raxmlHPC-PTHREADS - 클라우드의 온라인

프로그램:

이름

사용 - 무작위 가속 최대 가능성

기술

AVX 지원과 함께 raxml 사용(1 CPU)

8.2.4년 02월 2015일 Alexandros Stamatakis에서 릴리스한 RAxML 버전 XNUMX입니다.

Andre Aberer(HITS) Simon Berger의 큰 감사의 코드 기여
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao (KIT 및 HITS)
닉 패텐게일(샌디아) 웨인 파이퍼(SDSC) 타나베 아키후미(NRIFS)

RAxML 매뉴얼도 참조하십시오.

RAxML Google 그룹을 통해 버그를 보고하세요! 정확한 모든 입력 파일을 보내주십시오.
호출, HW 및 운영 체제의 세부 정보, 인쇄된 모든 오류 메시지
화면에.

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

-s 시퀀스 파일 이름 -n 출력 파일 이름 -m 대체 모델

[-a 가중치파일 이름] [-A secondStructureSubstModel] [-b
bootstrapRandomNumberSeed] [-B wcCriterionThreshold] [-c 카테고리 수] [-C]
[-d] [-D] [-e 가능도Epsilon] [-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 groupingFileName] [-G 배치 임계값] [-h] [-H] [-i
initialRarrangementSetting] [-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 parsimonyRandomSeed] [-P
단백질모델] [-q 다중모델파일이름] [-r 바이너리제약트리] [-R
BinaryModelParamFile] [-S 보조 구조 파일] [-t userStartingTree] [-T
numberOfThreads] [-u] [-U] [-v] [-V] [-w outputDirectory] [-W 슬라이딩 윈도우 크기]
[-x RapidBootstrapRandomNumberSeed] [-X] [-y] [-Y
quartetGroupingFileName|ancestralSequenceCandidatesFileName] [-z multipleTreesFile]
[-#|-N numberOfRuns|autoFC|autoMR|autoMRE|autoMRE_IGN]
[--mesquite][--silent][--no-seq-check][--no-bfgs]
[--asc-corr=stamatakis|felsenstein|루이스]
[--flag-check][--auto-prot=ml|bic|aic|aicc]
[--epa-keep-placements=숫자][--epa-누적 임계값=임계값]
[--epa-prob-threshold=임계값] [--JC69][--K80][--HKY85]

-a 각 열에 개별 가중치를 할당하려면 열 가중치 파일 이름을 지정하십시오.
정렬. 이러한 가중치는 모든 유형 및 수로 구분된 정수여야 합니다.
별도 파일 내의 공백, 예는 "example_weights" 파일을 참조하십시오.

-A RAxML에 구현된 XNUMX차 구조 대체 모델 중 하나를 지정합니다.
PHASE 매뉴얼과 동일한 명칭이 사용되며 사용 가능한 모델: S6A, S6B,
S6C, S6D, S6E, S7A, S7B, S7C, S7D, S7E, S7F, S16, S16A, S16B

기본값: 16-상태 GTR 모델(S16)

-b 정수(랜덤 시드)를 지정하고 부트스트랩을 켭니다.

기본값 : 꺼짐

-B 컷오프로 사용할 0.0과 1.0 사이의 부동 소수점 숫자를 지정하십시오.
MR 기반 부트스토핑 기준에 대한 임계값입니다. 권장 설정은 0.03입니다.

기본값: 0.03(경험적으로 결정된 설정 권장)

-c 비율 모델일 때 RAxML에 대한 고유 비율 범주의 수를 지정하십시오.
이질성은 CAT로 설정됩니다. 개별 사이트당 요금은 다음으로 분류됩니다.
numberOfCategories는 계산을 가속화하기 위해 범주를 평가합니다.

기본값: 25

-C "-L" 및 "-fi" 옵션에 대해 자세한 출력을 활성화합니다. 이것은 더 많은 것을 생산할 것입니다.
더 자세한 출력 파일

기본값 : 꺼짐

-d 무작위 시작 트리에서 ML 최적화 시작

기본값 : 꺼짐

-D ML 검색 수렴 기준. 이렇게 하면 ML 검색이 중단됩니다.
두 개의 연속적인 지연 SPR에서 얻은 나무 사이의 Robinson-Foulds 거리
사이클은 1%보다 작거나 같습니다. 의 매우 큰 데이터 세트에 권장되는 사용
분류 조건. 500개 이상의 분류군이 있는 나무에서는 실행 시간이 생성됩니다.
약 50% 개선된 반면 약간 더 나쁜 나무만 생성됩니다.

기본값 : 꺼짐

-e 의 최종 최적화를 위해 로그 가능도 단위로 모델 최적화 정밀도를 설정합니다.
트리 토폴로지

기본값: 0.1
불변 사이트 추정의 비율을 사용하지 않는 모델의 경우

불변 부위 추정의 비율을 사용하는 모델의 경우 0.001

-E 정렬 위치 지정을 포함하는 제외 파일 이름 지정
제외하고 싶습니다. 형식은 Nexus와 유사하며 파일에는 항목이 포함되어야 합니다.
"100-200 300-400"과 같이 단일 열 쓰기를 제외하려면(예: "100-100")
혼합 모델을 사용하는 경우 적절하게 조정된 모델 파일이 작성됩니다.

-f 알고리즘 선택:

"-fa": 하나의 프로그램에서 빠른 부트스트랩 분석 및 최고 점수 ML 트리 검색
"-f A" 실행: 제공된 ROOTED 참조 트리에서 주변 조상 상태를 계산합니다.
with "-t" "-fb": "-t" 기반으로 제공되는 트리에 이중 분할 정보를 그립니다.
여러 나무에

(예: 부트스트랩에서) "-z"로 지정된 파일

"-f B": 트리에서 br-len 스케일러 및 기타 모델 매개변수(GTR, 알파 등) 최적화
"-t"와 함께 제공됩니다.
트리는 가지 길이를 포함해야 합니다. 분기 길이는 최적화되지 않습니다.
하나의 공통 값으로 조정됩니다.

"-fc": RAxML에서 정렬을 제대로 읽을 수 있는지 확인 "-f C": 조상
Jiajie에 대한 시퀀스 테스트를 통해 사용자는 다음을 통해 분류군 이름 목록도 제공해야 합니다.
-Y 공백 "-fd"로 구분: 새로운 빠른 언덕 등반

기본값: 켜짐

"-f D": RELL 부트스트랩을 사용한 빠른 언덕 등반 "-fe": 모델+분기 최적화
GAMMA/GAMMAI에서 주어진 입력 트리의 길이만 "-f E": 매우 빠르게 실행
실험적 트리 검색, 현재 "-f F" 테스트용: 빠르게 실행
실험적 트리 검색, 현재 "-fg" 테스트용: 사이트 로그당 계산
통과한 하나 이상의 나무에 대한 가능성

"-z"를 입력하고 CONSEL이 읽을 수 있는 파일에 씁니다.
모델 매개변수는 첫 번째 트리에서만 추정됩니다!

"-f G": 사이트 로그당 계산 다음을 통해 전달된 하나 이상의 트리에 대한 가능성
"-z"를 입력하고 CONSEL이 읽을 수 있는 파일에 씁니다. 모델 매개변수
각 나무에 대해 재평가됩니다.

"-fh": "-t"를 통해 전달된 최상의 트리 간의 로그 가능성 테스트(SH-테스트)를 계산합니다.
"-z"를 통해 전달된 다른 트리의 무리는 모델 매개변수를 추정합니다.
첫 번째 나무에만!

"-f H": "-t"를 통해 전달된 최상의 트리 간의 로그 가능성 테스트(SH-테스트)를 계산합니다.
"-z"를 통해 전달된 다른 트리의 무리는 모델 매개변수는 다음과 같습니다.
각 나무에 대해 재추정

"-fi": "-t"가 제공된 트리에서 IC 및 TC 점수 계산(Salichos and Rokas 2013)
여러 나무를 기반으로
(예: 부트스트랩에서) "-z"로 지정된 파일

"-f I": 뿌리가 없는 나무에 대한 간단한 나무 뿌리 알고리즘.
하위 트리의 균형을 가장 잘 맞춘 가지에 뿌리를 내림으로써 나무를 뿌리 뽑습니다.
왼쪽 및 오른쪽 하위 트리의 길이(하위 트리의 분기에 대한 합). NS
최적의 균형을 가진 분기가 항상 존재하는 것은 아닙니다! 트리를 지정해야 합니다.
"-t"를 통해 루트를 원합니다.

"-fj": 원본 정렬 파일에서 부트스트랩 정렬 파일을 생성합니다.
"-b"로 시드를 지정하고 "-#"으로 복제 횟수를 지정해야 합니다.

"-f J": "-t"를 통해 전달된 주어진 트리에서 SH와 유사한 지원 값을 계산합니다. "-fk":
다음을 사용하여 누락된 데이터가 있는 분할된 데이터 세트의 긴 분기 길이를 수정합니다.

분기 길이 도용 알고리즘.
이 옵션은 "-t", "-M" 및 "-q"와 함께만 작동합니다. 인쇄됩니다
가지 길이가 더 짧지만 우도 점수는 동일한 트리입니다.

"-fm": "-t" 및 "-z"를 통해 전달된 두 나무 묶음 간의 이중 분할을 비교합니다.
각기. 이것은 모든 이분할 사이의 피어슨 상관 관계를 반환합니다.
두 개의 트리 파일에서 찾을 수 있습니다. 라는 파일
다음을 포함하는 RAxML_bipartitionFrequencies.outpuFileName이 인쇄됩니다.
두 세트의 pair-wise bipartition 주파수

"-fn": 제공한 트리 파일에 포함된 모든 트리의 로그 가능성 점수를 계산합니다.
GAMMA 또는 GAMMA+P-Invar 아래의 "-z" 모델 매개변수는
첫 번째 나무만!

"-f N": 다음에서 제공하는 트리 파일에 포함된 모든 트리의 로그 가능성 점수를 계산합니다.
GAMMA 또는 GAMMA+P-Invar 아래의 "-z" 모델 매개변수는 다음에 대해 재추정됩니다.
각 나무

"-fo": 휴리스틱 컷오프 없이 오래되고 느린 빠른 언덕 등반 "-fp": 수행
불완전한 시작 트리 및 종료에 새 시퀀스의 순수 단계적 MP 추가
"-f P": 전달된 파일에 지정된 하위 트리의 계통 발생 배치를 수행합니다.
"-z"를 통해 주어진 참조 트리로

"-t"를 통해 전달되는 이러한 하위 트리가 포함된
진화적 배치 알고리즘.

"-fq": 빠른 XNUMX중주 계산기 "-fr": 쌍별 Robinson-Foulds(RF) 계산
"-z"를 통해 전달된 트리 파일의 모든 트리 쌍 사이의 거리

트리에 정수 지원 값으로 표시된 노드 레이블이 있는 경우 프로그램도
두 가지 맛을 계산
가중 로빈슨-폴즈(WRF) 거리

"-f R": 큰 참조 트리 사이의 모든 쌍별 로빈슨-폴즈(RF) 거리를 계산합니다.
"-t"를 통해 전달

많은 작은 나무(큰 나무의 분류군의 하위 집합이 있어야 함)를 통해 전달되었습니다.
"-지".
이 옵션은 매우 큰 계통발생의 가능성을 확인하기 위한 것입니다.
더 이상 육안으로 검사할 수 없습니다.

"-fs": 다중 유전자 분할 정렬을 각각의 분할
하위 정렬 "-f S": 하나를 제외하고 사이트별 배치 편향을 계산합니다.
진화적 배치 알고리즘 "-ft"에서 영감을 얻은 테스트: 무작위 트리 수행
하나의 고정된 시작 트리 "-f T"에서 검색: ML의 철저한 최종 최적화 수행
독립 실행형 모드 "-fu"에서 빠른 부트스트랩 검색의 트리: 형태학적 실행
최대 가능성을 사용하여 가중치 보정을 수행하면 가중치 벡터가 반환됩니다.

"-t"를 통해 형태학적 정렬과 참조 트리를 제공해야 합니다.

"-fv": 일련의 환경 시퀀스를 철저하게 사용하여 참조 트리로 분류합니다.
삽입 읽기
비포괄적인 참조 트리와 RAxML을 시작해야 합니다.
모든 시퀀스를 포함하는 정렬(참조 + 쿼리)

"-f V": 철저한 사용을 통해 많은 환경 시퀀스를 참조 트리로 분류합니다.
삽입 읽기
비포괄적인 참조 트리와 RAxML을 시작해야 합니다.
모든 시퀀스를 포함하는 정렬(참조 + 쿼리) 경고: 테스트입니다.
다중 유전자/전체 게놈 데이터 세트의 보다 효율적인 처리를 위한 구현!

"-fw": "-z"를 통해 전달된 여러 트리에서 ELW 테스트를 계산합니다.
모델 매개변수는 첫 번째 트리에서만 추정됩니다!

"-f W": "-z"를 통해 전달된 여러 트리에서 ELW 테스트를 계산합니다.
모델 매개변수는 각 트리에 대해 재추정됩니다.

"-fx": 쌍별 ML 거리 계산, ML 모델 매개변수는 MP에서 추정됩니다.
시작 트리 또는 "-t"를 통해 전달된 사용자 정의 트리, GAMMA 기반에만 허용됨
비율 이질성 모델

"-fy": 간결함을 사용하여 많은 환경 시퀀스를 참조 트리로 분류합니다.
비포괄적인 참조 트리와 RAxML을 시작해야 합니다.
모든 시퀀스를 포함하는 정렬(참조 + 쿼리)

"-f"에 대한 기본값: 새로운 빠른 언덕 등반

-F 로 전환하지 않고 매우 큰 트리에 대해 CAT 모델에서 ML 트리 검색을 활성화합니다.
결국 GAMMA(메모리 절약). 이 옵션은 GAMMA에서도 사용할 수 있습니다.
에서 최고 점수 ML 트리의 철저한 최적화를 피하기 위해 모델
끝.

기본값 : 꺼짐

-g 이 트리에 필요하지 않은 다중 분기 제약 트리의 파일 이름을 지정합니다.
포괄적이어야 합니다. 즉, 모든 분류군을 포함해서는 안 됩니다.

-G 다음을 지정하여 ML 기반 진화 배치 알고리즘 휴리스틱을 활성화합니다.
임계값(저속을 사용하여 평가할 삽입 분기의 비율
ML에 따른 삽입).

-h 이 도움말 메시지를 표시합니다.

-H 패턴 압축을 비활성화합니다.

기본값: 켜짐

-i 토폴로지 변경의 후속 적용을 위한 초기 재정렬 설정
상

-I 사후 부트스토핑 분석. 사용하다:

과반수 규칙에 대한 주파수 기반 기준 "-I autoMR"에 대한 "-I autoFC"
확장된 다수결 합의 트리에 대한 합의 트리 기준 "-I autoMRE"
MRE와 유사하지만 이중 파티션을 포함하는 메트릭에 대한 기준 "-I autoMRE_IGN"
임계값 아래에서 호환되는지 여부

아니면. 이것은 MRE를 에뮬레이트하지만 계산이 더 빠릅니다.

또한 "-z"를 통해 여러 부트스트랩 복제가 포함된 트리 파일을 전달해야 합니다.

-j 중간 트리 파일이 표준 중에 파일에 기록되도록 지정합니다.
ML 및 BS 트리 검색.

기본값 : 꺼짐

-J "-J MR" 또는 확장된 다수 규칙을 사용하여 다수결 규칙 합의 트리 계산
"-J MRE"가 있는 합의 트리 또는 "-J STRICT"가 있는 엄격한 합의 트리. 를 위해
사용자 정의 합의 임계값 >= 50%, T_ 지정 , 여기서 100 >= NUM ​​>= 50입니다.
"-J STRICT_DROP" 및 "-J MR_DROP" 옵션은 다음을 식별하는 알고리즘을 실행합니다.
Pattengale et al.이 제안한 불량 분류군을 포함하는 dropsets. 종이에
"숨겨진 계통발생학적 합의 발견". 당신은 또한 나무를 제공해야합니다
"-z"를 통해 여러 UNROOTED 트리를 포함하는 파일

-k 부트스트랩된 트리가 분기 길이로 인쇄되어야 함을 지정합니다. NS
부트스트랩은 모델 매개변수가
각각 GAMMA 또는 GAMMA+P-Invar에서 각 실행의 끝입니다.

기본값 : 꺼짐

-K 에 구현된 다중 상태 대체 모델(최대 32개 상태) 중 하나를 지정합니다.
RAxML. 사용 가능한 모델: ORDERED, MK, GTR

기본: GTR 모델

-L IC 지원 및 전체 TC 값으로 레이블이 지정된 합의 트리를 다음과 같이 계산합니다.
Salichos and Rokas 2013에서 제안되었습니다.
"-L MR" 또는 "-L MRE"가 있는 확장된 다수결 규칙 합의 트리. 커스텀의 경우
합의 임계값 >= 50%, "-L T_ 지정 ", 여기서 100 >= NUM ​​>= 50입니다.
물론 다음을 통해 여러 UNROOTED 트리를 포함하는 트리 파일을 제공해야 합니다.
"-지"!

-m 이진(형태학적), 뉴클레오티드, 다중 상태 또는 아미노산 모델
치환:

바이너리:

"-m 빈캣[X]"
: 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리가 평가될 수 있음
트리 검색 옵션에 따라 BINGAMMA에서 자동으로. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m 빈카티[X]"
: 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리가 평가될 수 있음
트리 검색 옵션에 따라 BINGAMAI 아래에 자동으로 표시됩니다. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m ASC_BINCAT[X]"
: 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리가 평가될 수 있음
트리 검색 옵션에 따라 BINGAMMA에서 자동으로. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다. ASC
접두사는 확인 편향 가능성을 수정합니다.

"-m 빙가마[X]"
: 비율 이질성의 GAMMA 모델(알파 매개변수가 추정됨).

선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m ASC_BINGAMMA[X]": 비율 이질성의 GAMMA 모델(알파 매개변수는
추정 된).
ASC 접두사는 확인 편향 가능성을 수정합니다. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m 빙감마이[X]"
: 빙가마와 동일하나, 불변부위의 비율을 추정함.

선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

뉴클레오티드:

"-m GTRCAT[X]"
: GTR + 대체율 최적화 + 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리는 다음과 같습니다.
트리 검색 옵션에 따라 GTRGAMMA에서 평가됩니다. 옵션으로
"X" 부록에서는 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m GTRCTI[X]"
: GTR + 대체율 최적화 + 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리는 다음과 같습니다.
트리 검색 옵션에 따라 GTRGAMMAI에서 평가됩니다. 옵션으로
"X" 부록에서는 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m ASC_GTRCAT[X]"
: GTR + 대체율 최적화 + 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리는 다음과 같습니다.
트리 검색 옵션에 따라 GTRGAMMA에서 평가됩니다. 옵션으로
"X" 부록에서는 기본 주파수의 ML 추정치를 지정할 수 있습니다. ASC 접두사
확인 편향 가능성을 수정합니다.

"-m GTRGAMMA[X]"
: GTR + 대체율 최적화 + GAMMA 비율 모델

이질성(알파 매개변수가 추정됨).
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m ASC_GTRGAMMA[X]" : GTR + 대체율 최적화 + 비율의 GAMMA 모델
이질성(알파 매개변수가 추정됨). ASC 접두사가 수정됩니다.
확인 편향 가능성. 선택적 "X" 부록을 사용하여 다음을 수행할 수 있습니다.
기본 주파수의 ML 추정치를 지정합니다.

"-m GTRGAMMAI[X]"
: GTRGAMMA와 동일하지만 불변 부위의 비율을 추정합니다.

선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

다중 상태:

"-m 멀티캣[X]"
: 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리가 평가될 수 있음
트리 검색 옵션에 따라 MULTIGAMMA 아래에 자동으로 표시됩니다. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m 멀티티카티[X]"
: 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리가 평가될 수 있음
트리 검색 옵션에 따라 MULTIGAMMAI 아래에 자동으로 표시됩니다. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m ASC_MULTICAT[X]"
: 사이트별 최적화

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리가 평가될 수 있음
트리 검색 옵션에 따라 MULTIGAMMA 아래에 자동으로 표시됩니다. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다. ASC
접두사는 확인 편향 가능성을 수정합니다.

"-m 멀티감마[X]"
: 비율 이질성의 GAMMA 모델(알파 매개변수가 추정됨).

선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m ASC_MULTIGAMMA[X]": 비율 이질성의 GAMMA 모델(알파 매개변수는
추정 된).
ASC 접두사는 확인 편향 가능성을 수정합니다. 이랑
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m 멀티감마이[X]"
: MULTIGAMMA와 동일하지만 불변 부위의 비율을 추정합니다.

선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

최대 32개의 고유한 문자 상태를 사용하여 다중 상태 영역을 인코딩할 수 있습니다.
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 즉, 6개의 고유한 항목이 있는 경우
문자 상태는 0, 1, 2, 3, 4, 5를 사용하여 인코딩합니다. 대체
다중 상태 영역에 대한 모델은 "-K" 옵션을 통해 선택할 수 있습니다.

아미노산:

"-m PROTCAT매트릭스 이름[F|X]"
: 특정 AA 행렬 + 대체율 최적화 + 의 최적화
사이트별

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리는 다음과 같습니다.
트리에 따라 PROTGAMMAmatrixName[F|X]에서 자동으로 평가됨
검색 옵션. 선택적 "X" 부록을 사용하여 ML 추정치를 지정할 수 있습니다.
기본 주파수.

"-m PROTCATImatrixName[F|X]"
: 특정 AA 행렬 + 대체율 최적화 + 의 최적화
사이트별

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리는 다음과 같습니다.
트리에 따라 PROTGAMMAImatrixName[F|X]에서 자동으로 평가됨
검색 옵션. 선택적 "X" 부록을 사용하여 ML 추정치를 지정할 수 있습니다.
기본 주파수.

"-m ASC_PROTCATmatrixName[F|X]"
: 특정 AA 행렬 + 대체율 최적화 + 의 최적화
사이트별

numberOfCategories 별개로 분류되는 진화 속도
계산 효율성을 높이기 위해 범주를 평가합니다. 최종 트리는 다음과 같습니다.
트리에 따라 PROTGAMMAmatrixName[F|X]에서 자동으로 평가됨
검색 옵션. 선택적 "X" 부록을 사용하여 ML 추정치를 지정할 수 있습니다.
기본 주파수. ASC 접두사는 확인 가능성을 수정합니다.
편견.

"-m PROTGAMMAmatrixName[F|X]"
: 특정 AA 행렬 + 대체율 최적화 + GAMMA 비율 모델

이질성(알파 매개변수가 추정됨).
선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

"-m ASC_PROTGAMMAmatrixName[F|X]": 지정된 AA 행렬 + 대체 최적화
비율 + 비율의 GAMMA 모델
이질성(알파 매개변수가 추정됨). ASC 접두사가 수정됩니다.
확인 편향 가능성. 선택적 "X" 부록을 사용하여 다음을 수행할 수 있습니다.
기본 주파수의 ML 추정치를 지정합니다.

"-m PROTGAMMAImatrixName[F|X]"
: PROTGAMMAmatrixName[F|X]와 동일하지만 불변의 비율 추정
사이트.

선택적 "X" 부록을 사용하여 기본 주파수의 ML 추정치를 지정할 수 있습니다.

사용 가능한 AA 대체 모델: DAYHOFF, DCMUT, JTT, MTREV, WAG, RTREV, CPREV,
VT, BLOSUM62, MTMAM, LG, MTART, MTZOA, PMB, HIVB, HIVW, JTTDCMUT, 독감, STMTREV,
DUMMY, DUMMY2, AUTO, LG4M, LG4X, PROT_FILE, GTR_UNLINKED, GTR 옵션 "F" 포함
부록에서 경험적 기본 주파수를 사용하려는 경우 지정할 수 있습니다. 자동 및
AUTOX는 더 이상 지원되지 않습니다. AUTO를 지정하면 prot subst를 테스트합니다.
이제 경험적 기본 주파수가 있는 모델과 없는 모델이 있습니다! 를 위해 참고하십시오
분할된 모델에서 추가로 유전자별 AA 모델을 지정할 수 있습니다.
파티션 파일(자세한 내용은 설명서 참조). 또한 AA GTR을 추정하는 경우
분할된 데이터 세트의 매개변수는 서로 연결(공동으로 추정)됩니다.
과도한 매개변수화를 피하기 위한 모든 파티션

-M 개별 파티션별 분기 길이 추정을 켭니다. 효과만 있음
"-q"와 함께 사용할 경우 개별 파티션의 분기 길이는
별도의 파일로 인쇄 분기 길이의 가중 평균은 다음과 같이 계산됩니다.
각각의 파티션 길이를 사용하여

기본값 : 꺼짐

-n 출력 파일의 이름을 지정합니다.

-o 단일 outgrpoup의 이름이나 쉼표로 구분된 outgroup 목록을 지정하십시오. 예:
"-o Rat" 또는 "-o Rat,Mouse", 다중 아웃그룹이 단일계통이 아닌 경우
목록의 이름은 외부 그룹으로 선택됩니다. 사이에 공백을 두지 마십시오.
분류군 이름!

-O 정렬에서 완전히 결정되지 않은 순서에 대한 검사를 비활성화합니다. 프로그램은
"-O"가 지정되면 오류 메시지와 함께 종료되지 않습니다.

기본값: 활성화 확인

-p 간결성 추론을 위한 난수 시드를 지정합니다. 이것은 당신이 할 수 있습니다
결과를 재현하고 프로그램을 디버깅하는 데 도움이 됩니다.

-P 사용자 정의 AA(단백질) 대체 모델의 파일 ​​이름을 지정합니다. 이 파일
420개의 항목을 포함해야 하며 처음 400개는 AA 대체율입니다(이는 반드시
대칭 행렬) 마지막 20개는 경험적 기본 주파수입니다.

-q 정렬에 대한 모델 할당이 포함된 파일 이름 지정
여러 대체 모델에 대한 파티션. 이 파일의 구문을 보려면
설명서를 참조하십시오.

-r 바이너리 제약 트리의 파일 이름을 지정합니다. 이 나무는 필요하지 않습니다
포괄적인, 즉 모든 분류군을 포함해서는 안 됩니다.

-R 이전에 생성된 바이너리 모델 매개변수 파일의 파일 이름을 지정합니다.
다음을 사용하여 RAxML로 생성 -f e 트리 평가 옵션. 파일 이름은
수: RAxML_binaryModelParameters.runID

-s PHYLIP 형식의 선형 데이터 파일 이름 지정

-S XNUMX차 구조 파일의 이름을 지정하십시오. 파일에는 "."가 포함될 수 있습니다. ~을위한
줄기와 문자 "()<>[]{}"의 일부를 형성하지 않는 정렬 열
줄기 영역 및 유사매듭 정의

-t Newick 형식으로 사용자 시작 트리 파일 이름 지정

-T PTHREADS 버전 전용! 실행할 스레드 수를 지정하십시오. 확인
"-T"를 컴퓨터에 있는 최대 CPU 수로 설정합니다. 그렇지 않으면
엄청난 성능 저하가 될 것입니다!

-u 비율의 GAMMA 모델의 이산 근사값에 중앙값을 사용합니다.
이질

기본값 : 꺼짐

-U 큰 gappy의 gap 열에 대해 SEV 기반 구현을 사용하여 메모리 절약 시도
이 기술은 다음과 같습니다.
http://www.biomedcentral.com/1471-2105/12/470 이것은 DNA 및/또는
PROTEIN 데이터 및 SSE3 또는 AVX-vextorized 버전의 코드에서만 가능합니다.

-v 버전 정보를 표시

-V 사이트 모델 간의 비율 이질성을 비활성화하고 비율 이질성이 없는 모델을 사용합니다.
대신에. 비율 이질성의 CAT 모델을 지정하는 경우에만 작동합니다.

DEFAULT: 사용률 이질성

-w RAxML이 출력 파일을 기록할 디렉토리의 전체(!) 경로

기본값: 현재 디렉토리

-W 사이트별 배치 바이어스 알고리즘 전용 슬라이딩 창 크기
"-f S"와 함께 사용할 때 효과적

기본값: 100개 사이트

-x 정수(임의 시드)를 지정하고 빠른 부트스트랩을 켭니다. 주의:
버전 7.0.4와 달리 RAxML은 다음 모델에서 빠른 BS 복제를 수행합니다.
CAT에서 기본적으로가 아니라 "-m"을 통해 지정한 비율 이질성

-X 아래의 "-y" 옵션과 동일하지만 간결한 검색이 더 피상적입니다.
RAxML은 무작위 단계적 덧셈 순서 parsimony 트리만 수행합니다.
추가 SPR을 수행하지 않고 재구성합니다. 이것은 도움이 될 수 있습니다
매우 광범위한 전체 게놈 데이터 세트는 위상적으로 더 많은 것을 생성할 수 있기 때문에
다른 시작 나무.

기본값 : 꺼짐

-y RAxML을 사용하여 parsimony 시작 트리만 계산하려면 "-y"를 지정합니다.
프로그램은 시작 트리를 계산한 후 종료됩니다.

기본값 : 꺼짐

-Y XNUMX중주를 그릴 XNUMX개의 그룹을 정의하는 XNUMX중주 그룹화 파일 이름 전달
파일 입력 형식은 다음 형식의 4개 그룹을 포함해야 합니다. (Chicken, Human,
미꾸라지), (소, 잉어), (쥐, 쥐, 물개), (고래, 개구리); 조합으로만 작동
과 -f NS !

-z 예를 들어 부트스트랩에서 여러 트리를 포함하는 파일의 파일 이름 지정
"-t"가 제공된 트리에 이중 파티션 값을 그리는 데 사용됩니다.
"-fg" 및
몇 가지 다른 옵션("-fh", "-fm", "-fn")을 위해 많은 트리를 읽습니다.

-#|-N 고유한 시작 트리에서 대체 실행의 수를 지정합니다.
"-b" 옵션을 사용하면 다중 부스트랩 분석이 호출됩니다. "-N"
"-#"이 때때로 특정 문제를 일으키기 때문에 대안으로 추가되었습니다.
"-#"이 주석을 시작하는 데 자주 사용되기 때문에 MPI 작업 제출 시스템. 만약 너라면
부트 중지 기준을 사용하려면 "-# autoMR" 또는 "-# autoMRE" 또는 "-#을 지정하십시오.
과반수 규칙 트리 기반 기준에 대한 autoMRE_IGN"(참조 -I 옵션) 또는 "-#
autoFC"는 주파수 기반 기준입니다. Bootstopping은 다음에서만 작동합니다.
"-x" 또는 "-b"와 조합

기본값: 1개의 단일 분석

--메스키트 Mesquite에서 구문 분석할 수 있는 출력 파일을 인쇄합니다.

기본값 : 꺼짐

--조용한 동일한 시퀀스와 관련된 경고의 출력을 완전히 비활성화합니다.
정렬의 미확인 사이트

기본값 : 꺼짐

--no-seq 검사 동일한 시퀀스에 대해 입력 MSA 확인을 비활성화하고 완전히
미확인 사이트.
이 옵션을 활성화하면 특히 대규모 계통유전체학의 경우 시간을 절약할 수 있습니다.
정렬. 이것을 사용하기 전에 "-fc"를 사용하여 정렬을 확인하십시오.
옵션!

기본값 : 꺼짐

--no-bfgs 분할되지 않은 GTR 속도를 최적화하기 위해 BFGS 방법의 자동 사용을 비활성화합니다.
DNA 데이터세트

기본값: BFGS 켜기

--asc-corr 사용하려는 확인 편향 수정 유형을 지정할 수 있습니다.
3이 있습니다

사용 가능한 유형: --asc-corr=무거운 돌덩이 따위를 끌어 올리고 내리는 쇠 집게: Paul Lewis의 표준 보정
--asc-corr=펠젠슈타인: Joe Felsenstein이 도입한 수정 사항으로
명시적으로 지정

수정하고자 하는 불변 부위(알고 있는 경우)의 수.

--asc-corr=스타마타키스: 명시적으로 허용하는 직접 수정
지정하다
수정하려는 각 문자(알고 있는 경우)에 대한 불변 사이트의 수
에 대한.

--플래그 확인 이 옵션을 사용할 때 RAxML은 모든 명령줄 플래그가
지정된 사용 가능하고 종료

모든 유효하지 않은 명령줄 플래그를 나열하는 메시지 또는
모든 플래그가 유효합니다.

--자동 보호=ml|bic|aic|aicc 자동 단백질 모델 선택을 사용할 때 선택할 수 있습니다.
이러한 모델을 선택하는 기준입니다.

RAxML은 사용 가능한 모든 prot subst를 테스트합니다. LG4M, LG4X 및 LGXNUMXX를 제외한 모델
경험적 기본 주파수가 있거나 없는 GTR 기반 모델. 당신은 선택할 수 있습니다
ML 점수 기반 선택과 BIC, AIC 및 AICc 기준 사이.

기본: ml

--epa-유지 게재위치=번호 유지하려는 잠재적 게재위치의 수를 지정합니다.
EPA 알고리즘의 각 읽기에 대해.

인쇄된 실제 값은 다음 설정에 따라 달라집니다.
--epa-prob-임계값=임계값 !

기본값: 7

--epa-prob-임계값=임계값 잠재성을 포함하기 위한 백분율 임계값 지정
에 따라 읽기 위치

이 읽기에 대한 최대 배치 가중치입니다. 이 값을 0.01 게재위치로 설정하면
게재위치 가중치가 최대 게재위치의 1%인 경우
의 설정인 경우 파일로 인쇄 --epa-유지 게재위치 그것을 허용

기본값: 0.01

--epa 누적 임계값=임계값 누적 가능성 가중치 임계값 지정
다른 읽기 위치가 인쇄되는 경우

파일로. 읽기를 위한 배치는 배치 합계까지 인쇄됩니다.
가중치가 임계값에 도달했습니다. 이 옵션은 둘 다
와 함께 사용 --epa-prob-임계값 와도 --epa-유지 게재위치!

--JC69 모든 DNA 파티션이 Jukes-Cantor 모델에서 진화하도록 지정합니다.
DNA 파티션에 대한 다른 모든 모델 사양을 재정의합니다.

기본값 : 꺼짐

--K80 모든 DNA 파티션이 K80 모델에서 진화하도록 지정합니다.
DNA 파티션에 대한 다른 모델 사양.

기본값 : 꺼짐

--HKY85 모든 DNA 파티션이 HKY85 모델에서 발전하도록 지정합니다.
DNA 파티션에 대한 기타 모든 모델 사양.

기본값 : 꺼짐

8.2.4년 02월 2015일 Alexandros Stamatakis에서 릴리스한 RAxML 버전 XNUMX입니다.

Andre Aberer(HITS) Simon Berger의 큰 감사의 코드 기여
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao (KIT 및 HITS)
닉 패텐게일(샌디아) 웨인 파이퍼(SDSC) 타나베 아키후미(NRIFS)

onworks.net 서비스를 사용하여 온라인에서 raxmlHPC-PTHREADS 사용