raxmlHPC-PTHREADS: en línea en la nube

PROGRAMA:

NOMBRE

Uso: probabilidad máxima aleatorizada con Axelerada

DESCRIPCIÓN

Utilice raxml con soporte AVX (1 cpus)

Esta es la versión 8.2.4 de RAxML lanzada por Alexandros Stamatakis el 02 de octubre de 2015.

Con contribuciones de código muy apreciadas por: Andre Aberer (HITS) Simon Berger
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao (KIT y HITS)
Nick Pattengale (Sandia) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

Consulte también el manual de RAxML

¡Informe los errores a través del grupo de Google RAxML! Envíenos todos los archivos de entrada, exactamente
invocación, detalles del HW y del sistema operativo, así como todos los mensajes de error impresos
a la pantalla.

raxmlHPC [-SSE3 | -AVX | -PTHREADS | -PTHREADS-SSE3 | -PTHREADS-AVX | -HYBRID | -HYBRID-SSE3 | HYBRID-AVX]

-s nombre de archivo de secuencia -n Nombre del archivo de salida -m modelo de sustitución

[-a nombre de archivo de peso] [-Un modelo de subestructura de estructura secundaria] [-b
bootstrapRandomNumberSeed] [-B wcCriterionThreshold] [-c numberOfCategories] [-C]
[-d] [-D] [-e probabilidadEpsilon] [-E excludeFileName] [-f
a | A | b | B | c | C | d | D | e | E | F | g | G | h | 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 nombreArchivogrupo] [-G umbral de ubicación] [-h] [-H] [-i
initialRearrangementSetting] [-I autoFC | autoMR | autoMRE | autoMRE_IGN] [-j] [-J
MR | MR_DROP | MRE | STRICT | STRICT_DROP | T_ ] [-k] [-K] [-L MR | MRE | T_ ]
[-M] [-o outGroupName1 [, outGroupName2 [, ...]]] [- O] [-p parsimoniaRandomSeed] [-P
modeloproteína] [-q nombreArchivoModeloMúltiple] [-r árbolRestricciónbinaria] [-R
binaryModelParamFile] [-S secundarioArchivo de estructura] [-t userStartingTree] [-T
numberOfThreads] [-u] [-U] [-v] [-V] [-w outputDirectory] [-W slideWindowSize]
[-x rapidBootstrapRandomNumberSeed] [-X] [-y] [-Y
quartetGroupingFileName | ancestralSequenceCandidatesFileName] [-z multipleTreesFile]
[- # | -N numberOfRuns | autoFC | autoMR | autoMRE | autoMRE_IGN]
[--mesquite] [- silencioso] [- no-seq-check] [- no-bfgs]
[--asc-corr = stamatakis | felsenstein | lewis]
[--flag-check] [- auto-prot = ml | bic | aic | aicc]
[--epa-keep-placements = number] [- epa-acumulado-umbral = umbral]
[--epa-prob -reshold = umbral] [--JC69] [- K80] [- HKY85]

-a Especifique un nombre de archivo de peso de columna para asignar pesos individuales a cada columna de
la alineación. Esos pesos deben ser números enteros separados por cualquier tipo y número de
espacios en blanco dentro de un archivo separado, consulte el archivo "example_weights" para ver un ejemplo.

-A Especifique uno de los modelos de sustitución de estructura secundaria implementados en RAxML.
Se utiliza la misma nomenclatura que en el manual FASE, modelos disponibles: S6A, S6B,
S6C, S6D, S6E, S7A, S7B, S7C, S7D, S7E, S7F, S16, S16A, S16B

PREDETERMINADO: modelo GTR de 16 estados (S16)

-b Especifique un número entero (semilla aleatoria) y active el bootstrapping

PREDETERMINADO: APAGADO

-B especificar un número de punto flotante entre 0.0 y 1.0 que se utilizará como límite
umbral para los criterios de arranque basados ​​en MR. La configuración recomendada es 0.03.

PREDETERMINADO: 0.03 (ajuste recomendado determinado empíricamente)

-c Especifique el número de categorías de tarifas distintas para RAxML cuando el modelo de tarifa
la heterogeneidad se establece en CAT Las tasas individuales por sitio se clasifican en
numberOfCategories clasifica categorías para acelerar los cálculos.

PREDETERMINADO: 25

-C Habilite la salida detallada para las opciones "-L" y "-fi". Esto producirá más, ya que
así como archivos de salida más detallados

PREDETERMINADO: APAGADO

-d iniciar la optimización de ML desde el árbol de inicio aleatorio

PREDETERMINADO: APAGADO

-D Criterio de convergencia de búsqueda ML. Esto interrumpirá las búsquedas de AA si el relativo
Distancia de Robinson-Foulds entre los árboles obtenida de dos SPR perezosos consecutivos
ciclos es menor o igual al 1%. Uso recomendado para conjuntos de datos muy grandes en
términos de taxa. En árboles con más de 500 taxones, esto producirá un tiempo de ejecución.
mejoras de aproximadamente el 50%, mientras que solo se obtienen árboles ligeramente peores.

PREDETERMINADO: APAGADO

-e establecer la precisión de optimización del modelo en unidades de probabilidad logarítmica para la optimización final de
topología de árbol

PREDETERMINADO: 0.1
para modelos que no utilizan la proporción de estimaciones de sitios invariantes

0.001 para los modelos que utilizan la estimación de la proporción de sitios invariantes

-E especificar un nombre de archivo de exclusión, que contiene una especificación de posiciones de alineación
desea excluir. El formato es similar a Nexus, el archivo debe contener entradas
como "100-200 300-400", para excluir una sola columna, escriba, por ejemplo, "100-100", si
utilice un modelo mixto, se escribirá un archivo de modelo adecuadamente adaptado.

-f seleccionar algoritmo:

"-fa": análisis rápido de Bootstrap y búsqueda del árbol ML con la mejor puntuación en un programa
ejecutar "-f A": calcular estados ancestrales marginales en un árbol de referencia ROOTED proporcionado
con "-t" "-fb": dibuja información de bipartición en un árbol provisto con "-t" basado
en varios árboles

(p. ej., de un programa de arranque) en un archivo especificado por "-z"

"-f B": optimiza el escalador br-len y otros parámetros del modelo (GTR, alpha, etc.) en un árbol
provisto de "-t".
El árbol debe contener la longitud de las ramas. Las longitudes de las ramas no se optimizarán,
simplemente escalado por un solo valor común.

"-fc": comprueba si RAxML puede leer correctamente la alineación "-f C": ancestral
prueba de secuencia para Jiajie, los usuarios también deberán proporcionar una lista de nombres de taxón a través de
-Y separados por espacios en blanco "-fd": nueva escalada rápida

PREDETERMINADO: ACTIVADO

"-f D": escalada rápida de colinas con bootstraps RELL "-fe": optimizar modelo + rama
longitudes para el árbol de entrada dado en GAMMA / GAMMAI solo "-f E": se ejecuta muy rápido
búsqueda de árbol experimental, actualmente solo para probar "-f F": ejecutar rápido
búsqueda de árbol experimental, actualmente solo para probar "-fg": registro de cálculo por sitio
Las probabilidades de que uno o más árboles pasen por

"-z" y escríbalos en un archivo que pueda ser leído por CONSEL
¡Los parámetros del modelo se estimarán solo en el primer árbol!

"-f G": calcular por registro de sitio Probabilidades de uno o más árboles pasados ​​por
"-z" y escríbalos en un archivo que pueda ser leído por CONSEL. Los parámetros del modelo
se volverá a estimar para cada árbol

"-fh": prueba de probabilidad de registro de cálculo (prueba SH) entre el mejor árbol pasado a través de "-t"
y un montón de otros árboles pasados ​​a través de "-z" Los parámetros del modelo se estimarán
¡Solo en el primer árbol!

"-f H": prueba de probabilidad de registro de cálculo (prueba SH) entre el mejor árbol pasado a través de "-t"
y un montón de otros árboles pasados ​​a través de "-z". Los parámetros del modelo serán
re-estimado para cada árbol

"-fi": calcula las puntuaciones de IC y TC (Salichos y Rokas 2013) en un árbol provisto de "-t"
basado en varios árboles
(p. ej., de un programa de arranque) en un archivo especificado por "-z"

"-f I": un algoritmo simple de enraizamiento de árboles para árboles sin raíz.
Enraiza el árbol enraizándolo en la rama que mejor equilibra el subárbol.
longitudes (suma de las ramas en los subárboles) del subárbol izquierdo y derecho. A
¡La rama con un equilibrio óptimo no siempre existe! Necesitas especificar el árbol
desea rootear a través de "-t".

"-fj": genera un montón de archivos de alineación bootstrap a partir de un archivo de alineación original.
Debe especificar una semilla con "-b" y el número de réplicas con "- #"

"-f J": Calcula valores de soporte similares a SH en un árbol dado que se pasa a través de "-t". "-fk":
Corrija longitudes de rama largas en conjuntos de datos particionados con datos faltantes utilizando el

algoritmo de robo de longitud de rama.
Esta opción solo funciona junto con "-t", "-M" y "-q". Se imprimirá
un árbol con ramas de menor longitud, pero con la misma puntuación de probabilidad.

"-fm": compara biparticiones entre dos racimos de árboles pasados ​​a través de "-t" y "-z"
respectivamente. Esto devolverá la correlación de Pearson entre todas las biparticiones.
que se encuentran en los dos archivos de árbol. Un archivo llamado
Se imprimirá RAxML_bipartitionFrequencies.outpuFileName que contiene el
Frecuencias de bipartición por pares de los dos conjuntos

"-fn": calcula la puntuación de probabilidad logarítmica de todos los árboles contenidos en un archivo de árbol proporcionado por
"-z" en GAMMA o GAMMA + P-Invar Los parámetros del modelo se estimarán en el
primer árbol solamente!

"-f N": calcula la puntuación de probabilidad logarítmica de todos los árboles contenidos en un archivo de árbol proporcionado por
"-z" en GAMMA o GAMMA + P-Invar Los parámetros del modelo se volverán a estimar para
cada árbol

"-fo": escalada rápida antigua y más lenta sin corte heurístico "-fp": realizar
adición de MP paso a paso puro de nuevas secuencias a un árbol de inicio incompleto y salida
"-f P": realiza una ubicación filogenética de subárboles especificados en un archivo pasado
a través de "-z" en un árbol de referencia determinado

en el que están contenidos estos subárboles que se pasa a través de "-t" utilizando el
algoritmo de ubicación evolutiva.

"-fq": calculadora de cuarteto rápido "-fr": calcula por pares Robinson-Foulds (RF)
distancias entre todos los pares de árboles en un archivo de árbol pasadas a través de "-z"

si los árboles tienen labales de nodo representados como valores de soporte enteros, el programa también
calcular dos sabores de
la distancia ponderada de Robinson-Foulds (WRF)

"-f R": calcula todas las distancias de Robinson-Foulds (RF) por pares entre un árbol de referencia grande
pasado a través de "-t"

y muchos árboles más pequeños (que deben tener un subconjunto de los taxones del árbol grande) pasaron por
"-z".
Esta opción está destinada a comprobar la plausibilidad de filogenias muy grandes.
que ya no se puede inspeccionar visualmente.

"-fs": divide una alineación particionada de varios genes en los respectivos
subalineaciones "-f S": calcula el sesgo de ubicación específico del sitio utilizando una omisión
prueba inspirada en el algoritmo de ubicación evolutiva "-ft": haz árbol aleatorio
búsquedas en un árbol inicial fijo "-f T": realice una optimización final completa del AA
árbol de la búsqueda rápida de bootstrap en modo independiente "-fu": ejecutar morfológico
calibración de peso usando la máxima probabilidad, esto devolverá un vector de peso.

debe proporcionar una alineación morfológica y un árbol de referencia a través de "-t"

"-fv": clasifica un grupo de secuencias ambientales en un árbol de referencia utilizando
leer inserciones
deberá iniciar RAxML con un árbol de referencia no completo y un
alineación que contiene todas las secuencias (referencia + consulta)

"-f V": clasifica un grupo de secuencias ambientales en un árbol de referencia utilizando
leer inserciones
deberá iniciar RAxML con un árbol de referencia no completo y un
alineación que contiene todas las secuencias (referencia + consulta) ADVERTENCIA: esta es una prueba
implementación para un manejo más eficiente de conjuntos de datos de múltiples genes / genoma completo!

"-fw": calcula la prueba ELW en un grupo de árboles pasados ​​a través de "-z"
¡Los parámetros del modelo se estimarán solo en el primer árbol!

"-f W": calcula la prueba ELW en un grupo de árboles pasados ​​a través de "-z"
Los parámetros del modelo se volverán a estimar para cada árbol.

"-fx": calcula distancias ML por pares, los parámetros del modelo ML se estimarán en un MP
árbol de inicio o un árbol definido por el usuario pasado a través de "-t", solo permitido para GAMMA
modelos de heterogeneidad de tasas

"-fy": clasifica un montón de secuencias ambientales en un árbol de referencia usando parsimonia
deberá iniciar RAxML con un árbol de referencia no completo y un
alineación que contiene todas las secuencias (referencia + consulta)

PREDETERMINADO para "-f": nueva escalada rápida

-F habilitar las búsquedas de árboles ML bajo el modelo CAT para árboles muy grandes sin cambiar a
GAMMA al final (ahorra memoria). Esta opción también se puede utilizar con GAMMA
modelos para evitar la optimización completa del árbol ML con mejor puntuación en
el fin.

PREDETERMINADO: APAGADO

-g especificar el nombre de archivo de un árbol de restricciones multifurcadas que este árbol no necesita
ser exhaustivo, es decir, no debe contener todos los taxones

-G habilitar la heurística del algoritmo de ubicación evolutiva basada en ML especificando un
valor de umbral (fracción de las ramas de inserción que se evaluarán utilizando
inserciones en ML).

-h Muestra este mensaje de ayuda.

-H Desactive la compresión de patrones.

PREDETERMINADO: ACTIVADO

-i Configuración de reordenamiento inicial para la aplicación posterior de cambios topológicos
fase

-I un análisis de arranque a posteriori. Usar:

"-I autoFC" para el criterio basado en la frecuencia "-I autoMR" para la regla de la mayoría
criterio del árbol de consenso "-I autoMRE" para el árbol de consenso de la regla de la mayoría extendida
criterio "-I autoMRE_IGN" para métricas similares a MRE, pero incluyen biparticiones
por debajo del umbral de si son compatibles

o no. Esto emula MRE pero es más rápido de calcular.

También debe pasar un archivo de árbol que contenga varias réplicas de bootstrap a través de "-z"

-j Especifica que los archivos del árbol intermedio se escribirán en el archivo durante el proceso estándar.
Búsquedas de árboles ML y BS.

PREDETERMINADO: APAGADO

-J Calcule el árbol de consenso de la regla de la mayoría con "-J MR" o la regla de mayoría extendida
árbol de consenso con "-J MRE" o árbol de consenso estricto con "-J STRICT". Para
umbral de consenso personalizado> = 50%, especifique T_ , donde 100> = NUM> = 50.
Las opciones "-J STRICT_DROP" y "-J MR_DROP" ejecutarán un algoritmo que identifica
dropsets que contienen taxones deshonestos propuestos por Pattengale et al. en el papel
"Descubriendo consenso filogenético oculto". También deberá proporcionar un árbol
archivo que contiene varios árboles SIN RAÍZ mediante "-z"

-k Especifica que los árboles de arranque deben imprimirse con la longitud de las ramas. los
bootstraps se ejecutará un poco más, porque los parámetros del modelo se optimizarán en el
final de cada ejecución bajo GAMMA o GAMMA + P-Invar respectivamente.

PREDETERMINADO: APAGADO

-K Especifique uno de los modelos de sustitución de varios estados (máximo 32 estados) implementados en
RAxML. Los modelos disponibles son: ORDERED, MK, GTR

PREDETERMINADO: modelo GTR

-L Calcule los árboles de consenso etiquetados por los soportes de IC y el valor total de TC como
propuesto en Salichos y Rokas 2013. Calcule un árbol de consenso de la regla de la mayoría con
"-L MR" o un árbol de consenso de reglas de mayoría extendida con "-L MRE". Para una costumbre
umbral de consenso> = 50%, especifique "-L T_ ", donde 100> = NUM> = 50.
por supuesto, también es necesario proporcionar un archivo de árbol que contenga varios árboles DESROOTADOS a través de
"-z"!

-m Modelo binario (morfológico), nucleótido, multiestado o aminoácido
Sustitución:

BINARIO:

"-m BINCAT [X]"
: Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría evaluarse
automáticamente bajo BINGAMMA, dependiendo de la opción de búsqueda de árbol. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m BINCATI [X]"
: Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría evaluarse
automáticamente bajo BINGAMMAI, dependiendo de la opción de búsqueda de árbol. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m ASC_BINCAT [X]"
: Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría evaluarse
automáticamente bajo BINGAMMA, dependiendo de la opción de búsqueda de árbol. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base. El ASC
prefijo corregirá la probabilidad de sesgo de verificación.

"-m BINGAMMA [X]"
: Modelo GAMMA de heterogeneidad de tasas (se estimará el parámetro alfa).

Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m ASC_BINGAMMA [X]": modelo GAMMA de heterogeneidad de tasas (el parámetro alfa será
estimado).
El prefijo ASC corregirá la probabilidad de sesgo de verificación. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m BINGAMMAI [X]"
: Igual que BINGAMMA, pero con una estimación de la proporción de sitios invariables.

Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

NUCLEÓTIDOS:

"-m GTRCAT [X]"
: GTR + Optimización de las tasas de sustitución + Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría ser
evaluado bajo GTRGAMMA, dependiendo de la opción de búsqueda de árbol. Con el opcional
Apéndice "X" puede especificar una estimación ML de las frecuencias base.

"-m GTRCATI [X]"
: GTR + Optimización de las tasas de sustitución + Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría ser
evaluado bajo GTRGAMMAI, dependiendo de la opción de búsqueda del árbol. Con el opcional
Apéndice "X" puede especificar una estimación ML de las frecuencias base.

"-m ASC_GTRCAT [X]"
: GTR + Optimización de las tasas de sustitución + Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría ser
evaluado bajo GTRGAMMA, dependiendo de la opción de búsqueda de árbol. Con el opcional
Apéndice "X" puede especificar una estimación ML de las frecuencias base. El prefijo ASC
Corregirá la probabilidad de sesgo de verificación.

"-m GTRGAMMA [X]"
: GTR + Optimización de tasas de sustitución + Modelo de tasa GAMMA

heterogeneidad (se estimará el parámetro alfa).
Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m ASC_GTRGAMMA [X]": GTR + Optimización de tasas de sustitución + Modelo de tasa GAMMA
heterogeneidad (se estimará el parámetro alfa). El prefijo ASC será correcto
la probabilidad de sesgo de verificación. Con el apéndice "X" opcional puede
especificar una estimación ML de las frecuencias base.

"-m GTRGAMMAI [X]"
: Igual que GTRGAMMA, pero con una estimación de la proporción de sitios invariables.

Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

MULTIESTADO:

"-m MULTICAT [X]"
: Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría evaluarse
automáticamente en MULTIGAMMA, dependiendo de la opción de búsqueda de árbol. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m MULTICATI [X]"
: Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría evaluarse
automáticamente bajo MULTIGAMMAI, dependiendo de la opción de búsqueda de árbol. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m ASC_MULTICAT [X]"
: Optimización de sitios específicos

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría evaluarse
automáticamente en MULTIGAMMA, dependiendo de la opción de búsqueda de árbol. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base. El ASC
prefijo corregirá la probabilidad de sesgo de verificación.

"-m MULTIGAMMA [X]"
: Modelo GAMMA de heterogeneidad de tasas (se estimará el parámetro alfa).

Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m ASC_MULTIGAMMA [X]": modelo GAMMA de heterogeneidad de tasas (el parámetro alfa será
estimado).
El prefijo ASC corregirá la probabilidad de sesgo de verificación. Con el
Apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m MULTIGAMMAI [X]"
: Igual que MULTIGAMMA, pero con una estimación de la proporción de sitios invariables.

Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

Puede utilizar hasta 32 estados de caracteres distintos para codificar regiones de varios estados,
deben usarse en el siguiente orden: 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 es decir, si tienes 6 distintos
estados de caracteres que usaría 0, 1, 2, 3, 4, 5 para codificarlos. La sustitucion
el modelo para las regiones de varios estados se puede seleccionar a través de la opción "-K"

AMINOÁCIDOS:

"-m PROTCATmatrixName [F | X]"
: matriz AA especificada + Optimización de tasas de sustitución + Optimización de
Sitio específico

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría ser
evaluado automáticamente bajo PROTGAMMAmatrixName [F | X], dependiendo del árbol
opción de búsqueda. Con el apéndice "X" opcional, puede especificar una estimación de ML de
frecuencias base.

"-m PROTCATImatrixName [F | X]"
: matriz AA especificada + Optimización de tasas de sustitución + Optimización de
Sitio específico

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría ser
evaluado automáticamente bajo PROTGAMMAImatrixName [F | X], dependiendo del árbol
opción de búsqueda. Con el apéndice "X" opcional, puede especificar una estimación de ML de
frecuencias base.

"-m ASC_PROTCATmatrixName [F | X]"
: matriz AA especificada + Optimización de tasas de sustitución + Optimización de
Sitio específico

tasas evolutivas que se clasifican en numberOfCategories distintas
categorías de tasas para una mayor eficiencia computacional. El árbol final podría ser
evaluado automáticamente bajo PROTGAMMAmatrixName [F | X], dependiendo del árbol
opción de búsqueda. Con el apéndice "X" opcional, puede especificar una estimación de ML de
frecuencias base. El prefijo ASC corregirá la probabilidad de verificación
parcialidad.

"-m PROTGAMMAmatrixName [F | X]"
: matriz AA especificada + Optimización de tasas de sustitución + Modelo de tasa GAMMA

heterogeneidad (se estimará el parámetro alfa).
Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

"-m ASC_PROTGAMMAmatrixName [F | X]": matriz AA especificada + Optimización de sustitución
tarifas + modelo de tarifa GAMMA
heterogeneidad (se estimará el parámetro alfa). El prefijo ASC será correcto
la probabilidad de sesgo de verificación. Con el apéndice "X" opcional puede
especificar una estimación ML de las frecuencias base.

"-m PROTGAMMAImatrixName [F | X]"
: Igual que PROTGAMMAmatrixName [F | X], pero con una estimación de la proporción de invariable
sitios.

Con el apéndice "X" opcional puede especificar una estimación ML de las frecuencias base.

Modelos de sustitución AA disponibles: DAYHOFF, DCMUT, JTT, MTREV, WAG, RTREV, CPREV,
VT, BLOSUM62, MTMAM, LG, MTART, MTZOA, PMB, VIHB, VIHW, JTTDCMUT, GRIPE, STMTREV,
DUMMY, DUMMY2, AUTO, LG4M, LG4X, PROT_FILE, GTR_UNLINKED, GTR Con la "F" opcional
apéndice puede especificar si desea utilizar frecuencias base empíricas. AUTOF y
AUTOX ya no es compatible, si especifica AUTO, probará prot subst.
modelos con y sin frecuencias base empíricas ahora! Tenga en cuenta que para
modelos particionados, además, puede especificar el modelo de AA por gen en el
archivo de partición (consulte el manual para obtener más detalles). También tenga en cuenta que si estima AA GTR
parámetros en un conjunto de datos particionado, se vincularán (estimarán conjuntamente) a través de
todas las particiones para evitar la parametrización excesiva

-M Active la estimación de longitudes de rama individuales por partición. Solo tiene efecto
cuando se usa en combinación con "-q", las longitudes de las ramas para particiones individuales serán
impreso en archivos separados Un promedio ponderado de las longitudes de las ramas se calcula mediante
usando las respectivas longitudes de partición

PREDETERMINADO: APAGADO

-n Especifica el nombre del archivo de salida.

-o Especifique el nombre de un solo grupo externo o una lista de grupos externos separados por comas, p. Ej.
"-o Rata" o "-o Rata, Ratón", en caso de que varios grupos externos no sean monofiléticos
el primer nombre de la lista se seleccionará como grupo externo, no deje espacios entre
nombres de taxón!

-O Desactive la verificación de una secuencia completamente indeterminada en la alineación. El programa
no salir con un mensaje de error cuando se especifica "-O".

PREDETERMINADO: verificación habilitada

-p Especifique una semilla de número aleatorio para las inferencias de parsimonia. Esto te permite
reproducir sus resultados y me ayudará a depurar el programa.

-P Especifique el nombre de archivo de un modelo de sustitución de AA (proteína) definido por el usuario. Este archivo
debe contener 420 entradas, las primeras 400 son las tasas de sustitución AA (esto debe
ser una matriz simétrica) y las últimas 20 son las frecuencias base empíricas

-q Especifique el nombre del archivo que contiene la asignación de modelos a la alineación
particiones para múltiples modelos de sustitución. Para conocer la sintaxis de este archivo,
consulte el manual.

-r Especifique el nombre de archivo de un árbol de restricciones binarias. este árbol no necesita ser
exhaustivo, es decir, no debe contener todos los taxones

-R Especifique el nombre de archivo de un archivo de parámetros de modelo binario que se ha
generado con RAxML utilizando el -f Opción de evaluación del árbol. El nombre del archivo debe
ser: RAxML_binaryModelParameters.runID

-s Especifique el nombre del archivo de datos de alineación en formato PHYLIP

-S Especifique el nombre de un archivo de estructura secundaria. El archivo puede contener "." por
columnas de alineación que no forman parte de una raíz y los caracteres "() <> [] {}" para
definir regiones de tallo y pseudonudos

-t Especifique un nombre de archivo de árbol de inicio de usuario en formato Newick

-T ¡SÓLO VERSIÓN PTHREADS! Especifique la cantidad de subprocesos que desea ejecutar. Asegurate que
establezca "-T" como máximo el número de CPU que tiene en su máquina; de lo contrario, no
será una gran disminución de rendimiento!

-u utilizar la mediana para la aproximación discreta del modelo de tasa GAMMA
heterogeneidad

PREDETERMINADO: APAGADO

-U Intente ahorrar memoria utilizando la implementación basada en SEV para columnas de espacios en espacios grandes
alineaciones La técnica se describe aquí:
http://www.biomedcentral.com/1471-2105/12/470 Esto solo funcionará para ADN y / o
PROTEIN y solo con la versión SSE3 o AVX-vextorizada del código.

-v Muestra información de la versión

-V Desactive el modelo de heterogeneidad de tasas entre sitios y utilice uno sin heterogeneidad de tasas
en lugar de. Solo funciona si especifica el modelo CAT de heterogeneidad de tasas.

PREDETERMINADO: heterogeneidad de la tasa de uso

-w Ruta COMPLETA (!) Al directorio en el que RAxML escribirá sus archivos de salida

PREDETERMINADO: directorio actual

-W Tamaño de la ventana deslizante solo para el algoritmo de sesgo de ubicación específico del sitio de dejar uno fuera
efectivo cuando se usa en combinación con "-f S"

PREDETERMINADO: 100 sitios

-x Especifique un número entero (semilla aleatoria) y active el arranque rápido PRECAUCIÓN:
a diferencia de la versión 7.0.4, RAxML realizará réplicas rápidas de BS bajo el modelo de
Califica la heterogeneidad que especificaste a través de "-m" y no de forma predeterminada en CAT.

-X Igual que la opción "-y" a continuación, sin embargo, la búsqueda de parsimonia es más superficial.
RAxML solo hará un árbol de parsimonia de orden de adición paso a paso aleatorio
reconstrucción sin realizar SPR adicionales. Esto puede ser útil para
conjuntos de datos de genoma completo muy amplios, ya que esto puede generar topológicamente más
diferentes árboles iniciales.

PREDETERMINADO: APAGADO

-y Si solo desea calcular un árbol inicial de parsimonia con RAxML, especifique "-y", el
El programa saldrá después del cálculo del árbol inicial.

PREDETERMINADO: APAGADO

-Y Pasar un nombre de archivo de agrupación de cuarteto que defina cuatro grupos de los que extraer cuartetos
El formato de entrada del archivo debe contener 4 grupos en la siguiente forma: (Pollo, Humano,
Loach), (Vaca, Carpa), (Ratón, Rata, Foca), (Ballena, Rana); Solo funciona en combinación
-f q!

-z Especifique el nombre de archivo de un archivo que contenga varios árboles, por ejemplo, de un programa de arranque.
que se utilizará para dibujar valores de bipartición en un árbol provisto con "-t",
también se puede utilizar para calcular las probabilidades de registro por sitio en combinación con "-fg" y
para leer un montón de árboles para un par de otras opciones ("-fh", "-fm", "-fn").

- # | -N Especifica el número de ejecuciones alternativas en árboles iniciales distintos En combinación
con la opción "-b", esto invocará un análisis de boostrap múltiple. Tenga en cuenta que "-N"
se ha agregado como una alternativa ya que "- #" a veces causaba problemas con ciertos
Sistemas de envío de trabajos MPI, ya que "- #" se usa a menudo para iniciar comentarios. Si tu
desea utilizar los criterios de arranque especifique "- # autoMR" o "- # autoMRE" o "- #
autoMRE_IGN "para los criterios basados ​​en el árbol de reglas de la mayoría (ver -I opción) o "- #
autoFC "para el criterio basado en la frecuencia. El arranque solo funcionará en
combinación con "-x" o "-b"

PREDETERMINADO: 1 análisis único

--mezquite Imprima archivos de salida que Mesquite pueda analizar.

PREDETERMINADO: Apagado

--silencio Desactiva la impresión de advertencias relacionadas con secuencias idénticas y completamente
sitios indeterminados en la alineación

PREDETERMINADO: Apagado

--sin verificación de secuencia Desactiva la comprobación del MSA de entrada para secuencias idénticas y completamente
sitios indeterminados.
Habilitar esta opción puede ahorrar tiempo, en particular para grandes filogenómicos.
alineaciones. Antes de usar esto, asegúrese de verificar la alineación usando el "-fc"
¡opción!

PREDETERMINADO: Apagado

--no-bfgs Deshabilita el uso automático del método BFGS para optimizar las tasas de GTR en no particionados
Conjuntos de datos de ADN

PREDETERMINADO: BFGS activado

--asc-corr Permite especificar el tipo de corrección de sesgo de verificación que desea utilizar.
Hay 3

tipos disponibles: --asc-corr=lewis: la corrección estándar de Paul Lewis
--asc-corr=Felsenstein: una corrección introducida por Joe Felsenstein que permite
especificar explícitamente

el número de sitios invariables (si se conocen) por los que se desea corregir.

--asc-corr=Stamatakis: una corrección introducida por mí mismo que permite explícitamente
especificar
el número de sitios invariables para cada carácter (si se conoce) que uno quiere corregir
para.

- verificación de banderas Al usar esta opción, RAxML solo verificará si todas las marcas de línea de comando
especifados están disponibles y luego salir

con un mensaje que enumere todos los indicadores de línea de comando no válidos o con un mensaje que indique
que todas las banderas son válidas.

--protección automática=ml| bic | aic | aicc Cuando utilice la selección automática del modelo de proteína, puede elegir el
criterio de selección de estos modelos.

RAxML probará todas las prot subst disponibles. modelos excepto LG4M, LG4X y
Modelos basados ​​en GTR, con y sin frecuencias base empíricas. Puedes elegir
entre la selección basada en la puntuación de ML y los criterios BIC, AIC y AICc.

PREDETERMINADO: ml

--epa-mantener-ubicaciones=número especificar la cantidad de ubicaciones potenciales que desea mantener
para cada lectura en el algoritmo EPA.

Tenga en cuenta que los valores reales impresos también dependerán de la configuración de
--epa-prob-umbral=umbral !

PREDETERMINADO: 7

--epa-prob-umbral=umbral especificar un umbral de porcentaje para incluir el potencial
colocaciones de una lectura en función de la

peso máximo de colocación para esta lectura. Si establece este valor en 0.01 ubicaciones
que tienen un peso de ubicación del 1 por ciento de la ubicación máxima aún serán
se imprime en el archivo si el ajuste de --epa-mantener-ubicaciones lo permite

PREDETERMINADO: 0.01

--epa-umbral-acumulado=umbral especificar un umbral de ponderación de probabilidad acumulada
para las que se imprimen diferentes ubicaciones de lectura

archivar. Las ubicaciones para una lectura se imprimirán hasta la suma de su ubicación.
pesos ha alcanzado el valor umbral. Tenga en cuenta que esta opción no puede ser
usado en combinación con --epa-prob-umbral ni con --epa-mantener-ubicaciones!

--JC69 especificar que todas las particiones de ADN evolucionarán bajo el modelo Jukes-Cantor, esto
anula todas las demás especificaciones del modelo para particiones de ADN.

PREDETERMINADO: Apagado

--K80 especificar que todas las particiones de ADN evolucionarán bajo el modelo K80, esto anula todas las
otras especificaciones de modelo para particiones de ADN.

PREDETERMINADO: Apagado

--HKY85 especificar que todas las particiones de ADN evolucionarán bajo el modelo HKY85, esto anula
todas las demás especificaciones del modelo para particiones de ADN.

PREDETERMINADO: Apagado

Esta es la versión 8.2.4 de RAxML lanzada por Alexandros Stamatakis el 02 de octubre de 2015.

Con contribuciones de código muy apreciadas por: Andre Aberer (HITS) Simon Berger
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao (KIT y HITS)
Nick Pattengale (Sandia) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

Utilice raxmlHPC-PTHREADS en línea utilizando los servicios de onworks.net