raxmlHPC-PTHREADS - 云端在线

程序：

您的姓名

使用 - 随机 Axelerated 最大似然

商品描述

使用支持 AVX 的 raxml (1 cpu)

这是 Alexandros Stamatakis 于 8.2.4 年 02 月 2015 日发布的 RAxML 版本 XNUMX。

非常感谢代码贡献者：Andre Aberer (HITS) Simon Berger
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao（KIT 和 HITS）
Nick Pattengale (桑迪亚) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

另请参阅 RAxML 手册

请通过 RAxML google group 报告错误！ 请将所有输入文件发送给我们，准确的
调用、硬件和操作系统的详细信息，以及打印的所有错误消息
向屏幕。

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

-s 序列文件名 -n 输出文件名 -m 替代模型

[-a 重量文件名] [-A secondaryStructureSubstModel] [-b
bootstrapRandomNumberSeed] [-B wcCriterionThreshold] [-c numberOfCategories] [-C]
[-d] [-D] [-e deniedEpsilon] [-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] [-GplacementThreshold] [-h] [-H] [-i
初始重排设置] [-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
蛋白质模型] [-q 多个模型文件名] [-r 二进制约束树] [-R
二进制模型参数文件] [-S secondaryStructureFile] [-t userStartingTree] [-T
numberOfThreads] [-u] [-U] [-v] [-V] [-w outputDirectory] ​​[-W slideWindowSize]
[-x RapidBootstrapRandomNumberSeed] [-X] [-y] [-Y
quartetGroupingFileName|ancestralSequenceCandidatesFileName] [-z multipleTreesFile]
[-#|-N numberOfRuns|autoFC|autoMR|autoMRE|autoMRE_IGN]
[--豆灌木][--silent][--no-seq-check][--no-bfgs]
[--asc-corr=stamatakis|felsenstein|刘易斯]
[--标志检查][--auto-prot=ml|bic|aic|aicc]
[--epa-keep-placements=数量][--epa-accumulated-threshold=阈值]
[--epa-prob-threshold=阈值] [--JC69][--K80][--HKY85]

-a 指定一个列权重文件名来为每个列分配单独的权重
对齐。 这些权重必须是由任何类型和数量分隔的整数
单独文件中的空格，请参阅文件“example_weights”以获取示例。

-A 指定在 RAxML 中实现的二级结构替代模型之一。
使用与 PHASE 手册中相同的命名法，可用型号：S6A、S6B、
S6C、S6D、S6E、S7A、S7B、S7C、S7D、S7E、S7F、S16、S16A、S16B

默认：16 态 GTR 模型 (S16)

-b 指定一个整数（随机种子）并打开引导

默认：关闭

-B 指定一个介于 0.0 和 1.0 之间的浮点数，用作截止值
基于 MR 的引导标准的阈值。 推荐设置为 0.03。

默认值：0.03（推荐的经验确定设置）

-c 指定比率模型时 RAxML 的不同比率类别的数量
异质性设置为 CAT 个人每个站点的费率分为
numberOfCategories 对类别进行评分以加速计算。

默认值：25

-C 为“-L”和“-fi”选项启用详细输出。 这将产生更多，因为
以及更详细的输出文件

默认：关闭

-d 从随机起始树开始 ML 优化

默认：关闭

-D ML 搜索收敛标准。 如果相对，这将中断 ML 搜索
从两个连续的惰性 SPR 获得的树之间的 Robinson-Foulds 距离
周期小于或等于 1%。 建议用于非常大的数据集
分类群的术语。 在超过 500 个分类群的树上，这将产生执行时间
大约 50% 的改进，同时只产生稍差的树木。

默认：关闭

-e 以对数似然单位设置模型优化精度，以便最终优化
树形拓扑

默认值：0.1
对于不使用不变位点估计比例的模型

0.001 对于使用不变位点估计比例的模型

-E 指定包含对齐位置规范的排除文件名
你想排除。 格式类似于Nexus，文件应包含条目
像“100-200 300-400”，排除单列写入，例如“100-100”，如果你
使用混合模型，将写入适当调整的模型文件。

-f 选择算法：

“-fa”：快速 Bootstrap 分析并在一个程序中搜索得分最高的 ML 树
运行“-f A”：在提供的有根参考树上计算边缘祖先状态
使用“-t”“-fb”：在基于“-t”的树上绘制二分信息
在多棵树上

（例如，来自引导程序）在“-z”指定的文件中

“-f B”：优化树上的 br-len 缩放器和其他模型参数（GTR、alpha 等）
提供“-t”。
树需要包含分支长度。 分支长度不会被优化，
只是按一个公共值缩放。

"-fc": 检查对齐是否可以被 RAxML 正确读取 "-f C": 祖先
佳杰的序列测试，用户还需要通过以下方式提供分类单元名称列表
-Y 由空格“-fd”分隔：新的快速爬山

默认：开启

"-f D": 使用 RELL bootstraps 快速爬山 "-fe": 优化模型+分支
GAMMA/GAMMAI 下给定输入树的长度仅“-f E”：执行速度非常快
实验树搜索，目前仅用于测试“-f F”：执行速度快
实验树搜索，目前仅用于测试“-fg”：计算每个站点日志
一棵树或多棵树经过的可能性

"-z" 并将它们写入一个可以被 CONSEL 读取的文件
模型参数将仅在第一棵树上估计！

“-f G”：计算通过的一棵树或多棵树的每个站点的对数可能性
“-z”并将它们写入一个可由 CONSEL 读取的文件。 模型参数
将重新估计每棵树

“-fh”：计算通过“-t”传递的最佳树之间的对数似然测试（SH-test）
以及通过“-z”传递的一堆其他树模型参数将被估计
只在第一棵树上！

“-f H”：计算通过“-t”传递的最佳树之间的对数似然测试（SH-test）
和一堆通过“-z”传递的其他树的模型参数将是
对每棵树重新估计

“-fi”：在带有“-t”的树上计算 IC 和 TC 分数（Salichos 和 Rokas 2013）
基于多棵树
（例如，来自引导程序）在“-z”指定的文件中

“-f I”：无根树的简单树根算法。
它通过将树扎根于最能平衡子树的分支来扎根
左子树和右子树的长度（子树中分支的总和）。 一种
具有最佳平衡的分支并不总是存在！ 您需要指定树
你想通过“-t”root。

“-fj”：从原始 alignemnt 文件生成一堆引导对齐文件。
您需要使用“-b”指定种子，并使用“-#”指定重复次数

“-f J”：在通过“-t”传递的给定树上计算类似 SH 的支持值。 “-fk”：
使用缺失数据修复分区数据集中的长分支长度

分支长度窃取算法。
此选项仅与“-t”、“-M”和“-q”结合使用。 它会打印出来
具有较短分支长度但具有相同似然分数的树。

“-fm”：比较通过“-t”和“-z”传递的两束树之间的二分
分别。 这将返回所有二分之间的 Pearson 相关性
在两个树文件中找到。 一个名为
RAxML_bipartitionFrequencies.outpuFileName 将被打印，其中包含
两组的成对二分频率

“-fn”：计算包含在由提供的树文件中的所有树的对数似然分数
GAMMA 下的“-z”或 GAMMA+P-Invar 模型参数将在
只有第一棵树！

“-f N”：计算包含在由提供的树文件中的所有树的对数似然分数
GAMMA 下的“-z”或 GAMMA+P-Invar 将重新估计模型参数
每棵树

“-fo”：没有启发式截止的旧的和较慢的快速爬山“-fp”：执行
新序列的纯逐步 MP 添加到不完整的起始树并退出
“-f P”：对传递的文件中指定的子树执行系统发育放置
通过“-z”进入给定的参考树

其中包含这些子树，通过“-t”使用
进化放置算法。

“-fq”：快速四重奏计算器 “-fr”：计算成对 Robinson-Foulds (RF)
通过“-z”传递的树文件中所有树对之间的距离

如果树具有表示为整数支持值的节点标签，程序还将
计算两种口味
加权 Robinson-Foulds (WRF) 距离

“-f R”：计算大型参考树之间的所有成对 Robinson-Foulds (RF) 距离
通过“-t”传递

和许多较小的树（必须有大树的分类群的子集）通过
“-z”。
此选项旨在检查非常大的系统发育的合理性
不能再用肉眼检查了。

“-fs”：将多基因分区比对拆分为各自的
子对齐“-f S”：使用留一法计算特定于站点的放置偏差
受进化放置算法“-ft”启发的测试：做随机树
搜索一个固定的起始树“-f T”：对 ML 进行最后的彻底优化
独立模式下的快速引导搜索树“-fu”：执行形态学
使用最大似然进行权重校准，这将返回一个权重向量。

您需要通过“-t”提供形态对齐和参考树

“-fv”：使用彻底将一堆环境序列分类为参考树
读取插入
你需要用一个不全面的参考树和一个
包含所有序列的比对（参考 + 查询）

“-f V”：使用彻底将一堆环境序列分类为参考树
读取插入
你需要用一个不全面的参考树和一个
包含所有序列的比对（参考 + 查询）警告：这是一个测试
实现更有效地处理多基因/全基因组数据集！

“-fw”：对通过“-z”传递的一堆树计算 ELW 测试
模型参数将仅在第一棵树上估计！

“-f W”：对通过“-z”传递的一堆树计算 ELW 测试
每棵树都会重新估计模型参数

“-fx”：计算成对 ML 距离，ML 模型参数将在 MP 上估计
起始树或通过“-t”传递的用户定义树，仅允许基于 GAMMA
利率异质性模型

“-fy”：使用简约将一堆环境序列分类为参考树
你需要用一个不全面的参考树和一个
包含所有序列的比对（参考 + 查询）

“-f”的默认值：新的快速爬山

-F 在 CAT 模型下为非常大的树启用 ML 树搜索，而无需切换到
GAMMA 到底（节省内存）。 此选项也可与 GAMMA 一起使用
模型以避免对得分最高的 ML 树进行彻底优化
结束。

默认：关闭

-g 指定这棵树不需要的多分支约束树的文件名
全面，即不得包含所有分类群

-G 通过指定一个基于 ML 的进化放置算法启发式
阈值（要使用慢速评估的插入分支的分数
ML 下的插入）。

-h 显示此帮助消息。

-H 禁用模式压缩。

默认：开启

-i 拓扑变化后续应用的初始重排设置
相

-I 后验引导分析。 用：

“-I autoFC”用于基于频率的标准 “-I autoMR”用于多数规则
扩展多数规则共识树的共识树标准“-I autoMRE”
类似于 MRE 的指标的标准“-I autoMRE_IGN”，但包括双分区
在阈值下它们是否兼容

或不。 这模拟了 MRE，但计算速度更快。

您还需要通过“-z”传递包含多个引导复制的树文件

-j 指定在标准期间应将中间树文件写入文件
ML 和 BS 树搜索。

默认：关闭

-J 使用“-J MR”或扩展多数规则计算多数规则共识树
带有“-J MRE”的共识树或带有“-J STRICT”的严格共识树。 为一个
自定义共识阈值 >= 50%，指定 T_ ，其中 100 >= NUM​​ >= 50。
选项“-J STRICT_DROP”和“-J MR_DROP”将执行识别
包含 Pattengale 等人提出的流氓分类群的 dropsets。 在纸上
“发现隐藏的系统发育共识”。 您还需要提供一棵树
通过“-z”包含几个无根树的文件

-k 指定应使用分支长度打印自举树。 这
bootstrap 运行的时间会更长一些，因为模型参数会在
分别在 GAMMA 或 GAMMA+P-Invar 下每次运行结束。

默认：关闭

-K 指定在
RAxML。 可用型号有：ORDERED、MK、GTR

默认：GTR 型号

-L 计算由 IC 支持和整体 TC 值标记的共识树为
在 Salichos 和 Rokas 2013 年提出。计算一个多数规则共识树
“-L MR”或带有“-L MRE”的扩展多数规则共识树。 对于定制
共识阈值 >= 50%，指定“-L T_ "，其中 100 >= NUM​​ >= 50。你会
当然还需要提供一个包含几个 UNROOTED 树的树文件
“-z”！

-m 二元（形态）、核苷酸、多态或氨基酸模型
代换：

二进制：

“-m BINCAT[X]”
: 优化站点特定

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最终的树可能会被评估
自动在 BINGAMMA 下，取决于树搜索选项。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。

“-m BINCATI[X]”
: 优化站点特定

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最终的树可能会被评估
自动在 BINGAMMAI 下，取决于树搜索选项。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。

“-m ASC_BINCAT[X]”
: 优化站点特定

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最终的树可能会被评估
自动在 BINGAMMA 下，取决于树搜索选项。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。 ASC
前缀将纠正确定偏差的可能性。

“-m 宾格玛[X]”
：比率异质性的 GAMMA 模型（将估计 alpha 参数）。

使用可选的“X”附录，您可以指定基本频率的 ML 估计。

“-m ASC_BINGAMMA[X]”：速率异质性的 GAMMA 模型（alpha 参数将为
估计的）。
ASC 前缀将纠正确定偏差的可能性。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。

"-m 宾格迈[X]"
: 与 BINGAMMA 相同，但估计了不变站​​点的比例。

使用可选的“X”附录，您可以指定基本频率的 ML 估计。

核苷酸：

“-m GTRCAT[X]”
: GTR + 替换率优化 + 站点特定优化

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最后的树可能是
根据树搜索选项在 GTRGAMMA 下评估。 随着可选
“X”附录您可以指定基本频率的 ML 估计。

"-m GTRCATI[X]"
: GTR + 替换率优化 + 站点特定优化

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最后的树可能是
根据树搜索选项在 GTRGAMMAI 下评估。 随着可选
“X”附录您可以指定基本频率的 ML 估计。

“-m ASC_GTRCAT[X]”
: GTR + 替换率优化 + 站点特定优化

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最后的树可能是
根据树搜索选项在 GTRGAMMA 下评估。 随着可选
“X”附录您可以指定基本频率的 ML 估计。 ASC 前缀
将纠正确定偏差的可能性。

"-m GTRGAMMA[X]"
: GTR + 替代率优化 + GAMMA 率模型

异质性（将估计 alpha 参数）。
使用可选的“X”附录，您可以指定基本频率的 ML 估计。

"-m ASC_GTRGAMMA[X]" : GTR + 替代率优化 + GAMMA 率模型
异质性（将估计 alpha 参数）。 ASC 前缀将更正
确定偏倚的可能性。 使用可选的“X”附录，您可以
指定基本频率的 ML 估计。

"-m GTRGAMMAI[X]"
: 与 GTRGAMMA 相同，但估计了不变位点的比例。

使用可选的“X”附录，您可以指定基本频率的 ML 估计。

多状态：

“-m MULTICAT[X]”
: 优化站点特定

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最终的树可能会被评估
自动在 MULTIGAMMA 下，取决于树搜索选项。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。

"-m 多重[X]"
: 优化站点特定

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最终的树可能会被评估
自动在 MULTIGAMMAI 下，取决于树搜索选项。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。

“-m ASC_MULTICAT[X]”
: 优化站点特定

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最终的树可能会被评估
自动在 MULTIGAMMA 下，取决于树搜索选项。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。 ASC
前缀将纠正确定偏差的可能性。

“-m 多伽玛 [X]”
：比率异质性的 GAMMA 模型（将估计 alpha 参数）。

使用可选的“X”附录，您可以指定基本频率的 ML 估计。

“-m ASC_MULTIGAMMA[X]”：速率异质性的 GAMMA 模型（alpha 参数将为
估计的）。
ASC 前缀将纠正确定偏差的可能性。 随着
可选的“X”附录您可以指定基本频率的 ML 估计。

"-m 多伽玛[X]"
: 与 MULTIGAMMA 相同，但估计了不变位点的比例。

使用可选的“X”附录，您可以指定基本频率的 ML 估计。

您最多可以使用 32 个不同的字符状态来编码多状态区域，它们
必须按以下顺序使用：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 即，如果你有 6 个不同的
字符表示您将使用 0, 1, 2, 3, 4, 5 对这些进行编码。 替代
可以通过“-K”选项选择多状态区域的模型

氨基酸：

"-m PROTCATmatrixName[F|X]"
: 指定 AA 矩阵 + 替代率优化 + 优化
位点特异性

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最后的树可能是
根据树在 PROTGAMMAmatrixName[F|X] 下自动评估
搜索选项。 使用可选的“X”附录，您可以指定 ML 估计
基频。

“-m PROTCATImatrixName[F|X]”
: 指定 AA 矩阵 + 替代率优化 + 优化
位点特异性

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最后的树可能是
根据树在 PROTGAMMAImatrixName[F|X] 下自动评估
搜索选项。 使用可选的“X”附录，您可以指定 ML 估计
基频。

"-m ASC_PROTCATmatrixName[F|X]"
: 指定 AA 矩阵 + 替代率优化 + 优化
位点特异性

分类为 numberOfCategories 不同的进化率
率类别以提高计算效率。 最后的树可能是
根据树在 PROTGAMMAmatrixName[F|X] 下自动评估
搜索选项。 使用可选的“X”附录，您可以指定 ML 估计
基频。 ASC 前缀将纠正确定的可能性
偏压。

"-m PROTGAMMAmatrixName[F|X]"
：指定的AA矩阵+替代率的优化+比率的GAMMA模型

异质性（将估计 alpha 参数）。
使用可选的“X”附录，您可以指定基本频率的 ML 估计。

“-m ASC_PROTGAMMAmatrixName[F|X]”：指定AA矩阵+替换优化
比率 + 比率的 GAMMA 模型
异质性（将估计 alpha 参数）。 ASC 前缀将更正
确定偏倚的可能性。 使用可选的“X”附录，您可以
指定基本频率的 ML 估计。

"-m PROTGAMMAImatrixName[F|X]"
: 与 PROTGAMMAmatrixName[F|X] 相同，但估计不变量的比例
网站。

使用可选的“X”附录，您可以指定基本频率的 ML 估计。

可用的 AA 替代模型：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 带有可选的“F”
您可以在附录中指定是否要使用经验基频。 AUTOF 和
不再支持 AUTOX，如果您指定 AUTO，它将测试 prot subst。
现在有和没有经验基频的模型！ 请注意，对于
分区模型，您还可以在
分区文件（详见手册）。 另请注意，如果您估计 AA GTR
分区数据集上的参数，它们将被链接（联合估计）跨
所有分区以避免过度参数化

-M 打开每个分区分支长度的估计。 才有效果
当与“-q”结合使用时，单个分区的分支长度将是
打印到单独的文件 分支长度的加权平均值由下式计算
使用各自的分区长度

默认：关闭

-n 指定输出文件的名称。

-o 指定单个 outgrpoup 的名称或以逗号分隔的 outgroups 列表，例如
“-o Rat”或“-o Rat,Mouse”，以防多个外群不是单系的
列表中的第一个名字将被选为外群，不要在它们之间留空格
分类群名称！

-O 禁用检查对齐中完全未确定的序列。 该计划将
指定“-O”时不退出并显示错误消息。

默认：检查已启用

-p 为简约推理指定一个随机数种子。 这使您可以
重现您的结果并将帮助我调试程序。

-P 指定用户定义的 AA（蛋白质）替代模型的文件名。 这个文件
必须包含 420 个条目，前 400 个是 AA 替代率（这必须
是一个对称矩阵），最后 20 个是经验基频

-q 指定包含模型分配到对齐的文件名
多个替代模型的分区。 有关此文件的语法，请
查阅手册。

-r 指定二叉约束树的文件名。 这棵树不需要
全面，即不得包含所有分类群

-R 指定一个二进制模型参数文件的文件名
使用 RAxML 生成 -f e 树评估选项。 文件名应该
是：RAxML_binaryModelParameters.runID

-s 指定 PHYLIP 格式的对齐数据文件的名称

-S 指定二级结构文件的名称。 该文件可以包含“.” 为了
不构成词干一部分的对齐列和字符“()<>[]{}”到
定义茎区域和假结

-t 以 Newick 格式指定用户起始树文件名

-T 仅限 PTHREADS 版本！ 指定要运行的线程数。 确保
将“-T”最多设置为您机器上的 CPU 数量，否则，有
将是一个巨大的性能下降！

-u 使用中值作为 GAMMA 模型的离散近似值
异质性

默认：关闭

-U 尝试通过对大间隙上的间隙列使用基于 SEV 的实现来节省内存
对齐方式描述如下：
http://www.biomedcentral.com/1471-2105/12/470 这仅适用于 DNA 和/或
PROTEIN 数据，并且仅适用于 SSE3 或 AVX-vextorized 版本的代码。

-v 显示版本信息

-V 禁用站点模型之间的速率异质性并使用没有速率异质性的模型
反而。 仅当您指定速率异质性的 CAT 模型时才有效。

默认：使用率异质性

-w RAxML 将其输出文件写入的目录的完整 (!) 路径

默认：当前目录

-W 仅用于留一法站点特定放置偏置算法的滑动窗口大小
与“-f S”结合使用时有效

默认：100 个站点

-x 指定一个整数（随机种子）并打开快速引导 注意：
与 7.0.4 版本不同，RAxML 将在以下模型下进行快速 BS 复制
您通过“-m”指定的速率异质性，而不是在 CAT 下默认情况下

-X 与下面的“-y”选项相同，但是简约搜索更肤浅。
RAxML 只会做一个随机的逐步加法顺序简约树
重建而不执行任何额外的 SPR。 这可能有助于
非常广泛的全基因组数据集，因为这可以在拓扑上生成更多
不同的起始树。

默认：关闭

-y 如果您只想使用 RAxML 指定“-y”来计算简约起始树，则
程序将在计算起始树后退出

默认：关闭

-Y 传递一个四重奏分组文件名，定义四个组，从中绘制四重奏
文件输入格式必须包含以下形式的 4 组：(Chicken, Human,
泥鳅）、（牛、鲤鱼）、（鼠、鼠、海豹）、（鲸、蛙）； 只能组合使用
-f ！

-z 指定包含多个树的文件的文件名，例如来自引导程序
用于将二分值绘制到带有“-t”的树上，它
也可用于与“-fg”和
读取一堆树以获取其他几个选项（“-fh”、“-fm”、“-fn”）。

-#|-N 指定在不同起始树上的替代运行次数 组合
使用“-b”选项，这将调用多个 boostrap 分析 注意“-N”
已添加作为替代选项，因为“-#”有时会导致某些问题
MPI 作业提交系统，因为“-#”通常用于开始注释。 如果你
要使用引导标准指定“-# autoMR”或“-# autoMRE”或“-#
autoMRE_IGN" 用于基于多数规则树的标准（请参阅 -I 选项）或“-#
autoFC”用于基于频率的标准。引导仅适用于
与“-x”或“-b”组合

默认：1 次单一分析

--豆科灌木 打印可以被 Mesquite 解析的输出文件。

默认：关闭

- 沉默的 禁用与相同序列相关的警告的打印输出和完全
比对中的未确定位点

默认：关闭

--无序列检查 禁用检查输入 MSA 的相同序列和完全
未确定的站点。
启用此选项可以节省时间，特别是对于大型系统基因组
对齐。 在使用之前，请确保使用“-fc”检查对齐
选项！

默认：关闭

--no-bfgs 禁用自动使用 BFGS 方法来优化未分区的 GTR 率
DNA数据集

默认：BFGS 开启

--asc-corr 允许指定您希望使用的确定偏差校正类型。
有3

可用类型： --asc-corr=刘易斯: 保罗刘易斯的标准修正
--asc-corr=费尔森斯坦：Joe Felsenstein 引入的更正，允许
明确指定

人们想要纠正的不变站点（如果已知）的数量。

--asc-corr=斯塔马塔基斯：我自己引入的更正，允许明确
指定
每个字符（如果已知）的不变位点的数量要纠正
为。

--标志检查 使用此选项时，RAxML 将只检查所有命令行标志
指定可用然后退出

一条消息列出所有无效的命令行标志或一条消息说明
所有标志都是有效的。

--自动保护=ml|bic|aic|aicc 当使用自动蛋白质模型选择时，您可以选择
选择这些模型的标准。

RAxML 将测试所有可用的 prot subst。 除了 LG4M、LG4X 和
基于 GTR 的模型，有和没有经验基频。 你可以选择
基于 ML 分数的选择与 BIC、AIC 和 AICc 标准之间的差异。

默认值：毫升

--epa-保留展示位置=数 指定要保留的潜在展示位置数量
对于 EPA 算法中的每个读取。

请注意，打印的实际值还取决于设置
--epa-prob-阈值=门槛 !

默认值：7

--epa-prob-阈值=门槛 指定包含潜力的百分比阈值
读取的位置取决于

此读取的最大放置权重。 如果您将此值设置为 0.01 展示位置
放置权重为最大放置权重的 1% 仍将是
打印到文件，如果设置 --epa-保留展示位置 允许它

默认值：0.01

--epa-累积阈值=门槛 指定累积似然权重阈值
打印不同位置的阅读

归档。 阅读的位置将被打印，直到它们的位置总和
权重已达到阈值。 请注意，此选项既不能
与...结合使用 --epa-prob-阈值 也不与 --epa-保留展示位置!

--JC69 指定所有 DNA 分区将在 Jukes-Cantor 模型下进化，这
覆盖 DNA 分区的所有其他模型规范。

默认：关闭

--K80 指定所有 DNA 分区将在 K80 模型下进化，这将覆盖所有
DNA 分区的其他型号规格。

默认：关闭

--HKY85 指定所有 DNA 分区将在 HKY85 模型下进化，这将覆盖
DNA 分区的所有其他型号规格。

默认：关闭

这是 Alexandros Stamatakis 于 8.2.4 年 02 月 2015 日发布的 RAxML 版本 XNUMX。

非常感谢代码贡献者：Andre Aberer (HITS) Simon Berger
(HITS) Alexey Kozlov (HITS) Kassian Kobert (HITS) David Dao（KIT 和 HITS）
Nick Pattengale (桑迪亚) Wayne Pfeiffer (SDSC) Akifumi S. Tanabe (NRIFS)

使用 onworks.net 服务在线使用 raxmlHPC-PTHREADS