raxmlHPC - ক্লাউডে অনলাইন

কার্যক্রম:

NAME এর

ব্যবহার করুন - এলোমেলো অ্যাক্সেলরেটেড সর্বাধিক সম্ভাবনা

বর্ণনাঃ

AVX সমর্থন সহ raxml ব্যবহার করুন (1 cpus)

এটি হল RAxML সংস্করণ 8.2.4 যা আলেকজান্দ্রোস স্ট্যামাটাকিস 02 অক্টোবর 2015 এ প্রকাশ করেছে।

আন্দ্রে আবেরার (HITS) সাইমন বার্জার দ্বারা অত্যন্ত প্রশংসিত কোড অবদানের সাথে
(HITS) আলেক্সি কোজলভ (HITS) Kassian Kobert (HITS) David Dao (KIT and HITS)
নিক প্যাটেনগেল (স্যান্ডিয়া) ওয়েন ফিফার (এসডিএসসি) আকিফুমি এস টানাবে (এনআরআইএফএস)

এছাড়াও অনুগ্রহ করে RAxML-ম্যানুয়ালের সাথে পরামর্শ করুন

RAxML গুগল গ্রুপের মাধ্যমে বাগ রিপোর্ট করুন! আমাদের সব ইনপুট ফাইল পাঠান, সঠিক
আমন্ত্রণ, HW এবং অপারেটিং সিস্টেমের বিবরণ, সেইসাথে সমস্ত ত্রুটি বার্তা মুদ্রিত
পর্দায়.

raxmlHPC[-SSE3|-AVX|-PTHREADS|-PTHREADS-SSE3|-PTHREADS-AVX|-হাইব্রিড

-s sequenceFileName -n আউটপুট ফাইলের নাম -m প্রতিস্থাপন মডেল

[-একটি ওজন ফাইলের নাম] [-একটি সেকেন্ডারি স্ট্রাকচার সাবস্টমডেল] [-বি
বুটস্ট্র্যাপ র‍্যান্ডম নম্বর সীড] [-বি wcCriterionThreshold] [-c numberOfCategories] [-C]
[-ডি] [-ডি] [-ই সম্ভাবনা এপসিলন] [-ই ফাইলের নাম বাদ দিন] [-এফ
a|A|b|B|c|C|d|D|e|E|F|g|Gh|H|i|I|j|J|k|m|n|N|o|p| P|q|r|R|s|S|t|T|u|v|V|w|W|x|y]
[-F] [-g groupingFileName] [-G placementThreshold] [-h] [-H] [-i
প্রাথমিক পুনর্বিন্যাস সেটিং] [-I autoFC|autoMR|autoMRE|autoMRE_IGN] [-j] [-J
MR|MR_DROP|MRE|STRICT|STRICT_DROP|T_ ] [-কে] [-কে] [-এল এমআর|এমআরই|টি_ ]
[-M] [-o outGroupName1[,outGroupName2[,...]]][-O] [-p parsimonyRandomSeed] [-P
প্রোটিন মডেল] [-q একাধিক মডেল ফাইলের নাম] [-আর বাইনারি কনস্ট্রেন্টট্রি] [-আর
binaryModelParamFile] [-S SecondaryStructureFile] [-t userStartingTree] [-T
numberOfThreads] [-u] [-U] [-v] [-V] [-w outputDirectory] [-W slidingWindowSize]
[-x দ্রুত বুটস্ট্র্যাপ র‌্যান্ডম নম্বরবীজ] [-এক্স] [-ওয়াই] [-ওয়াই
quartetGroupingFileName|AnestralSequenceCandidatesFileName] [-z multipleTreesFile]
[-#|-N numberOfRuns|autoFC|autoMR|autoMRE|autoMRE_IGN]
[--mesquite][--নীরব][--no-seq-check][--no-bfgs]
[--asc-corr=stamatakis|felsenstein|lewis]
[--পতাকা-চেক][--auto-prot=ml|bic|aic|aicc]
[--epa-keep-placements=number][--epa-acumulated-threshold=threshold]
[--epa-prob-threshold=threshold] [-JC69][--K80][--HKY85]

-a প্রতিটি কলামে স্বতন্ত্র ওজন বরাদ্দ করতে একটি কলাম ওজন ফাইলের নাম নির্দিষ্ট করুন
প্রান্তিককরণ এই ওজনগুলি অবশ্যই যেকোন প্রকার এবং সংখ্যা দ্বারা পৃথক করা পূর্ণসংখ্যা হতে হবে
একটি পৃথক ফাইলের মধ্যে সাদা স্থান, উদাহরণের জন্য ফাইল "example_weights" দেখুন।

-A RAxML-এ বাস্তবায়িত সেকেন্ডারি স্ট্রাকচার প্রতিস্থাপন মডেলগুলির একটি নির্দিষ্ট করুন।
PHASE ম্যানুয়ালের মতো একই নামকরণ ব্যবহার করা হয়েছে, উপলব্ধ মডেলগুলি: S6A, S6B,
S6C, S6D, S6E, S7A, S7B, S7C, S7D, S7E, S7F, S16, S16A, S16B

ডিফল্ট: 16-স্টেট GTR মডেল (S16)

-b একটি পূর্ণসংখ্যা (এলোমেলো বীজ) নির্দিষ্ট করুন এবং বুটস্ট্র্যাপিং চালু করুন

ডিফল্ট: বন্ধ

-B 0.0 এবং 1.0 এর মধ্যে একটি ফ্লোটিং পয়েন্ট নম্বর নির্দিষ্ট করুন যা কাটঅফ হিসাবে ব্যবহার করা হবে
MR-ভিত্তিক বুটস্টপিং মানদণ্ডের জন্য থ্রেশহোল্ড। প্রস্তাবিত সেটিং হল 0.03।

ডিফল্ট: 0.03 (প্রস্তাবিত অভিজ্ঞতাগতভাবে নির্ধারিত সেটিং)

-c হারের মডেলের সময় RAxML-এর জন্য স্বতন্ত্র হার বিভাগের সংখ্যা নির্দিষ্ট করুন
ভিন্নতা CAT-তে সেট করা হয়েছে ব্যক্তিগত প্রতি-সাইট হারের মধ্যে শ্রেণীবদ্ধ করা হয়েছে
গণনাকে ত্বরান্বিত করতে numberOfCategories রেট বিভাগ।

ডিফল্ট: 25

-C "-L" এবং "-fi" বিকল্পগুলির জন্য ভার্বোজ আউটপুট সক্ষম করুন৷ এই আরো উত্পাদন হবে, হিসাবে
সেইসাথে আরও ভার্বোস আউটপুট ফাইল

ডিফল্ট: বন্ধ

-d এলোমেলো স্টার্টিং ট্রি থেকে এমএল অপ্টিমাইজেশান শুরু করুন

ডিফল্ট: বন্ধ

-D ML সার্চ কনভারজেন্স মানদণ্ড। আত্মীয় হলে এটি এমএল অনুসন্ধান বন্ধ করে দেবে
পরপর দুটি অলস SPR থেকে প্রাপ্ত গাছের মধ্যে রবিনসন-ফোল্ডস দূরত্ব
চক্র ছোট বা 1% এর সমান। খুব বড় ডেটাসেটের জন্য ব্যবহার প্রস্তাবিত৷
ট্যাক্সের শর্তাবলী। 500 টিরও বেশি ট্যাক্সা সহ গাছগুলিতে এটি কার্যকর করার সময় দেবে
আনুমানিক 50% উন্নতি হয়েছে যখন ফলন মাত্র সামান্য খারাপ গাছ।

ডিফল্ট: বন্ধ

-e চূড়ান্ত অপ্টিমাইজেশনের জন্য লগ সম্ভাবনা ইউনিটে মডেল অপ্টিমাইজেশান নির্ভুলতা সেট করুন
গাছের টপোলজি

ডিফল্ট: 0.1
মডেলগুলির জন্য অনুপাতের অনুপাত ব্যবহার করে না

0.001 মডেলের জন্য অপরিবর্তনীয় সাইট অনুপাতের অনুপাত ব্যবহার করে

-E একটি এক্সক্লুড ফাইলের নাম উল্লেখ করুন, যাতে সারিবদ্ধ অবস্থানের একটি স্পেসিফিকেশন থাকে
আপনি বাদ দিতে চান। বিন্যাসটি নেক্সাসের অনুরূপ, ফাইলটিতে এন্ট্রি থাকতে হবে
যেমন "100-200 300-400", একটি একক কলাম বাদ দিতে, যেমন, "100-100", যদি আপনি
একটি মিশ্র মডেল ব্যবহার করুন, একটি উপযুক্তভাবে অভিযোজিত মডেল ফাইল লেখা হবে।

-f অ্যালগরিদম নির্বাচন করুন:

"-fa": দ্রুত বুটস্ট্র্যাপ বিশ্লেষণ এবং একটি প্রোগ্রামে সেরা-স্কোরিং এমএল ট্রি অনুসন্ধান
"-f A" চালান: প্রদত্ত রুটেড রেফারেন্স ট্রিতে প্রান্তিক পূর্বপুরুষের রাজ্য গণনা করুন
"-t" "-fb" সহ: "-t" ভিত্তিক প্রদত্ত একটি গাছে দ্বি-বিভাগের তথ্য আঁকুন
একাধিক গাছে

(যেমন, একটি বুটস্ট্র্যাপ থেকে) "-z" দ্বারা নির্দিষ্ট করা একটি ফাইলে

"-f B": একটি গাছে br-len স্ক্যালার এবং অন্যান্য মডেল প্যারামিটার (GTR, alpha, ইত্যাদি) অপ্টিমাইজ করুন
"-t" দিয়ে দেওয়া হয়েছে।
গাছের শাখার দৈর্ঘ্য থাকতে হবে। শাখার দৈর্ঘ্য অপ্টিমাইজ করা হবে না,
শুধুমাত্র একটি সাধারণ মান দ্বারা স্কেল করা হয়েছে।

"-fc": RAxML "-f C" দ্বারা প্রান্তিককরণ সঠিকভাবে পড়তে পারে কিনা তা পরীক্ষা করুন: পূর্বপুরুষ
জিয়াজির জন্য সিকোয়েন্স টেস্ট, ব্যবহারকারীদেরও ট্যাক্সন নামের একটি তালিকা প্রদান করতে হবে
-Y হোয়াইটস্পেস "-fd" দ্বারা বিভক্ত: নতুন দ্রুত পাহাড়ে চড়া

ডিফল্ট: চালু

"-f D": RELL বুটস্ট্র্যাপ সহ দ্রুত পাহাড়ে আরোহণ "-fe": মডেল+শাখা অপ্টিমাইজ করুন
GAMMA/GAMMAI শুধুমাত্র "-f E" এর অধীনে প্রদত্ত ইনপুট গাছের দৈর্ঘ্য: খুব দ্রুত কার্যকর করুন
পরীক্ষামূলক ট্রি অনুসন্ধান, বর্তমানে শুধুমাত্র "-f F" পরীক্ষার জন্য: দ্রুত কার্যকর করুন
পরীক্ষামূলক ট্রি অনুসন্ধান, বর্তমানে শুধুমাত্র "-fg" পরীক্ষার জন্য: প্রতি সাইট লগ কম্পিউট
একটি আকরিক আরো গাছ জন্য সম্ভাবনা মাধ্যমে পাস

"-z" এবং সেগুলিকে একটি ফাইলে লিখুন যা কনসেল দ্বারা পড়তে পারে
মডেল প্যারামিটার শুধুমাত্র প্রথম গাছ অনুমান করা হবে!

"-f G": প্রতি সাইট লগ কম্পিউট করুন আরও একটি আকরিক গাছের মধ্য দিয়ে যাওয়ার সম্ভাবনা৷
"-z" এবং সেগুলিকে একটি ফাইলে লিখুন যা কনসেল দ্বারা পড়তে পারে। মডেল পরামিতি
প্রতিটি গাছের জন্য পুনরায় অনুমান করা হবে

"-fh": "-t" এর মাধ্যমে পাস করা সেরা গাছের মধ্যে গণনা লগ সম্ভাবনা পরীক্ষা (SH-পরীক্ষা)
এবং অন্যান্য গাছের একটি গুচ্ছ "-z" এর মাধ্যমে পাস করা হয়েছে মডেল পরামিতি অনুমান করা হবে
শুধুমাত্র প্রথম গাছে!

"-f H": "-t" এর মাধ্যমে উত্তীর্ণ সেরা গাছের মধ্যে গণনা লগ সম্ভাবনা পরীক্ষা (SH-পরীক্ষা)
এবং অন্যান্য গাছের একটি গুচ্ছ "-z" এর মাধ্যমে পাস করা হয়েছে মডেলের পরামিতিগুলি হবে৷
প্রতিটি গাছের জন্য পুনরায় আনুমানিক

"-fi": "-t" দেওয়া একটি গাছে IC এবং TC স্কোর (Salichos and Rokas 2013) গণনা করুন
একাধিক গাছের উপর ভিত্তি করে
(যেমন, একটি বুটস্ট্র্যাপ থেকে) "-z" দ্বারা নির্দিষ্ট করা একটি ফাইলে

"-f I": শিকড়বিহীন গাছের জন্য একটি সাধারণ ট্রি রুটিং অ্যালগরিদম।
এটি শাখায় শিকড় দিয়ে গাছকে শিকড় দেয় যা উপবৃক্ষের সর্বোত্তম ভারসাম্য বজায় রাখে
বাম এবং ডান উপবৃক্ষের দৈর্ঘ্য (উপবৃক্ষের শাখার উপর সমষ্টি)। ক
একটি সর্বোত্তম ভারসাম্য সঙ্গে শাখা সবসময় বিদ্যমান না! আপনাকে গাছটি নির্দিষ্ট করতে হবে
আপনি "-t" এর মাধ্যমে রুট করতে চান।

"-fj": একটি মূল অ্যালাইনমেন্ট ফাইল থেকে বুটস্ট্র্যাপড অ্যালাইনমেন্ট ফাইলের একটি গুচ্ছ তৈরি করুন।
আপনাকে "-b" সহ একটি বীজ এবং "-#" দিয়ে প্রতিলিপির সংখ্যা উল্লেখ করতে হবে

"-f J": "-t" এর মাধ্যমে পাস করা একটি প্রদত্ত গাছে SH-এর মতো সমর্থন মানগুলি গণনা করুন। "-fk":
ব্যবহার করে অনুপস্থিত ডেটা সহ পার্টিশন করা ডেটা সেটগুলিতে দীর্ঘ শাখার দৈর্ঘ্য ঠিক করুন

শাখা দৈর্ঘ্য চুরি অ্যালগরিদম.
এই বিকল্পটি শুধুমাত্র "-t", "-M", এবং "-q" এর সাথে কাজ করে। এটা প্রিন্ট আউট হবে
ছোট শাখা দৈর্ঘ্য সহ একটি গাছ, কিন্তু একই সম্ভাবনা স্কোর আছে।

"-fm": "-t" এবং "-z" এর মাধ্যমে পাস করা গাছের দুটি গুচ্ছের মধ্যে দ্বি-বিভাগের তুলনা করুন
যথাক্রমে এটি সমস্ত দ্বি-বিভাগের মধ্যে পিয়ারসন পারস্পরিক সম্পর্ক ফিরিয়ে দেবে
দুটি গাছ ফাইল পাওয়া যায়. একটি ফাইল কল
RAxML_bipartitionFrequencies.outpuFileName প্রিন্ট করা হবে যাতে রয়েছে
দুটি সেটের জোড়া-ভিত্তিক দ্বিবিভাজন ফ্রিকোয়েন্সি

"-fn": দ্বারা প্রদত্ত একটি ট্রি ফাইলে থাকা সমস্ত গাছের লগ সম্ভাবনা স্কোর গণনা করুন
GAMMA বা GAMMA+P-Invar এর অধীনে "-z" মডেল প্যারামিটারগুলি অনুমান করা হবে
শুধুমাত্র প্রথম গাছ!

"-f N": দ্বারা প্রদত্ত একটি ট্রি ফাইলে থাকা সমস্ত গাছের লগ সম্ভাবনা স্কোর গণনা করুন
GAMMA বা GAMMA+P-Invar এর অধীনে "-z" মডেলের পরামিতিগুলির জন্য পুনরায় অনুমান করা হবে
প্রতিটি গাছ

"-fo": হিউরিস্টিক কাটঅফ "-fp" ছাড়াই পুরানো এবং ধীর গতিতে পাহাড়ে চড়া: পারফর্ম করুন
একটি অসম্পূর্ণ প্রারম্ভিক ট্রি এবং প্রস্থানে নতুন সিকোয়েন্সের বিশুদ্ধ ধাপে এমপি যোগ
"-f P": পাস করা ফাইলে নির্দিষ্ট করা সাব ট্রিগুলির একটি ফাইলোজেনেটিক প্লেসমেন্ট সঞ্চালন করুন
একটি প্রদত্ত রেফারেন্স ট্রিতে "-z" এর মাধ্যমে

যার মধ্যে এই সাবট্রিগুলি রয়েছে যা "-t" ব্যবহার করে পাস করা হয়
বিবর্তনীয় স্থান নির্ধারণ অ্যালগরিদম।

"-fq": দ্রুত কোয়ার্টেট ক্যালকুলেটর "-fr": কম্পিউট পেয়ারওয়াইজ রবিনসন-ফোল্ডস (RF)
একটি ট্রি ফাইলের সমস্ত জোড়া গাছের মধ্যে দূরত্ব "-z" এর মাধ্যমে পাস

যদি গাছগুলিতে নোড লেবেলগুলি পূর্ণসংখ্যা সমর্থন মান হিসাবে উপস্থাপিত হয় তবে প্রোগ্রামটিও করবে
দুটি স্বাদ গণনা
ওজনযুক্ত রবিনসন-ফোল্ডস (WRF) দূরত্ব

"-f R": একটি বড় রেফারেন্স ট্রির মধ্যে সমস্ত পেয়ারওয়াইজ রবিনসন-ফোল্ড (RF) দূরত্ব গণনা করুন
"-t" এর মাধ্যমে পাস

এবং অনেক ছোট গাছ (যেগুলো অবশ্যই বড় গাছের ট্যাক্সার উপসেট থাকতে হবে) এর মধ্য দিয়ে গেছে
"-z"।
এই বিকল্পটি খুব বড় ফাইলোজেনিগুলির সম্ভাব্যতা পরীক্ষা করার উদ্দেশ্যে করা হয়েছে
যে আর চাক্ষুষভাবে পরিদর্শন করা যাবে না.

"-fs": একটি মাল্টি-জিন বিভাজিত প্রান্তিককরণ সংশ্লিষ্ট মধ্যে বিভক্ত করুন
সাবলাইনমেন্ট "-f S": একটি লিভ ওয়ান আউট ব্যবহার করে সাইট-নির্দিষ্ট প্লেসমেন্ট বায়াস গণনা করুন
বিবর্তনীয় স্থান নির্ধারণ অ্যালগরিদম "-ft" দ্বারা অনুপ্রাণিত পরীক্ষা: এলোমেলো গাছ করুন
একটি নির্দিষ্ট স্টার্টিং ট্রি "-f T" এ অনুসন্ধান করে: ML এর চূড়ান্ত পুঙ্খানুপুঙ্খ অপ্টিমাইজেশন করুন
দ্রুত বুটস্ট্র্যাপ থেকে ট্রি স্ট্যান্ড-অলোন মোডে অনুসন্ধান করুন "-fu": মরফোলজিক্যাল চালান
সর্বাধিক সম্ভাবনা ব্যবহার করে ওজন ক্রমাঙ্কন, এটি একটি ওজন ভেক্টর ফিরিয়ে দেবে।

আপনাকে "-t" এর মাধ্যমে একটি রূপগত প্রান্তিককরণ এবং একটি রেফারেন্স ট্রি প্রদান করতে হবে

"-fv": পুঙ্খানুপুঙ্খভাবে ব্যবহার করে একটি রেফারেন্স ট্রিতে পরিবেশগত ক্রমগুলির একটি গুচ্ছকে শ্রেণীবদ্ধ করুন
সন্নিবেশ পড়ুন
আপনাকে একটি অ-বিস্তৃত রেফারেন্স ট্রি এবং একটি দিয়ে RAxML শুরু করতে হবে
সমস্ত ক্রম ধারণকারী প্রান্তিককরণ (রেফারেন্স + প্রশ্ন)

"-f V": পুঙ্খানুপুঙ্খভাবে ব্যবহার করে একটি রেফারেন্স ট্রিতে পরিবেশগত ক্রমগুলির একটি গুচ্ছকে শ্রেণীবদ্ধ করুন
সন্নিবেশ পড়ুন
আপনাকে একটি অ-বিস্তৃত রেফারেন্স ট্রি এবং একটি দিয়ে RAxML শুরু করতে হবে
সমস্ত ক্রম সমন্বিত প্রান্তিককরণ (রেফারেন্স + ক্যোয়ারী) সতর্কতা: এটি একটি পরীক্ষা
মাল্টি-জিন/হোল-জিনোম ডেটাসেটগুলির আরও দক্ষ পরিচালনার জন্য বাস্তবায়ন!

"-fw": "-z" এর মাধ্যমে পাস করা একগুচ্ছ গাছে ELW পরীক্ষা গণনা করুন
মডেল প্যারামিটার শুধুমাত্র প্রথম গাছ অনুমান করা হবে!

"-f W": "-z" এর মাধ্যমে পাস করা একগুচ্ছ গাছে ELW পরীক্ষা গণনা করুন
প্রতিটি গাছের জন্য মডেল পরামিতি পুনরায় অনুমান করা হবে

"-fx": জোড়া-ভিত্তিক ML দূরত্ব গণনা করুন, ML মডেলের পরামিতিগুলি একজন এমপিতে অনুমান করা হবে
স্টার্টিং ট্রি বা ব্যবহারকারী-সংজ্ঞায়িত ট্রি "-t" এর মাধ্যমে পাস করা হয়েছে, শুধুমাত্র GAMMA-ভিত্তিক জন্য অনুমোদিত৷
হারের ভিন্নতার মডেল

"-fy": পার্সিমনি ব্যবহার করে পরিবেশগত ক্রমগুলির একটি গুচ্ছকে একটি রেফারেন্স ট্রিতে শ্রেণীবদ্ধ করুন
আপনাকে একটি অ-বিস্তৃত রেফারেন্স ট্রি এবং একটি দিয়ে RAxML শুরু করতে হবে
সমস্ত ক্রম ধারণকারী প্রান্তিককরণ (রেফারেন্স + প্রশ্ন)

"-f" এর জন্য ডিফল্ট: নতুন দ্রুত পাহাড় আরোহণ

-F স্যুইচ না করেই খুব বড় গাছের জন্য CAT মডেলের অধীনে ML ট্রি অনুসন্ধান সক্ষম করুন৷
শেষ পর্যন্ত গামা (মেমরি সংরক্ষণ করে)। এই বিকল্পটি GAMMA এর সাথেও ব্যবহার করা যেতে পারে
সেরা-স্কোরিং এমএল ট্রির পুঙ্খানুপুঙ্খ অপ্টিমাইজেশন এড়াতে মডেলগুলি
শেষ।

ডিফল্ট: বন্ধ

-g এই ট্রিটির প্রয়োজন নেই এমন একটি বহুমুখী সীমাবদ্ধতার ট্রির ফাইলের নাম উল্লেখ করুন
ব্যাপক হতে হবে, অর্থাৎ সব ট্যাক্স ধারণ করা উচিত নয়

-G একটি নির্দিষ্ট করে এমএল-ভিত্তিক বিবর্তনীয় স্থান নির্ধারণ অ্যালগরিদম হিউরিস্টিকস সক্ষম করুন
থ্রেশহোল্ড মান (সন্নিবেশ শাখার ভগ্নাংশ ধীর ব্যবহার করে মূল্যায়ন করা হবে
এমএল অধীনে সন্নিবেশ)।

-h এই সাহায্য বার্তা প্রদর্শন করুন.

-H প্যাটার্ন কম্প্রেশন অক্ষম করুন।

ডিফল্ট: চালু

-i টপোলজিকাল পরিবর্তনের পরবর্তী প্রয়োগের জন্য প্রাথমিক পুনর্বিন্যাস সেটিং
ফেজ

-I একটি পোস্টেরিওরি বুটস্টপিং বিশ্লেষণ। ব্যবহার করুন:

সংখ্যাগরিষ্ঠ-নিয়মের জন্য ফ্রিকোয়েন্সি-ভিত্তিক মাপকাঠি "-I autoMR"-এর জন্য "-I autoFC"
বর্ধিত সংখ্যাগরিষ্ঠ-নিয়ম ঐক্যমত্য গাছের জন্য ঐকমত্য গাছের মানদণ্ড "-I autoMRE"
মানদণ্ড "-I autoMRE_IGN" মেট্রিক্সের জন্য MRE অনুরূপ, কিন্তু দ্বি-বিভাগ অন্তর্ভুক্ত
থ্রেশহোল্ডের অধীনে তারা সামঞ্জস্যপূর্ণ কিনা

অথবা না. এটি MRE অনুকরণ করে তবে গণনা করা দ্রুত।

আপনাকে "-z" এর মাধ্যমে বেশ কয়েকটি বুটস্ট্র্যাপ প্রতিলিপি সহ একটি ট্রি ফাইল পাস করতে হবে

-j নির্দিষ্ট করে যে মধ্যবর্তী ট্রি ফাইলগুলি স্ট্যান্ডার্ড চলাকালীন ফাইলে লেখা হবে
এমএল এবং বিএস ট্রি অনুসন্ধান।

ডিফল্ট: বন্ধ

-J "-J MR" বা বর্ধিত সংখ্যাগরিষ্ঠ নিয়মের সাথে সংখ্যাগরিষ্ঠ নিয়মের ঐক্যমত্য ট্রি গণনা করুন
"-J MRE" সহ ঐকমত্য গাছ বা "-J STRICT" এর সাথে কঠোর ঐক্যমত্য গাছ। একটি জন্য
কাস্টম সম্মতি থ্রেশহোল্ড >= 50%, T_ উল্লেখ করুন , যেখানে 100 >= NUM ​​>= 50।
"-J STRICT_DROP" এবং "-J MR_DROP" বিকল্পগুলি একটি অ্যালগরিদম কার্যকর করবে যা সনাক্ত করে
ড্রপসেট যাতে প্যাটেনগেল এট আল দ্বারা প্রস্তাবিত দুর্বৃত্ত ট্যাক্সা রয়েছে। কাগজে
"লুকানো ফাইলোজেনেটিক ঐক্যমত্য উন্মোচন"। আপনি একটি গাছ প্রদান করতে হবে
ফাইলটিতে "-z" এর মাধ্যমে বেশ কয়েকটি UNROOTED গাছ রয়েছে

-k নির্দিষ্ট করে যে বুটস্ট্র্যাপ করা গাছগুলি শাখার দৈর্ঘ্য সহ প্রিন্ট করা উচিত। দ্য
বুটস্ট্র্যাপগুলি কিছুটা দীর্ঘ হবে, কারণ মডেলের পরামিতিগুলি তে অপ্টিমাইজ করা হবে
যথাক্রমে GAMMA বা GAMMA+P-ইনভারের অধীনে প্রতিটি রানের শেষ।

ডিফল্ট: বন্ধ

-K মাল্টি-স্টেট প্রতিস্থাপন মডেলগুলির একটি নির্দিষ্ট করুন (সর্বাধিক 32টি রাজ্য)
RAxML। উপলব্ধ মডেলগুলি হল: ORDERED, MK, GTR৷

ডিফল্ট: GTR মডেল

-L IC সমর্থন দ্বারা লেবেলযুক্ত ঐক্যমত্য গাছ গণনা করুন এবং সামগ্রিক TC মান হিসাবে
Salichos এবং Rokas 2013-এ প্রস্তাবিত। একটি সংখ্যাগরিষ্ঠ নিয়ম সম্মত গাছের সাথে গণনা করুন
"-L MR" বা "-L MRE"-এর সাথে একটি বর্ধিত সংখ্যাগরিষ্ঠ নিয়মের ঐক্যমত্য গাছ। একটি প্রথা জন্য
ঐকমত্য থ্রেশহোল্ড >= 50%, নির্দিষ্ট করুন "-L T_ ", যেখানে 100 >= NUM ​​>= 50। আপনি করবেন
অবশ্যই এর মাধ্যমে বেশ কয়েকটি UNROOTED গাছ ধারণকারী একটি ট্রি ফাইল প্রদান করতে হবে
"-z"!

-m বাইনারি (মরফোলজিক্যাল), নিউক্লিওটাইড, মাল্টি-স্টেট বা অ্যামিনো অ্যাসিডের মডেল
উপকল্পন:

বাইনারি:

"-মি বিনকাট[এক্স]"
: সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ মূল্যায়ন হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে স্বয়ংক্রিয়ভাবে BINGAMMA-এর অধীনে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন।

"-মি বিনকাটি[এক্স]"
: সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ মূল্যায়ন হতে পারে
স্বয়ংক্রিয়ভাবে BINGAMMAI অধীনে, গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন।

"-m ASC_BINCAT[X]"
: সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ মূল্যায়ন হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে স্বয়ংক্রিয়ভাবে BINGAMMA-এর অধীনে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন। এএসসি
উপসর্গ নিশ্চিতকরণ পক্ষপাতের সম্ভাবনাকে সংশোধন করবে।

"-মি বিংআম্মা[এক্স]"
: হার বৈচিত্র্যের GAMMA মডেল (আলফা পরামিতি অনুমান করা হবে)।

ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

"-m ASC_BINGAMMA[X]" : হারের ভিন্নতার GAMMA মডেল (আলফা প্যারামিটার হবে
আনুমানিক).
ASC উপসর্গ নিশ্চিতকরণ পক্ষপাতের সম্ভাবনা সংশোধন করবে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন।

"-মি বিঙ্গামাই[এক্স]"
: BINGAMMA এর মতই, কিন্তু অপরিবর্তনীয় সাইটের অনুপাতের অনুমান সহ।

ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

নিউক্লিওটাইডস:

"-m GTRCAT[X]"
: GTR + প্রতিস্থাপন হারের অপ্টিমাইজেশন + সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে GTRGAMMA-এর অধীনে মূল্যায়ন করা হয়। ঐচ্ছিক সঙ্গে
"X" পরিশিষ্ট আপনি বেস ফ্রিকোয়েন্সি একটি ML অনুমান নির্দিষ্ট করতে পারেন.

"-m GTRCATI[X]"
: GTR + প্রতিস্থাপন হারের অপ্টিমাইজেশন + সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে GTRGAMMAI-এর অধীনে মূল্যায়ন করা হয়েছে। ঐচ্ছিক সঙ্গে
"X" পরিশিষ্ট আপনি বেস ফ্রিকোয়েন্সি একটি ML অনুমান নির্দিষ্ট করতে পারেন.

"-m ASC_GTRCAT[X]"
: GTR + প্রতিস্থাপন হারের অপ্টিমাইজেশন + সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে GTRGAMMA-এর অধীনে মূল্যায়ন করা হয়। ঐচ্ছিক সঙ্গে
"X" পরিশিষ্ট আপনি বেস ফ্রিকোয়েন্সি একটি ML অনুমান নির্দিষ্ট করতে পারেন. ASC উপসর্গ
নিশ্চিতকরণ পক্ষপাতিত্বের সম্ভাবনা সংশোধন করবে।

"-m GTRGAMMA[X]"
: GTR + প্রতিস্থাপন হারের অপ্টিমাইজেশন + হারের GAMMA মডেল

ভিন্নতা (আলফা পরামিতি অনুমান করা হবে)।
ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

"-m ASC_GTRGAMMA[X]" : GTR + প্রতিস্থাপন হারের অপ্টিমাইজেশন + হারের GAMMA মডেল
ভিন্নতা (আলফা পরামিতি অনুমান করা হবে)। ASC উপসর্গ সঠিক হবে
নিশ্চিতকরণ পক্ষপাতিত্বের সম্ভাবনা। ঐচ্ছিক "X" পরিশিষ্ট দিয়ে আপনি করতে পারেন
বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করুন।

"-m GTRGAMMAI[X]"
: GTRGAMMA এর মতই, কিন্তু অপরিবর্তনীয় সাইটের অনুপাতের অনুমান সহ।

ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

মাল্টি-স্টেট:

"-মি মাল্টিক্যাট[এক্স]"
: সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ মূল্যায়ন হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে স্বয়ংক্রিয়ভাবে মাল্টিগাম্মার অধীনে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন।

"-মি মাল্টিকাটি[এক্স]"
: সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ মূল্যায়ন হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে স্বয়ংক্রিয়ভাবে MULTIGAMMAI-এর অধীনে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন।

"-m ASC_MULTICAT[X]"
: সাইট-নির্দিষ্ট অপ্টিমাইজেশান

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ মূল্যায়ন হতে পারে
গাছ অনুসন্ধান বিকল্পের উপর নির্ভর করে স্বয়ংক্রিয়ভাবে মাল্টিগাম্মার অধীনে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন। এএসসি
উপসর্গ নিশ্চিতকরণ পক্ষপাতের সম্ভাবনাকে সংশোধন করবে।

"-মি মাল্টিগাম্মা[এক্স]"
: হার বৈচিত্র্যের GAMMA মডেল (আলফা পরামিতি অনুমান করা হবে)।

ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

"-m ASC_MULTIGAMMA[X]" : হারের ভিন্নতার GAMMA মডেল (আলফা প্যারামিটার হবে
আনুমানিক).
ASC উপসর্গ নিশ্চিতকরণ পক্ষপাতের সম্ভাবনা সংশোধন করবে। সঙ্গে
ঐচ্ছিক "X" পরিশিষ্টে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন।

"-মি মাল্টিগাম্মাই[এক্স]"
: MULTIGAMMA এর মতোই, কিন্তু অপরিবর্তনীয় সাইটের অনুপাতের অনুমান সহ।

ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

আপনি মাল্টি-স্টেট অঞ্চলগুলিকে এনকোড করতে 32টি পর্যন্ত স্বতন্ত্র অক্ষর রাজ্য ব্যবহার করতে পারেন, তারা
নিম্নলিখিত ক্রমে ব্যবহার করা আবশ্যক: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E,
F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V অর্থাৎ, যদি আপনার 6টি স্বতন্ত্র থাকে
অক্ষর বলে যে আপনি এইগুলি এনকোড করতে 0, 1, 2, 3, 4, 5 ব্যবহার করবেন। প্রতিস্থাপন
মাল্টি-স্টেট অঞ্চলের মডেল "-K" বিকল্পের মাধ্যমে নির্বাচন করা যেতে পারে

অ্যামিনো অ্যাসিড:

"-m PROTCATmatrixName[F|X]"
: নির্দিষ্ট AA ম্যাট্রিক্স + প্রতিস্থাপন হারের অপ্টিমাইজেশান + এর অপ্টিমাইজেশন
সাইট-নির্দিষ্ট

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ হতে পারে
গাছের উপর নির্ভর করে PROTGAMMAmatrixName[F|X] এর অধীনে স্বয়ংক্রিয়ভাবে মূল্যায়ন করা হয়
অনুসন্ধান বিকল্প। ঐচ্ছিক "X" পরিশিষ্টের সাথে আপনি একটি ML অনুমান নির্দিষ্ট করতে পারেন
বেস ফ্রিকোয়েন্সি।

"-m PROTCATImatrixName[F|X]"
: নির্দিষ্ট AA ম্যাট্রিক্স + প্রতিস্থাপন হারের অপ্টিমাইজেশান + এর অপ্টিমাইজেশন
সাইট-নির্দিষ্ট

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ হতে পারে
গাছের উপর নির্ভর করে PROTGAMMAImatrixName[F|X] এর অধীনে স্বয়ংক্রিয়ভাবে মূল্যায়ন করা হয়
অনুসন্ধান বিকল্প। ঐচ্ছিক "X" পরিশিষ্টের সাথে আপনি একটি ML অনুমান নির্দিষ্ট করতে পারেন
বেস ফ্রিকোয়েন্সি।

"-m ASC_PROTCATmatrixName[F|X]"
: নির্দিষ্ট AA ম্যাট্রিক্স + প্রতিস্থাপন হারের অপ্টিমাইজেশান + এর অপ্টিমাইজেশন
সাইট-নির্দিষ্ট

বিবর্তনীয় হারগুলিকে আলাদা করে নম্বরঅফ শ্রেণীতে শ্রেণীবদ্ধ করা হয়েছে
বৃহত্তর গণনীয় দক্ষতার জন্য রেট বিভাগ। চূড়ান্ত গাছ হতে পারে
গাছের উপর নির্ভর করে PROTGAMMAmatrixName[F|X] এর অধীনে স্বয়ংক্রিয়ভাবে মূল্যায়ন করা হয়
অনুসন্ধান বিকল্প। ঐচ্ছিক "X" পরিশিষ্টের সাথে আপনি একটি ML অনুমান নির্দিষ্ট করতে পারেন
বেস ফ্রিকোয়েন্সি। ASC উপসর্গ নিশ্চিতকরণের সম্ভাবনাকে সংশোধন করবে
পক্ষপাত

"-m PROTGAMMAmatrixName[F|X]"
: নির্দিষ্ট AA ম্যাট্রিক্স + প্রতিস্থাপন হারের অপ্টিমাইজেশন + হারের GAMMA মডেল

ভিন্নতা (আলফা পরামিতি অনুমান করা হবে)।
ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

"-m ASC_PROTGAMMAmatrixName[F|X]" : নির্দিষ্ট AA ম্যাট্রিক্স + প্রতিস্থাপনের অপ্টিমাইজেশন
হার + হারের GAMMA মডেল
ভিন্নতা (আলফা পরামিতি অনুমান করা হবে)। ASC উপসর্গ সঠিক হবে
নিশ্চিতকরণ পক্ষপাতিত্বের সম্ভাবনা। ঐচ্ছিক "X" পরিশিষ্ট দিয়ে আপনি করতে পারেন
বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করুন।

"-m PROTGAMMAImatrixName[F|X]"
: PROTGAMMAmatrixName[F|X] এর মতই, কিন্তু অপরিবর্তনীয় অনুপাতের অনুমান সহ
সাইট।

ঐচ্ছিক "X" পরিশিষ্টের সাহায্যে আপনি বেস ফ্রিকোয়েন্সিগুলির একটি ML অনুমান নির্দিষ্ট করতে পারেন৷

উপলব্ধ AA প্রতিস্থাপন মডেল: DAYHOFF, DCMUT, JTT, MTREV, WAG, RTREV, CPREV,
VT, BLOSUM62, MTMAM, LG, MTART, MTZOA, PMB, HIVB, HIVW, JTTDCMUT, FLU, STMTREV,
DUMMY, DUMMY2, AUTO, LG4M, LG4X, PROT_FILE, GTR_UNLINKED, GTR ঐচ্ছিক "F" সহ
পরিশিষ্ট আপনি নির্দিষ্ট করতে পারেন যদি আপনি অভিজ্ঞতামূলক বেস ফ্রিকোয়েন্সি ব্যবহার করতে চান। অটোফ এবং
AUTOX আর সমর্থিত নয়, আপনি যদি AUTO উল্লেখ করেন তাহলে এটি prot subst পরীক্ষা করবে।
এখন অভিজ্ঞতামূলক বেস ফ্রিকোয়েন্সি সহ এবং ছাড়া মডেল! জন্য যে নোট করুন
বিভাজনকৃত মডেলের সাথে আপনি প্রতি-জিন AA মডেল উল্লেখ করতে পারেন
পার্টিশন ফাইল (বিশদ বিবরণের জন্য ম্যানুয়াল দেখুন)। এছাড়াও মনে রাখবেন যে আপনি যদি AA GTR অনুমান করেন
একটি বিভাজিত ডেটাসেটে পরামিতি, তারা জুড়ে সংযুক্ত (আনুমানিক যৌথভাবে) হবে
ওভার-প্যারামেট্রিাইজেশন এড়াতে সমস্ত পার্টিশন

-M স্বতন্ত্র প্রতি-পার্টিশন শাখার দৈর্ঘ্যের অনুমান চালু করুন। শুধু প্রভাব আছে
"-q" এর সাথে একত্রে ব্যবহৃত হলে পৃথক পার্টিশনের জন্য শাখার দৈর্ঘ্য হবে
পৃথক ফাইলে মুদ্রিত শাখা দৈর্ঘ্যের একটি ওজনযুক্ত গড় দ্বারা গণনা করা হয়
সংশ্লিষ্ট পার্টিশন দৈর্ঘ্য ব্যবহার করে

ডিফল্ট: বন্ধ

-n আউটপুট ফাইলের নাম উল্লেখ করে।

-o একটি একক আউটগ্রুপের নাম বা আউটগ্রুপগুলির একটি কমা দ্বারা পৃথক করা তালিকা উল্লেখ করুন, যেমন
"-ও ইঁদুর" বা "-ও ইঁদুর, মাউস", যদি একাধিক আউটগ্রুপ মনোফাইলেটিক না হয়
তালিকার প্রথম নামটি আউটগ্রুপ হিসাবে নির্বাচিত হবে, এর মধ্যে স্পেস রাখবেন না
ট্যাক্সন নাম!

-O প্রান্তিককরণে সম্পূর্ণরূপে অনির্ধারিত অনুক্রমের জন্য চেক অক্ষম করুন। কর্মসূচি হবে
"-O" নির্দিষ্ট করা হলে একটি ত্রুটি বার্তা দিয়ে প্রস্থান করবেন না।

ডিফল্ট: চেক সক্ষম

-p পার্সিমনি ইনফারেন্সের জন্য একটি এলোমেলো সংখ্যার বীজ উল্লেখ করুন। এটি আপনাকে অনুমতি দেয়
আপনার ফলাফল পুনরুত্পাদন এবং আমাকে প্রোগ্রাম ডিবাগ সাহায্য করবে.

-P একটি ব্যবহারকারী-সংজ্ঞায়িত AA (প্রোটিন) প্রতিস্থাপন মডেলের ফাইলের নাম উল্লেখ করুন। এই নথি
420টি এন্ট্রি থাকতে হবে, প্রথম 400টি হল AA প্রতিস্থাপন হার (এটি অবশ্যই
একটি প্রতিসম ম্যাট্রিক্স হতে হবে) এবং শেষ 20 হল অভিজ্ঞতামূলক বেস ফ্রিকোয়েন্সি

-q ফাইলের নাম নির্দিষ্ট করুন যাতে মডেলের অ্যাসাইনমেন্ট অ্যালাইনমেন্ট রয়েছে
প্রতিস্থাপনের একাধিক মডেলের জন্য পার্টিশন। এই ফাইলের সিনট্যাক্স জন্য দয়া করে
ম্যানুয়াল পরামর্শ.

-r একটি বাইনারি সীমাবদ্ধতা গাছের ফাইলের নাম উল্লেখ করুন। এই গাছ হতে হবে না
ব্যাপক, অর্থাৎ সমস্ত ট্যাক্স ধারণ করা উচিত নয়

-R একটি বাইনারি মডেল প্যারামিটার ফাইলের ফাইলের নাম উল্লেখ করুন যা পূর্বে হয়েছে
RAxML ব্যবহার করে তৈরি করা হয়েছে -f ই গাছ মূল্যায়ন বিকল্প। ফাইল নাম উচিত
হতে: RAxML_binaryModelParameters.runID

-s PHYLIP বিন্যাসে প্রান্তিককরণ ডেটা ফাইলের নাম উল্লেখ করুন

-S একটি সেকেন্ডারি স্ট্রাকচার ফাইলের নাম উল্লেখ করুন। ফাইলটিতে "" থাকতে পারে। জন্য
সারিবদ্ধ কলাম যা একটি স্টেম এবং অক্ষরগুলির অংশ গঠন করে না "()<>[]{}" থেকে
স্টেম অঞ্চল এবং সিউডোকনট সংজ্ঞায়িত করুন

-t Newick বিন্যাসে একটি ব্যবহারকারীর শুরু ট্রি ফাইল নাম উল্লেখ করুন

-T PTHREADS সংস্করণ শুধুমাত্র! আপনি যে থ্রেড চালাতে চান তার সংখ্যা উল্লেখ করুন। নিশ্চিত করা
আপনার মেশিনে আপনার সিপিইউ-এর সর্বাধিক সংখ্যায় "-T" সেট করুন, অন্যথায়, সেখানে
একটি বিশাল কর্মক্ষমতা হ্রাস হবে!

-u হারের GAMMA মডেলের বিচ্ছিন্ন আনুমানিকতার জন্য মধ্যম ব্যবহার করুন
ভিন্নতা

ডিফল্ট: বন্ধ

-U বড় গ্যাপিতে ফাঁক কলামের জন্য SEV-ভিত্তিক বাস্তবায়ন ব্যবহার করে মেমরি সংরক্ষণ করার চেষ্টা করুন
প্রান্তিককরণ কৌশলটি এখানে বর্ণনা করা হয়েছে:
http://www.biomedcentral.com/1471-2105/12/470 এটি শুধুমাত্র DNA এবং/অথবা জন্য কাজ করবে
প্রোটিন ডেটা এবং শুধুমাত্র কোডের SSE3 বা AVX-ভেক্সটরাইজড সংস্করণের সাথে।

-v সংস্করণ তথ্য প্রদর্শন করুন

-V সাইট মডেলের মধ্যে হারের ভিন্নতা অক্ষম করুন এবং হার ভিন্নতা ছাড়াই একটি ব্যবহার করুন
পরিবর্তে. শুধুমাত্র যদি আপনি হারের ভিন্নতার CAT মডেল উল্লেখ করেন তাহলেই কাজ করে।

ডিফল্ট: হারের ভিন্নতা ব্যবহার করুন

-w RAxML তার আউটপুট ফাইলগুলি লিখবে এমন ডিরেক্টরির সম্পূর্ণ (!) পথ

ডিফল্ট: বর্তমান ডিরেক্টরি

-W লিভ-ওয়ান-আউট সাইট-নির্দিষ্ট প্লেসমেন্ট বায়াস অ্যালগরিদমের জন্য স্লাইডিং উইন্ডোর আকার
"-f S" এর সংমিশ্রণে ব্যবহৃত হলে কার্যকর

ডিফল্ট: 100টি সাইট

-x একটি পূর্ণসংখ্যা (এলোমেলো বীজ) নির্দিষ্ট করুন এবং দ্রুত বুটস্ট্র্যাপিং চালু করুন সাবধান:
7.0.4 সংস্করণের বিপরীতে RAxML এর মডেলের অধীনে দ্রুত BS প্রতিলিপি পরিচালনা করবে
আপনি "-m" এর মাধ্যমে নির্দিষ্ট করেছেন ভিন্নতাকে হার দিন এবং CAT এর অধীনে ডিফল্টরূপে নয়

-X নীচের "-y" বিকল্পের মতোই, তবে পার্সিমনি অনুসন্ধানটি আরও উপরিভাগের।
RAxML শুধুমাত্র একটি এলোমেলোভাবে ধাপে ধাপে সংযোজন অর্ডার পার্সিমনি ট্রি করবে
কোনো অতিরিক্ত SPR সম্পাদন ছাড়াই পুনর্গঠন। এই জন্য সহায়ক হতে পারে
খুব বিস্তৃত পুরো-জিনোম ডেটাসেট, যেহেতু এটি টপোলজিক্যালি আরও বেশি তৈরি করতে পারে
বিভিন্ন শুরু গাছ।

ডিফল্ট: বন্ধ

-y আপনি যদি শুধুমাত্র RAxML দিয়ে একটি পার্সিমনি শুরু হওয়া গাছ গণনা করতে চান তবে "-y" উল্লেখ করুন,
প্রারম্ভিক গাছের গণনা করার পরে প্রোগ্রামটি প্রস্থান করবে

ডিফল্ট: বন্ধ

-Y চারটি গ্রুপ সংজ্ঞায়িত করে একটি কোয়ার্টেট গ্রুপিং ফাইলের নাম পাস করুন যেখান থেকে কোয়ার্টেট আঁকতে হবে
ফাইল ইনপুট বিন্যাসে নিম্নলিখিত আকারে 4টি গ্রুপ থাকতে হবে: (মুরগি, মানব,
লোচ), (গরু, কার্প), (মাউস, ইঁদুর, সীল), (তিমি, ব্যাঙ); শুধুমাত্র সমন্বয়ে কাজ করে
সঙ্গে -f q!

-z একটি ফাইলের নাম উল্লেখ করুন যেখানে একাধিক ট্রি রয়েছে যেমন একটি বুটস্ট্র্যাপ থেকে
যেটি "-t" দিয়ে প্রদত্ত একটি গাছে দ্বি-বিভাগের মান আঁকতে ব্যবহৃত হবে
"-fg" এবং এর সাথে একত্রে প্রতি সাইট লগ সম্ভাবনা গণনা করতেও ব্যবহার করা যেতে পারে
আরও কয়েকটি বিকল্পের জন্য একগুচ্ছ গাছ পড়তে ("-fh", "-fm", "-fn")।

-#|-N সংমিশ্রণে স্বতন্ত্র প্রারম্ভিক গাছগুলিতে বিকল্প রানের সংখ্যা উল্লেখ করুন
"-b" বিকল্পের সাথে, এটি একটি মাল্টিপল বুস্ট্র্যাপ বিশ্লেষণ শুরু করবে উল্লেখ্য যে "-N"
একটি বিকল্প হিসাবে যোগ করা হয়েছে যেহেতু "-#" মাঝে মাঝে কিছু সমস্যা সৃষ্টি করে
MPI চাকরি জমা দেওয়ার সিস্টেম, যেহেতু "-#" প্রায়ই মন্তব্য শুরু করতে ব্যবহৃত হয়। আপনি যদি
বুটস্টপিং মানদণ্ড "-# autoMR" বা "-# autoMRE" বা "-# ব্যবহার করতে চান
autoMRE_IGN" সংখ্যাগরিষ্ঠ-নিয়ম গাছ ভিত্তিক মানদণ্ডের জন্য (দেখুন -I বিকল্প) বা "-#
অটোএফসি" ফ্রিকোয়েন্সি-ভিত্তিক মানদণ্ডের জন্য। বুটস্টপিং শুধুমাত্র কাজ করবে
"-x" বা "-b" এর সাথে সমন্বয়

ডিফল্ট: 1 একক বিশ্লেষণ

--mesquite প্রিন্ট আউটপুট ফাইল যা Mesquite দ্বারা পার্স করা যেতে পারে।

ডিফল্ট: বন্ধ

--চুপ অভিন্ন সিকোয়েন্স এবং সম্পূর্ণরূপে সম্পর্কিত সতর্কতার প্রিন্টআউট অক্ষম করে
প্রান্তিককরণে অনির্ধারিত সাইট

ডিফল্ট: বন্ধ

--নো-সেক-চেক অভিন্ন ক্রম এবং সম্পূর্ণরূপে ইনপুট MSA পরীক্ষা করা অক্ষম করে৷
অনির্ধারিত সাইট।
এই বিকল্পটি সক্রিয় করা সময় বাঁচাতে পারে, বিশেষ করে বড় ফাইলোজেনোমিকের জন্য
প্রান্তিককরণ এটি ব্যবহার করার আগে, "-fc" ব্যবহার করে প্রান্তিককরণ পরীক্ষা করতে ভুলবেন না
বিকল্প!

ডিফল্ট: বন্ধ

--না-বিএফজিএস বিভাজনবিহীন GTR হার অপ্টিমাইজ করতে BFGS পদ্ধতির স্বয়ংক্রিয় ব্যবহার অক্ষম করে৷
ডিএনএ ডেটাসেট

ডিফল্ট: BFGS চালু

--asc-corr আপনি যে ধরনের নিশ্চিতকরণ পক্ষপাত সংশোধন ব্যবহার করতে চান তা নির্দিষ্ট করার অনুমতি দেয়।
3 আছে

উপলব্ধ প্রকার: --asc-corr=লুইস: পল লুইস দ্বারা আদর্শ সংশোধন
--asc-corr=ফেলসেনস্টাইন: জো ফেলসেনস্টাইন দ্বারা প্রবর্তিত একটি সংশোধন যা অনুমতি দেয়
স্পষ্টভাবে উল্লেখ করুন

অপরিবর্তনীয় সাইটের সংখ্যা (যদি জানা থাকে) কেউ সংশোধন করতে চায়।

--asc-corr=stamatakis: নিজের দ্বারা প্রবর্তিত একটি সংশোধন যা স্পষ্টভাবে করার অনুমতি দেয়
উল্লেখ
প্রতিটি অক্ষরের জন্য অপরিবর্তনীয় সাইটের সংখ্যা (যদি জানা থাকে) একজন সংশোধন করতে চায়
জন্য।

--পতাকা-চেক এই বিকল্পটি ব্যবহার করার সময়, RAxML শুধুমাত্র সমস্ত কমান্ড লাইন ফ্ল্যাগ আছে কিনা তা পরীক্ষা করবে
নির্দিষ্ট উপলব্ধ এবং তারপর প্রস্থান

সমস্ত অবৈধ কমান্ড লাইন পতাকা তালিকাভুক্ত একটি বার্তা বা একটি বার্তা বিবৃতি সহ
যে সমস্ত পতাকা বৈধ।

--অটো-প্রোট=ml|bic|aic|aicc স্বয়ংক্রিয় প্রোটিন মডেল নির্বাচন ব্যবহার করার সময় আপনি চয়ন করতে পারেন
এই মডেল নির্বাচন করার জন্য মানদণ্ড.

RAxML সমস্ত উপলব্ধ প্রোট সাবস্ট পরীক্ষা করবে। LG4M, LG4X এবং ছাড়া মডেল
GTR-ভিত্তিক মডেল, অভিজ্ঞতামূলক বেস ফ্রিকোয়েন্সি সহ এবং ছাড়া। বেছে নিতে পারেন
ML স্কোর ভিত্তিক নির্বাচন এবং BIC, AIC, এবং AICc মানদণ্ডের মধ্যে।

ডিফল্ট: মিলি

--epa-কিপ-প্লেসমেন্ট=সংখ্যা আপনি রাখতে চান সম্ভাব্য প্লেসমেন্ট সংখ্যা নির্দিষ্ট করুন
EPA অ্যালগরিদমে প্রতিটি পড়ার জন্য।

নোট করুন যে, প্রকৃত মান মুদ্রিত সেটিংসের উপরও নির্ভর করবে
--epa-prob-threshold=গোবরাট !

ডিফল্ট: 7

--epa-prob-threshold=গোবরাট সম্ভাব্য অন্তর্ভুক্ত করার জন্য একটি শতাংশ থ্রেশহোল্ড নির্দিষ্ট করুন
এর উপর নির্ভর করে একটি পড়ার স্থান নির্ধারণ

এই পড়ার জন্য সর্বোচ্চ স্থান নির্ধারণের ওজন। আপনি যদি এই মানটি 0.01 প্লেসমেন্টে সেট করেন
যে প্লেসমেন্ট ওজন আছে সর্বোচ্চ প্লেসমেন্টের 1 শতাংশ এখনও হবে
ফাইল প্রিন্ট করা হলে এর সেটিং --epa-কিপ-প্লেসমেন্ট এটার জন্য অনুমতি দেয়

ডিফল্ট: 0.01

--epa-সঞ্চিত-থ্রেশহোল্ড=গোবরাট একটি সঞ্চিত সম্ভাবনা ওজন থ্রেশহোল্ড নির্দিষ্ট করুন
যার জন্য পঠিত বিভিন্ন স্থান মুদ্রিত হয়

নথিতে. একটি পড়ার জন্য প্লেসমেন্ট তাদের বসানো যোগফল পর্যন্ত মুদ্রিত হবে
ওজন থ্রেশহোল্ড মান পৌঁছেছে. মনে রাখবেন, এই বিকল্পটি হতে পারে না
এর সাথে একত্রে ব্যবহৃত হয় --epa-prob-threshold সঙ্গে না --epa-কিপ-প্লেসমেন্ট!

--JC69 উল্লেখ করুন যে সমস্ত ডিএনএ পার্টিশন জুকস-ক্যান্টর মডেলের অধীনে বিকশিত হবে, এটি
DNA পার্টিশনের জন্য অন্যান্য সমস্ত মডেল স্পেসিফিকেশন ওভাররাইড করে।

ডিফল্ট: বন্ধ

--K80 উল্লেখ করুন যে সমস্ত ডিএনএ পার্টিশন K80 মডেলের অধীনে বিকশিত হবে, এটি সমস্তকে ওভাররাইড করে
ডিএনএ পার্টিশনের জন্য অন্যান্য মডেল স্পেসিফিকেশন।

ডিফল্ট: বন্ধ

--HKY85 উল্লেখ করুন যে সমস্ত DNA পার্টিশন HKY85 মডেলের অধীনে বিকশিত হবে, এটি ওভাররাইড করে
ডিএনএ পার্টিশনের জন্য অন্যান্য সমস্ত মডেল স্পেসিফিকেশন।

ডিফল্ট: বন্ধ

এটি হল RAxML সংস্করণ 8.2.4 যা আলেকজান্দ্রোস স্ট্যামাটাকিস 02 অক্টোবর 2015 এ প্রকাশ করেছে।

আন্দ্রে আবেরার (HITS) সাইমন বার্জার দ্বারা অত্যন্ত প্রশংসিত কোড অবদানের সাথে
(HITS) আলেক্সি কোজলভ (HITS) Kassian Kobert (HITS) David Dao (KIT and HITS)
নিক প্যাটেনগেল (স্যান্ডিয়া) ওয়েন ফিফার (এসডিএসসি) আকিফুমি এস টানাবে (এনআরআইএফএস)

onworks.net পরিষেবা ব্যবহার করে raxmlHPC অনলাইন ব্যবহার করুন