基于自定义距离矩阵的Biopython自举系统发生树

Question

我正在尝试创建一个自举的系统进化树，但不是使用原始的多序列比对数据和标准的评分系统，我想使用我自己创建的自定义距离矩阵。我目前查看了http://biopython.org/wiki/Phylo，并能够使用我自己的自定义距离矩阵创建一棵树，使用以下代码：

dm = TreeConstruction._DistanceMatrix(tfs,dmat)
treeConstructor  = DistanceTreeConstructor(method = 'upgma')
upgmaTree = treeConstructor.upgma(dm)
Phylo.draw(upgmaTree)

其中，dmat是下三角距离矩阵，tfs是用于列/行的名称列表。在看引导示例时，似乎所有的输入都需要是原始序列数据，而不是像我上面使用的距离矩阵，有人知道解决这个问题的方法吗？ 谢谢！在

Answer 1

简而言之：不，您不能使用距离矩阵来引导系统发育。在

长回答： 引导系统发育的第一步需要创建一组数据伪复制。对于DNA序列，核苷酸位置是从排列（整个列）中随机抽取的，重复次数达到排列的总长度。在

让我们假设一个10 bp长的序列与两个突变不同的序列。为了简单起见，它们的距离是d=0.2。在

AATTCCGGGG
AACTCCGGAG

引导这样的数据集需要位置3、8、5、9、10、1、6、9、6、5来表示伪复制。在

^{pr2}$

我们获得了一个数据集，其中的变量（列）与原始对齐方式相同，但出现频率不同。注意在引导对齐中d=0.3。在

使用这种方法，我们可以引导任何变量或包含多个变量的数据集。距离矩阵不能以这种方式使用，因为它表示已经处理过的信息。在

解决方案：

重复在您自己的数据伪复制上计算自定义距离矩阵的过程。在

# Your function to calculate a custom distance matrix
calc.dist <- function(dat) { ... }

nrep <- 100
reps <- lapply(1:nrep, FUN=function(i) calc.dist(dat[,sample(1:ncol(dat), ncol(dat), replace = TRUE)]))