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)


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)