最小进化方法（ME,Minimum Evolution）
最小进化方法先使用同FM相同的方式计算出路径长度，然后根据路径长度优化出最短的进化树；也就是说，它要求将观察到的距离相对于基于进化树的距离的偏差的平方最小化（Rzhetsky and Nei, 1992; Swofford et al., 1996a; Felsenstein, 1997）。同FM方法不同，ME方法并不使用所有可能的双重序列距离和所有可能的相关的进化树路径长度，而是先根据到外层节点的距离固定进化树内部节点的位置，然后根据这些观察点之间的最小计算误差，对内部的树枝长度进行优化。于是这个方法声称它消除了FM计算的依赖性。
究竟哪一个基于距离的建树程序是最好的
ME和FM似乎是最好的程序程序，它们在模拟研究中所取得的成绩几乎相同（Huelsenbeck, 1995）。ME在计算机程序中的应用越来越广泛了，包括METREE（Rzhetsky and Nei, 1994）和PAUP都在使用ME。对于蛋白质数据，PHYLIP中的FM程序提供了最多的时间可逆取代模型，但是没有对位点内部的取代速率差异进行修正。MEGA（Kumar et al., 1994）和METREE软件包包括一个针对蛋白质的gamma修正，但是只有同一个原始（“p�距离”）的分歧模型（没有距离修正或者偏好修正）结合时才进行修正，这种方法只有当分歧很小时才合理（Rzhetsky and Nei, 1994）。MEGA也计算同义的和异义的位点的分离距离，但是只有当没有取代或者碱基频率偏好的时候，以及没有对位点内部的速率差异进行修正的时候，这个方法才合理。因此，对于绝大多数数据集而言，对核苷酸数据应用一个更加理想的模型可能会比MEGA方法要好。
模拟研究指出，对于一个大范围的进化树形状空间，UPGMA的可操作性很差（Huelsenbeck, 1995）。我们并不赞成使用这种方法，而之所以在这里会提及这个方法，是因为在现在的出版物上经常会出现UPGMA的应用，这一点可以由当前的出版物中出现的UPGMA“基因进化树”证明（Huelsenbeck, 1995）。
很显然，NJ是最快的程序，并且所产生的进化树同ME
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
