最近杂事真的非常的满，终于找到时间更新一下。。。。

通过上一篇文章的介绍，系统发育树的基本概念大家已经了解清楚，那到底怎么获得一棵可信的进化树呢？

构建系统发育树

对于群体遗传学分析，一般都会以群体SNPs位点数据构建系统发育树，因此，接下来我主要以SNPs数据为例，介绍系统进化树的构建方法。

构建步骤概况

序列比对->建树方法选择->计算最佳替代模型->进化树建立->进化树美化

序列比对

常见的序列比对软件包括：Clustal和Muscle等。

Clustal除了有自己独立的软件外（多种操作系统都支持），也常被整合到一些常见的软件中，如：Bioedit、MEGA等。

Muscle同样支持多种操作系统。

两个软件的引用频率都很高，没有绝对的谁好谁坏，哪个顺手就用哪个即可。

建树方法选择

1、Distance-based methods 距离法：

基于距离的方法：首先通过各个物种之间的比较，根据一定的假设（进化距离模型）推导得出分类群之间的进化距离，构建一个进化距离矩阵。进化树的构建则是基于这个矩阵中的进化距离关系。

• Unweightedpair group method using arithmetic average(UPGMA)非加权分组平均法

• Minimum evolution(ME)最小进化法

• Neighbor joining(NJ)邻位归并法

2、Character-based methods 特征法：

基于特征的方法：不计算序列间的距离，而是将序列中有差异的位点作为单独的特征，并根据这些特征来建树。

• Maximum parsimony(MP) 最大简约法

• Maximum likelihood method(ML) 最大似然法

模型选择的依据如下图：

模型选择依据

UPGMA法已经较少使用。一般来讲，如果模型合适，ML的效果较好。对近缘序列，有人喜欢MP，因为用的假设最少。MP一般不用在远缘序列上，这时一般用NJ或ML。对相似度很低的序列，NJ往往会出现Long-branch attraction（LBA，长枝吸引现象），有时严重干扰进化树的构建。贝叶斯方法则太慢。对于各种方法构建分子进化树的准确性，有一篇综述（Hall BG, 2005）认为贝叶斯的方法最好，其次是ML，然后是MP。其实如果序列的相似性较高，各种方法都会得到不错的结果，模型间的差别也不大。不过现在文章普遍使用的是NJ是ML模型。

替代模型选择

系统发育分析中，最大似然法（ML）和贝叶斯法（BI）是对替代模型非常敏感的两种算法，因此，利用ML法或BI法重建系统发育树前，替代模型的选择是必不可少的过程。

• jModeltest适用于核苷酸替代模型的选择，是一个跨平台java程序。
• ProtTest适用于氨基酸替代模型的选择。
  这两个软件都是通过 PhyML 对进化树和模型参数进行最大似然估计，通过 AIC, BIC 分值寻找最佳替代模型，分值越小则模型越优。

使用jModeltest计算核苷酸最佳替代模型

Win操作系统下jModeltest的使用方法参考这篇文章：图解核苷酸替代模型的选择 - jModelTest 篇(By Raindy)。
ProTest的使用方法可以参考这篇文章：使用 ProtTest 来选择最优氨基酸替代模型。

我自己基本都用的是Linux版本的jModelTest，使用及其简单，命令如下：

java -jar /PathToJmodel/jmodeltest-2.1.10/jModelTest.jar -d FileName.phy -f -i -g 4 -s 11 -BIC -AIC -v -a -tr 40 -o FileName_jmodeltest.txt

参数说明：
-d：输入文件。注意！这个软件需要输入的是.phy格式文件，不是.fasta格式。
-f：include models with unequals base frecuencies
-g：include models with rate variation among sites and number of categories
-i： include models with a proportion invariable sites
-s：number of substitution schemes
-v：do model averaging and parameter importances
-a：estimate model-averaged phylogeny for each active criterion
-BIC：calculate the Bayesian Information Criterion
-AIC：calculate the Akaike Information Criterion

结果的最下方，有如图所示的列举，也就是得分最高的模型。

jmodeltest结果

建树

计算完最佳模型，我们就要开始建树了。对于ML树的构建，推荐大家使用新一代RAxML——raxml-ng。

RAxML一直是ML建树的经典工具，其由来自德国海德堡理论科学研究所（Heidelberg Institute for Theoretical Studies）的Alexandros Stamatakis开发。近年来，其江湖地位也受到来自其他软件，尤其是IQ-Tree的挑战。Zhou等人的文章Evaluating Fast Maximum Likelihood-Based Phylogenetic Programs Using Empirical Phylogenomic Data set对RAxML，IQ-TREE，FastTree，Phyml四个最大似然法建树软件的实际效果和表现进行了系统比较，其中一个结论是IQTREE在准确性方面要略胜一筹。
近日，RAxML的升级版，raxml-ng发布！

相较于上一代，raxml-ng有如下优势：

• 1. 速度较RAxML有较大幅度提升。raxml-ng对算法有改进，其中也借鉴了IQTREE的部分思路。作者利用Zhou的数据将raxml-ng与IQTREE进行了比较，发现raxml-ng在可以得出更准确的结果的同时其速度是IQTREE的1.3到4.5倍。
• 2. RAxML对于DNA替换模型的吝啬是其饱受诟病的一个原因。而这一问题在raxml-ng中得到了完美解决。raxml-ng现在支持22个核酸进化模型。
• 3. 多线程效率上有一定提升

使用raxml-ng构建ML树

话不多说，直接建树：

raxml-ng --all --msa FileName.fas --model TVM+G --bs-trees 1000 --threads 90

参数说明：
--all：Perform an all-in-one analysis (ML tree search + non-parametric bootstrap)
--msa：对其后的序列文件
--model：直接输入上一步产生的最佳模型
--bs-trees：检查树的鲁棒性（robustness）进行自展（bootstrap）检验，进行1000次bootstrapping抽样
--threads：给定线程

运行后结果如下图所示，其中.bestTree就是我们要的树文件，导入树可视化工具即可（我比较常用MEGA和iTOL）,下次再写一下如何美化进化树吧。

raxml-ng结果文件

工欲善其事，必先利其器

做进化分析的工友们可能都有个感觉，很多分析一等就是好几天，特别是建树（做过的都知道其中的痛苦），有时候忽然加入一个样品又要从头来。因此，一台给力的服务器是必要的工具。比如，上文提到了SNP进化树，我做的还仅仅只是相近物种，而且基因组很小（9M），SNP位点就有4万个，如果要用我MEGA这些软件调用我电脑8核的CPU，1000自展值可能要跑到毕业。

生物学背景出身的我，抄着那一点可怜的计算机常识，在我们课题组购买服务器时，我做了非常多的功课。当然，主要还是听取公司技术人员的建议，通过我非常非常非常长时间的测试，多次使用常见的生物信息分析软件（我主要从事寄生虫基因组、宿主转录组、16S宏基因组等研究），最终，找到了一个性价比超高的服务器配置，具体配置如下：

单台双计算节点服务器+混合统一高速存储：

• 单节点48核96线程2.3GHz全核满载3.0GHz，512GB内存【单台96核192线程，1TB内存】，固态系统及缓存盘（线程数不用解释吧，越多越好；远程控制跑跑各种生物学脚本用不到显卡，钱都丢到CPU和内存才是王道）；
• 120TB混合统一存储万兆互联（注意：和存储之间的交换速度直接影响大部分脚本运行速度）。

真心感谢一下烽伟的技术小哥哥们，乐死不疲的回答我各种低级的问题，如果有啥需要可以联系一下他们的技术，感觉蛮靠谱哒，官网：烽伟科技。

上一个他们的LOGO，以表感谢。

上海烽伟

本文为本人的学习笔记，希望对大家有所帮助。本文大量参考网络文章，文章来源列举于全文末尾。

参考：
一文读懂进化树
使用 ProtTest 来选择最优氨基酸替代模型
RAxML进化树构建的新一代——raxml-ng