Selection AnalysisWe evaluated sele

Selection Analysis
We evaluated selection pressures using maximum-likelihood
models (Goldman and Yang 1994; Yang 1998)
implemented in CODEML of the PAML (Yang 2007). We
first employed the one-ratio model that assumes a single x
for the entire phylogenetic tree. This model tends to be
very conservative and can only detect positive selection if
the x ratio averaged over all the sites along the lineage is
significantly [1. Because such lineage-specific models
assume a single x for the entire tree, they often fail to
identify regions in proteins that might be affected by episodic
selection pressures and ultimately, underestimate the
strength of selection. Hence, we employed site-specific
models which estimate positive selection statistically as a
non-synonymous-to-synonymous nucleotide-substitution
rate ratio (x) significantly [1. We compared likelihood
values for three pairs of models with different assumed x
distributions as no a priori expectation exists for the same:
M0 (constant x rates across all sites) versus M3 (allows the
x to vary across sites within ‘n’ discrete categories, n C 3);
M1a (a model of neutral evolution) where all sites are
assumed to be either under negative (x1) or neutral
selection (x = 1) versus M2a (a model of positive selection)
which in addition to the site classes mentioned for
M1a, assumes a third category of sites; sites with x[1
(positive selection) and M7 (Beta) versus M8 (Beta and x),
and models that mirror the evolutionary constraints of M1
and M2 but assume that x values are drawn from a beta
distribution (Nielsen and Yang 1998). Only if the alternative
models (M3, M2a and M8: allow sites with x[1)
show a better fit in likelihood ratio test (LRT) relative to
their null models (M0, M1a and M8: do not show allow
sites x[1), are their results considered significant. LRT is
estimated as twice the difference in maximum-likelihood
values between nested models and compared with the c2
distribution with the appropriate degree of freedom—the
difference in the number of parameters between the two
models. The Bayes empirical Bayes (BEB) approach (Yang
et al. 2005) was used to identify amino acids under positive
selection by calculating the posterior probabilities that a

ผลลัพธ์ (ไทย) 1:

เลือกวิเคราะห์เราประเมินความดันเลือกที่ใช้ความเป็นไปได้สูงสุดโมเดล (โกลด์แมนและยาง 1994 ยางปี 1998)ดำเนินการใน CODEML ของ PAML (ยาง 2007) เราจ้างแบบอัตราส่วนหนึ่งสมมติ x เดียวก่อนสำหรับทรี phylogenetic ทั้งหมด รุ่นนี้มีแนวโน้มที่จะหัวเก่ามาก และเฉพาะสามารถตรวจเลือกบวกถ้าอัตราส่วน x averaged ผ่านเว็บไซต์ทั้งหมดตามคนเชื้อสายคืออย่างมีนัยสำคัญ [1 เนื่องจากแบบจำลองดังกล่าวเฉพาะคนเชื้อสายสมมติ x เดียวสำหรับแผนภูมิทั้งหมด พวกเขามักจะล้มเหลวในการระบุภูมิภาคในโปรตีนที่อาจได้รับผลกระทบ โดย episodicกดดัน และดูถูกดูแคลนที่สุด การความแข็งแรงของตัวเลือก ดังนั้น เราจ้างเฉพาะแบบจำลองที่เลือกบวกประเมินทางสถิติเป็นการนิวคลีโอไทด์ที่ไม่พ้องกับพ้องทดแทนอัตราอัตราส่วน (x) อย่างมีนัยสำคัญ [1 เราเปรียบเทียบความเป็นไปได้ค่าสำหรับคู่สามรุ่นพร้อมสันนิษฐาน xกระจายเป็นเลข priori ความคาดหวังอยู่ในเดียวกัน:M0 (คงที่ x ราคาข้ามไซต์ทั้งหมด) เมื่อเทียบกับ M3 (ช่วยให้การx แตกต่างกันภายในเอ็นไซต์ประเภทแยกกัน n C 3);M1a (แบบจำลองของวิวัฒนาการเป็นกลาง) อยู่อเมริกาทั้งหมดถือว่าไม่ว่าจะเป็นค่าลบ (x1) หรือเป็นกลางเลือก (x = 1) เทียบกับ M2a (รุ่นที่เลือกเป็นค่าบวก)ซึ่งคลาไซต์กล่าวถึงM1a ถือเป็นประเภทสามไซต์ อเมริกากับ x [1(เลือกค่าบวก) และ M7 (เบต้า) กับ M8 (เบต้าและ x),และรูปแบบที่สะท้อนข้อจำกัดเชิงวิวัฒนาการของ M1และ M2 แต่สมมติว่า x ที่จะออกค่าเบต้ากระจาย (นีลและยางปี 1998) ถ้าเฉพาะทางเลือกแบบจำลอง (M3, M2a และ M8: อนุญาตให้เว็บไซต์ ด้วย x[1)แสดงพอดีในการทดสอบอัตราส่วนโอกาส (LRT) กับรูปแบบของพวกเขาเป็น null (M0, M1a และ M8: แสดงให้เว็บไซต์ x[1) ผลของพวกเขาถือเป็นสำคัญ LRT เป็นประมาณเป็นสองความแตกต่างในความเป็นไปได้สูงสุดค่าระหว่างซ้อนแบบจำลอง และเปรียบเทียบกับ c2แจกแจง ด้วยอิสระขององศาที่เหมาะสมเช่นการความแตกต่างในจำนวนของพารามิเตอร์ระหว่างสองรูปแบบจำลอง การ Bayes ประจักษ์ Bayes (BEB) วิธีการ (ยางร้อยเอ็ด al. 2005) ถูกใช้เพื่อระบุกรดอะมิโนภายใต้บวกเลือก โดยการคำนวณกิจกรรมหลังที่เป็น

ผลลัพธ์ (ไทย) 3:

เลือกการวิเคราะห์
เราประเมินโอกาสการใช้โมเดลแรงกดดัน
สูงสุด ( Goldman และหยางหยาง 2537 ; 1998 )
ที่ใช้ใน codeml ของ paml ( ยางปี 2007 ) เราใช้แบบแรก
อัตราส่วนหนึ่งที่ถือว่าเป็นซิงเกิ้ล x
สำหรับ phylogenetic ต้นไม้ทั้งหมด รุ่นนี้มีแนวโน้มที่จะอนุรักษ์นิยมมากและสามารถตรวจจับ

ถ้าเลือกบวกX อัตราเฉลี่ยทั่วเว็บไซต์ตามพื้นเพเป็น
อย่างมาก [ 1 เพราะสายเลือดที่เฉพาะเจาะจงเช่นโมเดล
สมมติเดียว X ต้นไม้ทั้งหมด พวกเขามักจะล้มเหลวที่จะ
ระบุภูมิภาคในโปรตีนที่อาจจะได้รับผลกระทบจากแรงกดดันของการลำดับเรื่องและประมาท

ในที่สุด ความแข็งแรงของการเลือก ดังนั้น เราใช้เฉพาะ
แบบจำลองที่ประเมินการเลือกความสัมพันธ์ทางบวกเป็น
ไม่พ้องพ้องนิวคลีโอไทด์อัตราการทดแทน
( X ) สถิติ [ 1 เราเปรียบเทียบค่าความน่าจะเป็น
3 คู่ของรุ่นที่แตกต่างกันว่า x
การแจกแจงไม่ priori ความคาดหวังอยู่เหมือนกัน :
m0 ( X อัตราคงที่ในเว็บไซต์ทั้งหมด ) เมื่อเทียบกับ M3
( ช่วยให้X แตกต่างกันไปในเว็บไซต์ภายใน ' n ' แบ่งแยกประเภท N C 3 ) ;
m1a ( รูปแบบของวิวัฒนาการที่เป็นกลาง ) ที่เว็บไซต์ทั้งหมด
ถือว่าเป็นอย่างใดอย่างหนึ่งภายใต้ลบ ( X 1 ) หรือเลือกที่เป็นกลาง
( x = 1 ) เมื่อเทียบกับ m2a ( รูปแบบการเลือกบวก )
ซึ่งนอกจากนี้ ไปยังเว็บไซต์ของชั้นเรียนที่กล่าวถึง
m1a สันนิษฐานเป็นสามประเภทของเว็บไซต์ เว็บไซต์กับ x [ 1
( เลือกบวก ) และ M7 ( เบต้า ) เมื่อเทียบกับ M8 ( เบต้าและ X )
และรุ่นที่กระจกด้านวิวัฒนาการของ M1 และ M2
แต่สมมติว่าค่าวาดจากเบต้า
กระจาย ( Nielsen และหยาง 1998 ) แต่ถ้ารุ่นอื่น
( M3 , และอนุญาตให้เว็บไซต์ที่มี m2a M8 x [ 1
แสดงดีพอในการทดสอบอัตราส่วนความน่าจะเป็น ( LRT ) ญาติของพวกเขา ( m0

แบบ null , และ m1a M8 : ไม่แสดงให้
เว็บไซต์ x [ 1 ) ผลของการพิจารณาที่สำคัญ
LRT คือประมาณเป็นสองเท่า ความแตกต่างในค่าระหว่างกันและโอกาส
สูงสุดเมื่อเทียบกับรุ่น C2
จำหน่ายที่มีระดับที่เหมาะสมของเสรีภาพ
ความแตกต่างในจำนวนของพารามิเตอร์ระหว่างสอง
รุ่น Bayes Bayes วิธีการเชิงประจักษ์ ( เบ๊บ ) ( ยาง
et al . 2005 ) ถูกใช้เพื่อระบุกรดอะมิโนภายใต้การบวก
โดยการคำนวณความน่าจะเป็นด้านหลังว่า