• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Evolutionary Bioinformatics Online >A new effective method for estimating missing values in the sequence data prior to phylogenetic analysis
【2h】

A new effective method for estimating missing values in the sequence data prior to phylogenetic analysis

机译：一种在系统发育分析之前估算序列数据中缺失值的新有效方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this article we address the problem of phylogenetic inference from nucleic acid data containing missing bases. We introduce a new effective approach, called “Probabilistic estimation of missing values” (PEMV), allowing one to estimate unknown nucleotides prior to computing the evolutionary distances between them. We show that the new method improves the accuracy of phylogenetic inference compared to the existing methods “Ignoring Missing Sites” (IMS), “Proportional Distribution of Missing and Ambiguous Bases” (PDMAB) included in the PAUP software [26]. The proposed strategy for estimating missing nucleotides is based on probabilistic formulae developed in the framework of the Jukes-Cantor [10] and Kimura 2-parameter [11] models. The relative performances of the new method were assessed through simulations carried out with the SeqGen program [20], for data generation, and the Bio NJ method [7], for inferring phylogenies. We also compared the new method to the DNAML program [5] and “Matrix Representation using Parsimony” (MRP) [13], [19] considering an example of 66 eutherian mammals originally analyzed in [17].
机译：在本文中，我们从包含缺失碱基的核酸数据中解决了系统发育推断的问题。我们引入了一种新的有效方法，称为“丢失值的概率估计”（PEMV），允许人们在计算未知核苷酸之间的进化距离之前对其进行估计。我们证明，与PAUP软件中包含的现有方法“忽略缺失位点”（IMS），“缺失和歧义碱基的比例分布”（PDMAB）相比，新方法提高了系统发育推断的准确性[26]。提议的估计核苷酸缺失的策略是基于在Jukes-Cantor [10]和Kimura 2-parameter [11]模型的框架中开发的概率公式。通过使用SeqGen程序[20]进行的仿真（用于数据生成）和Bio NJ方法[7]的用于进行系统进化的仿真，评估了该新方法的相对性能。我们还将新方法与DNAML程序[5]和“使用简约性的矩阵表示法”（MRP）[13]，[19]进行了比较，以最初在[17]中分析的66个以太子哺乳动物为例。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号