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)
此软件的关键字