raxmlHPC-PTHREADS - Интернет в облаке

ПРОГРАММА:

ИМЯ

Использование - рандомизированное осевое максимальное правдоподобие

ОПИСАНИЕ

Используйте raxml с поддержкой AVX (1 процессор)

Это RAxML версии 8.2.4, выпущенный Александросом Стаматакисом 02 октября 2015 года.

С большой благодарностью за внесенный код: Андре Аберер (HITS) Саймон Бергер
(HITS) Алексей Козлов (HITS) Касьян Коберт (HITS) Давид Дао (KIT и HITS)
Ник Паттенгал (Сандия), Уэйн Пфайффер (SDSC), Акифуми С. Танабе (NRIFS)

Также обратитесь к руководству RAxML.

Сообщайте об ошибках через группу RAxML google! Отправьте нам все входные файлы, точный
вызов, сведения об аппаратном обеспечении и операционной системе, а также все сообщения об ошибках, напечатанные
на экран.

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

-s имя_последовательности_файла -n имя выходного файла -m заменаModel

[-a ИмяФайла веса] [-A вторичнаяПодмодельСтруктуры] [-b
bootstrapRandomNumberSeed] [-B wcCriterionThreshold] [-c числоКатегорий] [-C]
[-d] [-D] [-e вероятностьEpsilon] [-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 имя файла группировки] [-G порог размещения] [-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
протеиновая модель] [-q имя_файла_множественной_модели] [-r дерево двоичных ограничений] [-R
двоичныйФайлПараметраМодели] [-S вторичныйФайлСтруктуры] [-t Стартовое Дерево пользователя] [-T
numberOfThreads] [-u] [-U] [-v] [-V] [-w outputDirectory] [-W Размер скользящего окна]
[-x quickBootstrapRandomNumberSeed] [-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 | lewis]
[--flag-check] [- auto-prot = ml | bic | aic | aicc]
[--epa-keep-placements = число] [- epa-accumulated-threshold = порог]
[--epa-prob-threshold = threshold] [--JC69] [- K80] [- HKY85]

-a Укажите имя файла веса столбца, чтобы присвоить индивидуальные веса каждому столбцу таблицы.
выравнивание. Эти веса должны быть целыми числами, разделенными любым типом и количеством
пробелы в отдельном файле, см. пример в файле "example_weights".

-A Укажите одну из моделей замещения вторичных структур, реализованных в RAxML.
Используется та же номенклатура, что и в инструкции PHASE, доступные модели: S6A, S6B,
S6C, S6D, S6E, S7A, S7B, S7C, S7D, S7E, S7F, S16, S16A, S16B

ПО УМОЛЧАНИЮ: модель GTR с 16 состояниями (S16)

-b Укажите целое число (случайное начальное число) и включите начальную загрузку

ПО УМОЛЧАНИЮ: ВЫКЛ.

-B укажите число с плавающей запятой от 0.0 до 1.0, которое будет использоваться в качестве отсечки
порог для критериев начальной загрузки на основе MR. Рекомендуемая настройка - 0.03.

ПО УМОЛЧАНИЮ: 0.03 (рекомендуемая настройка, определенная эмпирическим путем)

-c Укажите количество отдельных категорий ставок для RAxML, когда модель ставки
неоднородность установлена ​​на CAT. Индивидуальные ставки для каждого сайта подразделяются на
numberOfCategories оценивает категории для ускорения вычислений.

ПО УМОЛЧАНИЮ: 25

-C Включите подробный вывод для параметров «-L» и «-fi». Это даст больше, поскольку
а также более подробные выходные файлы

ПО УМОЛЧАНИЮ: ВЫКЛ.

-d начать оптимизацию машинного обучения со случайного начального дерева

ПО УМОЛЧАНИЮ: ВЫКЛ.

-D Критерий сходимости поиска ML. Это прервет поиск ML, если относительный
Расстояние Робинсона-Фулдса между деревьями, полученное из двух последовательных ленивых SPR
циклов меньше или равно 1%. Рекомендуется использовать для очень больших наборов данных в
термины таксонов. На деревьях с более чем 500 таксоном это даст время выполнения
улучшения примерно на 50%. При этом получаются лишь немного худшие деревья.

ПО УМОЛЧАНИЮ: ВЫКЛ.

-e установить точность оптимизации модели в логарифмических единицах правдоподобия для окончательной оптимизации
топология дерева

ПО УМОЛЧАНИЮ: 0.1
для моделей, не использующих оценку доли инвариантных узлов

0.001 для моделей, использующих оценку доли инвариантных сайтов

-E укажите имя исключаемого файла, содержащего спецификацию позиций выравнивания
вы хотите исключить. Формат аналогичен Nexus, файл должен содержать записи
например "100-200 300-400", чтобы исключить отдельный столбец, напишите, например, "100-100", если вы
при использовании смешанной модели будет записан соответствующий адаптированный файл модели.

-f выберите алгоритм:

"-fa": быстрый анализ начальной загрузки и поиск дерева машинного обучения с наилучшими показателями в одной программе.
запустить "-f A": вычислить маргинальные предковые состояния на предоставленном корневом ссылочном дереве
с «-t» «-fb»: рисовать информацию о двух разделах на дереве, предоставленном с помощью «-t».
на нескольких деревьях

(например, из начальной загрузки) в файле, указанном "-z"

"-f B": оптимизировать масштабатор br-len и другие параметры модели (GTR, альфа и т. д.) на дереве.
предоставляется с "-t".
В дереве должна быть указана длина ветвей. Длины ответвлений не будут оптимизированы,
просто масштабируется одним общим значением.

"-fc": проверить, может ли выравнивание быть правильно прочитано RAxML "-f C": ancestral
тест последовательности для Jiajie, пользователям также необходимо будет предоставить список названий таксонов через
-Y разделенные пробелами "-fd": новое быстрое восхождение на холм

ПО УМОЛЧАНИЮ: ВКЛ.

«-f D»: быстрое восхождение с помощью бутстрепов RELL «-fe»: оптимизировать модель + ветвь
длины для данного входного дерева только в GAMMA / GAMMAI "-f E": выполнить очень быстро
экспериментальный поиск по дереву, в настоящее время только для тестирования "-f F": выполнить быстро
экспериментальный поиск по дереву, в настоящее время только для тестирования "-fg": вычисление для журнала сайта
Вероятность прохождения одного или нескольких деревьев через

"-z" и записать их в файл, который может прочитать CONSEL.
Параметры модели будут оцениваться только по первому дереву!

"-f G": вычислить для журнала сайта Вероятность одного или нескольких деревьев, пройденных через
"-z" и записать их в файл, который может прочитать CONSEL. Параметры модели
будет переоценка для каждого дерева

«-fh»: вычислить тест правдоподобия журнала (SH-тест) между лучшим деревом, переданным с помощью «-t»
и куча других деревьев, переданных через "-z". Параметры модели будут оцениваться
только на первом дереве!

«-f H»: вычислить тест правдоподобия журнала (SH-тест) между лучшим деревом, переданным с помощью «-t»
и куча других деревьев, переданных через "-z". Параметры модели будут
переоценка для каждого дерева

«-fi»: рассчитать баллы IC и TC (Salichos and Rokas 2013) на дереве, снабженном «-t».
на основе нескольких деревьев
(например, из начальной загрузки) в файле, указанном "-z"

"-f I": простой алгоритм укоренения деревьев без корней.
Он укореняет дерево, укореняя его в ветви, которая лучше всего уравновешивает поддерево.
длины (сумма по ветвям в поддеревьях) левого и правого поддерева. А
ветка с оптимальным балансом не всегда существует! Вам нужно указать дерево
вы хотите получить root-права с помощью "-t".

"-fj": сгенерировать группу загрузочных файлов выравнивания из исходного файла alignemnt.
Вам нужно указать начальное число с помощью «-b» и количество повторов с помощью «- #».

«-f J»: вычислить SH-подобные значения поддержки для заданного дерева, переданного через «-t». "-fk":
Исправьте длинные ветви в секционированных наборах данных с отсутствующими данными, используя

Алгоритм похищения длины ветки.
Эта опция работает только вместе с «-t», «-M» и «-q». Он распечатает
дерево с более короткими ветвями, но с такой же оценкой вероятности.

"-fm": сравнить разделение на две группы деревьев, переданных через "-t" и "-z"
соответственно. Это вернет корреляцию Пирсона между всеми двудольными
найдено в двух файлах дерева. Файл с названием
RAxML_bipartitionFrequencies.outpuFileName будет напечатан, который содержит
парные двудольные частоты двух наборов

"-fn": вычислить оценку правдоподобия журнала для всех деревьев, содержащихся в файле дерева, предоставленном
"-z" под ГАММА или ГАММА + P-инвар Параметры модели будут оцениваться на
только первое дерево!

"-f N": вычислить оценку правдоподобия журнала для всех деревьев, содержащихся в файле дерева, предоставленном
"-z" под ГАММА или ГАММА + P-инвар Параметры модели будут переоценены для
каждое дерево

"-fo": старый и более медленный быстрый подъем на холм без эвристической отсечки "-fp": выполнить
чистое пошаговое добавление MP новых последовательностей в неполное стартовое дерево и выход
"-f P": выполнить филогенетическое размещение поддеревьев, указанных в переданном файле.
через "-z" в заданное дерево ссылок

в которых содержатся эти поддеревья, передается через "-t" с помощью
эволюционный алгоритм размещения.

"-fq": быстрый квартетный калькулятор "-fr": попарное вычисление Робинсона-Фулдса (РФ)
расстояния между всеми парами деревьев в файле дерева, переданные через "-z"

если деревья имеют лабалес узлов, представленных как целочисленные поддерживающие значения, программа также
вычислить два вкуса
взвешенное расстояние Робинсона-Фулдса (WRF)

"-f R": вычислить все попарные расстояния Робинсона-Фулдса (RF) между большим ссылочным деревом.
прошло через "-t"

и многие более мелкие деревья (которые должны иметь подмножество таксонов большого дерева) прошли через
"-z".
Эта опция предназначена для проверки правдоподобия очень крупных филогений.
что больше не может быть проверено визуально.

"-fs": разделить мультигенное выравнивание на соответствующие
subalignments "-f S": вычислить смещение места размещения для конкретного сайта, используя исключение
тест, вдохновленный эволюционным алгоритмом размещения "-ft": сделать рандомизированное дерево
поиск по одному фиксированному начальному дереву "-f T": окончательная тщательная оптимизация ML
дерево из быстрого поиска начальной загрузки в автономном режиме "-fu": выполнить морфологический
калибровка веса с использованием максимального правдоподобия, это вернет вектор веса.

вам нужно предоставить морфологическое выравнивание и справочное дерево через "-t"

"-fv": классифицировать набор последовательностей окружения в дерево ссылок с помощью тщательного
читать вставки
вам нужно будет запустить RAxML с неполным справочным деревом и
выравнивание, содержащее все последовательности (ссылка + запрос)

"-f V": классифицировать набор последовательностей окружения в дерево ссылок с помощью тщательного
читать вставки
вам нужно будет запустить RAxML с неполным справочным деревом и
выравнивание, содержащее все последовательности (ссылка + запрос) ВНИМАНИЕ: это тест
реализация для более эффективной обработки наборов данных с несколькими генами / полными геномами!

"-fw": вычислить тест ELW для группы деревьев, переданных через "-z"
Параметры модели будут оцениваться только по первому дереву!

"-f W": вычислить тест ELW для группы деревьев, переданных через "-z"
Параметры модели будут переоценены для каждого дерева.

"-fx": вычислить попарные расстояния ML, параметры модели ML будут оцениваться на MP
начальное дерево или определяемое пользователем дерево, переданное через "-t", разрешено только для GAMMA-based
модели неоднородности ставок

"-fy": классифицировать набор последовательностей окружения в справочное дерево с использованием экономичности.
вам нужно будет запустить RAxML с неполным справочным деревом и
выравнивание, содержащее все последовательности (ссылка + запрос)

ПО УМОЛЧАНИЮ для "-f": новое быстрое восхождение на холм

-F включить поиск ML-дерева в модели CAT для очень больших деревьев, не переключаясь на
ГАММА в конце (экономит память). Эту опцию также можно использовать с ГАММА
моделей, чтобы избежать тщательной оптимизации самого лучшего дерева машинного обучения в
конец.

ПО УМОЛЧАНИЮ: ВЫКЛ.

-g укажите имя файла многофуркационного дерева ограничений, которое этому дереву не требуется
быть исчерпывающим, т.е. не включать все таксоны

-G включить эвристику эволюционного алгоритма размещения на основе машинного обучения, указав
пороговое значение (доля ветвей вставки, которые должны быть оценены с помощью медленного
прошивки под ML).

-h Отобразите это справочное сообщение.

-H Отключить сжатие шаблонов.

ПО УМОЛЧАНИЮ: ВКЛ.

-i Настройка начальной перестановки для последующего применения топологических изменений
фаза

-I апостериорный анализ бутстопинга. Использовать:

«-I autoFC» для критерия на основе частоты «-I autoMR» для правила большинства
критерий дерева консенсуса "-I autoMRE" для расширенного дерева консенсуса правила большинства
критерий «-I autoMRE_IGN» для показателей, аналогичных MRE, но с учетом двух частей
под порогом, совместимы ли они

или не. Это имитирует MRE, но быстрее вычисляется.

Вам также необходимо передать файл дерева, содержащий несколько реплик начальной загрузки, через "-z"

-j Указывает, что файлы промежуточного дерева должны быть записаны в файл во время стандартного
Поиск в деревьях ML и BS.

ПО УМОЛЧАНИЮ: ВЫКЛ.

-J Вычислить консенсусное дерево правила большинства с "-J MR" или расширенным правилом большинства
дерево консенсуса с «-J MRE» или дерево строгого консенсуса с «-J STRICT». Для
настраиваемый порог консенсуса> = 50%, укажите T_ , где 100> = ЧИСЛО> = 50.
Опции «-J STRICT_DROP» и «-J MR_DROP» будут выполнять алгоритм, который определяет
дропсеты, которые содержат таксоны-изгоев, как было предложено Pattengale et al. в газете
«Раскрытие скрытого филогенетического консенсуса». Вам также нужно будет предоставить дерево
файл, содержащий несколько НЕКОРЕНЕННЫХ деревьев через "-z"

-k Указывает, что загруженные деревья должны печататься с указанием длины ветвей. В
бутстрапы будут работать немного дольше, потому что параметры модели будут оптимизированы на
конец каждого прогона под ГАММА или ГАММА + P-инвар соответственно.

ПО УМОЛЧАНИЮ: ВЫКЛ.

-K Укажите одну из моделей замещения с несколькими состояниями (максимум 32 состояния), реализованную в
RAxML. Доступные модели: ЗАКАЗ, МК, GTR.

ПО УМОЛЧАНИЮ: модель GTR

-L Вычислить деревья консенсуса, помеченные поддерживаемыми IC, и общее значение TC как
предложено в Salichos and Rokas 2013. Вычислить дерево консенсуса правила большинства с
«-L MR» или дерево консенсуса расширенного правила большинства с «-L MRE». По индивидуальному заказу
порог консенсуса> = 50%, укажите "-L T_ ", где 100> = ЧИСЛО> = 50. Вы будете
конечно, также необходимо предоставить файл дерева, содержащий несколько НЕКОРЕНЕННЫХ деревьев через
"-z"!

-m Модель бинарной (морфологической), нуклеотидной, мульти-государственной или аминокислотной
Замена:

ДВОИЧНЫЙ:

"-m BINCAT [X]"
: Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Окончательное дерево может быть оценено
автоматически в BINGAMMA, в зависимости от опции поиска в дереве. С
В дополнительном приложении «X» можно указать оценку базовых частот ML.

"-m BINCATI [X]"
: Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Окончательное дерево может быть оценено
автоматически в BINGAMMAI, в зависимости от опции поиска в дереве. С
В дополнительном приложении «X» можно указать оценку базовых частот ML.

"-m ASC_BINCAT [X]"
: Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Окончательное дерево может быть оценено
автоматически в BINGAMMA, в зависимости от опции поиска в дереве. С
В дополнительном приложении «X» можно указать оценку базовых частот ML. ASC
префикс исправит вероятность ошибки установления.

"-m БИНГАММА [X]"
: GAMMA модель неоднородности ставок (альфа-параметр будет оцениваться).

С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

"-m ASC_BINGAMMA [X]": ГАММА-модель неоднородности скорости (параметр альфа будет
по оценкам).
Префикс ASC исправит вероятность смещения установления. С
В дополнительном приложении «X» можно указать оценку базовых частот ML.

"-m БИНГАММАЙ [X]"
: То же, что и БИНГАММА, но с оценкой доли неизменных сайтов.

С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

НУКЛЕОТИДЫ:

"-m GTRCAT [X]"
: GTR + Оптимизация скорости замены + Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Последнее дерево может быть
оценивается в GTRGAMMA, в зависимости от варианта поиска в дереве. С необязательным
В приложении «X» можно указать оценку базовых частот ML.

"-m GTRCATI [X]"
: GTR + Оптимизация скорости замены + Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Последнее дерево может быть
оценивается в GTRGAMMAI, в зависимости от варианта поиска в дереве. С необязательным
В приложении «X» можно указать оценку базовых частот ML.

"-m ASC_GTRCAT [X]"
: GTR + Оптимизация скорости замены + Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Последнее дерево может быть
оценивается в GTRGAMMA, в зависимости от варианта поиска в дереве. С необязательным
В приложении «X» можно указать оценку базовых частот ML. Префикс ASC
не исправит вероятность предвзятости установления.

"-m ГТРГАММА [X]"
: GTR + Оптимизация ставок замещения + GAMMA модель ставки

неоднородность (будет оценен параметр альфа).
С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

"-m ASC_GTRGAMMA [X]": GTR + Оптимизация скорости замещения + модель скорости GAMMA
неоднородность (будет оценен параметр альфа). Префикс ASC будет правильным
вероятность предвзятости установления. С помощью дополнительного приложения "X" вы можете
укажите оценку базовых частот ML.

"-m GTRGAMMAI [X]"
: То же, что и GTRGAMMA, но с оценкой доли неизменяемых сайтов.

С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

МНОГОГОСУДАРСТВЕННЫЙ:

"-m MULTICAT [X]"
: Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Окончательное дерево может быть оценено
автоматически под МУЛЬТИГАММА, в зависимости от опции поиска в дереве. С
В дополнительном приложении «X» можно указать оценку базовых частот ML.

"-m MULTICATI [X]"
: Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Окончательное дерево может быть оценено
автоматически в MULTIGAMMAI, в зависимости от опции поиска в дереве. С
В дополнительном приложении «X» можно указать оценку базовых частот ML.

"-m ASC_MULTICAT [X]"
: Оптимизация под конкретный сайт

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Окончательное дерево может быть оценено
автоматически под МУЛЬТИГАММА, в зависимости от опции поиска в дереве. С
В дополнительном приложении «X» можно указать оценку базовых частот ML. ASC
префикс исправит вероятность ошибки установления.

"-m МУЛЬТИГАММА [X]"
: GAMMA модель неоднородности ставок (альфа-параметр будет оцениваться).

С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

"-m ASC_MULTIGAMMA [X]": ГАММА-модель неоднородности скорости (параметр альфа будет
по оценкам).
Префикс ASC исправит вероятность смещения установления. С
В дополнительном приложении «X» можно указать оценку базовых частот ML.

"-m МУЛЬТИГАММАЙ [X]"
: То же, что и MULTIGAMMA, но с оценкой доли неизменяемых сайтов.

С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

Вы можете использовать до 32 различных состояний символов для кодирования регионов с несколькими состояниями, они
должны использоваться в следующем порядке: 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 т. Е. Если у вас есть 6 различных
состояния символов, которые вы бы использовали для кодирования 0, 1, 2, 3, 4, 5. Замена
модель для регионов с несколькими штатами можно выбрать с помощью опции «-K».

АМИНОКИСЛОТЫ:

"-m PROTCATmatrixName [F | X]"
: заданная матрица AA + Оптимизация скорости замещения + Оптимизация
сайт-специфичный

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Последнее дерево может быть
автоматически оценивается в PROTGAMMAmatrixName [F | X], в зависимости от дерева
вариант поиска. В дополнительном приложении «X» вы можете указать оценку ML для
базовые частоты.

"-m PROTCATImatrixName [F | X]"
: заданная матрица AA + Оптимизация скорости замещения + Оптимизация
сайт-специфичный

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Последнее дерево может быть
автоматически оценивается в PROTGAMMAImatrixName [F | X], в зависимости от дерева
вариант поиска. В дополнительном приложении «X» вы можете указать оценку ML для
базовые частоты.

"-m ASC_PROTCAT имя_матрицы [F | X]"
: заданная матрица AA + Оптимизация скорости замещения + Оптимизация
сайт-специфичный

темпы эволюции, которые подразделяются на разные категории
категории оценок для большей вычислительной эффективности. Последнее дерево может быть
автоматически оценивается в PROTGAMMAmatrixName [F | X], в зависимости от дерева
вариант поиска. В дополнительном приложении «X» вы можете указать оценку ML для
базовые частоты. Префикс ASC исправит вероятность установления
смещение.

"-m PROTGAMMAmatrixName [F | X]"
: указанная матрица AA + Оптимизация ставок замещения + модель ставки GAMMA

неоднородность (будет оценен параметр альфа).
С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

"-m ASC_PROTGAMMAmatrixName [F | X]": указанная матрица AA + Оптимизация подстановки
ставки + ГАММА модель ставки
неоднородность (будет оценен параметр альфа). Префикс ASC будет правильным
вероятность предвзятости установления. С помощью дополнительного приложения "X" вы можете
укажите оценку базовых частот ML.

"-m PROTGAMMAImatrixName [F | X]"
: То же, что и PROTGAMMAmatrixName [F | X], но с оценкой доли неизменных
сайтов.

С дополнительным приложением «X» вы можете указать оценку базовых частот ML.

Доступные модели замены AA: DAYHOFF, DCMUT, JTT, MTREV, WAG, RTREV, CPREV,
VT, BLOSUM62, MTMAM, LG, MTART, MTZOA, PMB, ВИЧB, ВИЧW, JTTDCMUT, FLU, STMTREV,
DUMMY, DUMMY2, AUTO, LG4M, LG4X, PROT_FILE, GTR_UNLINKED, GTR С необязательной буквой "F"
в приложении вы можете указать, хотите ли вы использовать эмпирические базовые частоты. AUTOF и
AUTOX больше не поддерживаются, если вы укажете AUTO, будет проверяться prot subst.
модели с эмпирическими базовыми частотами и без них! Обратите внимание, что для
разделенных моделей, вы можете дополнительно указать модель АА для каждого гена в
файл раздела (подробности см. в руководстве). Также обратите внимание, что если вы оцениваете AA GTR
параметров в секционированном наборе данных, они будут связаны (оцениваться совместно) через
все разделы, чтобы избежать чрезмерной параметризации

-M Включите оценку длины отдельных ветвей для каждого раздела. Только имеет эффект
при использовании в сочетании с "-q" длины ветвей для отдельных разделов будут
распечатывается в отдельные файлы. Средневзвешенное значение длин ветвей вычисляется с помощью
используя соответствующую длину раздела

ПО УМОЛЧАНИЮ: ВЫКЛ.

-n Задает имя выходного файла.

-o Укажите имя отдельной исходящей группы или список внешних групп, разделенных запятыми, например
«-o Rat» или «-o Rat, Mouse», в случае, если несколько внешних групп не являются монофилетическими
первое имя в списке будет выбрано как внешняя группа, не оставляйте пробелов между
названия таксонов!

-O Отключите проверку полностью неопределенной последовательности в выравнивании. Программа будет
не выходить с сообщением об ошибке, если указано "-O".

ПО УМОЛЧАНИЮ: проверка включена

-p Укажите начальное число случайных чисел для выводов экономичности. Это позволяет вам
воспроизведу ваши результаты и поможет мне отладить программу.

-P Укажите имя файла для определяемой пользователем модели замещения AA (Protein). Этот файл
должен содержать 420 записей, первые 400 из которых являются коэффициентами замены AA (это должно
- симметричная матрица), а последние 20 - эмпирические базовые частоты

-q Укажите имя файла, который содержит назначение моделей для выравнивания.
перегородки для нескольких моделей замены. Чтобы узнать о синтаксисе этого файла, пожалуйста
обратитесь к руководству.

-r Укажите имя файла двоичного дерева ограничений. это дерево не должно быть
всеобъемлющий, т.е. не должен содержать все таксоны

-R Укажите имя файла для файла параметров бинарной модели, который ранее был
сгенерированный с помощью RAxML с использованием -f Возможность оценки дерева. Имя файла должно
быть: RAxML_binaryModelParameters.runID

-s Укажите имя файла данных выравнивания в формате PHYLIP.

-S Укажите имя файла вторичной структуры. Файл может содержать "." для
столбцы выравнивания, которые не являются частью основы, и символы "() <> [] {}" для
определить области стебля и псевдоузлы

-t Укажите имя файла начального дерева пользователя в формате Newick

-T ТОЛЬКО ВЕРСИЯ PTHREADS! Укажите количество потоков, которые вы хотите запустить. Убедись в
установите "-T" на максимальное количество процессоров, которые у вас есть на вашем компьютере, в противном случае там
будет огромное снижение производительности!

-u использовать медиану для дискретной аппроксимации модели GAMMA скорости
разнородность

ПО УМОЛЧАНИЮ: ВЫКЛ.

-U Попытайтесь сэкономить память, используя реализацию на основе SEV для столбцов пробелов на больших пробелах
выравнивания Техника описана здесь:
http://www.biomedcentral.com/1471-2105/12/470 Это будет работать только для ДНК и / или
Данные PROTEIN и только с версией кода, преобразованной в SSE3 или AVX.

-v Отображение информации о версии

-V Отключите неоднородность ставок среди модели сайтов и используйте модель без неоднородности ставок
вместо. Работает только в том случае, если вы укажете CAT-модель неоднородности ставок.

ПО УМОЛЧАНИЮ: неоднородность скорости использования

-w ПОЛНЫЙ (!) Путь к каталогу, в который RAxML должен записывать свои выходные файлы

ПО УМОЛЧАНИЮ: текущий каталог

-W Размер скользящего окна только для алгоритма смещения размещения для конкретного сайта
эффективен при использовании в сочетании с "-f S"

ПО УМОЛЧАНИЮ: 100 сайтов

-x Укажите целое число (случайное начальное число) и включите быструю загрузку ВНИМАНИЕ:
в отличие от версии 7.0.4 RAxML будет проводить быстрые репликации BS по модели
оцените неоднородность, указанную вами с помощью "-m", а не по умолчанию в CAT

-X То же, что и опция «-y» ниже, но поиск по экономии более поверхностен.
RAxML будет выполнять только рандомизированное дерево экономии с пошаговым сложением
реконструкция без выполнения дополнительных SPR. Это может быть полезно для
очень широкие полногеномные наборы данных, так как они могут генерировать топологически больше
разные стартовые деревья.

ПО УМОЛЧАНИЮ: ВЫКЛ.

-y Если вы хотите вычислить только начальное дерево экономии с помощью RAxML, укажите "-y",
программа выйдет после вычисления начального дерева

ПО УМОЛЧАНИЮ: ВЫКЛ.

-Y Передайте имя файла группировки квартетов, определив четыре группы, из которых можно рисовать квартеты.
Формат ввода файла должен содержать 4 группы в следующем виде: (Курица, Человек,
Вьюн), (Корова, Карп), (Мышь, Крыса, Тюлень), (Кит, Лягушка); Работает только в сочетании
-f д!

-z Укажите имя файла, содержащего несколько деревьев, например, из начальной загрузки
который должен использоваться для рисования значений двух частей на дереве, снабженном "-t", Это
также может использоваться для вычисления вероятности журнала для каждого сайта в сочетании с "-fg" и
чтобы прочитать кучу деревьев для пары других опций ("-fh", "-fm", "-fn").

- # | -N Указать количество альтернативных прогонов на разных стартовых деревьях В комбинации
с параметром «-b» это вызовет многократный анализ ускорения. Обратите внимание, что «-N»
был добавлен в качестве альтернативы, поскольку "- #" иногда вызывал проблемы с некоторыми
Системы подачи заданий MPI, так как "- #" часто используется для начала комментариев. если ты
хотите использовать критерии начальной загрузки, укажите "- # autoMR" или "- # autoMRE" или "- #
autoMRE_IGN "для критериев на основе дерева правил большинства (см. -I вариант) или "- #
autoFC "для критерия на основе частоты. Bootstopping будет работать только в
комбинация с "-x" или "-b"

ПО УМОЛЧАНИЮ: 1 разовый анализ

--мескайт Файлы вывода на печать, которые может анализировать Mesquite.

ПО УМОЛЧАНИЮ: ВЫКЛ.

--тихий Отключает распечатку предупреждений, относящихся к идентичным последовательностям, и полностью
неопределенные участки в раскладе

ПО УМОЛЧАНИЮ: ВЫКЛ.

--no-seq-проверка Отключает проверку входящего MSA на наличие идентичных последовательностей и полностью
неопределенные сайты.
Включение этой опции может сэкономить время, в частности, для крупных филогеномных
выравнивания. Перед использованием обязательно проверьте выравнивание с помощью "-fc"
вариант!

ПО УМОЛЧАНИЮ: ВЫКЛ.

--no-bfgs Отключает автоматическое использование метода BFGS для оптимизации ставок GTR на неразмеченных
Наборы данных ДНК

ПО УМОЛЧАНИЮ: BFGS включен

--asc-корр Позволяет указать тип коррекции систематической ошибки установления, которую вы хотите использовать.
Есть две разные

доступные типы: --asc-корр=анкерный болт: стандартная поправка Пола Льюиса
--asc-корр=Фельзенштейн: исправление, внесенное Джо Фельзенштейном, которое позволяет
четко указать

количество неизменяемых сайтов (если известно), которые нужно исправить.

--asc-корр=Stamatakis: поправка, внесенная мною, позволяющая явно
указывать
количество неизменяемых сайтов для каждого символа (если известно), который нужно исправить
для.

--flag-check При использовании этой опции RAxML будет проверять только все ли флаги командной строки.
указанные доступны, а затем выйдите

с сообщением, в котором перечислены все недопустимые флаги командной строки, или с сообщением о том, что
что все флаги действительны.

--авто-прот=ml| bic | aic | aicc При использовании автоматического выбора модели белка вы можете выбрать
критерий выбора этих моделей.

RAxML проверит все доступные подстановки prot. модели, кроме LG4M, LG4X и
Модели на основе ОТО с эмпирическими базовыми частотами и без них. Вы можете выбрать
между выбором на основе оценки ML и критериями BIC, AIC и AICc.

ПО УМОЛЧАНИЮ: мл

--epa-keep-размещения=номер укажите количество потенциальных мест размещения, которые вы хотите сохранить
для каждого чтения в алгоритме EPA.

Обратите внимание, что фактические напечатанные значения также будут зависеть от настроек для
--epa-prob-порог=порог !

ПО УМОЛЧАНИЮ: 7

--epa-prob-порог=порог укажите процентный порог для включения потенциальных
размещения чтения в зависимости от

максимальный вес размещения для этого чтения. Если вы установите для этого значения 0.01 места размещения
которые имеют вес размещения 1 процент от максимального размещения, все равно будут
печатается в файл, если установка --epa-keep-размещения позволяет это

ПО УМОЛЧАНИЮ: 0.01

--epa-накопленный-порог=порог указать пороговое значение накопленного веса правдоподобия
для которых печатаются разные места чтения

в файл. Места размещения для чтения будут распечатаны до тех пор, пока не будет установлена ​​сумма их размещения.
веса достигли порогового значения. Обратите внимание, что этот параметр не может быть
используется в сочетании с --epa-prob-порог ни с --epa-keep-размещения!

--JC69 указать, что все разделы ДНК будут развиваться по модели Джукса-Кантора, это
отменяет все другие спецификации моделей для разделов ДНК.

ПО УМОЛЧАНИЮ: ВЫКЛ.

--К80 указать, что все разделы ДНК будут развиваться в рамках модели K80, это отменяет все
другие характеристики моделей перегородок ДНК.

ПО УМОЛЧАНИЮ: ВЫКЛ.

--HKY85 указать, что все разделы ДНК будут развиваться в соответствии с моделью HKY85, это отменяет
все остальные характеристики моделей для разделов ДНК.

ПО УМОЛЧАНИЮ: ВЫКЛ.

Это RAxML версии 8.2.4, выпущенный Александросом Стаматакисом 02 октября 2015 года.

С большой благодарностью за внесенный код: Андре Аберер (HITS) Саймон Бергер
(HITS) Алексей Козлов (HITS) Касьян Коберт (HITS) Давид Дао (KIT и HITS)
Ник Паттенгал (Сандия), Уэйн Пфайффер (SDSC), Акифуми С. Танабе (NRIFS)

Используйте raxmlHPC-PTHREADS в Интернете с помощью сервисов onworks.net