0

再次。

我再需要一次帮助。

现在我开始使用 PHYLOCOM 软件来从不同的样本中推断系统发育的特征。该软件允许您计算您的物种在您的分析中是否在其他种群中显示出聚类或过度分散。作为输入文件，您需要一个 NEWICK 格式的系统发育树和一个示例文件 (.txt)。

我已经完成了两项测试，一项以这种方式使用“ape”包修改了 R 中的树：

compute.brlen(tree, main=expression(rho==10))

而另一个'猿'选项的另一个：

tree$edge.length = tree$edge.length * 10

第一个修改生成带有超度量树的输出，而第二个输出是非超度量树。如果那时我自己运行 PHYLOCOM

phylocom comstruct

我得到了不同的结果，不仅在参数值方面，而且在意义 p 值方面。

我的问题是，如果有人知道我应该如何运行 PHYLOCOM 以正确地进行这些“结构”分析，输入超测量或非超测量，以及以一种或另一种方式运行它有什么区别。

我知道这不是 stackoverflow 论坛的“经典”问题，但也许任何使用系统发育的人都可以帮助我。

非常感谢。

4

1 回答 1

0

我想我可以提供帮助，但不幸的是，我无法添加评论以获取更多信息，因此我将不得不从所提供的信息中推断出您的意思。如果没有帮助，我很抱歉。

首先，您可能需要查阅 compute.brlen() 的帮助。因为这个函数中没有“main”的参数。我认为您已从帮助文件中的示例中获取它，但您可能会注意到这是在 compute.brlen 函数之外和在 plot 函数中。它会在你的情节中给你一个标题。

要更改 compute.brlen() 中的 rho 值，您需要更改 power 参数。例如：

compute.brlen(tree, power = 10)

这可能就是您对不同的树得到不同结果的原因。因为在您的 compute.brlen() 树上没有执行任何转换。

我不熟悉 PHYLOCOM，所以在这方面我无能为力。但是超度量和非超度量树会在树的尖端之间给出不同的关系，所以我不会对它们给出不同的结果感到惊讶。我应该指出，我对超测量树和非超测量树分析的差异不是很有信心，但从绘制的差异来看，我认为这是真的。

于 2013-09-26T04:05:37.720 回答