01 背景
1.1 ML树
ML树,或最大似然树,是一种在进化生物学中用来推断物种之间进化关系的方法。最大似然(Maximum Likelihood, ML)是一种统计框架,用于估计模型参数,使得观察到的数据在该模型参数下的概率最大。在进化树的构建中,这意味着选择一棵树(包括其分支长度和模型参数),使得给定的序列数据在该树模型下出现的概率最大。
ML树的特点:
- 模型驱动:ML方法依赖于复杂的统计模型来描述序列进化过程中的变化。这些模型可以包括核苷酸或氨基酸替换的不同速率、遗传密码的变异等。
- 数据适应:最大似然方法能够适应不同类型的分子数据(如DNA、RNA或蛋白质序列),并考虑序列间的进化距离和速率变异。
- 计算密集:相比其他方法(如邻接法或最大简约法),ML方法在计算上更为密集,因为它需要评估多种树形和参数组合下的概率。
ML树的应用:
- 物种分类:帮助科学家理解不同物种间的亲缘关系。
- 进化研究:通过分析物种的遗传变化,研究它们的进化历史。
- 功能预测:通过比较进化上相关的序列,预测未知序列的功能。
- 生态和保护生物学:了解物种的进化关系,有助于生态保护和生物多样性研究。
最大似然树提供了一种强大的方法来推断物种间的进化关系,尽管它在计算上更为要求,但通过提供更准确的估计和适应多样化数据的能力,已成为分子系统发育学中的一个重要工具。
1.2 RAxML-NG
RAxML(Stamatakis,2014年)是一个受欢迎的最大似然(ML)树推断工具,过去15年来一直由Alexey M Kozlov的团队开发和支持。最近,我们还发布了ExaML(Kozlov等人,2015年),这是一个专门用于在超级计算机上分析基因组规模数据集的代码。ExaML实现了RAxML的核心树搜索功能,并且可以扩展到数千个CPU核心。其他广泛使用的ML推断工具包括IQ-Tree(Nguyen等人,2015年),PhyML(Guindon等人,2010年)和FastTree(Price等人,2010年)。
在这里,我们介绍我们的新代码RAxML-NG(RAxML下一代)。它结合了RAxML和ExaML的优势和概念,并提供了我们在下一节中将描述的几项额外改进。
所以,ML建树的最新一代版本软件,横空出世,一代版本一代神,代代版本ML树!
常配合MAFFT使用,详见MAFFT安装及使用-mafft v7.520(bioinfomatics tools-004)
02 参考
https://github.com/amkozlov/raxml-ng #官网
03 安装
这里是原码安装,就帮大家省略了hhh,编译好多人服务器可能配置不够
https://github.com/stamatak/standard-RAxML.git
Build RAxML-NG.
PTHREADS version:git clone --recursive https://github.com/amkozlov/raxml-ng
cd raxml-ng
mkdir build && cd build
cmake ..
make下载zip注意解压即可
#下载安装包
wget -c https://github.com/amkozlov/raxml-ng/releases/download/1.2.0/raxml-ng_v1.2.0_linux_x86_64.zip
unzip raxml-ng_v1.2.0_linux_x86_64.zip -d ./raxml-ng
#将raxml-ng_v1.2.0_linux_x86_64.zip文件解压到当前目录下的一个名为raxml-ng的新文件夹里。
04 使用
RAxML-NG v. 1.2.0 发布于 2023年5月9日,由 Exelixis Lab 开发。
开发者包括 Alexey M. Kozlov 和 Alexandros Stamatakis。
贡献者有 Diego Darriba, Tomas Flouri, Benoit Morel, Sarah Lutteropp, Ben Bettisworth, Julia Haag, Anastasis Togkousidis。
最新版本可在 https://github.com/amkozlov/raxml-ng 获取。
有问题/问题/建议?请访问:https://groups.google.com/forum/#!forum/raxml系统:Intel(R) Xeon(R) Platinum 8173M CPU @ 2.00GHz,56核,502 GB RAM使用方法:raxml-ng [选项]命令(互斥):--help 显示帮助信息--version 显示版本信息--evaluate 评估一棵树的似然(包含模型+分支长度优化)--search 最大似然(ML)树搜索(默认:10个拟合树 + 10个随机起始树)--bootstrap 引导法(默认:使用引导停止自动检测复制品数量)--all 一体化(ML搜索 + 引导法)--support 计算给定参考树(例如,最佳ML树)的分割支持和一组复制树(例如,来自引导分析的树)--bsconverge 使用autoMRE标准测试引导收敛性--bsmsa 生成引导复制MSAs--terrace 检查树是否位于系统发育露台上--check 检查校正并移除空列/行--parse 解析校正,压缩模式并创建二进制MSA文件--start 生成拟合/随机起始树并退出--rfdist 计算树之间的成对Robinson-Foulds(RF)距离--consense [ STRICT | MR | MR<n> | MRE ] 构建严格、多数规则(MR)或扩展MR(MRE)共识树(默认:MR)例如:--consense MR75 --tree bsrep.nw--ancestral 在所有内节点上重建祖先状态--sitelh 打印每个站点的对数似然值命令快捷方式(互斥):--search1 别名:--search --tree rand{1}--loglh 别名:--evaluate --opt-model off --opt-branches off --nofiles --log result--rf 别名:--rfdist --nofiles --log result输入输出选项:--tree rand{N} | pars{N} | FILE 起始树:rand(随机), pars(拟合) 或用户指定(新克文件)N = 树的数量(默认:rand{10},pars{10})--msa FILE 校正文件--msa-format VALUE 校正文件格式:FASTA, PHYLIP, CATG 或 自动检测(默认)--data-type VALUE 数据类型:DNA, AA, BIN(二进制) 或 自动检测(默认)--tree-constraint FILE 约束树--prefix STRING 输出文件的前缀(默认:MSA文件名)--log VALUE 日志详细程度:ERROR,WARNING,RESULT,INFO,PROGRESS,DEBUG(默认:PROGRESS)--redo 覆盖现有结果文件并忽略检查点(默认:关闭)--nofiles 不创建任何输出文件,仅在终端打印结果--precision VALUE 打印的小数位数(默认:6)--outgroup o1,o2,..,oN 逗号分隔的外群类群名称列表(只是一个绘制选项!)--site-weights FILE MSA列权重文件(仅正整数!) 通用选项:--seed VALUE 伪随机数生成器的种子(默认:当前时间)--pat-comp on | off 校正模式压缩(默认:开启)--tip-inner on | off 尖端-内部案例优化(默认:关闭)--site-repeats on | off 使用站点重复优化,比尖端-内部快10%-60%(默认:开启)--threads VALUE 使用的并行线程数(默认:56)--workers VALUE 并行运行的树搜索数量(默认:1)--simd none | sse3 | avx | avx2 使用的向量指令集(默认:自动检测)--rate-scalers on | off 对每个速率类别使用单独的CLV缩放器(对于>2000物种默认开启)--force [ <CHECKS> ] 禁用安全检查(请三思!)模型选项:--model <name>+G[n]+<Freqs> | FILE 模型规格或分区文件--brlen linked | scaled | unlinked 分区间分支长度链接(默认:scaled)--blmin VALUE 最小分支长度(默认:1e-6)--blmax VALUE 最大分支长度(默认:100)--blopt nr_fast | nr_safe 分支长度优化方法(默认:nr_fast)nr_oldfast | nr_oldsafe --opt-model on | off ML优化所有模型参数(默认:开启)--opt-branches on | off ML优化所有分支长度(默认:开启)--prob-msa on | off 使用概率校正(与CATG和VCF兼容)--lh-epsilon VALUE 优化/树搜索的对数似然epsilon(默认:0.1)拓扑搜索选项:--spr-radius VALUE SPR重新插入半径,快速迭代(默认:自动)--spr-cutoff VALUE | off 下降到子树的相对LH截断(默认:1.0)--lh-epsilon-triplet VALUE 分支长度三元组优化的对数似然epsilon(默认:1000)引导选项:--bs-trees VALUE 引导复制品数量--bs-trees autoMRE{N} 使用基于MRE的引导收敛标准,最多N个复制品(默认:1000)--bs-trees FILE 包含一组引导复制树的Newick文件(与--support一起使用)--bs-cutoff VALUE MRE-based引导停止标准的截断阈值(默认:0.03)--bs-metric fbp | tbe 分支支持度量:fbp = Felsenstein引导(默认),tbe = 转移距离--bs-write-msa on | off 写下所有引导校正(默认:关闭)
05 常用命令行
常配合MAFFT使用,详见MAFFT安装及使用-mafft v7.520(bioinfomatics tools-004)
1. 对DNA校正进行树推断(10个随机+10个拟合起始树,通用时间可逆模型,ML估计替换率和核苷酸频率,离散GAMMA异质性率模型,4类):./raxml-ng --msa testDNA.fa --model GTR+G ##这个属于all的一部分2. 进行一体化分析(ML树搜索 + 非参数引导)(10个随机化拟合起始树,固定经验替换矩阵(LG),校正中的经验氨基酸频率,8个离散GAMMA类别,200个引导复制品):./raxml-ng --all --msa testAA.fa --model LG+G8+F --tree pars{10} --bs-trees 200 ##涵盖上述search 就是103. 在固定拓扑上优化分支长度和自由模型参数(使用比例分支长度的多个分区)./raxml-ng --evaluate --msa testAA.fa --model partitions.txt --tree test.tree --brlen scaled ##使用一个合适的枝长参数 evalute一个参数 他有一个优化模式 优化的话,这里就是选择最优模型进行打分判定。需要给定模型集合实际上常用的
./raxml-ng --support --tree bestML.tree --bs-trees bootstraps.tree ##给予一个最好模型的数据,然后在进行,这种本文不予采用##还是需要模型文件,然后筛选最佳模型,然后进行打分,但是模型文件
./raxml-ng/raxml-ng --msa singlecopy.mafft --prefix singlecopy.mafft.ML --threads 20 --bs-trees 1000 --model XXX
06 参考文献
Kozlov AM, Darriba D, Flouri T, Morel B, Stamatakis A. RAxML-NG: a fast, scalable and user-friendly tool for maximum likelihood phylogenetic inference. Bioinformatics. 2019 Nov 1;35(21):4453-4455. doi: 10.1093/bioinformatics/btz305. PMID: 31070718; PMCID: PMC6821337.
周颖,祝波,钱冬等. 虾肝肠胞虫感染病理特征、18S rRNA基因序列及系统进化树分析 [J]. 宁波大学学报(理工版), 2022, 35 (02): 8-14.
季梦玮,滕飞翔,周敏等. 原生动物AQPs系统进化树的构建以及结构分析 [J]. 江苏科技信息, 2019, 36 (13): 46-51.
李晓凤. 基于物种系统进化树的已批准天然来源药物物种分布与机制研究[D]. 重庆大学, 2018.
杜鹏程,于伟文,陈禹保等. 利用系统进化树对H7N9大数据预测传播模型的评估 [J]. 中国生物工程杂志, 2014, 34 (11): 18-23. DOI:10.13523/j.cb.20141103.
李玲. 基于线粒体基因组构建生物系统进化树[D]. 内蒙古工业大学, 2014.