建树方法，将执行分支定理和启发式算法；对于距离建树方法，MEGA提供了PAUP中的取代模型的一个子集，也提供了NJ建树算法。在其捆绑的METREE程序（Rzhetsky and Nei, 1994）中提供了一个ME搜索。现在还无法比较MEGA和PAUP或者PHYLIP中的搜索算法的效率和可靠性。针对核苷酸数据建立进化树，MEGA的效果不如PAUP（Lewis and Lewis, 1995）或者PHYLIP。举几个例子：其格式不允许在数据文件中存储假定，因此必须在每一次会话中手工指定这些假定；取代模型的范围和空位处理方法以及丢失的数据都是有限的，并且程序不能评估参数数值；似然方法不允许加权；不能IUPAC核苷酸的模糊密码；使用MP方法时不允许进行自引导分析；进化树图形很简单，并且不能保存进化树文件。虽然MEGA可以通过密码子数据和氨基酸数据建立距离进化树，但是使用的取代模型太简单，对于绝大多数数据集而言，不能产生可靠的进化树。MEGA同其它程序一样，也没有包括一些有用的特点（Lewis and Lewis, 1995）：空位和空位大小频率，密码子的用法和氨基酸频率。
MOLPHY
MOLPHY（Adachi and Hasegawa, 1996）是一个共享的软件包（见本章结尾的列表），可以进行ML分析以及核苷酸序列或者氨基酸序列的统计。MOLPHY在Sun OS和HP9000/700系统上经过测试。在实际使用时需要对Unix文件操作有一定的了解。MOLPHY的用途包括NEXUS, MEGA和PHYLIP文件格式之间的数据文件的格式转换，还包括从EMBL或者GeneBank的核苷酸序列文件中提取编码区域。其中的ML程序同PHYLIP中的ML程序很相似，但是前者的氨基酸取代模型的范围很广，而且有很多选项能够进行快速的启发式的搜索，其中包括一个选项能够使用“本地自引导”分析（也就是说，进行一个子树的自引导分析，条件是假定这个进化树的剩余部分是正确的）以搜索更好的ML进化树。输出结果包括树枝长度评估以及标准偏差。分析分离的密码子位置是可能的。MOPHY
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
