RAxML下载与使用与ML建树原理

>ML建树原理

1.选择模型：首先需要根据不同的分子序列特点和研究目的，选择合适的进化模型。常用的模型包括JC模型、K80模型、HKY模型、GTR模型等。

2.构建初始树：为了进行ML优化，需要构建一颗初始的进化树。初始树的构建可以使用多种方法，例如随机构建、邻接法、UPGMA法等。

3.计算似然值：计算初始树的似然值，即给定当前进化树拓扑结构和分支长度下，观测到输入序列的概率。该概率可以根据所选的进化模型和序列数据计算得出。

4.优化树拓扑：通过修改进化树的拓扑结构，得到新的进化树，并计算其似然值。如果新的进化树的似然值比原始树更高，则接受该新树，否则舍弃。

5.优化分支长度：在确定树的拓扑结构后，进一步通过优化分支长度，使得观测到的序列数据出现的概率最大。这个过程通常使用牛顿法、梯度下降法等数值优化方法实现。

6.重复优化：不断重复步骤4和步骤5，直到ML似然值收敛或达到预设的停止条件。

7.输出结果：最终输出优化后的进化树和相应的似然值，用于进一步的分析和解释。

似然值是如何计算的：

 总之需要依赖substitution model 

>RAxML是怎么利用ML建树的

1.根据参数p的选择生成很多个随机初始树

2.计算每个初始树的似然值

3.根据ML算法优化每棵树的结构找到最大似然值

4.取结果中最大最大似然值最大的树作为输出

>选择版本

*按CPU运行速度（x86架构的新旧）：标准版，SSE3，AVX和AVX2

*按并行实现方式：单线程，MPI，Threads，MPI+Threads

上面两个组合起来有超级多的makefile！需要根据序列长度和数量合理选择

Q1：单线程还是多线程？

一般来说，单线程适合中小型数据，多线程适合长比对。然而，manual指出，对于相对较小的数据（1,900 taxa, 1,200bp, DNA data），8核还是要快点。

Q2：MPI还是Thread？

MPI用于跨计算机通信和协调分布式内存系统中的多个进程，而Pthreads则用于在单个计算机上创建并发执行的多个线程，而且MPI版的功能不完整

Q3：线程设置多少？

并不是线程越多，程序越快，因为等待输入解析和彼此通信的时间也会变多（Amdahl法则）。

根据经验，使用一个核心/线程每500个DNA位点模式，如果有更少的，那么最好使用 sequential 版本。约有1000个位点的单基因DNA比对，可以用2个或最多4个线程进行分析。

Amdahl法则：描述一个系统部分性能提升对整个系统性能的影响，公式：

最大加速比（倍数）=1/ ((1-p)+ (p/N))

p是并行计算部分所占比例，N是并行处理结点个数（处理器个数）

>使用

eg：

raxmlHPC-PTHREADS-AVX2 -f a -m GTRGAMMA -p 12345 -x 12345 -# 100 -s sequences.fasta -n result

-s <filename>：输入文件名

-m <model>：输入使用的substitution模型

对于nt：

1.GRT(raxml只支持这一种取代模型)

2.GAMMA/CAT分布模型

3.I考虑不变位点

4.ASC考虑升降偏倚

不支持自动选择最佳取代模型，需要手动指定

对于aa：

输入PROTGAMMAAUTO自动选择最适合的模型

-b<int>：bootstrap分析的随机种子，只对单线程的版本有用（更慢，精度更高）

-x <int>：快速bootstrap的随机种子数，一般构建ML树使用这个选项（更快，精度较低）

-# <bootstrap>:设置bootstrap次数

-p <int>：设置初始化随机数的随机种子

-f <[adsb]>: 指定分析类型，一般选a表示进行ML构建分析

-n：指定输出文件后缀

>输出文件

RAxML_bestTree：最优的最大似然树

RAxML_bipartitions：最优的最大似然树，内部节点标注了bootstrap值

RAxML_bipartitionsBranchLabels，内部节点标注了bootstrap值，与RAxML_bipartitions标注方式不同

RAxML_bootstrap：根据bootstrap构建的自举树

RAxML_info：包含了raxml运行时的一些信息，如参数设置，模型选择，似然率计算等

.reduced：剔除的冗余序列