比昂

BIONJ:基于简单序列数据模型的NJ算法的改进版本。提出了一种改进的Saitou和Nei邻域连接(NJ)算法。新算法BIONJ遵循与NJ相同的聚集机制,即迭代地选取一对分类单元,创建一个表示这些分类单元聚类的新模式,并通过用该节点替换两个分类单元来减少距离矩阵。此外,BIONJ使用了进化距离估计方差和协方差的一阶模型。当这些估计值是从排列序列中获得时,这个模型是很好地适应的。在每一步,它允许从可容许的约化类中选择使新距离矩阵方差最小的约化。这样,我们就可以获得更好的估计,以便在下一步中选择要聚集的分类群对。此外,与NJ的估计值相比,随着算法的进行,这些估计值变得越来越好。BIONJ保留了NJ的良好特性,特别是它的低运行时间。用12个分类单元模型树进行了计算机模拟,以确定BIONJ的效率。当替代率较低(每个位点的最大成对差异约为0.1个置换)或当它们在谱系间保持不变时,BIONJ仅略优于NJ。当代换率较高且在谱系间变化时,BIONJ显然具有更好的拓扑精度。在后一种情况下,对于所测试的模型树和进化条件,拓扑误差平均减少约20%。对于高变化率树和高替换率(每个站点的最大成对散度大约为1.0个替换),错误减少甚至可以提高到50%以上,而找到正确树的概率可以增加15%。(http://mbe.oxfordjournals.org/content/14/7/685.short)


zbMATH中的参考文献(参考文献30篇文章)

显示第1到第20个结果,共30个。
按年份排序(引用)
  1. 沃诺,坦迪(编辑):生物信息学和系统发育学。伯纳德·莫雷特的开创性贡献(2019)
  2. 丹蒂,亚尼尔;格罗诺,伊兰;莫兰,什洛莫;Yavneh,Irad:通过自适应距离函数比较进化距离(2018)
  3. 戴维森,露丝;鲁辛科,约瑟夫;弗农,佐伊;Xi,Jing:欧几里德空间中距离数据分布的建模(2017)
  4. 德雷利希,伊丽莎白;盖纳·杜瓦,安德鲁;哈灵顿,希瑟A。;何其俊;海奇,克里斯汀;Poznanović,Svetlana:几何组合学和计算分子生物学:RNA序列的分支多面体(2017)
  5. 基思,乔纳森M.(编辑):生物信息学。第一卷:数据、序列分析和进化(2017)
  6. 层、标记;Rhodes,John A.:系统发育树和欧几里得嵌入(2017)
  7. 博尔德维奇,马格努斯;Semple,Charles:从类群间距离确定系统发育网络(2016)
  8. 博尔德维奇,M。;Tokac,N.:从类群间距离重建超度量树子网络的算法(2016)
  9. 加斯奎尔,奥利维尔;Steel,Mike:基于距离的树木重建的“随机安全半径”(2016)
  10. 赛尼,阿什什;侯景宇:基于渐进聚类的蛋白质功能预测方法(2013)
  11. Warnow,Tandy:大规模多序列比对和系统发育估计(2013)
  12. Paradis,Emmanuel:用R分析系统发育和进化(2012)
  13. 基利布拉西,鲁迪L。;Vitányi,Paul M.B.:层次聚类的快速四叉树启发式算法(2011)
  14. 吉尔克斯,沃尔特R。;奈,汤姆·M·W。;Lio,Pietro:距离矩阵系统发育重建的方差分量模型(2011)
  15. 利维,丹;帕切特,利奥:邻居网算法(2011)
  16. 伊奥尼斯库,都铎B。;波立伦,葛雷丁;布朗格,弗里德里克:最低树成本四重奏令人费解(2010)
  17. 史冠群;张丽青;江涛:msoar2.0:基于基因组重排将串联重复整合到正位基因分配中(2010)ioport公司
  18. 巴西,M。;托马斯医学博士。;尼尔森,英国。;冬天,P。;伍尔夫·尼尔森,C。;Zachariasen,M.:系统发育树的新方法:(d)-维几何Steiner树(2009)
  19. 卡坦扎罗,丹尼尔:《最小进化问题:概述与分类》(2009)
  20. 格吕纽瓦尔德,S。;莫尔顿,V。;Spillner,A.:从加权四分位数生成平面分裂网络的QNet算法的一致性(2009)