我们推出了分子进化遗传学分析 (MEGA12) 软件的第 12 版。此最新版本通过减少选择最佳替代模型和使用最大似然 (ML) 方法对系统发育进行引导测试所需的计算时间,带来了许多重大改进。这些改进是通过实施启发式方法来实现的,这些启发式方法可以最大限度地减少不必要的计算。对经验和模拟数据集的分析表明,使用这些启发式方法可以节省大量时间,而不会影响结果的准确性。MEGA12 还链接了一种进化稀疏学习方法,以识别通过系统基因组学分析推断出的进化树中的脆弱进化枝和相关序列。此外,此版本还包括 ML 分析的细粒度并行化、对高分辨率显示器的支持以及增强的 Tree Explorer。MEGA12 可从 https://www.megasoftware.net 下载。关键词:软件、系统基因组学、模型选择、引导、绿色计算。
我们推出了分子进化遗传学分析 (MEGA12) 软件的第 12 版。最新版本通过减少选择最佳替代模型和使用最大似然 (ML) 方法对系统发育进行引导测试所需的计算时间,带来了许多重大改进。这些改进是通过实施启发式方法来实现的,这些启发式方法可以最大限度地减少不必要的计算。经验和模拟数据集的分析表明,使用这些启发式方法可以节省大量时间,而不会影响结果的准确性。MEGA12 还链接了一种进化稀疏学习方法,以识别通过系统基因组学分析推断出的进化树中的脆弱进化枝和相关序列。此外,此版本还包括 ML 分析的细粒度并行化、对高分辨率显示器的支持以及增强的 Tree Explorer。MEGA12 可从 https://www.megasoftware.net 下载。关键词:软件、系统基因组学、模型选择、引导、绿色计算。
选择最合适的替换模型通常是分子系统发育学的初始步骤。模型选择的 ML 方法最初在 MEGA5(Tamura 等人,2011)中引入,并经常使用(补充图 S1)。MEGA 评估了六种主要核苷酸替换模型以确定最佳模型:通用时间可逆 (GTR)、Hasegawa-Kishino-Yano (HKY)、Tamura-Nei (TN93)、Tamura 3 参数 (T92)、Kimura 2 参数 (K2P) 和 Jukes-Cantor (JC);有关综述,请参阅(Nei and Kumar,2000)。这些主要替换模型描述了单个位点处核苷酸替换的瞬时概率。它们可以与位点间速率变化的(离散化)Gamma 分布(用 +G 表示)和不变位点的存在/不存在(用 +I 表示)相结合,这些模型在 Nei 和 Kumar(2000)中进行了综述。
