raxmlHPC-PTHREADS — online w chmurze

PROGRAM:

IMIĘ

Użycie — losowe, osiowe maksymalne prawdopodobieństwo

OPIS

Użyj raxml z obsługą AVX (1 procesor)

To jest wersja RAxML 8.2.4 wydana przez Alexandrosa Stamatakisa 02 października 2015 r.

Z bardzo cenionym wkładem w kod: Andre Aberer (HITS) Simon Berger
(TRAFY) Alexey Kozlov (TRAFY) Kassian Kobert (TRAFY) David Dao (ZESTAW i HITY)
Nick Pattengale (Sandia) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

Zapoznaj się również z instrukcją RAxML

Prosimy o zgłaszanie błędów za pośrednictwem grupy google RAxML! Prześlij nam wszystkie pliki wejściowe, dokładnie
wywołanie, szczegóły dotyczące sprzętu i systemu operacyjnego, a także wszystkie drukowane komunikaty o błędach
na ekran.

raxmlHPC[-SSE3|-AVX|-PTTHEADS|-PTTHEADS-SSE3|-PTTHEADS-AVX|-HYBRYDOWY|-HYBRYDOWY-SSE3|HYBRYDOWY-AVX]

-s nazwa_pliku sekwencji -n Nazwa pliku wyjściowego -m Model substytucji

[-a weightFileName] [-A secondStructureSubstModel] [-b
bootstrapLosowy NumerZiarno] [-B wcPrógKryterium] [-c LiczbaKategorii] [-C]
[-d] [-D] [-e prawdopodobieństwoEpsilon] [-E nazwa_pliku wykluczenia] [-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 nazwa_pliku_grupowania] [-G próg rozmieszczenia] [-h] [-H] [-i
InitialRearrangementSetting] [-I autoFC|autoMR|autoMRE|autoMRE_IGN] [-j] [-J
MR|MR_DROP|MRE|STRUCT|STRICT_DROP|T_ ] [-k] [-K] [-L MR|MRE|T_ ]
[-M] [-o NazwaGrupy1[,NazwaGrupy2[,...]]][-O] [-p ZiarnoLosowe] [-P
ProteinModel] [-q multipleModelFileName] [-r binaryConstraintTree] [-R
plik_parametru_binarnego] [-S plik_struktury wtórnej] [-t drzewo_początkowe_użytkownika] [-T
liczbaWątków] [-u] [-U] [-v] [-V] [-w KatalogWyjściowy] [-WRozmiarOkna przesuwnego]
[-x rapidBootstrapLosowy NumerNasiona] [-X] [-y] [-Y
quartetNazwaPlikuGrupowania|ancestralSequenceNazwaPlikuKandydatów] [-zPlikWiernychDrzew]
[-#|-N liczbaRuns|autoFC|autoMR|autoMRE|autoMRE_IGN]
[--mesquite][--cichy][--no-seq-check][--no-bfgs]
[--asc-corr=stamatakis|felsenstein|lewis]
[--flag-check][--auto-prot=ml|bic|aic|aicc]
[--epa-keep-placements=liczba][--epa-accumulated-threshold=próg]
[--epa-prob-threshold=próg] [--JC69][--K80][--HKY85]

-a Podaj nazwę pliku wagi kolumny, aby przypisać indywidualne wagi do każdej kolumny z
wyrównanie. Wagi te muszą być liczbami całkowitymi oddzielonymi dowolnym typem i liczbą
spacje w osobnym pliku, zobacz plik "example_weights" jako przykład.

-A Określ jeden z modeli zastępowania struktury drugorzędowej zaimplementowanych w RAxML.
Zastosowano taką samą nomenklaturę jak w instrukcji PHASE, dostępne modele: S6A, S6B,
S6C, S6D, S6E, S7A, S7B, S7C, S7D, S7E, S7F, S16, S16A, S16B

DOMYŚLNE: 16-stanowy model GTR (S16)

-b Podaj liczbę całkowitą (losowe ziarno) i włącz ładowanie początkowe

DOMYŚLNE: WYŁĄCZONE

-B określ liczbę zmiennoprzecinkową z zakresu od 0.0 do 1.0, która będzie używana jako odcięcie
próg dla kryteriów ładowania początkowego opartych na MR. Zalecane ustawienie to 0.03.

DOMYŚLNE: 0.03 (zalecane ustawienie określone empirycznie)

-c Określ liczbę odrębnych kategorii stawek dla RAxML, gdy model stawki
heterogeniczność jest ustawiona na CAT Poszczególne stawki na witrynę są podzielone na
numberOfCategories oceniaj kategorie w celu przyspieszenia obliczeń.

DOMYŚLNIE: 25

-C Włącz pełne wyjście dla opcji „-L” i „-fi”. To wyprodukuje więcej, ponieważ
a także więcej pełnych plików wyjściowych

DOMYŚLNE: WYŁĄCZONE

-d rozpocznij optymalizację ML z losowego drzewa startowego

DOMYŚLNE: WYŁĄCZONE

-D Kryterium zbieżności wyszukiwania ML. Spowoduje to przerwanie wyszukiwania ML, jeśli krewny
Odległość Robinsona-Foulda między drzewami uzyskana z dwóch kolejnych leniwych SPR
cykli jest mniejsza lub równa 1%. Użycie zalecane w przypadku bardzo dużych zbiorów danych w
warunki taksonów. Na drzewach z ponad 500 taksonami zapewni to czas wykonania
poprawa o około 50%. Plonowanie tylko nieznacznie gorszych drzew.

DOMYŚLNE: WYŁĄCZONE

-e ustawić dokładność optymalizacji modelu w logarytmicznych jednostkach wiarygodności dla końcowej optymalizacji
topologia drzewa

DOMYŚLNIE: 0.1
dla modeli nie wykorzystujących oszacowania proporcji niezmiennych miejsc

0.001 dla modeli wykorzystujących oszacowanie proporcji niezmiennych miejsc

-E podać nazwę pliku wykluczeń, który zawiera specyfikację pozycji wyrównania
chcesz wykluczyć. Format jest podobny do Nexusa, plik powinien zawierać wpisy
np. „100-200 300-400”, aby wykluczyć pojedynczą kolumnę, napisz, np. „100-100”, jeśli
użyj modelu mieszanego, zostanie napisany odpowiednio dostosowany plik modelu.

-f wybierz algorytm:

"-fa": szybka analiza Bootstrap i wyszukiwanie najlepiej scoringowego drzewa ML w jednym programie
run "-f A": oblicz marginalne stany przodków na dostarczonym drzewie referencyjnym ROOTED
with "-t" "-fb": wyrysuj informacje o dwudzieleniu na drzewie wyposażonym w "-t"
na wielu drzewach

(np. z programu startowego) w pliku określonym przez „-z”

"-f B": optymalizuj skaler br-len i inne parametry modelu (GTR, alpha itp.) na drzewie
dostarczane z "-t".
Drzewo musi zawierać długości gałęzi. Długości rozgałęzień nie będą optymalizowane,
po prostu skalowane o jedną wspólną wartość.

"-fc": sprawdź, czy wyrównanie może być poprawnie odczytane przez RAxML "-f C": ancestral
test sekwencji dla Jiajie, użytkownicy będą również musieli podać listę nazw taksonów za pośrednictwem
-Y oddzielone białymi spacjami „-fd”: nowa szybka wspinaczka po wzgórzach

DOMYŚLNIE: WŁ

„-f D”: szybkie pokonywanie wzniesień z bootstrapami RELL „-fe”: zoptymalizuj model+gałąź
długości dla danego drzewa wejściowego tylko w GAMMA/GAMMAI "-f E": wykonaj bardzo szybko
przeszukiwanie drzewa eksperymentalnego, obecnie tylko do testowania "-f F": wykonaj szybko
przeszukiwanie drzewa eksperymentalnego, obecnie tylko do testowania "-fg": obliczanie na dziennik witryny
Prawdopodobieństwo dla jednego lub więcej drzew przeszło przez

"-z" i zapisz je do pliku, który może być odczytany przez CONSEL
Parametry modelu zostaną oszacowane tylko na pierwszym drzewku!

"-f G": oblicz według dziennika witryny Prawdopodobieństwo dla jednego lub więcej drzew przechodzących przez
"-z" i zapisz je do pliku, który może być odczytany przez CONSEL. Parametry modelu
zostanie ponownie oszacowany dla każdego drzewa

"-fh": obliczyć logarytmiczny test wiarygodności (SH-test) między najlepszym drzewem przekazanym przez "-t"
i kilka innych drzew przekazanych przez "-z" Parametry modelu zostaną oszacowane
tylko na pierwszym drzewie!

"-f H": obliczyć logarytmiczny test wiarygodności (SH-test) między najlepszym drzewem przechodzącym przez "-t"
i kilka innych drzew przekazanych przez "-z" Parametry modelu będą
ponownie oszacowane dla każdego drzewa

"-fi": oblicz wyniki IC i TC (Salichos i Rokas 2013) na drzewie z "-t"
oparty na wielu drzewach
(np. z programu startowego) w pliku określonym przez „-z”

„-f I”: prosty algorytm ukorzeniania drzew dla drzew nieukorzenionych.
Ukorzenia drzewo, zakorzeniając je w gałęzi, która najlepiej równoważy poddrzewo
długości (suma po gałęziach w poddrzewach) lewego i prawego poddrzewa. A
oddział o optymalnym równowadze nie zawsze istnieje! Musisz określić drzewo
chcesz rootować przez "-t".

"-fj": wygeneruj garść plików wyrównania z ładowaniem początkowym z oryginalnego pliku wyrównania.
Musisz określić ziarno za pomocą "-b" i liczbę powtórzeń za pomocą "-#"

"-f J": Oblicz wartości wsparcia podobne do SH w danym drzewie przekazane przez "-t". "-fk":
Napraw długie rozgałęzienia w podzielonych na partycje zestawach danych z brakującymi danymi za pomocą

algorytm kradzieży długości gałęzi.
Ta opcja działa tylko w połączeniu z „-t”, „-M” i „-q”. Zostanie wydrukowany
drzewo o krótszej długości gałęzi, ale mające ten sam wynik wiarygodności.

"-fm": porównaj bipartycje między dwoma grupami drzew przekazanymi przez "-t" i "-z"
odpowiednio. Spowoduje to zwrócenie korelacji Pearsona między wszystkimi podziałami dwudzielnymi
znalezione w dwóch plikach drzewa. Plik o nazwie
Zostanie wydrukowany RAxML_bipartitionFrequencies.outpuFileName zawierający
częstotliwości dwudzielności w parach dwóch zestawów

"-fn": oblicz logarytmiczny wynik wiarygodności wszystkich drzew zawartych w pliku drzewa dostarczonym przez
"-z" pod GAMMA lub GAMMA+P-Invar Parametry modelu zostaną oszacowane na
tylko pierwsze drzewo!

"-f N": oblicz logarytmiczny wynik wiarygodności wszystkich drzew zawartych w pliku drzewa dostarczonym przez
"-z" pod GAMMA lub GAMMA+P-Invar Parametry modelu zostaną ponownie oszacowane dla
każde drzewo

"-fo": stare i wolniejsze szybkie pokonywanie wzniesień bez heurystycznego odcięcia "-fp": perform
czyste, stopniowe dodawanie MP nowych sekwencji do niekompletnego drzewa startowego i wyjście
"-f P": wykonaj filogenetyczne umieszczenie poddrzew określonych w przekazanym pliku
przez "-z" do danego drzewa odniesienia

w którym zawarte są te poddrzewa przekazywane przez "-t" przy użyciu
ewolucyjny algorytm umieszczania.

"-fq": szybki kalkulator kwartetu "-fr": obliczanie parami Robinson-Foulds (RF)
odległości między wszystkimi parami drzew w pliku drzewa przekazywane przez "-z"

jeśli drzewa mają etykiety węzłów reprezentowane jako całkowite wartości pomocnicze, program również będzie
obliczyć dwa smaki
ważona odległość Robinsona-Foulds (WRF)

"-f R": oblicz wszystkie pary odległości Robinsona-Foulds (RF) między dużym drzewem odniesienia
przekazany przez "-t"

i wiele mniejszych drzew (które muszą mieć podzbiór taksonów dużego drzewa) przechodzi przez
„-z”.
Ta opcja służy do sprawdzania wiarygodności bardzo dużych filogenezy
których nie można już skontrolować wizualnie.

"-fs": dzieli wyrównanie podzielone na wiele genów na odpowiednie
subalignments „-f S”: obliczanie odchylenia miejsca docelowego specyficznego dla witryny za pomocą pominięcia jednego
test inspirowany ewolucyjnym algorytmem rozmieszczania "-ft": czy zrandomizowane drzewo
wyszukiwania na jednym ustalonym drzewie początkowym "-f T": wykonaj ostateczną dokładną optymalizację ML
drzewo z szybkiego wyszukiwania ładowania początkowego w trybie autonomicznym "-fu": wykonaj morfologiczne
Kalibracja wagi przy użyciu maksymalnego prawdopodobieństwa, zwróci wektor wagi.

musisz podać wyrównanie morfologiczne i drzewo odniesienia za pomocą "-t"

"-fv": zaklasyfikuj kilka sekwencji środowiskowych do drzewa referencyjnego za pomocą dokładnego
przeczytaj wstawki
będziesz musiał uruchomić RAxML z niekompleksowym drzewem referencji i
wyrównanie zawierające wszystkie sekwencje (odniesienie + zapytanie)

"-f V": klasyfikuj kilka sekwencji środowiskowych w drzewie referencyjnym za pomocą dokładnego
przeczytaj wstawki
będziesz musiał uruchomić RAxML z niekompleksowym drzewem referencji i
dopasowanie zawierające wszystkie sekwencje (odniesienie + zapytanie) UWAGA: to jest test
implementacja w celu wydajniejszej obsługi zestawów danych obejmujących wiele genów/całego genomu!

"-fw": oblicz test ELW na kilku drzewach przekazanych przez "-z"
Parametry modelu zostaną oszacowane tylko na pierwszym drzewku!

"-f W": oblicz test ELW na kilku drzewach przekazanych przez "-z"
Parametry modelu zostaną ponownie oszacowane dla każdego drzewa

"-fx": oblicz odległości ML w parach, parametry modelu ML zostaną oszacowane na MP
drzewo początkowe lub drzewo zdefiniowane przez użytkownika przekazywane przez "-t", dozwolone tylko dla opartego na GAMMA
modele niejednorodności stawek

"-fy": zaklasyfikuj kilka sekwencji środowiskowych do drzewa odniesienia za pomocą parsimony
będziesz musiał uruchomić RAxML z niekompleksowym drzewem referencji i
wyrównanie zawierające wszystkie sekwencje (odniesienie + zapytanie)

DOMYŚLNE dla "-f": nowa szybka wspinaczka pod górę

-F włączyć przeszukiwanie drzew ML w modelu CAT dla bardzo dużych drzew bez przełączania na
GAMMA w końcu (oszczędza pamięć). Ta opcja może być również używana z GAMMA
modele w celu uniknięcia gruntownej optymalizacji najlepiej scoringowego drzewa ML w
koniec.

DOMYŚLNE: WYŁĄCZONE

-g podaj nazwę pliku drzewa wiązań rozgałęzionych, których to drzewo nie potrzebuje
być wyczerpujące, tj. nie może zawierać wszystkich taksonów

-G włączyć heurystykę ewolucyjnego algorytmu rozmieszczania opartego na ML, określając a
wartość progowa (ułamek gałęzi wstawiania do oceny za pomocą slow
wstawki pod ML).

-h Wyświetl ten komunikat pomocy.

-H Wyłącz kompresję wzoru.

DOMYŚLNIE: WŁ

-i Wstępne ustawienie przegrupowania dla późniejszego zastosowania zmian topologicznych
faza

-I analiza ładowania początkowego a posteriori. Posługiwać się:

„-I autoFC” dla kryterium opartego na częstotliwości „-I autoMR” dla reguły większości
kryterium drzewa konsensusu „-I autoMRE” dla rozszerzonego drzewa konsensusu opartego na zasadzie większości
kryterium „-I autoMRE_IGN” dla metryk podobnych do MRE, ale z podziałem na dwie partycje
poniżej progu, czy są kompatybilne

albo nie. To emuluje MRE, ale jest szybsze w obliczeniach.

Musisz także przekazać plik drzewa zawierający kilka replikacji początkowej za pomocą "-z"

-j Określa, że ​​pliki drzewa pośredniego zostaną zapisane do pliku podczas standardu
Wyszukiwanie drzew ML i BS.

DOMYŚLNE: WYŁĄCZONE

-J Oblicz drzewo konsensusu reguły większości z „-J MR” lub rozszerzoną regułą większości
drzewo konsensusu z "-J MRE" lub ścisłe drzewo konsensusu z "-J STRICT". Dla
niestandardowy próg konsensusu >= 50%, określ T_ , gdzie 100 >= LICZBA >= 50.
Opcje „-J STRICT_DROP” i „-J MR_DROP” wykonają algorytm, który identyfikuje
krople, które zawierają taksony nieuczciwe, jak zaproponowali Pattengale et al. na papierze
„Odkrywanie ukrytego konsensusu filogenetycznego”. Będziesz także musiał dostarczyć drzewo
plik zawierający kilka nieukorzenionych drzew za pomocą "-z"

-k Określa, że ​​drzewa bootstrap powinny być drukowane z długościami gałęzi. ten
bootstrapy będą działać nieco dłużej, ponieważ parametry modelu zostaną zoptymalizowane przy
koniec każdego przebiegu odpowiednio pod GAMMA lub GAMMA+P-Invar.

DOMYŚLNE: WYŁĄCZONE

-K Określ jeden z wielostanowych modeli substytucji (maks. 32 stany) zaimplementowanych w
RAxML. Dostępne modele to: ZAMÓWIONE, MK, GTR

DOMYŚLNIE: model GTR

-L Oblicz drzewa konsensusu oznaczone przez podpory IC i ogólną wartość TC jako
zaproponowane w Salichos i Rokas 2013. Oblicz drzewo konsensusu reguły większości za pomocą
„-L MR” lub rozszerzone drzewo konsensusu reguły większości z „-L MRE”. Na zamówienie
próg konsensusu >= 50%, określ „-L T_ ”, gdzie 100 >= LICZBA >= 50
oczywiście trzeba również dostarczyć plik drzewa zawierający kilka nieukorzenionych drzew poprzez
"-z"!

-m Model binarny (morfologiczny), nukleotydowy, wielostanowy lub aminokwas
Podstawienie:

DWÓJKOWY:

"-m BINCAT[X]"
: Optymalizacja witryny-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostateczne drzewo może zostać ocenione
automatycznie pod BINGAMMA, w zależności od opcji wyszukiwania drzewa. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych.

"-m BINCATI[X]"
: Optymalizacja witryny-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostateczne drzewo może zostać ocenione
automatycznie pod BINGAMMAI, w zależności od opcji wyszukiwania drzewa. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych.

"-m ASC_BINCAT[X]"
: Optymalizacja witryny-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostateczne drzewo może zostać ocenione
automatycznie pod BINGAMMA, w zależności od opcji wyszukiwania drzewa. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych. ASC
prefiks skoryguje prawdopodobieństwo błędu potwierdzenia.

"-m BINGAMMA[X]"
: Model GAMMA niejednorodności stawki (parametr alfa zostanie oszacowany).

Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

"-m ASC_BINGAMMA[X]" : GAMMA model niejednorodności stawki (parametr alfa będzie
Szacowany).
Prefiks ASC skoryguje prawdopodobieństwo błędu potwierdzenia. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych.

„-m BINGAMMAI[X]”
: To samo co BINGAMMA, ale z oszacowaniem proporcji niezmiennych miejsc.

Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

NUKLEOTYDY:

„-m GTRCAT[X]”
: GTR + Optymalizacja współczynników substytucji + Optymalizacja site-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostatnie drzewo może być
oceniane pod GTRGAMMA, w zależności od opcji wyszukiwania drzewa. Z opcjonalnym
Dodatek „X” pozwala określić oszacowanie ML częstotliwości podstawowych.

„-m GTRCATI[X]”
: GTR + Optymalizacja współczynników substytucji + Optymalizacja site-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostatnie drzewo może być
oceniane pod GTRGAMMAI, w zależności od opcji wyszukiwania drzewa. Z opcjonalnym
Dodatek „X” pozwala określić oszacowanie ML częstotliwości podstawowych.

"-m ASC_GTRCAT[X]"
: GTR + Optymalizacja współczynników substytucji + Optymalizacja site-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostatnie drzewo może być
oceniane pod GTRGAMMA, w zależności od opcji wyszukiwania drzewa. Z opcjonalnym
Dodatek „X” pozwala określić oszacowanie ML częstotliwości podstawowych. Prefiks ASC
skoryguje prawdopodobieństwo błędu w ocenie.

„-m GTRgamma[X]”
: GTR + Optymalizacja współczynników substytucji + Model współczynnika GAMMA

heterogeniczność (oszacowany zostanie parametr alfa).
Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

"-m ASC_GTRGAMMA[X]" : GTR + Optymalizacja współczynników substytucji + GAMMA model współczynnika
heterogeniczność (oszacowany zostanie parametr alfa). Prefiks ASC zostanie poprawiony
prawdopodobieństwo błędu w stwierdzeniu. Z opcjonalnym dodatkiem „X” możesz
określić oszacowanie ML częstotliwości podstawowych.

„-m GTRGAMMAI[X]”
: To samo co GTRGAMMA, ale z oszacowaniem proporcji niezmiennych miejsc.

Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

WIELU PAŃSTW:

"-m MULTIKAT[X]"
: Optymalizacja witryny-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostateczne drzewo może zostać ocenione
automatycznie pod MULTIGAMMA, w zależności od opcji wyszukiwania drzewa. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych.

"-m MULTICATI[X]"
: Optymalizacja witryny-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostateczne drzewo może zostać ocenione
automatycznie pod MULTIGAMMAI, w zależności od opcji wyszukiwania drzewa. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych.

"-m ASC_MULTICAT[X]"
: Optymalizacja witryny-specific

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostateczne drzewo może zostać ocenione
automatycznie pod MULTIGAMMA, w zależności od opcji wyszukiwania drzewa. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych. ASC
prefiks skoryguje prawdopodobieństwo błędu potwierdzenia.

„-m MULTIGAMMA[X]”
: Model GAMMA niejednorodności stawki (parametr alfa zostanie oszacowany).

Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

"-m ASC_MULTIGAMMA[X]" : GAMMA model niejednorodności stawki (parametr alfa będzie
Szacowany).
Prefiks ASC skoryguje prawdopodobieństwo błędu potwierdzenia. Z
opcjonalny dodatek „X” umożliwia określenie oszacowania ML częstotliwości podstawowych.

„-m MULTIGAMMAI[X]”
: To samo co MULTIGAMMA, ale z oszacowaniem proporcji niezmiennych miejsc.

Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

Do kodowania regionów wielostanowych można użyć do 32 różnych stanów znaków,
należy używać w następującej kolejności: 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 tj. jeśli masz 6 różnych
oznacza, że ​​użyjesz 0, 1, 2, 3, 4, 5 do ich zakodowania. Substytucja
model dla regionów wielostanowych można wybrać za pomocą opcji „-K”

AMINOKWASY:

"-m PROTCATMatrixName[F|X]"
: określona macierz AA + Optymalizacja współczynników substytucji + Optymalizacja
specyficzne dla witryny

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostatnie drzewo może być
oceniane automatycznie pod PROTGAMMAMatrixName[F|X], w zależności od drzewa
opcja wyszukiwania. Z opcjonalnym dodatkiem „X” możesz określić oszacowanie ML na
częstotliwości podstawowe.

"-m PROTCATIMatrixName[F|X]"
: określona macierz AA + Optymalizacja współczynników substytucji + Optymalizacja
specyficzne dla witryny

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostatnie drzewo może być
oceniane automatycznie pod PROTGAMMAMatrixName[F|X], w zależności od drzewa
opcja wyszukiwania. Z opcjonalnym dodatkiem „X” możesz określić oszacowanie ML na
częstotliwości podstawowe.

"-m ASC_PROTCATMatrixName[F|X]"
: określona macierz AA + Optymalizacja współczynników substytucji + Optymalizacja
specyficzne dla witryny

współczynniki ewolucyjne, które są podzielone na liczbę różnych kategorii
kategorie stawek dla większej wydajności obliczeniowej. Ostatnie drzewo może być
oceniane automatycznie pod PROTGAMMAMatrixName[F|X], w zależności od drzewa
opcja wyszukiwania. Z opcjonalnym dodatkiem „X” możesz określić oszacowanie ML na
częstotliwości podstawowe. Prefiks ASC skoryguje prawdopodobieństwo potwierdzenia
stronniczość.

"-m PROTGAMMAMatrixName[F|X]"
: określona macierz AA + Optymalizacja współczynników substytucji + model współczynnika GAMMA

heterogeniczność (oszacowany zostanie parametr alfa).
Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

"-m ASC_PROTGAMMAMatrixName[F|X]" : określona macierz AA + Optymalizacja podstawienia
stawki + model stawki GAMMA
heterogeniczność (oszacowany zostanie parametr alfa). Prefiks ASC zostanie poprawiony
prawdopodobieństwo błędu w stwierdzeniu. Z opcjonalnym dodatkiem „X” możesz
określić oszacowanie ML częstotliwości podstawowych.

"-m PROTGAMMAMatrixName[F|X]"
: To samo co PROTGAMMAMatrixName[F|X], ale z oszacowaniem proporcji niezmiennej
witryn.

Za pomocą opcjonalnego dodatku „X” można określić oszacowanie ML częstotliwości podstawowych.

Dostępne modele substytucji AA: DAYHOFF, DCMUT, JTT, MTREV, WAG, RTREV, CPREV,
VT, BLOSUM62, MTMAM, LG, MTART, MTZOA, PMB, HIVB, HIVW, JTTDCMUT, GRYPA, STMTREV,
ATRAKCJA, ATRAKCJA2, AUTO, LG4M, LG4X, PROT_FILE, GTR_UNLINKED, GTR Z opcjonalnym „F”
dodatek, w którym możesz określić, czy chcesz używać empirycznych częstotliwości bazowych. AUTOF i
AUTOX nie są już obsługiwane, jeśli określisz AUTO, przetestuje prot subst.
modele z empirycznymi częstotliwościami podstawowymi i bez nich! Należy pamiętać, że dla
modele partycjonowane można dodatkowo określić model AA na gen w
plik partycji (szczegóły w instrukcji). Pamiętaj też, że jeśli oszacujesz AA GTR
parametry na partycjonowanym zestawie danych, zostaną one połączone (szacowane łącznie) w poprzek
wszystkie partycje, aby uniknąć nadmiernej parametryzacji

-M Włącz szacowanie długości poszczególnych gałęzi partycji. Tylko ma efekt
w połączeniu z "-q" długości odgałęzień dla poszczególnych przegród będą
drukowane do oddzielnych plików Średnia ważona długości gałęzi jest obliczana przez
stosując odpowiednie długości ścianek działowych

DOMYŚLNE: WYŁĄCZONE

-n Określa nazwę pliku wyjściowego.

-o Podaj nazwę pojedynczej grupy zewnętrznej lub listę oddzielonych przecinkami grup zewnętrznych, np.
„-o Szczur” lub „-o Szczur, Mysz” w przypadku, gdy wiele grup obcych nie jest monofiletycznych
pierwsze imię na liście zostanie wybrane jako grupa zewnętrzna, nie zostawiaj spacji między
nazwy taksonów!

-O Wyłącz sprawdzanie pod kątem całkowicie nieokreślonej kolejności wyrównania. Program będzie
nie kończy działania z komunikatem o błędzie, gdy podano "-O".

DOMYŚLNE: zaznaczenie włączone

-p Określ ziarno liczby losowej dla wnioskowania oszczędnego. To pozwala
odtworzyć swoje wyniki i pomoże mi debugować program.

-P Określ nazwę pliku zdefiniowanego przez użytkownika modelu substytucji AA (białka). Ten plik
musi zawierać 420 wpisów, z których pierwsze 400 to stawki substytucji AA (to musi
być macierzą symetryczną), a ostatnie 20 to empiryczne częstotliwości bazowe

-q Określ nazwę pliku, który zawiera przypisanie modeli do wyrównania
przegrody dla wielu modeli podmiany. Proszę o składnię tego pliku
zapoznaj się z instrukcją.

-r Określ nazwę pliku binarnego drzewa ograniczeń. to drzewo nie musi być
wyczerpująca, tzn. nie może zawierać wszystkich taksonów

-R Określ nazwę pliku parametrów modelu binarnego, który został wcześniej
wygenerowane za pomocą RAxML przy użyciu -f Opcja oceny drzewa. Nazwa pliku powinna
być: RAxML_binaryModelParameters.runID

-s Określ nazwę pliku danych linii trasowania w formacie PHYLIP

-S Podaj nazwę pliku struktury drugorzędnej. Plik może zawierać „.” dla
kolumny wyrównania, które nie stanowią części rdzenia i znaków "()<>[]{}" do
zdefiniuj regiony pnia i pseudowęzły

-t Określ nazwę pliku użytkownika rozpoczynającego drzewo w formacie Newick

-T TYLKO W WERSJI PTHREADS! Określ liczbę wątków, które chcesz uruchomić. Upewnij się
ustaw "-T" na co najwyżej liczbę procesorów, które masz na swoim komputerze, w przeciwnym razie tam
będzie ogromny spadek wydajności!

-u użyj mediany do dyskretnego przybliżenia modelu współczynnika GAMMA
niejednorodność

DOMYŚLNE: WYŁĄCZONE

-U Spróbuj zaoszczędzić pamięć, używając implementacji opartej na SEV dla kolumn z przerwami na dużych gappy
wyrównania Technika jest opisana tutaj:
http://www.biomedcentral.com/1471-2105/12/470 Będzie to działać tylko w przypadku DNA i/lub
Dane PROTEIN i tylko z wersją kodu zwektoryzowaną SSE3 lub AVX.

-v Wyświetlanie informacji o wersji

-V Wyłącz niejednorodność stawki w modelu witryn i użyj modelu bez niejednorodności stawki
zamiast. Działa tylko w przypadku określenia modelu CAT heterogeniczności stawek.

DOMYŚLNIE: użyj heterogeniczności stawki

-w PEŁNA (!) ścieżka do katalogu, w którym RAxML powinien zapisać swoje pliki wyjściowe

DOMYŚLNE: bieżący katalog

-W Przesuwany rozmiar okna tylko dla algorytmu pomijania jednego miejsca w miejscu docelowym
skuteczne w połączeniu z „-f S”

DOMYŚLNIE: 100 witryn

-x Podaj liczbę całkowitą (losowe ziarno) i włącz szybkie ładowanie początkowe UWAGA:
w przeciwieństwie do wersji 7.0.4 RAxML przeprowadzi szybkie replikacje BS w modelu
oceń niejednorodność określoną przez "-m", a nie domyślnie w CAT

-X To samo, co opcja „-y” poniżej, jednak wyszukiwanie oszczędności jest bardziej powierzchowne.
RAxML wykona tylko losowe drzewo porządku krokowego dodawania
odbudowa bez wykonywania dodatkowych SPR. Może to być pomocne dla
bardzo szerokie zbiory danych całego genomu, ponieważ może to generować topologicznie więcej
różne drzewa startowe.

DOMYŚLNE: WYŁĄCZONE

-y Jeśli chcesz obliczyć tylko drzewo początkowe oszczędności za pomocą RAxML, podaj „-y”, a
program wyjdzie po obliczeniu drzewa startowego

DOMYŚLNE: WYŁĄCZONE

-Y Przekaż nazwę pliku grupującego kwartet definiującą cztery grupy, z których można rysować kwartety
Format wejściowy pliku musi zawierać 4 grupy w następującej postaci: (Kurczak, Człowiek,
Loach), (Krowa, Karp), (Mysz, Szczur, Foka), (Wieloryb, Żaba); Działa tylko w połączeniu
w -f Q !

-z Podaj nazwę pliku zawierającego wiele drzew, np. z programu startowego
które zostaną użyte do narysowania wartości bipartycji na drzewie z "-t", It
może być również używany do obliczania prawdopodobieństwa logów na witrynę w połączeniu z "-fg" i
aby przeczytać kilka drzew dla kilku innych opcji ("-fh", "-fm", "-fn").

-#|-N Określ liczbę alternatywnych przebiegów na odrębnych drzewach początkowych W połączeniu
z opcją "-b" wywoła to analizę wielokrotnego boostrapu Zauważ, że "-N"
został dodany jako alternatywa, ponieważ "-#" czasami powodował problemy z pewnymi
Systemy przesyłania zadań MPI, ponieważ „-#” jest często używany do rozpoczynania komentarzy. Jeśli ty
chcesz użyć kryteriów ładowania początkowego określ „-# autoMR” lub „-# autoMRE” lub „-#
autoMRE_IGN" dla kryteriów opartych na drzewie reguł większości (zobacz -I opcja) lub "-#
autoFC” dla kryterium opartego na częstotliwości. Uruchamianie będzie działać tylko w
kombinacja z "-x" lub "-b"

DOMYŚLNIE: 1 pojedyncza analiza

--Mesquite Drukuj pliki wyjściowe, które mogą być analizowane przez Mesquite.

DOMYŚLNE: wyłączone

--cichy Wyłącza drukowanie ostrzeżeń związanych z identycznymi sekwencjami i całkowicie
nieokreślone miejsca w linii trasowania

DOMYŚLNE: wyłączone

--no-seq-check Wyłącza sprawdzanie wejściowego MSA pod kątem identycznych sekwencji i całkowicie
nieokreślone miejsca.
Włączenie tej opcji może zaoszczędzić czas, w szczególności w przypadku dużych filogenomów
linie trasowania. Przed użyciem upewnij się, że sprawdziłeś wyrównanie za pomocą "-fc"
opcja!

DOMYŚLNE: wyłączone

--nie-bfgs Wyłącza automatyczne użycie metody BFGS do optymalizacji stawek GTR na niepartycjonowanych
zbiory danych DNA

DOMYŚLNIE: BFGS włączone

--asc-corr Pozwala określić rodzaj korekty błędu systematycznego potwierdzenia, którego chcesz użyć.
Istnieje 3

dostępne typy: --asc-corr=chwytak: standardowa korekta Paula Lewisa
--asc-corr=felsensteina: poprawka wprowadzona przez Joe Felsensteina, która pozwala
wyraźnie określić

liczba niezmiennych witryn (jeśli są znane), dla których chce się skorygować.

--asc-corr=stamataki: poprawka wprowadzona przeze mnie, która pozwala jednoznacznie
sprecyzować
liczba niezmiennych miejsc dla każdego znaku (jeśli jest znana), którą chcemy poprawić
dla.

--sprawdzanie flagi Korzystając z tej opcji, RAxML sprawdzi tylko, czy wszystkie flagi wiersza poleceń
określone są dostępne, a następnie wyjdź

z komunikatem zawierającym wszystkie nieprawidłowe flagi wiersza poleceń lub z komunikatem stwierdzającym
że wszystkie flagi są ważne.

--auto-ochrona=ml|bic|aic|aicc Podczas korzystania z automatycznego wyboru modelu białka można wybrać
kryterium wyboru tych modeli.

RAxML przetestuje wszystkie dostępne subst. modele z wyjątkiem LG4M, LG4X i
Modele oparte na GTR, z empirycznymi częstotliwościami podstawowymi i bez nich. Możesz wybrać
między wyborem na podstawie wyniku ML a kryteriami BIC, AIC i AICc.

DOMYŚLNIE: ml

--epa-keep-miejsca docelowe=numer określ liczbę potencjalnych miejsc docelowych, które chcesz zachować
dla każdego odczytu w algorytmie EPA.

Należy pamiętać, że rzeczywiste wydrukowane wartości będą również zależeć od ustawień dla
--epa-prob-próg=próg !

DOMYŚLNIE: 7

--epa-prob-próg=próg określić próg procentowy uwzględniania potencjału
miejsca czytania w zależności od

maksymalna waga miejsca dla tego odczytu. Jeśli ustawisz tę wartość na 0.01 miejsc docelowych
które mają wagę miejsca docelowego wynoszącą 1 procent maksymalnej liczby miejsc docelowych, nadal będą
drukowane do pliku, jeśli ustawienie --epa-keep-miejsca docelowe pozwala na to

DOMYŚLNIE: 0.01

--epa-nagromadzony-próg=próg określić skumulowany próg wagi prawdopodobieństwa
dla których drukowane są różne miejsca odczytu

do pliku. Miejsca docelowe do odczytu będą drukowane do momentu sumy ich rozmieszczenia
odważniki osiągnęły wartość progową. Zauważ, że ta opcja nie może być
używany w połączeniu z --epa-prob-próg ani z --epa-keep-miejsca docelowe!

--JC69 określić, że wszystkie partycje DNA będą ewoluować w modelu Jukes-Cantor, to
zastępuje wszystkie inne specyfikacje modelu dla partycji DNA.

DOMYŚLNE: wyłączone

--K80 określić, że wszystkie partycje DNA będą ewoluować w modelu K80, to zastępuje wszystkie
inne specyfikacje modeli partycji DNA.

DOMYŚLNE: wyłączone

--HKY85 określić, że wszystkie partycje DNA będą ewoluować w modelu HKY85, to ma pierwszeństwo przed
wszystkie inne specyfikacje modeli dla partycji DNA.

DOMYŚLNE: wyłączone

To jest wersja RAxML 8.2.4 wydana przez Alexandrosa Stamatakisa 02 października 2015 r.

Z bardzo cenionym wkładem w kod: Andre Aberer (HITS) Simon Berger
(TRAFY) Alexey Kozlov (TRAFY) Kassian Kobert (TRAFY) David Dao (ZESTAW i HITY)
Nick Pattengale (Sandia) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

Korzystaj z raxmlHPC-PTHREADS online, korzystając z usług onworks.net