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。这两种方法都是用一种新的聚类模式来代替这两种新的聚类模式。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

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH参考文献（引用于 29篇文章

显示第1到第20个结果，共29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. Damti，Yanir；Gronau，Ilan；Moran，Shlomo；Yavneh，Irad:通过自适应距离函数比较进化距离（2018）
  3. Ruth Davidson；Joseph Rusinko；Vernon，Zoe；Xi，Jing：欧氏空间中距离数据分布的建模（2017）
  4. Elizabeth Drellich；Andrew Gainer Dewar；Harrington，Heather A.；He，Qijun；Heitsch，Christine；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. Layer，Mark；Rhodes，John A.：系统发育树和欧几里得嵌入（2017）
  7. Bordewich，Magnus；Semple，Charles:从类群间距离确定系统发生网络（2016）
  8. Bortokan-tree，2016；基于子网的Bortokan距离重建算法（2016）
  9. Gaskuel，Olivier；Steel，Mike:基于距离的树木重建的“随机安全半径”（2016）
  10. Saini，Ashish；Hou，Jingyu:基于渐进聚类的蛋白质功能预测方法（2013）
  11. Paradis，Emmanuel:用R分析系统发育和进化（2012）
  12. Cilibrasi，Rudi L.；Vitányi，Paul M.B.：层次聚类的快速四叉树启发式算法（2011）
  13. Gilks，Walter R.；Nye，Tom M.W.；Lio，Pietro:距离矩阵系统发育重建的方差分量模型（2011）
  14. Levy，Dan；Pachter，Lior:邻居网算法（2011）
  15. 伊奥尼斯库，都铎·B.；波莱伦，Géraldine；Boulanger，Frédéric：《最低树成本四重奏令人费解》（2010）
  16. 石冠群；张立青；江涛：MSOAR 2.0：基于基因组重排的串联重复整合到正射图分配中（2010）ioport公司
  17. Brazil，M.；Thomas，D.A.；Nielsen，B.K.；Winter，P.；Wulff-Nilsen，C.；Zachariasen，M.：系统发育树的新方法：（D）-维几何Steiner树（2009）
  18. 卡坦扎罗，丹尼尔：《最小进化问题：概述与分类》（2009）
  19. Grünewald，S.；Moulton，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）
  20. 米哈埃斯库，拉杜；利维，丹；帕希特，利奥：为什么邻居加入工作（2009）