当前位置

进化树专题（五）| 密码子分区软件介绍

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。

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**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，造成结果的不准确。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

针对上述问题，PartitionFinder的作者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)。2012年，PartitionFinder的论文发表后，已经被引用了3512次，2016年作者更新到PartitionFinder2。该论文发表后已经被引用768次。

PartitionFinder2是目前对大中型数据集（数据类型包括：核苷酸、氨基酸和形态数据）同时检测最合适的分区方案和每个分区方案所对应的**进化模型的最理想的程序

PartitionFinder2所推演的**进化模型结果与使用 jModelTest2（检测核苷酸数据）和ProTest3（检测氨基酸数据）所推演的**进化模型结果是比较接近的

下面我们介绍密码子分区软件最新版PartitionFinder2.21的安装和使用

下载

http://www.robertlanfear.com/partitionfinder/

安装：

PartitionFinder2需要 Python 2.7.10 或者更高版本才能运行，但是不是 Python3.x版本

配置python2.7包：numpy；pandas；pytables；pyparsing；scipy；sklearn

安装PartitionFinder2

双击以.zip为后缀的文件，它将自动解压。自动解压以后，用户可以得到一个文件夹，例如，PartitionFinder2.1.1

把这个文件夹移动到用户想要存放PartitionFinder2的地方即可

使用：

输入文件格式：

test.phy phylip格式的序列数据文件

文件格式说明：

4: 序列数量

2208:序列长度

spp1: 序列名称和具体序列信息

...

partition_finder.cfg（输入程序运行的配置文件和对应参数，格式如下）

注意：该配置文件的文件名是固定不变的，请不要更改它；配置文件里面除了注释和方括号所在行的末尾不用分号结束，其他行的末尾要以分号结束；序列数据文件必须partition_finder.cfg配置文件放在同一个文件夹里面，并且必须是正确的PHYLIP格式

配置文件格式说明:

# ALIGNMENT FILE # 指定phylip格式的比对文件

# BRANCHLENGTHS # 在优化进化树枝长⽤于Likelihood计算时，是否各枝长⼀起优化。

# MODELS OF EVOLUTION # 模型筛选的指标，推荐⽤aicc值

# DATA BLOCKS # 设定基因的起始和编码位置；

[data_blocks]

Gene1_pos1 = 1-789\3;

Gene1_pos2 = 2-789\3;

Gene1_pos3 = 3-789\3;

Gene2_pos1=790-1449\2;

...

# SCHEMES # [schemes] 模型筛选的算法

search = greedy;

输出：

best_scheme.txt

这个**分区方案文件有关于发现**分区方案的信息，以及用于找到**分区方案的设置。

这包括该方案的详细描述，以及该方案中每个子集选择的分子进化模型。它还包含每个方案在 RAxML和NEXUS格式的一个描述

schemes folder

这个文件夹包含分析方案的详细信息。

每一个方案分别在一个以.txt为扩展名的独立文件里面，很像best_scheme.txt文件。

subsets folder

这个子集文件夹包含每个子集模型选择的分析结果。

它们都是以.txt为扩展名的文件，其中，用户纳入分析的每个模型以AICc增序的方式列成表（即**的模型在顶部）。

程序使用：

DNA数据：

python partitionfinder-2.1.1/PartitionFinder.py /path/dna/ --raxml --force-restart

/path/dna ：partition_finder.cfg文件存放路径

蛋白数据

python partitionfinder-2.1.1/PartitionFinder.py /path/aminoacid/ --raxml --rcluster-max 100

形态学数据

python partitionfinder-2.1.1\PartitionFinderProtein.py path/morpholgy -- raxml

注意：

搜寻策略[schemes]

search = greedy ~100个基因座

search = rcluster ~1000个基因座

默认的命令对用户的数据集来说仍然太慢，请从默认的至少rcluster-max = 1000减少到例如rcluster-max = 100

search = rclusterf 只适⽤于RAxML选项开启时，尤其适用于有若干分析需要数据很大，同时ML需要优化很长时间时，可以减少等待的时间。

⽤用户自定义进化树

在simulation研究中，可能假设已知进化树的结构，用来做进一步计算。此时可以指定进化树。在之后的分析中，进化树的拓扑结构被保留，但是枝长会根据GTR+I+G模型重新估计。

# ALIGNMENT FILE #

alignment = test.phy;

user_tree_topology = tree.phy

输出导入其他进化树：

raxmlHPC-PTHREADS-AVX -N 100 -f a -T 64 --no-bfgs -p 1111 -x 2222 -m GTRGAMMA -s gene.phy -n all -q multiplemodule.txt

multiplemodule.txt 分区格式文件

DNA, Subset1 = 3091-3882\3, 1-651\3

DNA, Subset2 = 2-651\3

DNA, Subset3 = 5934-6897\3, 3-651\3

DNA, Subset4 = 652-888\3

DNA, Subset5 = 653-888\3, 654-888\3

DNA, Subset6 = 889-2424\3

...

文章分类：文献解读环境微生物多样性基因组学