模型。对于核酸和氨基酸数据，PHYLIP使用一种离散的gamma模型。
究竟使用哪一种取代模型呢？
在一个给定的序列集中，即使一个取代模型中的任何参数都可以证明是很有判断力的，但是最好的模型并不一定总是拥有最多的蚕室；相反，参数越少，模型越好，这是因为对每一个参数进行估值都会引入一个相关的变量，而每引入一个附加的参数维度，都会使得整体的变数增加，有时候甚至会对模型起抑制作用（见Li, 1997: p. 84, 表4.1）。对于一个给定的序列比较，如果模型只有两个参数，那么碱基差异的总和要被划分为两个类别；如果模型有六个参数，那么碱基差异的总和要被划分为六个类别；很明显，如果分为六个类别，那么每一个类别中的位点样本数目将会很小，很可能小得无法进行合理地估值。
PAUP的“描述树”特征是对DNA序列的取代模型进行规范的一个较好的策略，它使用似然方法同时评估六个可逆的取代速率、gamma分布的α形状参数和不变的位点的比例（图9.7）。这些参数可以通过相等的或者指定的碱基频率进行估值。通常，任何一个合理的系统发育进化树（比如，很容易就可以得到一个相邻连接的进化树）都适用于这个程序，因为很明显，对参数的估值在很大程度上受到特征符模式的影响，而不是进化树的拓扑结构（Swofford et al., 1996b）。这个估值程序对于50个序列而言，并不会耗费太多的时间。如果序列较多，或者时间较紧，可以对试验的进化树进行精简，在保留全部的系统发育范围和结构的同时，减少分类数目。通过这些估算的取代参数，我们可以通过比较由较多参数和较少参数分别评估得到的似然分值，决定一个简化的模型是否合理（比如，六个取代类别是否可以减少到两个）。有时候，α参数和不变位点的比例可以相互替换，所以我们应该比较每一个单独使用时得到的似然分值和两个同时使用时得到的似然分值。注意，和MP以及ME不同，用不同的参数值得到ML分值可以直接比较（Swofford et al., 1996b）。
对于编码蛋白质的DNA序列，根据样本的分歧程度，有时候很明显地，有用的变化基本上都是第一位和第二位的编码位点，而在整个数据集中，第三位点通常都是随机的，或者第三位点变化而第一位点和第二位点不变。尽管除去“无用”位点可以提高剩余位点的不同速率的估值精确度，上面所述的程序还是要对这个速率差异进行修正。对于节约进化树的建立，我们有时候会把随机的第三位点从分析中除去，因为这些位点只会引入噪声，如果碱基频率不相等，这些位点还会引入错误。
怎么样才能确定数据集中的非静态因素是否会成为一个问题呢？最简单的方法可能就是去比较PAUP中两种通过不同方法得到的建树结果和进化树评估结果，一种方法是使用时间可逆的方法，另一种方法是log�det距离建树方法。下面的章节中将会涉及到这些程序。
还没有什么好的计算方法，能够直接从序列数据中评估非静态因素的影响。PAUP中有一个命令，会列出所有序列的碱基频率。这个程序应该使用排除不变位点（Exclude Constant Sites）的选项。序列中的碱基频率可以很直观地比较出来。数据文件应该指定 gapmode=missing，或者PAUP
上一篇：多序列比对的实际应用 下一篇：利用蛋白质序列的预测方法
共45页: 上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] 10 [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] 下一页
