phyTest (versão 0.7 - alpha)

Descrição

Este programa é capaz de realizar uma gama de testes topológicos, visando a seleção do modelo evolutivo (i.e. árvore filogenética) mais adequado para explicar o processo de geração de um alinhamento de sequências dado pelo usuário.

O phyTest (v. 0.7.6) implementa os testes KH, SH, SOWH, ELW, BP e AU e possibilita sua realização por uma variedade de procedimentos, como o bootstrap paramétrico, não-paramétrico, RELL ou aproximação normal. O phyTest não é autônomo no cálculo de verossimilhança das árvores testadas ou na simulação de alinhamentos. Na necessidade destes procedimentos, recruta os programas IQTREE e Seq-Gen automaticamente.

Dada a variedade de combinações possíveis entre testes e procedimentos implementados, com o phyTest o usuário terá mais liberdade para avaliar o efeito de diferentes abordagens estatísticas sobre o cálculo da confiança (p-valor) de suas hipóteses evolutivas.

Configurações de uso

Tutorial rápido

Para rodar o programa chame:

perl phyTest.pl -s <arquivo_com_alinhamento> -m <modelo_de_substituição> -z <arquivo_com_filogenias> -n <número_de_réplicas> -t <testes_desejados>

Os formatos aceitos, sintaxe e parâmetros disponíveis seguem:

-s arquivo_com_alinhamento.[fasta|phy]
-m modelo_de_substituição [MODELO+I+(Gn|+Rn)]
-z arquivo_com_filogenias.tre [uma newick por linha]
-n número_de_réplicas [dígitos]
-t [BP/KH/SH/ELW/AU/SOWH]

Detalhamento

-s (obrigatório; sem default)

Especifica o arquivo contendo o alinhamento que se deseja analisar. Os formatos aceitos são fasta (.fas|.fasta|.fst) e phylip sequencial (.phy|.phylip).

-m (obrigatório; sem default)

Especifica o modelo de substituição de nucleotídeos a ser utilizado nas análises (otimização de parâmetros e cálculos de verossimilhança) tanto do alinhamento original (dado via -s) quanto de eventuais réplicas que venham a ser produzidas. Segue o mesmo formato aceito no programa IQTREE; matriz de substituição e demais parâmetros separados por '+'.

ex: HKY+G6+I

• [Matriz de substituição] - delimita a liberdade de variação das taxas de substituição de nucleotídeos e suas frequências de equilíbrio:

  • JC/JC69, F81, K2P/K80, HKY/HKY85, TN/TrN/TN93, TNe, K3P/K81, K81u, TPM2, TPM2u, TPM3, TPM3u, TIM, TIMe, TIM2, TIM2e, TIM3, TIM3e, TVM, TVMe, SYM, GTR ou codificação em 6 dígitos (ver http://www.iqtree.org/doc/Substitution-Models#dna-models para mais detalhes).

• [Taxas heterogêneas] - admite estimação de taxas de substituição heterogêneas ao longo dos sítios do alinhamento

  • G[n] - variação restrita a categorias de uma distribuição gama, com parâmetro alfa estimado por máxima verossimilhança (ou fixo em caso de otimização parcial) e beta = alfa
  • R[n] - variação restrita a categorias de uma distribuição livre, com média e probabilidade de cada categoria estimada por máxima verossimilhança (ou fixa em caso de otimização parcial)

Em ambos os casos, [n] é opcional e define o número de categorias da distribuição. Se 'G' ou 'R' for referido sem qualquer dígito, o número de categorias seguirá um default de 4.

• [Sítios invariáveis] - admite uma proporção de sítios invariáveis (com taxa de substituição de nucleotídeos = 0); é estimada por máxima verossimilhança (ou fixa em caso de otimização parcial)
  • I - categoria única de sítios invariáveis

Atenção: apesar da combinação de categorias de taxas heterogêneas e uma categoria de sítios invariáveis (e.g. GTR+G+I) ser viável, o IQTREE sofre significativa penalidade no tempo de estimação da proporção de sítios invariáveis e da distribuição de taxas simultaneamente. Para uma análise mais rápida, é recomendável aumentar o número de categorias de taxas heterogêneas, compensando assim a ausência de uma categoria de invariáveis.

-z (obrigatório; sem default):

Especifica o arquivo contendo o grupo de árvores filogenéticas a ser testado. Neste aquivo, as árvores devem estar em formato newick (i.e. parentético) e cada uma deve ocupar exclusivamente uma linha.

-n (default 1000)

Especifica o limite de réplicas (do alinhamento em -s) a serem produzidas. Utilizado apenas no caso de um ou mais testes requisitados envolverem procedimento de bootstrap paramétrico (simulações de alinhamentos), não-paramétrico (reamostras de sítios do alinhamento original) ou RELL (reamostras dos valores de verossimilhança por sítio calculados para o alinhamento original).

-t (default BP:0/KH:0/SH:0)

Especifica os tipos de testes desejados, separados por barra (/), e os parâmetros procedimentais, combinados aos respectivos testes por dois pontos (:). Se desejar repetir um mesmo tipo de teste via diferentes procedimentos numa só execução do programa, os parâmetros procedimentais vão separados entre si por vírgulas (,).

ex: -t AU:1,2,3,4/BP:3,4/KH:-3,0

Tipos de testes:

• [BP] - Bootstrap Proportion
• [KH] - Kishino & Hasegawa (1989)
• [SH] - Shimodaira & Hasegawa (1999)
• [SOWH] - Teste Paramétrico (Swofford, Olsen, Waddel & Hillis, 1996)
• [ELW] - Expected Likelihood Weights (Strimmer & Rambaut, 2001)
• [AU] - Approximatelly Unbiased (Shimodaira, 2002)

Procedimentos:

• [-3] - aproximação normal

• [-2] - bootstrap paramétrico (simulações) com otimização completa

• [-1] - bootstrap paramétrico com otimização parcial (default para o SOWH)

• [0] - RELL (default para os demais testes)

• [1] - bootstrap não-paramétrico (tradicional) com otimização parcial

• [2] - boot. não-paramétrico com otimização completa

• [3] - boot. não-paramétrico com busca pela árvore de ML e otimização parcial

• [4] - boot. não-paramétrico com busca pela árvore de ML e otimização completa

  • -3: válido apenas com KH

    • Assume que os valores esperados de diferença de verossimilhança (deltas) entre cada árvore e a árvore de maior verossimilhança têm distribuição normal com média zero.
    • Assume que o desvio padrão (DP) dessa distribuição é proporcional ao DP dos valores de delta por sítio calculados entre as árvores comparadas. Assim, dispensa procedimentos de replicação.

  • -2: válido apenas com SOWH

    • Utiliza cada uma das árvores, junto a seus comprimentos de ramo e parâmetros de substituição, para simular diferentes sets de alinhamentos-réplica.
    • Ao recalcular a verossimilhança de cada árvore, para as diferentes réplicas simuladas, reestima os parâmetros de substituição.

  • -1: válido apenas com SOWH (default)

    • ======//======
    • Ao recalcular a verossimilhança de cada árvore, para as diferentes réplicas simuladas, fixa os parâmetros de substituição já estimados para o alinhamento dado.

  • 0: válido com KH, SH, ELW, BP e AU (default)

    • Sorteia diretamente dos valores de verossimilhança por sítio calculados para cada árvore com o alinhamento dado.
    • Dessa forma, obtém verossimilhanças-réplica (soma de cada set de valores sorteado), dispensando alinhamentos-réplica e reestimação de parâmetros.

  • 1: válido com KH, SH, ELW, BP e AU

    • Sorteia sítios do alinhamento original, com reposição, para formar alinhamentos-réplica.
    • Ao recalcular a verossimilhança de cada árvore, para as diferentes réplicas sorteadas, fixa os parâmetros de substituição já estimados para o alinhamento original.

  • 2: válido com KH, SH, ELW, BP e AU

    • ======//======
    • Ao recalcular a verossimilhança de cada árvore, com as diferentes réplicas sorteadas, reestima os parâmetros de substituição.

  • 3: válido com BP e AU

    • ======//======
    • Utiliza o algorítmo default do IQTREE para buscar a árvore de maxima verossimilhança (ML) para cada réplica sorteada, fixando os parâmetros de substituição já estimados para o alinhamento original.

  • 4: válido com BP e AU

    • ======//======
    • Utiliza o algorítmo default do IQTREE para buscar a árvore e os parâmetros de substituição de máxima verossimilhança (ML) para cada réplica sorteada.

-g

Define o seed (número inteiro) que alimentará o gerador aleatório de números do phyTest e o do Seq-Gen (se recrutado). Por default, o seed é definido com base na hora de partida do programa, mas utilizando a opção -g para forçar o mesmo seed de uma corrida anterior, o usuário pode garantir que as mesmas réplicas serão geradas.

-nc (default 2)

Especifica o número de núcleos de processamento a ser utilizado sempre que o IQTREE é recrutado.

-redo (default TRUE)

Define se todas as análises para otimização de parâmetros e cálculo de verossimilhança devem ser repetidas ou se resultados anteriores devem ser reaproveitados. Com -redo FALSE, arquivos de saída do IQTREE gerado pelo phyTest anteriormente podem ser reaproveitados.

Atenção: se o grupo de árvores dado em -t for modificado entre uma e outra corrida do phyTest, garanta que -redo TRUE ou que o diretório de trabalho não contenha arquivos de saída relativos a análises anteriores.

-verb (default FALSE)

Modo "verbose". Com -verb TRUE, o programa se torna falador, entrando em detalhes mais específicos de cada passo percorrido.