Terrace Aware Data Structure for Phylogenomic Inference from Supermatrices.
Terrace Aware Data Structure for Phylogenomic Inference from Supermatrices.
复制标题
DOI：
10.1093/sysbio/syw037
复制
发表时间：
2016-11
影响因子：
6.5
通讯作者：
Minh BQ
中科院分区：
文献类型：
--
作者：
Chernomor O;von Haeseler A;Minh BQ
在系统基因组学中，对串联基因序列的分析，即所谓的超矩阵，通常伴随着分割模型的假设。在这样的模型下，每个基因，或者更普遍的分区，都可以在自己的进化模型下进化。尽管划分模型提供了更全面的超矩阵分析，但由于系统发育（部分）梯田的存在，缺失的数据可能会妨碍树搜索算法。在此，我们引入了系统发育阶梯感知（PTA）数据结构，用于分区模型下的高效分析。在存在缺失数据的情况下，PTA利用（部分）梯田和诱导分区树来节省计算时间。我们表明，与标准的IQ-TREE和RAxML实现相比，在IQ-TREE中实现PTA可以显著提高4.5倍和8倍的速度。PTA一般适用于所有类型的划分模型和常见的拓扑重排，因此可以被所有系统基因组推断软件所采用。
In phylogenomics the analysis of concatenated gene alignments, the so-called supermatrix, is commonly accompanied by the assumption of partition models. Under such models each gene, or more generally partition, is allowed to evolve under its own evolutionary model. Although partition models provide a more comprehensive analysis of supermatrices, missing data may hamper the tree search algorithms due to the existence of phylogenetic (partial) terraces. Here, we introduce the phylogenetic terrace aware (PTA) data structure for the efficient analysis under partition models. In the presence of missing data PTA exploits (partial) terraces and induced partition trees to save computation time. We show that an implementation of PTA in IQ-TREE leads to a substantial speedup of up to 4.5 and 8 times compared with the standard IQ-TREE and RAxML implementations, respectively. PTA is generally applicable to all types of partition models and common topological rearrangements thus can be employed by all phylogenomic inference software.
登录
查看更多内容
DOI：
10.1186/1748-7188-5-37
发表时间：
2010-12-06
期刊：
Algorithms for molecular biology : AMB
影响因子：
--
作者：
Kupczok A;Schmidt HA;von Haeseler A
通讯作者：
von Haeseler A
影响因子：
10.7
作者：
Kumar, Sudhir;Filipski, Alan J.;Tamura, Koichiro
通讯作者：
Tamura, Koichiro
影响因子：
4.1
作者：
Bouchenak-Khelladi, Yanis;Salamin, Nicolas;Hodkinson, Trevor R.
通讯作者：
Hodkinson, Trevor R.
影响因子：
6.5
作者：
Hinchliff, Cody E.;Roalson, Eric H.
通讯作者：
Roalson, Eric H.
影响因子：
10.7
作者：
Nguyen LT;Schmidt HA;von Haeseler A;Minh BQ
通讯作者：
Minh BQ