在不同位点有不同的突变速率。核苷酸序列又分为编码基因和⾮编码基 因。编码基因中，密码⼦第⼀第⼆位往往较为稳定，第三位往往变异速率较⾼。⾮编码基 因因为受到的选择压⼒⼀般较⼩，所以往往可保留更多突变。不同基因以及不同位点的 突变速率不同，可能对所推断进化树的稳定性有很⼤影响。所以，在多基因建⽴进化树过 程中，设置分隔模型就显得很重要。但是分隔模型怎样设置才算合理呢？在 PartitionFinder软件研发之前，研究⼈员⼀般通过将不同基因分开，例如 gene1 、gene2、 gene3 ，再将每个基因的不同位点分开如 gene1_1 、gene1_2、gene1_3作为分隔模型，以 提⾼进化树的稳健性。 RAxML 、MrBayes、BEAST等常⽤系统发育软件都⽀持分隔模型，但并不能帮忙确 定最优化的分隔模型设定⽅案。设置的分隔模型过多，则拟合的参数会过多，造成结果 不准确。设置的分隔模型过少，不设置分隔模型，设置的不合理，也会造成进化树不准 确。很多学者已经意识到这个问题，但是⼀直苦于没有很好的应对⽅法。 模型选择中的简约理论认为，⾚迟信息量AIC或者BIC最⼩的模型是最优的模型。AIC 结合模型的精度以及所要估计的参数数量。如果精度已经到达⼀定程度，进⼀步增加模 型的参数已经不能再显著提⾼似然值Likelihood的情况下，可以认为已经找到了最优模 型。但是这就要对每⼀种分隔模型所得的结果计算Likelihood ，并进⾏参数估计⼏乎是不 可能的。⾸先，对碱基⽐对矩阵计算Likelihood是⼗分耗费时间的。其次，分隔模型的各 种组合的数量呈⼏何级数增长，如果通过⼏个基因建树，则可能的分隔模型的数量已经 超出了⼤部分计算机的计算能⼒。此时就需要引⼊分隔模型的启发式搜索 Heuristic Search。 PartitionFinder 的作者们从理论上解决了以上的问题，并通过Python语⾔实现了相应 的算法 ( Lanfear et al., 2012) 。在该研究中，作者进⼀步证明， PartitionFinder所得的分隔 模型⽐之前的简单处理更加合理。不仅如此， PartitionFinder在获得最优化分隔⽅案后， Page 1 of 13 同时会给出每个分隔模块所对应的最优进化模型，所以Modeltest、jModeltest 以及ProtTest 等软件都已经被PartitionFinder所超越。事实上， 2012年， Lanfear介绍PartitionFinder的论 ⽂发表后，在google scholar上已经被引⽤了1748次(截⾄2017年4⽉7 ⽇) 。本⽂简述 PartitionFinder的安装和使⽤。 1. PartitionFinder下载和安装 1.1 PartitionFinder下载 PartitionFinder的下载⽹址/partitionfinder/ ，⽤WinRAR或者 7zip解压缩。 图1 PartitionFinder的结构 其中docs为说明⽂档 \Examples为⽰例⽂件，包含DNA序列，形态以及蛋⽩质三个例⼦ \partfinder⽂件夹为 python脚本 \Programs ⽂件夹下为phyml可执⾏⽂件，⽤来计算likelihood \Submodules ⽂件夹为下有raxml⽂件夹，但是该⽂件夹为空。作者并未交代这个⽂件夹 的内容。 \tests 为作者开发时的测试⽂件 PartitionFinder.py 为检测DNA序列的Python脚本 PartitionFinderMorphology.py 为检测形态数据的Python脚本 PartitionFinderProtein.py 为检测氨基酸序列的Python脚本。 Page 2 of 13 三个脚本根据不同的数据类型分别调⽤，不能混⽤。 1.2. 运⾏平台Anaconda的安装 Partition Finder是⽤Pyt