raxmlHPC-PTHREADS - Dalam Talian di Awan

JADUAL:

NAMA

Penggunaan - Kemungkinan Maksimum Berpaksi Rawak

DESCRIPTION

Gunakan raxml dengan sokongan AVX (1 cpus)

Ini ialah RAxML versi 8.2.4 yang dikeluarkan oleh Alexandros Stamatakis pada 02 Oktober 2015.

Dengan sumbangan kod yang amat dihargai oleh: Andre Aberer (HITS) Simon Berger
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao (KIT dan HITS)
Nick Pattengale (Sandia) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

Sila rujuk juga manual RAxML

Sila laporkan pepijat melalui kumpulan google RAxML! Sila hantarkan kepada kami semua fail input, tepatnya
doa, butiran HW dan sistem pengendalian, serta semua mesej ralat yang dicetak
ke skrin.

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

-s sequenceFileName -n outputFileName -m penggantianModel

[-a weightFileName] [-A secondaryStructureSubstModel] [-b
bootstrapRandomNumberSeed] [-B wcCriterionAmbang] [-c numberOfCategories] [-C]
[-d] [-D] [-e likelihoodEpsilon] [-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 placementThreshold] [-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 parsimonyRandomSeed] [-P
proteinModel] [-q multipleModelFileName] [-r binaryConstraintTree] [-R
binaryModelParamFile] [-S secondaryStructureFile] [-t userStartingTree] [-T
numberOfThreads] [-u] [-U] [-v] [-V] [-w outputDirectory] [-W slidingWindowSize]
[-x rapidBootstrapRandomNumberSeed] [-X] [-y] [-Y
quartetGroupingFileName|ancestralSequenceCandidatesFileName] [-z multipleTreesFile]
[-#|-N numberOfRuns|autoFC|autoMR|autoMRE|autoMRE_IGN]
[--mesquite][--senyap][--no-seq-check][--no-bfgs]
[--asc-corr=stamatakis|felsenstein|lewis]
[--flag-check][--auto-prot=ml|bic|aic|aicc]
[--epa-keep-placements=nombor][--epa-accumulated-threshold=threshold]
[--epa-prob-threshold=ambang] [--JC69][--K80][--HKY85]

-a Tentukan nama fail berat lajur untuk menetapkan pemberat individu pada setiap lajur
penjajaran. Pemberat tersebut mestilah integer yang dipisahkan oleh sebarang jenis dan bilangan
ruang putih dalam fail yang berasingan, lihat fail "example_weights" sebagai contoh.

-A Nyatakan salah satu model penggantian struktur sekunder yang dilaksanakan dalam RAxML.
Tatanama yang sama seperti dalam manual FASA digunakan, model yang tersedia: S6A, S6B,
S6C, S6D, S6E, S7A, S7B, S7C, S7D, S7E, S7F, S16, S16A, S16B

LALAI: Model GTR 16 keadaan (S16)

-b Tentukan nombor integer (benih rawak) dan hidupkan bootstrap

LALAI: MATI

-B nyatakan nombor titik terapung antara 0.0 dan 1.0 yang akan digunakan sebagai potongan
ambang untuk kriteria bootstopping berasaskan MR. Tetapan yang disyorkan ialah 0.03.

LALAI: 0.03 (tetapan yang ditentukan secara empirikal yang disyorkan)

-c Tentukan bilangan kategori kadar yang berbeza untuk RAxML apabila model kadar
heterogeniti ditetapkan kepada CAT Kadar individu setiap tapak dikategorikan ke dalam
numberOfCategories kadar kategori untuk mempercepatkan pengiraan.

LALAI: 25

-C Dayakan output verbose untuk pilihan "-L" dan "-fi". Ini akan menghasilkan lebih banyak, sebagai
serta fail keluaran yang lebih bertele-tele

LALAI: MATI

-d mulakan pengoptimuman ML dari pokok permulaan rawak

LALAI: MATI

-D Kriteria penumpuan carian ML. Ini akan memutuskan carian ML jika relatif
Robinson-Foulds jarak antara pokok yang diperolehi daripada dua SPR malas berturut-turut
kitaran adalah lebih kecil atau sama dengan 1%. Penggunaan disyorkan untuk set data yang sangat besar dalam
syarat taksa. Pada pokok dengan lebih daripada 500 taksa ini akan menghasilkan masa pelaksanaan
peningkatan kira-kira 50% Walaupun hanya menghasilkan pokok yang lebih teruk sedikit.

LALAI: MATI

-e tetapkan ketepatan pengoptimuman model dalam unit kemungkinan log untuk pengoptimuman akhir bagi
topologi pokok

LALAI: 0.1
untuk model yang tidak menggunakan perkadaran anggaran tapak invarian

0.001 untuk model yang menggunakan perkadaran anggaran tapak invarian

-E tentukan nama fail kecualikan, yang mengandungi spesifikasi kedudukan penjajaran
anda ingin mengecualikan. Format adalah serupa dengan Nexus, fail hendaklah mengandungi entri
seperti "100-200 300-400", untuk mengecualikan satu lajur tulis, cth, "100-100", jika anda
menggunakan model campuran, fail model yang disesuaikan dengan betul akan ditulis.

-f pilih algoritma:

"-fa": analisis Bootstrap pantas dan cari pepohon ML yang mendapat markah terbaik dalam satu program
jalankan "-f A": hitung keadaan nenek moyang marginal pada pokok rujukan BERAKAR yang disediakan
dengan "-t" "-fb": lukis maklumat dwipartition pada pokok yang disediakan dengan berasaskan "-t".
pada beberapa pokok

(cth, dari bootstrap) dalam fail yang ditentukan oleh "-z"

"-f B": mengoptimumkan br-len scaler dan parameter model lain (GTR, alpha, dsb.) pada pokok
disediakan dengan "-t".
Pokok itu perlu mengandungi panjang cawangan. Panjang cawangan tidak akan dioptimumkan,
hanya berskala dengan satu nilai biasa.

"-fc": semak sama ada penjajaran boleh dibaca dengan betul oleh RAxML "-f C": ancestral
ujian jujukan untuk Jiajie, pengguna juga perlu menyediakan senarai nama takson melalui
-Y dipisahkan oleh ruang putih "-fd": pendakian bukit pantas baharu

LALAI: HIDUP

"-f D": pendakian bukit pantas dengan tali but RELL "-fe": optimumkan model+cawangan
panjang untuk pepohon input yang diberikan di bawah GAMMA/GAMMAI sahaja "-f E": laksana dengan sangat pantas
carian pokok eksperimen, pada masa ini hanya untuk menguji "-f F": laksana dengan pantas
carian pokok eksperimen, pada masa ini hanya untuk menguji "-fg": mengira setiap log tapak
Kemungkinan untuk satu bijih lagi pokok dilalui

"-z" dan tuliskannya pada fail yang boleh dibaca oleh CONSEL
Parameter model akan dianggarkan pada pokok pertama sahaja!

"-f G": hitung setiap log tapak Kemungkinan untuk satu bijih lagi pokok dilalui
"-z" dan tuliskannya pada fail yang boleh dibaca oleh CONSEL. Parameter model
akan dianggarkan semula untuk setiap pokok

"-fh": hitung ujian kemungkinan log (ujian SH) antara pokok terbaik yang diluluskan melalui "-t"
dan sekumpulan pokok lain melalui "-z" Parameter model akan dianggarkan
pada pokok pertama sahaja!

"-f H": hitung ujian kemungkinan log (ujian SH) antara pokok terbaik yang diluluskan melalui "-t"
dan sekumpulan pokok lain melalui "-z" Parameter model akan menjadi
anggaran semula untuk setiap pokok

"-fi": hitung skor IC dan TC (Salichos dan Rokas 2013) pada pokok yang disediakan dengan "-t"
berdasarkan pelbagai pokok
(cth, dari bootstrap) dalam fail yang ditentukan oleh "-z"

"-f I": algoritma pengakaran pokok mudah untuk pokok yang tidak berakar.
Ia mengakar pokok dengan mengakarnya di dahan yang paling menyeimbangkan subpokok
panjang (jumlah ke atas dahan dalam subpokok) subpokok kiri dan kanan. A
cawangan dengan keseimbangan optimum tidak selalu wujud! Anda perlu menentukan pokok itu
anda mahu mengakar melalui "-t".

"-fj": menjana sekumpulan fail penjajaran bootstrapped daripada fail penjajaran asal.
Anda perlu menentukan benih dengan "-b" dan bilangan replika dengan "-#"

"-f J": Kira nilai sokongan seperti SH pada pepohon yang diberikan melalui "-t". "-fk":
Betulkan panjang cawangan panjang dalam set data terbahagi dengan data yang hilang menggunakan

algoritma mencuri panjang cawangan.
Pilihan ini hanya berfungsi bersama dengan "-t", "-M", dan "-q". Ia akan dicetak
pokok dengan panjang cabang yang lebih pendek, tetapi mempunyai skor kemungkinan yang sama.

"-fm": bandingkan dua sekatan antara dua tandan pokok yang dilalui melalui "-t" dan "-z"
masing-masing. Ini akan mengembalikan korelasi Pearson antara semua bipartition
terdapat dalam dua fail pokok. Satu fail dipanggil
RAxML_bipartitionFrequencies.outpuFileName akan dicetak yang mengandungi
frekuensi bipartisi berpasangan bagi kedua-dua set

"-fn": kira skor kemungkinan log semua pokok yang terkandung dalam fail pokok yang disediakan oleh
"-z" di bawah GAMMA atau GAMMA+P-Invar Parameter model akan dianggarkan pada
pokok pertama sahaja!

"-f N": kira skor kemungkinan log semua pokok yang terkandung dalam fail pokok yang disediakan oleh
"-z" di bawah GAMMA atau GAMMA+P-Invar Parameter model akan dianggarkan semula untuk
setiap pokok

"-fo": pendakian bukit laju yang lama dan perlahan tanpa potongan heuristik "-fp": lakukan
penambahan MP langkah demi langkah tulen bagi jujukan baharu pada pokok permulaan dan keluar yang tidak lengkap
"-f P": lakukan peletakan filogenetik sub pokok yang dinyatakan dalam fail yang diluluskan
melalui "-z" ke dalam pokok rujukan yang diberikan

di mana subpokok ini terkandung yang dihantar melalui "-t" menggunakan
algoritma penempatan evolusi.

"-fq": kalkulator kuartet pantas "-fr": mengira berpasangan Robinson-Foulds (RF)
jarak antara semua pasangan pokok dalam fail pokok yang dilalui melalui "-z"

jika pepohon mempunyai labales nod yang diwakili sebagai nilai sokongan integer program juga akan
kira dua perisa
jarak Robinson-Foulds (WRF) berwajaran

"-f R": hitung semua jarak Robinson-Foulds (RF) berpasangan antara pokok rujukan yang besar
lulus melalui "-t"

dan banyak pokok yang lebih kecil (yang mesti mempunyai subset takson pokok besar) melaluinya
"-z".
Pilihan ini bertujuan untuk menyemak kebolehpercayaan filogeni yang sangat besar
yang tidak boleh diperiksa secara visual lagi.

"-fs": bahagikan penjajaran pembahagian berbilang gen kepada masing-masing
penjajaran "-f S": hitung bias peletakan khusus tapak menggunakan cuti satu
ujian yang diilhamkan oleh algoritma penempatan evolusi "-ft": lakukan pokok rawak
carian pada satu pokok permulaan tetap "-f T": lakukan pengoptimuman menyeluruh akhir ML
pokok daripada carian bootstrap pantas dalam mod berdiri sendiri "-fu": laksanakan morfologi
penentukuran berat menggunakan kemungkinan maksimum, ini akan mengembalikan vektor berat.

anda perlu menyediakan penjajaran morfologi dan pokok rujukan melalui "-t"

"-fv": kelaskan sekumpulan jujukan persekitaran ke dalam pokok rujukan menggunakan teliti
baca sisipan
anda perlu memulakan RAxML dengan pepohon rujukan tidak komprehensif dan
penjajaran yang mengandungi semua jujukan (rujukan + pertanyaan)

"-f V": kelaskan sekumpulan jujukan persekitaran ke dalam pokok rujukan menggunakan teliti
baca sisipan
anda perlu memulakan RAxML dengan pepohon rujukan tidak komprehensif dan
penjajaran yang mengandungi semua jujukan (rujukan + pertanyaan) AMARAN: ini adalah ujian
pelaksanaan untuk pengendalian set data berbilang gen/genom yang lebih cekap!

"-fw": hitung ujian ELW pada sekumpulan pokok yang diluluskan melalui "-z"
Parameter model akan dianggarkan pada pokok pertama sahaja!

"-f W": hitung ujian ELW pada sekumpulan pokok yang diluluskan melalui "-z"
Parameter model akan dianggarkan semula untuk setiap pokok

"-fx": mengira jarak ML mengikut pasangan, parameter model ML akan dianggarkan pada MP
pepohon permulaan atau pepohon yang ditentukan pengguna melalui "-t", hanya dibenarkan untuk berasaskan GAMMA
model kepelbagaian kadar

"-fy": kelaskan sekumpulan jujukan persekitaran ke dalam pokok rujukan menggunakan parsimoni
anda perlu memulakan RAxML dengan pepohon rujukan tidak komprehensif dan
penjajaran yang mengandungi semua jujukan (rujukan + pertanyaan)

LALAI untuk "-f": pendakian bukit pantas baharu

-F dayakan carian pokok ML di bawah model CAT untuk pokok yang sangat besar tanpa beralih kepada
GAMMA akhirnya (menjimatkan memori). Pilihan ini juga boleh digunakan dengan GAMMA
model untuk mengelakkan pengoptimuman menyeluruh bagi pokok ML penskoran terbaik dalam
tamat.

LALAI: MATI

-g nyatakan nama fail pokok kekangan multifurcating yang tidak diperlukan oleh pokok ini
untuk menjadi komprehensif, iaitu tidak boleh mengandungi semua taksa

-G dayakan heuristik algoritma penempatan evolusi berasaskan ML dengan menentukan a
nilai ambang (pecahan cabang sisipan untuk dinilai menggunakan slow
sisipan di bawah ML).

-h Paparkan mesej bantuan ini.

-H Lumpuhkan pemampatan corak.

LALAI: HIDUP

-i Tetapan penyusunan semula awal untuk aplikasi perubahan topologi yang seterusnya
fasa

-I analisis bootstopping posterior. gunakan:

"-I autoFC" untuk kriteria berasaskan kekerapan "-I autoMR" untuk peraturan majoriti
kriteria pokok konsensus "-I autoMRE" untuk pokok konsensus peraturan majoriti lanjutan
kriteria "-I autoMRE_IGN" untuk metrik yang serupa dengan MRE, tetapi termasuk dwipartition
di bawah ambang sama ada ia serasi

atau tidak. Ini meniru MRE tetapi lebih pantas untuk dikira.

Anda juga perlu menghantar fail pokok yang mengandungi beberapa replika bootstrap melalui "-z"

-j Menentukan bahawa fail pokok perantaraan hendaklah ditulis kepada fail semasa standard
Carian pokok ML dan BS.

LALAI: MATI

-J Kira pokok konsensus peraturan majoriti dengan "-J MR" atau peraturan majoriti lanjutan
pokok konsensus dengan "-J MRE" atau pokok konsensus ketat dengan "-J STRICT". Untuk
ambang konsensus tersuai >= 50%, nyatakan T_ , dengan 100 >= NUM ​​>= 50.
Pilihan "-J STRICT_DROP" dan "-J MR_DROP" akan melaksanakan algoritma yang mengenal pasti
titisan yang mengandungi taksa penyangak seperti yang dicadangkan oleh Pattengale et al. dalam kertas
"Mendedahkan konsensus filogenetik tersembunyi". Anda juga perlu menyediakan pokok
fail yang mengandungi beberapa pokok UNROOTED melalui "-z"

-k Menentukan bahawa pokok bootstrapped harus dicetak dengan panjang cawangan. The
bootstraps akan berjalan lebih lama, kerana parameter model akan dioptimumkan pada
akhir setiap larian di bawah GAMMA atau GAMMA+P-Invar masing-masing.

LALAI: MATI

-K Nyatakan salah satu model penggantian berbilang negeri (maks 32 keadaan) yang dilaksanakan dalam
RAxML. Model yang tersedia ialah: ORDERED, MK, GTR

LALAI: Model GTR

-L Kira pokok konsensus yang dilabelkan oleh sokongan IC dan nilai TC keseluruhan sebagai
dicadangkan dalam Salichos dan Rokas 2013. Hitung pokok konsensus peraturan majoriti dengan
"-L MR" atau pokok konsensus peraturan majoriti lanjutan dengan "-L MRE". Untuk adat
ambang konsensus >= 50%, nyatakan "-L T_ ", di mana 100 >= NUM ​​>= 50. Anda akan melakukannya
sudah tentu juga perlu menyediakan fail pokok yang mengandungi beberapa pokok UNROOTED melalui
"-z"!

-m Model Perduaan (Morfologi), Nukleotida, Pelbagai Keadaan atau Asid Amino
Penggantian:

BINARI:

"-m BINCAT[X]"
: Pengoptimuman tapak khusus

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok akhir mungkin dinilai
secara automatik di bawah BINGAMMA, bergantung pada pilihan carian pokok. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m BINCATI[X]"
: Pengoptimuman tapak khusus

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok akhir mungkin dinilai
secara automatik di bawah BINGAMMAI, bergantung pada pilihan carian pokok. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m ASC_BINCAT[X]"
: Pengoptimuman tapak khusus

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok akhir mungkin dinilai
secara automatik di bawah BINGAMMA, bergantung pada pilihan carian pokok. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas. ASC
awalan akan membetulkan kemungkinan bias kepastian.

"-m BINGAMMA[X]"
: Model GAMMA kadar heterogeniti (parameter alfa akan dianggarkan).

Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m ASC_BINGAMMA[X]" : Model GAMMA bagi kepelbagaian kadar (parameter alfa akan
dianggarkan).
Awalan ASC akan membetulkan kemungkinan bias kepastian. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m BINGAMMAI[X]"
: Sama seperti BINGAMMA, tetapi dengan anggaran bahagian tapak tidak boleh ubah.

Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

Nukleotida:

"-m GTRCAT[X]"
: GTR + Pengoptimuman kadar penggantian + Pengoptimuman khusus tapak

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok terakhir mungkin
dinilai di bawah GTRGAMMA, bergantung pada pilihan carian pokok. Dengan pilihan
Lampiran "X" anda boleh menentukan anggaran ML frekuensi asas.

"-m GTRCATI[X]"
: GTR + Pengoptimuman kadar penggantian + Pengoptimuman khusus tapak

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok terakhir mungkin
dinilai di bawah GTRGAMMAI, bergantung pada pilihan carian pokok. Dengan pilihan
Lampiran "X" anda boleh menentukan anggaran ML frekuensi asas.

"-m ASC_GTRCAT[X]"
: GTR + Pengoptimuman kadar penggantian + Pengoptimuman khusus tapak

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok terakhir mungkin
dinilai di bawah GTRGAMMA, bergantung pada pilihan carian pokok. Dengan pilihan
Lampiran "X" anda boleh menentukan anggaran ML frekuensi asas. Awalan ASC
akan membetulkan kemungkinan bias kepastian.

"-m GTRGAMMA[X]"
: GTR + Pengoptimuman kadar penggantian + model kadar GAMMA

heterogeniti (parameter alfa akan dianggarkan).
Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m ASC_GTRGAMMA[X]" : GTR + Pengoptimuman kadar penggantian + model GAMMA kadar
heterogeniti (parameter alfa akan dianggarkan). Awalan ASC akan betul
kemungkinan bias kepastian. Dengan lampiran "X" pilihan anda boleh
nyatakan anggaran ML bagi frekuensi asas.

"-m GTRGAMMAI[X]"
: Sama seperti GTRGAMMA, tetapi dengan anggaran perkadaran tapak tidak boleh ubah.

Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

MULTI-NEGERI:

"-m MULTICAT[X]"
: Pengoptimuman tapak khusus

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok akhir mungkin dinilai
secara automatik di bawah MULTIGAMMA, bergantung pada pilihan carian pokok. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m MULTICATI[X]"
: Pengoptimuman tapak khusus

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok akhir mungkin dinilai
secara automatik di bawah MULTIGAMMAI, bergantung pada pilihan carian pokok. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m ASC_MULTICAT[X]"
: Pengoptimuman tapak khusus

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok akhir mungkin dinilai
secara automatik di bawah MULTIGAMMA, bergantung pada pilihan carian pokok. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas. ASC
awalan akan membetulkan kemungkinan bias kepastian.

"-m MULTIGAMMA[X]"
: Model GAMMA kadar heterogeniti (parameter alfa akan dianggarkan).

Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m ASC_MULTIGAMMA[X]" : Model GAMMA bagi heterogeniti kadar (parameter alfa akan
dianggarkan).
Awalan ASC akan membetulkan kemungkinan bias kepastian. Dengan
lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m MULTIGAMMAI[X]"
: Sama seperti MULTIGAMMA, tetapi dengan anggaran perkadaran tapak tidak boleh ubah.

Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

Anda boleh menggunakan sehingga 32 keadaan aksara yang berbeza untuk mengekod wilayah berbilang negeri, mereka
mesti digunakan dalam susunan berikut: 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 iaitu, jika anda mempunyai 6 yang berbeza
aksara menyatakan anda akan menggunakan 0, 1, 2, 3, 4, 5 untuk mengekod ini. Penggantian
model untuk kawasan berbilang negeri boleh dipilih melalui pilihan "-K".

ASID AMINO:

"-m PROTCATmatrixName[F|X]"
: matriks AA yang ditentukan + Pengoptimuman kadar penggantian + Pengoptimuman bagi
khusus tapak

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok terakhir mungkin
dinilai secara automatik di bawah PROTGAMMAmatrixName[F|X], bergantung pada pokok
pilihan carian. Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML
frekuensi asas.

"-m PROTCATImatrixName[F|X]"
: matriks AA yang ditentukan + Pengoptimuman kadar penggantian + Pengoptimuman bagi
khusus tapak

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok terakhir mungkin
dinilai secara automatik di bawah PROTGAMMAImatrixName[F|X], bergantung pada pokok
pilihan carian. Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML
frekuensi asas.

"-m ASC_PROTCATmatrixName[F|X]"
: matriks AA yang ditentukan + Pengoptimuman kadar penggantian + Pengoptimuman bagi
khusus tapak

kadar evolusi yang dikategorikan kepada numberOfCategories berbeza
kategori kadar untuk kecekapan pengiraan yang lebih tinggi. Pokok terakhir mungkin
dinilai secara automatik di bawah PROTGAMMAmatrixName[F|X], bergantung pada pokok
pilihan carian. Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML
frekuensi asas. Awalan ASC akan membetulkan kemungkinan untuk kepastian
berat sebelah.

"-m PROTGAMMAmatrixName[F|X]"
: matriks AA yang ditentukan + Pengoptimuman kadar penggantian + model kadar GAMMA

heterogeniti (parameter alfa akan dianggarkan).
Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

"-m ASC_PROTGAMMAmatrixName[F|X]" : ditentukan matriks AA + Pengoptimuman penggantian
kadar + model kadar GAMMA
heterogeniti (parameter alfa akan dianggarkan). Awalan ASC akan betul
kemungkinan bias kepastian. Dengan lampiran "X" pilihan anda boleh
nyatakan anggaran ML bagi frekuensi asas.

"-m PROTGAMMAImatrixName[F|X]"
: Sama seperti PROTGAMMAmatrixName[F|X], tetapi dengan anggaran perkadaran invariable
laman.

Dengan lampiran "X" pilihan anda boleh menentukan anggaran ML frekuensi asas.

Model penggantian AA tersedia: 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 Dengan pilihan "F"
lampiran anda boleh tentukan jika anda ingin menggunakan frekuensi asas empirikal. AUTOF dan
AUTOX tidak disokong lagi, jika anda menyatakan AUTO ia akan menguji prot subst.
model dengan dan tanpa frekuensi asas empirikal sekarang! Sila ambil perhatian bahawa untuk
model partitioned anda boleh sebagai tambahan untuk menentukan model AA per gen dalam
fail partition (lihat manual untuk butiran). Juga ambil perhatian bahawa jika anda menganggarkan AA GTR
parameter pada set data terbahagi, ia akan dipautkan (dianggarkan bersama) merentas
semua partition untuk mengelakkan lebihan parameter

-M Hidupkan anggaran panjang cawangan setiap partition individu. Hanya mempunyai kesan
apabila digunakan dalam kombinasi dengan "-q" Panjang cawangan untuk partition individu akan menjadi
dicetak untuk memisahkan fail Purata wajaran panjang cawangan dikira dengan
menggunakan panjang partition masing-masing

LALAI: MATI

-n Menentukan nama fail output.

-o Nyatakan nama kumpulan luar tunggal atau senarai kumpulan luar yang dipisahkan koma, cth
"-o Tikus" atau "-o Tikus, Tetikus", sekiranya berbilang kumpulan luar bukan monofiletik
nama pertama dalam senarai akan dipilih sebagai kumpulan luar, jangan tinggalkan ruang antara
nama takson!

-O Lumpuhkan semak untuk jujukan penjajaran yang tidak ditentukan sepenuhnya. Program itu akan
tidak keluar dengan mesej ralat apabila "-O" ditentukan.

LALAI: semak didayakan

-p Tentukan benih nombor rawak untuk inferens parsimoni. Ini membolehkan anda
menghasilkan semula keputusan anda dan akan membantu saya menyahpepijat atur cara.

-P Tentukan nama fail model penggantian AA (Protein) yang ditentukan pengguna. Fail ini
mesti mengandungi 420 penyertaan, 400 pertama ialah kadar penggantian AA (ini mesti
menjadi matriks simetri) dan 20 terakhir ialah frekuensi asas empirikal

-q Tentukan nama fail yang mengandungi penetapan model kepada penjajaran
sekatan untuk berbilang model penggantian. Untuk sintaks fail ini sila
rujuk manual.

-r Nyatakan nama fail bagi pokok kekangan binari. pokok ini tidak perlu
menyeluruh, iaitu tidak boleh mengandungi semua taksa

-R Nyatakan nama fail bagi fail parameter model binari yang telah sebelum ini
dijana dengan RAxML menggunakan -f e pilihan penilaian pokok. Nama fail sepatutnya
jadi: RAxML_binaryModelParameters.runID

-s Nyatakan nama fail data penjajaran dalam format PHYLIP

-S Nyatakan nama fail struktur sekunder. Fail boleh mengandungi "." untuk
lajur penjajaran yang tidak membentuk sebahagian daripada batang dan aksara "()<>[]{}" kepada
mentakrifkan kawasan batang dan pseudoknot

-t Tentukan nama fail pepohon permulaan pengguna dalam format Newick

-T VERSI PTHREADS SAHAJA! Nyatakan bilangan utas yang anda mahu jalankan. Pastikan untuk
tetapkan "-T" kepada paling banyak bilangan CPU yang anda ada pada mesin anda, jika tidak, di sana
akan menjadi penurunan prestasi yang besar!

-u gunakan median untuk anggaran diskret model kadar GAMMA
kepelbagaian

LALAI: MATI

-U Cuba simpan memori dengan menggunakan pelaksanaan berasaskan SEV untuk lajur jurang pada gappy besar
penjajaran Teknik ini diterangkan di sini:
http://www.biomedcentral.com/1471-2105/12/470 Ini hanya akan berfungsi untuk DNA dan/atau
Data PROTEIN dan hanya dengan kod versi SSE3 atau AVX-vextorized.

-v Paparkan maklumat versi

-V Lumpuhkan kepelbagaian kadar antara model tapak dan gunakan satu tanpa kepelbagaian kadar
sebaliknya. Hanya berfungsi jika anda menentukan model CAT bagi heterogeniti kadar.

LALAI: gunakan kepelbagaian kadar

-w Laluan PENUH (!) ke direktori di mana RAxML akan menulis fail outputnya

LALAI: direktori semasa

-W Saiz tetingkap gelongsor untuk algoritma bias penempatan khusus tapak tinggalkan satu sahaja
berkesan apabila digunakan dalam kombinasi dengan "-f S"

LALAI: 100 tapak

-x Tentukan nombor integer (benih rawak) dan hidupkan bootstrapping pantas PERHATIAN:
tidak seperti dalam versi 7.0.4 RAxML akan menjalankan replika BS pantas di bawah model
kadar heterogeniti yang anda tentukan melalui "-m" dan bukan secara lalai di bawah CAT

-X Sama seperti pilihan "-y" di bawah, namun carian parsimoni lebih cetek.
RAxML hanya akan melakukan pepohon parsimoni susunan penambahan langkah demi langkah secara rawak
pembinaan semula tanpa melakukan sebarang SPR tambahan. Ini mungkin berguna untuk
set data genom keseluruhan yang sangat luas, kerana ini boleh menjana lebih banyak topologi
pokok permulaan yang berbeza.

LALAI: MATI

-y Jika anda hanya ingin mengira pokok permulaan parsimoni dengan RAxML tentukan "-y", the
program akan keluar selepas pengiraan pokok permulaan

LALAI: MATI

-Y Lulus nama fail kumpulan kuartet yang mentakrifkan empat kumpulan untuk menarik kuartet
Format input fail mesti mengandungi 4 kumpulan dalam bentuk berikut: (Ayam, Manusia,
Loach), (Lembu, Ikan Mas), (Tikus, Tikus, Meterai), (Ikan Paus, Katak); Hanya berfungsi dalam kombinasi
bersama -f q !

-z Nyatakan nama fail bagi fail yang mengandungi berbilang pokok cth daripada bootstrap
yang hendaklah digunakan untuk melukis nilai dua sekatan pada pokok yang disediakan dengan "-t", Ia
juga boleh digunakan untuk mengira setiap kemungkinan log tapak dalam kombinasi dengan "-fg" dan
untuk membaca sekumpulan pokok untuk beberapa pilihan lain ("-fh", "-fm", "-fn").

-#|-N Nyatakan bilangan larian alternatif pada pokok permulaan yang berbeza Dalam kombinasi
dengan pilihan "-b", ini akan menggunakan analisis boostrap berbilang Ambil perhatian bahawa "-N"
telah ditambah sebagai alternatif kerana "-#" kadangkala menyebabkan masalah dengan tertentu
Sistem penyerahan kerja MPI, kerana "-#" sering digunakan untuk memulakan ulasan. Jika awak
mahu menggunakan kriteria bootstopping tentukan "-# autoMR" atau "-# autoMRE" atau "-#
autoMRE_IGN" untuk kriteria berasaskan pokok peraturan majoriti (lihat -I pilihan) atau "-#
autoFC" untuk kriteria berasaskan kekerapan. Bootstopping hanya akan berfungsi
gabungan dengan "-x" atau "-b"

LALAI: 1 analisis tunggal

--mesquite Cetak fail output yang boleh dihuraikan oleh Mesquite.

LALAI: Mati

--senyap Melumpuhkan cetakan amaran yang berkaitan dengan jujukan yang sama dan sepenuhnya
tapak yang tidak ditentukan dalam penjajaran

LALAI: Mati

--no-seq-check Melumpuhkan pemeriksaan MSA input untuk jujukan yang sama dan sepenuhnya
tapak yang tidak ditentukan.
Mendayakan pilihan ini boleh menjimatkan masa, khususnya untuk filogenomik besar
penjajaran. Sebelum menggunakan ini, pastikan anda menyemak penjajaran menggunakan "-fc"
pilihan!

LALAI: Mati

--no-bfgs Melumpuhkan penggunaan kaedah BFGS secara automatik untuk mengoptimumkan kadar GTR pada unpartitioned
set data DNA

LALAI: BFGS dihidupkan

--asc-corr Membolehkan untuk menentukan jenis pembetulan bias penentuan yang anda ingin gunakan.
Terdapat 3

jenis yang ada: --asc-corr=lewis: pembetulan standard oleh Paul Lewis
--asc-corr=felsenstein: pembetulan yang diperkenalkan oleh Joe Felsenstein yang membolehkan untuk
nyatakan dengan jelas

bilangan tapak invariable (jika diketahui) yang ingin dibetulkan.

--asc-corr=stamakis: pembetulan yang diperkenalkan oleh saya sendiri yang membolehkan secara eksplisit
nyatakan
bilangan tapak invariable untuk setiap aksara (jika diketahui) yang ingin dibetulkan
bagi.

--semak-bendera Apabila menggunakan pilihan ini, RAxML hanya akan menyemak sama ada semua bendera baris arahan
dinyatakan tersedia dan kemudian keluar

dengan mesej yang menyenaraikan semua bendera baris arahan yang tidak sah atau dengan mesej yang menyatakan
bahawa semua bendera adalah sah.

--auto-prot=ml|bic|aic|aicc Apabila menggunakan pemilihan model protein automatik anda boleh memilih
kriteria untuk memilih model ini.

RAxML akan menguji semua prot subst yang tersedia. model kecuali LG4M, LG4X dan
Model berasaskan GTR, dengan dan tanpa frekuensi asas empirikal. Anda boleh memilih
antara pemilihan berdasarkan skor ML dan kriteria BIC, AIC dan AICc.

LALAI: ml

--epa-simpan-penempatan=nombor nyatakan bilangan penempatan berpotensi yang anda ingin simpan
untuk setiap bacaan dalam algoritma EPA.

Ambil perhatian bahawa, nilai sebenar yang dicetak juga akan bergantung pada tetapan untuk
--epa-prob-ambang=ambang !

LALAI: 7

--epa-prob-ambang=ambang nyatakan ambang peratus untuk memasukkan potensi
penempatan bacaan bergantung pada

berat penempatan maksimum untuk bacaan ini. Jika anda menetapkan nilai ini kepada 0.01 peletakan
yang mempunyai berat peletakan 1 peratus daripada peletakan maksimum masih ada
dicetak ke fail jika tetapan daripada --epa-simpan-penempatan membolehkannya

LALAI: 0.01

--epa-ambang-terkumpul=ambang nyatakan ambang berat kemungkinan terkumpul
yang mana penempatan bacaan yang berbeza dicetak

untuk memfailkan. Peletakan untuk bacaan akan dicetak sehingga jumlah peletakannya
pemberat telah mencapai nilai ambang. Ambil perhatian bahawa, pilihan ini tidak boleh
digunakan dalam kombinasi dengan --epa-prob-ambang mahupun dengan --epa-simpan-penempatan!

--JC69 nyatakan bahawa semua partition DNA akan berkembang di bawah model Jukes-Cantor, ini
mengatasi semua spesifikasi model lain untuk sekatan DNA.

LALAI: Mati

--K80 nyatakan bahawa semua partition DNA akan berkembang di bawah model K80, ini mengatasi semua
spesifikasi model lain untuk sekatan DNA.

LALAI: Mati

--HKY85 nyatakan bahawa semua partition DNA akan berkembang di bawah model HKY85, ini mengatasi
semua spesifikasi model lain untuk sekatan DNA.

LALAI: Mati

Ini ialah RAxML versi 8.2.4 yang dikeluarkan oleh Alexandros Stamatakis pada 02 Oktober 2015.

Dengan sumbangan kod yang amat dihargai oleh: Andre Aberer (HITS) Simon Berger
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao (KIT dan HITS)
Nick Pattengale (Sandia) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

Gunakan raxmlHPC-PTHREADS dalam talian menggunakan perkhidmatan onworks.net