Application of EasyCodeML on Adaptive Evolution Analysis

研究背景

在DNA水平上检测正选择，并找出对应的氨基酸位点是适应性进化分析中不可或缺的一项重要内容。在基于密码子 (Codon-based) 进化模型的生物软件和资源中，PAML包中的CodeML 程序目前使用最为广泛 (Yang, 2007)。根据序列中不同位点或系统发育树中不同分支上ω 值 (非同义替代与同义替换的比值，即dN/dS或Ka/Ks) 不同，CodeML中的密码子模型可以分为枝模型 (Branch model)、位点模型 (Site model)、枝位点模型 (Branch-site model) 和进化枝模型 (Clade model) 四大类(Yang and Nielsen, 1998 and 2002; Forsberg and Christiansen, 2003; Bielawski and Yang, 2004; Zhang et al., 2005)。
    位点模型 (Site model) 常用于检测核苷酸序列中位点的正选择 ( ω >1) 作用，该模型假设数据集中不同密码子的选择压不同，而支系 (Lineage) 间的选择压力相同。位点模型中共有8个不同假设的模型 (表1)，其中M0和M3、M1a和M2a、M7和M8以及M8a和M8为四对巢式模型 (Nested model)，M0、M1a、M7和M8a为零假设模型 (null model)，M3、M2a和M8为备选假设模型 (alternative model)。除M0 vs. M3 (不是用于检测正选择) 外，如果备选模型显著优于零假设模型(Likelihood ratio test, p < 0.05)，表明存在正选择作用 (Yang et al., 2000)。检测正选择作用的巢式模型中，M7 vs. M8 是检测正选择最为常用的模型对，但由于M8a vs. M8得到的假阳性结果更低，现在也渐渐被使用。当数据中检测到正选择作用后，可以应用贝叶斯经验贝叶斯法 (Bayes empirical Bayes, BEB) 进一步鉴定可能受正选择作用的氨基酸位点 (Yang et al., 2005)。

表1. 位点模型 (Site model) 中不同模型的背景假设

软件运行环境及信息

1. EasyCodeML程序为Java编写，支持跨平台使用。运行前需确保操作系统中已安装了JAVA运行环境 (JRE 1.6或更高版本)。JRE最新版本可从JAVA官网下载，下载链接为：https://www.java.com/en/download/manual.jsp
2. EasyCodeML v1.41 https://github.com/BioEasy/EasyCodeML
3. 本文示例数据可以访问作者永硕网盘获取（http://raindy.ys168.com/）；EasyCodeML软件子目录Example中的Example2.pml和Example2.tre文件与示例数据相同。
   

实验步骤