构建系统发育树

系统发育树的构建

---

现有的方法

邻接法(NJ)	phylip	fasta/phy
最大似然法(ML)	raxml/paml	fasta/phy
最大简约法(MP)	phylip/paup	fasta/phy
贝叶斯法	MrBayes	nexus
溯祖法	BEAST	xml

---

系统发育树构建方法的优劣

• link
• 选择：一般情况下，若有合适的分子进化模型可供选择，用最大似然法构树获得的结果较好；对于近缘物种序列，通常情况下使用最大简约法；而对于远缘物种序列，一般使用邻接法或最大似然法。

其他资料

• link

---

数据准备

• vcf/genotype to phy/fasta
• phy与fasta相互转换，最好是准备好fasta格式文件，使用工具转化成相互式的phy格式。
  • 脚本位置：
    • /lustre/project/og04/shichunwei/project/temp/Tree/fasta2phy.pl
    • /lustre/project/og04/shichunwei/project/temp/Tree/phy2fasta.pl

---

model test

modelgenerator

• 参考
• 示例：

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

• 问题：采用ModelGenerator的时候，gamma categories 具体是什么意思
• the number of discrete gamma categories ？ 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，有多个模型可选，邻接→最大简约→最大似然？我的理解是多种结合。模型采用的是Jukes-Cantor or generalized time-reversible(核酸); JTT (Jones-Taylor-Thorton) or WAG (Whelan Goldman)（蛋白）

• 数据：核酸或蛋白(fasta/phy)

• 网址

• 说明书中指出其准确性优于邻接法BIONJ和FastME，弱于最大似然法RaxML和PhyML，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

• 参数选择：(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 : 通过在终端中输入export OMP_NUM_THREADS=3来控制运行的线程数。fasttree -help 会告诉你程序最终会用多少个线程运行。上例中为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) 邻接法
• 数据：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

• 参数选择：

  -T number of threads

  -i input data file

  -o output tree file

  -B output bootstrap trees file

---

BIONJ

• 邻接法

• 输入数据：distance matrix from phylip

mega

• 图形化交互式界面，不适合集群上使用。

---

phylip

• 涵盖了邻接法、最大似然法和最大简约法构建发育树。重点还是数据准备（phy格式），使用起来比较简单，交互式的命令，故可能不适合串成自动运算的脚本。
• link
• /lustre/project/og04/shichunwei/biosoft/phylip-3.696/exe
• 操作步骤（bootstrap检验）：

---

• bootstrap：先产生多套数据，再构树，然后合并得到最优树

---

• MP法
  • seqboot 产生 1000套伪序列
  • dnapars，M选项为分析multiple data sets改为yes，产生1000个树结果
  • consence，得到一致树
  • 参数选择：
    • O 选择外类群
    • I inputfile interleaved or not

---

• ML法
  • seqboot 产生 1000套伪序列
  • dnaml，M选项为分析multiple data sets改为yes，产生1000个树结果
  • consence，得到一致树

---

• 距离法
  • seqboot 产生 1000套伪序列
  • dnadist 计算距离，更改M选项
  • neighbour 更改M选项，产生1000个树结果
  • consence 得到一致树

---

RaxML

• 最大似然，起初来源于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，得到最优树；-m 选择模型；-f a : fast bootstrap；-o 设置外类群；-T　线程数

---

phyml

• 最大似然法，

/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 选择模型；

  -b bootstrap；

  -i 默认DNA interleaved sequence；

  -d type，nt核酸，aa氨基酸；

  -q 更改 -i 为sequential format；

  -n dataset num

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

  -a gamma：e

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

  -s BEST

  -多线程 mpirun -n 4

  -外类群设置：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，调用phylip consence ,指定 outgroup 得到最大简约有根树；也可以用 phylip retree 得到有根树
• tree length ? shortest tree?

---

存在问题：

• 不同软件得出的modeltest结果不一致；基于多种标准有不同的结果，该选择哪种标准，AIC？是否需要自定义氨基酸模型？
• 取交集，或任选一个；标准基于AIC；倾向于选择而不是自定义
• 有的软件输入文件是基于sequence的，不能用SNP简单连接成fasta或phy，故需标明只能用sequence的软件
• 注意输入文件的格式，phy有两种格式

---

测试数据

• 测试地址：/lustre/project/og04/project/KF-JL-B1-20150203-01_soybean/version3/02.pop_structure/tree/ML

• 测试地址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