不管使用哪一种建树方法，PAUP都提供了多种的进化树搜索选项。这些选项包括产生初始进化树（启动进化树）的算法规范：NJ, 逐步相加，或者输入进化树。逐步相加的算法也提供大量的选项，包括分类群“原态”的加和（分类群按照文件顺序相加）：最接近的，最遥远的，或者对任意数目的复制品都是随机的。所有逐步相加算法的选项都考虑到了部分进化树的任意的最大数目，这些部分进化树是要保留下来并且在分类单元相加时进行扩建的。增大这个数目（比方说，增大到100）也就意味着增大了起始拓扑结构的多样性，即使他们并不是随机的。
一个随机的相加策略是默认的搜索策略的有用的补充（最近的相加，TBR交换，保存所有最好的进化树）。在随机搜索中，有大量的复制品可以同较快的NNI交换算法相结合。对于MP分析，可能存在这大量的长度相等的进化树，因此搜索时应该指定从每一个复制品中只保存一部分进化树，这些进化树同较慢的搜索的分值相当或者更好。而且，次优化的进化树的数目（这些进化树将会被交换，以寻找更好的进化树）应该受到限制，可以通过设定MAXTREES将其降至一个较小的数目（比方说，10）。通过这个策略，我们在浏览“进化树空间”区域时（这些区域很可能在较慢的搜索中被丢失），有时候会找到一些较好的进化树或者找到额外的唯一的最优化的进化树。可以指定随机相加的种子，但是默认值总是一样的。因此，除非更换种子，重复随机相加的搜索只能得到同样的结果。
评估进化树
对于距离方法、MP方法和ML方法，PAUP执行无参数的自引导方法和对折方法，在执行过程中用到了这些建树方法的所有可用的选项。除非另外指定，所有的自引导方法都才能够同样的种子开始（也就是说，重复同样的自引导分析，其结果相同）。如果自引导数值大于50%，则数值将会被绘制在进化树上；如果自引导数值处于50%和任何指定的下界之间，则这些数值将从表格输出中决定。
对MP方法进行自引导分析或者对折分析时，MAXTREES应该设为10和不超过100之间的一个数。这时因为，MP进化树中分解性较差的那部分在用重新取样得到的数据进行操作时，其分解性通常会更差；因此，一个复制品所找到的相同长度的进化树的数目很可能是一个天文数字。因为那些并不能够被全套数据集很好地支持的进化树树枝的自引导数值或者对折数值不会很高，所以，对MAXTREES加以限制（即便是有一些）不会对结果带来多少负荷，尤其是当复制品的数目增大到比方说1000的时候。
另外，PAUP执行Kishino�Hasegawa实验以比较MP或者ML进化树（见发行附注 re: PHYLIP）；计算多个进化树的四种类型的一致性（通常是对多个长度相等的
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
