Das PHYLogeny Inference Package ( PHYLIP ) ist ein kostenloses Softwarepaket zur computergestützten Phylogenetik , das die Erstellung von Stammbäumen ( Phylogenien ) ermöglicht. [ 1 ] Es umfasst 65 portable Programme, deren Quellcode in der Programmiersprache C geschrieben ist . Ab Version 3.696 ist es als Open-Source-Software lizenziert ; Versionen 3.695 und älter waren proprietäre Freeware . PHYLIP wird als Quellcode und als vorkompilierte ausführbare Datei für zahlreiche Betriebssysteme bereitgestellt , darunter Windows (95, 98, ME, NT, 2000, XP, Vista), Mac OS 8 , Mac OS 9 , OS X , Linux ( Debian , Red Hat ) und FreeBSD (veröffentlicht auf FreeBSD.org). [ 2 ] Eine vollständige Dokumentation ist für alle Programme des Pakets verfügbar und im Paket enthalten. Die Programme im Phylip-Paket wurden von Professor Joseph Felsenstein vom Department of Genome Sciences und dem Department of Biology der University of Washington in Seattle geschrieben. [ 3 ]

Die im Paket verfügbaren Methoden (implementiert von jedem Programm) umfassen Parsimonie- , Distanzmatrix- und Likelihood-Methoden , einschließlich Bootstrapping und Konsensusbäume. Zu den verarbeitbaren Datentypen gehören Molekülsequenzen , Genfrequenzen, Restriktionsstellen und -fragmente, Distanzmatrizen und diskrete Merkmale. [ 2 ]

Jedes Programm wird über ein Menü gesteuert, in dem die Benutzer die gewünschten Optionen auswählen und die Berechnung starten können. Die Daten werden aus einer Textdatei in das Programm eingelesen, die der Benutzer mit einem beliebigen Textverarbeitungsprogramm oder Texteditor erstellen kann (diese Textdatei darf jedoch nicht im speziellen Format des Textverarbeitungsprogramms vorliegen, sondern muss im einfachen ASCII- oder reinen Textformat sein ). Einige Sequenzanalyseprogramme, wie beispielsweise das Alignment-Programm Clustal W, können Datendateien im PHYLIP-Format schreiben. Die meisten Programme suchen die Daten in einer Datei namens `.phylip` infile. Falls die PHYLIP-Programme diese Datei nicht finden, fordern sie den Benutzer auf, den Dateinamen der Datendatei einzugeben. [ 2 ]

Dateiformat

Die Komponentenprogramme von phylip verwenden verschiedene Formate, die alle relativ einfach sind. Programme zur Analyse von DNA-Sequenzalignments, Proteinsequenzalignments oder diskreten Merkmalen (z. B. morphologischen Daten) können diese Daten im sequenziellen oder verschachtelten Format verarbeiten, wie unten dargestellt.

Sequenzielles Format:

5 42 Türkei AAGCTNGGGC ATTTCAGGGT GAGCCCGGGC AATACAGGGT AT Salmo schiAAGCCTTGGC AGTGCAGGGT GAGCCGTGGC CGGGCACGGT AT H. sapiensACCGGTTGGC CGTTCAGGGT ACAGGTTGGC CGTTCAGGGT AA Chimp AAACCCTTGC CGTTACGCTT AAACCGAGGC CGGGACACTC AT Gorilla AAACCCTTGC CGGTACGCTT AAACCATTGC CGGTACGCTT AA

Interleaved-Format:

5 42 Türkei AAGCTNGGGC ATTTCAGGGT Salmo schiAAGCCTTGGC AGTGCAGGGT H. sapiensACCGGTTGGC CGTTCAGGGT Chimp AAACCCTTGC CGTTACGCTT Gorilla AAACCCTTGC CGGTACGCTT GAGCCCGGGC AATACAGGGT AT GAGCCGTGGC CGGGCACGGT AT ACAGGTTGGC CGTTCAGGGT AA AAACCGAGGC CGGGACACTC AT AAACCATTGC CGGTACGCTT AA

Die Zahlen geben die Anzahl der Taxa (im obigen Beispiel verschiedene Arten) gefolgt von der Anzahl der Zeichen (ausgerichtete Nukleotide oder Aminosäuren bei Molekülsequenzen) an. Restriktionsdaten müssen auch die Anzahl der Enzyme enthalten.

Standardmäßig sind Namen auf 10 Zeichen begrenzt und müssen mit Leerzeichen aufgefüllt werden, um diese Länge zu erreichen. Unmittelbar darauf folgen die Zeichendaten in Form von Ein-Buchstaben-Codes. Diese Beschränkung auf 10 Zeichen kann durch eine kleine Codeänderung ( nmlngthin phylip.h und anschließendem Neukompilieren) aufgehoben werden. Alle druckbaren ASCII/ISO-Zeichen sind als Namen zulässig, mit Ausnahme von Klammern (" (und " )"), eckigen Klammern (" [und " ]"), Doppelpunkten ( :"), Semikolons (" ;) und Kommas ( ,"). Leerzeichen innerhalb der Sequenz werden ignoriert.

Viele Programme für phylogenetische Analysen, darunter die häufig verwendeten Programme RAxML [ 4 ] [ 5 ] und IQ-TREE [ 6 ] , verwenden das Phylip-Format oder eine geringfügige Modifikation dieses Formats, das sogenannte Relaxed Phylip-Format.

Entspanntes Phylip-Format (sequenziell):

5 42 Türkei AAGCTNGGGCATTTCAGGGTGAGCCCGGGCAATACAGGGTAT Salmo_schiefermuelleri AAGCCTTGGCAGTGCAGGGTGAGCCGTGGCCGGGCACGGTAT H_sapiens ACCGGTTGGCCGTTCAGGGTACAGGTTGGCCGTTCAGGGTAA Schimpanse AAACCCTTGCCGTTACGCTTAAACCGAGGCCGGGACACTCAT Gorilla AAACCCTTGCCGGTACGCTTAAACCATTGCCGGTACGCTTAA

Der Hauptunterschied im Relaxed Phylip-Format besteht darin, dass die Beschränkung auf 10 Zeichen entfällt und die Namen nicht mehr mit Leerzeichen aufgefüllt werden müssen, um diese Länge zu erreichen (obwohl das Auffüllen der Namen, um die Zeichenmatrix an derselben Position zu beginnen, die Lesbarkeit für den Benutzer verbessern kann). In diesem Beispiel des Relaxed Phylip-Formats werden Unterstriche anstelle von Leerzeichen in den Namen verwendet, und es werden Leerzeichen zwischen den Namen und den ausgerichteten Zeichendaten eingefügt. Es empfiehlt sich, Leerzeichen in Taxonnamen zu vermeiden und die Zeichendaten beim Generieren von den Namen zu trennen. Wie Dateien im strikten Phylip-Format können auch Dateien im Relaxed Phylip-Format im Interleaved-Format vorliegen und Leerzeichen und Zeilenumbrüche innerhalb der Sequenzdaten enthalten.

Die Programme, die Distanzdaten verwenden, wie beispielsweise das neighborProgramm, das die Neighbor-Joining- Methode implementiert, verwenden ebenfalls ein einfaches Distanzmatrixformat, das nur die Anzahl der Taxa, deren Namen und numerische Werte für die Distanzen enthält:

Phylip-Distanzmatrix:

7 Rind 0,0000 1,6866 1,7198 1,6606 1,5243 1,6043 1,5905 Maus 1,6866 0,0000 1,5232 1,4841 1,4465 1,4389 1,4629 Gibbon 1,7198 1,5232 0,0000 0,7115 0,5958 0,6179 0,5583 Orange 1,6606 1,4841 0,7115 0,0000 0,4631 0,5061 0,4710 Gorilla 1,5243 1,4465 0,5958 0,4631 0,0000 0,3484 0,3083 Chimp 1,6043 1,4389 0,6179 0,5061 0,3484 0,0000 0,2692 Mensch 1,5905 1,4629 0,5583 0,4710 0,3083 0,2692 0,0000

Die Zahl gibt die Anzahl der Taxa an, und es gelten dieselben Einschränkungen für Taxonnamen. Beachten Sie, dass diese Matrix symmetrisch ist und die Diagonale den Wert 0 enthält (da der Abstand zwischen einem Taxon und sich selbst definitionsgemäß null ist).

Programme, die Bäume als Eingabe verwenden, akzeptieren diese im Newick -Format , einem informellen Standard, auf den sich die Autoren von sieben wichtigen Phylogenie-Softwarepaketen 1986 geeinigt haben. Die Ausgabe erfolgt in Dateien mit Namen wie ` outfile.spec outtree...outtree

Komponentenprogramme

Programme, die in PHYLIP [ 7 ] aufgeführt sind
Programmname Beschreibung
protpars Schätzt Phylogenien von Peptidsequenzen mithilfe der Parsimoniemethode
Dnapars Schätzt Phylogenien von DNA-Sequenzen mithilfe der Parsimoniemethode
dnapenny Die DNA-Parsimonie-Branch-and-Bound-Methode findet alle sparsamsten Phylogenien für Nukleinsäuresequenzen mittels Branch-and-Bound-Suche.
dnamove Interaktive Erstellung von Phylogenien aus Nukleinsäuresequenzen mit deren Bewertung mittels DNA-Parsimonie-Methode, mit Kompatibilität und Darstellung rekonstruierter Vorfahrenbasen
dnacomp Schätzt Phylogenien aus Nukleinsäuresequenzdaten unter Verwendung des Kompatibilitätskriteriums
DNAML Schätzt Phylogenien aus Nukleotidsequenzen mithilfe der Maximum-Likelihood -Methode
dnamlk DNA-Maximum-Likelihood-Methode mit molekularer Uhr; die gemeinsame Verwendung von dnaml und dnamlk ermöglicht einen Likelihood-Ratio-Test für die molekulare Uhr- Hypothese.
proml Schätzt Phylogenien aus Protein-Aminosäuresequenzen mithilfe der Maximum-Likelihood-Methode.
promlk Maximum-Likelihood-Methode für Proteinsequenzen mit molekularer Uhr
restml Schätzung von Phylogenien mittels Maximum-Likelihood-Schätzung unter Verwendung von Restriktionsstellendaten; nicht aus Restriktionsfragmenten, sondern aus dem Vorhandensein oder Fehlen einzelner Stellen
DNA-Invar Für Nukleinsäuresequenzdaten von vier Arten werden die phylogenetischen Invarianten nach Lake und Cavender berechnet , welche alternative Baumtopologien testen.
Danadist Die DNA-Distanzmethode berechnet vier verschiedene Distanzen zwischen Arten anhand von Nukleinsäuresequenzen; diese Distanzen können dann in Distanzmatrixprogrammen verwendet werden.
protdist Die Methode zur Bestimmung der Proteinsequenzdistanz berechnet ein Distanzmaß für Sequenzen mithilfe von Maximum-Likelihood-Schätzungen basierend auf der Dayhoff- PAM-Matrix , Kimuras Approximation von 1983 oder einem Modell, das auf dem genetischen Code und einer Einschränkung für den Wechsel zu einer anderen Aminosäurekategorie basiert.
Restdis Distanzen, berechnet aus Restriktionsstellendaten oder Restriktionsfragmentdaten
seqboot Bootstrapping-Jackknifing-Programm; liest einen Datensatz ein und erzeugt daraus mehrere Datensätze durch Bootstrap-Resampling.
Fitch Die Fitch-Margoliash- Distanzmatrixmethode schätzt Phylogenien anhand von Distanzmatrixdaten unter dem additiven Baummodell, demzufolge die Distanzen der Summe der Astlängen zwischen den Arten entsprechen.
Kitsch Die Fitch-Margoliash-Distanzmatrixmethode mit molekularer Uhr schätzt Phylogenien aus Distanzmatrixdaten unter dem ultrametrischen Modell, das dem additiven Baummodell entspricht, jedoch eine evolutionäre Uhr annimmt.
Nachbar Implementierung der Neighbor-Joining- und UPGMA- Methoden
contml Kontinuierliche Merkmale und Genfrequenzen werden mittels Maximum-Likelihood-Schätzung ermittelt; Phylogenien werden anhand von Genfrequenzdaten mittels Maximum-Likelihood-Schätzung unter einem Modell geschätzt, in dem die gesamte Divergenz auf Gendrift in Abwesenheit neuer Mutationen zurückzuführen ist; außerdem wird eine Maximum-Likelihood-Analyse von kontinuierlichen Merkmalen durchgeführt, die sich gemäß einem Brownschen Bewegungsmodell entwickeln, wobei angenommen wird, dass sich die Merkmale mit gleicher Geschwindigkeit und unkorreliert entwickeln; Merkmalskorrelationen werden nicht berücksichtigt.
Kontrast Liest einen Baum aus einer Baumdatei und einen Datensatz mit kontinuierlichen Merkmalsdaten und gibt die unabhängigen Kontraste für diese Merkmale zur Verwendung in beliebigen multivariaten Statistikprogrammen aus.
Gendist Genetisches Distanzprogramm, das aus Genfrequenzdaten eine von drei verschiedenen Formeln zur Berechnung der genetischen Distanz ermittelt.
pars Sparsamkeitsmethode für ungeordnete, mehrstufige diskrete Zeichen
mischen Schätzt Phylogenien mittels einiger Sparsamkeitsmethoden für diskrete Merkmalsdaten mit zwei Zuständen (0, 1); erlaubt die Verwendung von Methoden wie Wagner, Camin-Sokal oder beliebigen Mischungen.
Penny Die Branch-and-Bound-Methode findet alle sparsamsten Stammbäume für diskrete Merkmalsdaten mit zwei Zuständen nach den Wagner-, Camin-Sokal- und gemischten Sparsamkeitskriterien mithilfe der Branch-and-Bound-Methode der exakten Suche.
bewegen Interaktive Erstellung von Phylogenien aus diskreten Merkmalsdaten mit zwei Zuständen (0, 1); Auswertung von Sparsamkeits- und Kompatibilitätskriterien für diese Phylogenien und Anzeige der rekonstruierten Zustände im gesamten Baum
Klacks Schätzt Phylogenien anhand des Dollo- oder Polymorphismus-Parsimonie-Kriteriums für diskrete Merkmalsdaten mit zwei Zuständen (0, 1).
Dolpenny Findet alle oder die meisten sparsamsten Stammbäume für diskrete Merkmalsdaten mit zwei Zuständen, für das Dollo- oder Polymorphismus-Sparsamitätskriterium unter Verwendung der Branch-and-Bound-Methode der exakten Suche.
dolmove Interaktive Erstellung von Phylogenien aus diskreten Merkmalsdaten mit zwei Zuständen (0, 1) unter Verwendung des Dollo- oder Polymorphismus-Parsimonie-Kriteriums; Auswertung von Parsimonie- und Kompatibilitätskriterien für diese Phylogenien; Anzeige der rekonstruierten Zustände im gesamten Baum
Clique Findet die größte Gruppe von kompatiblen Merkmalen und die von ihnen empfohlene Phylogenie für diskrete Merkmalsdaten mit zwei Zuständen (0, 1); die größte Gruppe (oder alle Gruppen innerhalb eines gegebenen Größenbereichs um die größte) werden durch eine schnelle Branch-and-Bound-Suchmethode gefunden.
Faktor Zeichenkodierungsprogramm, das diskrete Mehrzustandsdaten mit Zeichenzustandsbäumen entgegennimmt und den entsprechenden Datensatz mit zwei Zuständen (0, 1) ausgibt.
Zeichen Dieses Programm zur Darstellung von Stammbäumen mit Wurzelstruktur ermöglicht die Visualisierung von Phylogenien, Kladogrammen und Phänogrammen in einer Vielzahl von benutzerdefinierbaren Formaten. Es ist interaktiv und erlaubt die Vorschau des Stammbaums auf PC- oder Macintosh-Grafikbildschirmen sowie auf Grafikterminals von Tektronix oder Digital.
Drawtree Ein Programm zum Zeichnen unbewurzelter Bäume, ähnlich wie DRAWGRAM, aber es stellt Phylogenien dar.
Konsens Konsensbaumprogramm, das Bäume mithilfe der Mehrheitsbaummethode berechnet und somit auch die einfache Ermittlung des strikten Konsensbaums ermöglicht; kann den Adams-Konsensbaum nicht berechnen.
Baumbezirk Berechnet die Robinson-Foulds -Symmetriedifferenzdistanz zwischen Bäumen, die Unterschiede in der Baumtopologie berücksichtigt.
retree Interaktives Programm zur Baumumstrukturierung, das einen Baum (ggf. mit Astlängen) einliest und das Umwurzeln, Umkehren von Ästen, Ändern von Artennamen und Astlängen sowie das Ausgeben des Ergebnisses ermöglicht; kann zum Konvertieren zwischen verwurzelten und unverwurzelten Bäumen verwendet werden.

Referenzen

  1. ^ Felsenstein, J. (1981). „ Evolutionäre Bäume aus DNA-Sequenzen: Ein Maximum-Likelihood-Ansatz“. Journal of Molecular Evolution . 17 (6): 368–376 . Bibcode : 1981JMolE..17..368F . doi : 10.1007/BF01734359 . PMID  7288891. S2CID  8024924 .
  2. ^ a b c „PHYLIP allgemeine Informationsseite“ . Abgerufen am 14.02.2010 .
  3. ^ Joseph Felsenstein (August 2003). Ableitung von Phylogenien . Sinauer Associates. ISBN 0-87893-177-5Archiviert vom Original am 22.10.2011 . Abgerufen am 24.03.2006 .
  4. ^ Stamatakis, Alexandros (01.05.2014). „RAxML Version 8: Ein Werkzeug für die phylogenetische Analyse und Nachbearbeitung großer Phylogenien“ . Bioinformatics . 30 ( 9): 1312–1313 . doi : 10.1093/bioinformatics/btu033 . ISSN 1460-2059 . PMC 3998144. PMID 24451623 .   
  5. Kozlov , Alexey M.; Darriba, Diego; Flouri, Tomáš; Morel, Benoit; Stamatakis, Alexandros (1. November 2019). Wren, Jonathan (Hrsg.). „RAxML-NG: Ein schnelles, skalierbares und benutzerfreundliches Werkzeug für die Maximum-Likelihood-Phylogenie-Inferenz“ . Bioinformatics . 35 ( 21): 4453–4455 . doi : 10.1093/bioinformatics/btz305 . ISSN 1367-4803 . PMC 6821337. PMID 31070718 .   
  6. ^ Minh, Bui Quang; Schmidt, Heiko A; Chernomor, Olga; Schrempf, Dominik; Woodhams, Michael D; von Haeseler, Arndt; Lanfear, Robert (2020-05-01). Teeling, Emma (Hrsg.). „IQ-TREE 2: Neue Modelle und effiziente Methoden für phylogenetische Inferenz im Genomzeitalter“ . Molecular Biology and Evolution . 37 (5): 1530–1534 . doi : 10.1093 / molbev/msaa015 . ISSN 0737-4038 . PMC 7182206. PMID 32011700 .   
  7. ^ „PHYLIP-Paketdokumentations-Spiegelseite“ . Archiviert vom Original am 19.10.2005 . Abgerufen am 24.03.2006 .