贝叶斯CAT swMATH ID: 29694 软件作者: 熙君(Shim,Heejung);布雷特·拉格 描述: BayesCAT:对齐和树的贝叶斯联合估计。传统上,系统发育和序列比对是分开估计的:首先估计多序列比对,然后根据前一步估计的序列比对推断系统发育。然而,这种比对中的不确定性被忽略了,这可能导致系统发育估计中的确定性被夸大了。我们开发了一个共同估计系统发育和序列比对的联合模型,通过考虑系统发育推断中比对的不确定性,改进了传统方法的估计。我们的插入和删除(indel)模型允许任意长度的重叠indel事件和indel片段大小的一般分布。我们使用贝叶斯方法使用MCMC估计系统发育树和多序列比对的联合后验分布。我们的方法有一棵树和映射到树上的indel事件的完整历史,作为马尔可夫链的状态空间,而其他以前的方法有树和对齐。包含indel事件完整历史的大型状态空间使我们的MCMC方法更具挑战性,但它使我们能够推断有关indel过程的更多信息。利用模拟数据和实际数据比较了该联合方法和传统序贯方法的性能。名为BayesCAT(对齐和树的Bayesian Co-eestimation)的软件可在url上获得{https://github.com/heejungshim/BayesCAT(贝叶斯猫)}. 主页: https://onlinelibrary.wiley.com/doi/full/10.1111/biom.12640 源代码: https://github.com/heejungshim/BayesCAT(贝叶斯猫) 关键词: 对齐;贝叶斯推断;插入和删除过程;多功能多媒体计算机;系统发育学;系统发育;树 相关软件: 充分满足;Bali-phy公司;Statalign公司 引用于: 1文件 标准条款 1出版物描述软件,包括1出版物在zbMATH中 年份 贝叶斯CAT:对齐和树的贝叶斯联合估计。 Zbl 1415.62135号西贡Shim;布雷特·拉格 2018 2位作者引用 1 布雷特·R·拉格特。 1 西贡Shim 连载1篇 1 生物计量学 在2个字段中引用 1 统计学(62-XX) 1 生物学和其他自然科学(92-XX) 按年份列出的引文