Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:1904.03826v2

帮助 | 高级搜索

定量生物学 > 种群与进化

arXiv:1904.03826v2 (q-bio)
[提交于 2019年4月8日 (v1) ,最后修订 2019年10月16日 (此版本, v2)]

标题: 使用ASTRAL进行物种树估计:实际考虑因素

标题: Species Tree Estimation Using ASTRAL: Practical Considerations

Authors:Siavash Mirarab
摘要: ASTRAL是一种在推断一组基因树之后重建物种树的方法,在系统发育基因组学分析中被越来越多地使用。 在多物种共线模型下,它具有统计一致性,可扩展性强,并且在模拟和实证研究中表现出高准确性。 本章讨论了使用ASTRAL时的实际注意事项,首先回顾已发表的结果,并指出使用ASTRAL进行物种树估计的优势和劣势。 然后继续详细说明准备输入基因树的最佳方法、解释ASTRAL输出以及进行后续分析的方法。
摘要: ASTRAL is a method for reconstructing species trees after inferring a set of gene trees and is increasingly used in phylogenomic analyses. It is statistically consistent under the multi-species coalescent model, is scalable, and has shown high accuracy in simulated and empirical studies. This chapter discusses practical considerations in using ASTRAL, starting with a review of published results and pointing to the strengths and weaknesses of species tree estimation using ASTRAL. It then continues to detail the best ways to prepare input gene trees, interpret ASTRAL outputs, and perform follow-up analyses.
主题: 种群与进化 (q-bio.PE)
引用方式: arXiv:1904.03826 [q-bio.PE]
  (或者 arXiv:1904.03826v2 [q-bio.PE] 对于此版本)
  https://doi.org/10.48550/arXiv.1904.03826
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Siavash Mirarab [查看电子邮件]
[v1] 星期一, 2019 年 4 月 8 日 04:03:57 UTC (5,892 KB)
[v2] 星期三, 2019 年 10 月 16 日 18:08:57 UTC (5,279 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-bio.PE
< 上一篇   |   下一篇 >
新的 | 最近的 | 2019-04
切换浏览方式为:
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号