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：