Combined data of different loci, wh

Combined data of different loci, whether fully or partially
congruent, have been commonly considered by inferring organismal
phylogeny (Dettman et al. 2003). We therefore performed,
as in previous studies (Kauff & Lutzoni 2002;
Miadlikowska et al. 2006; Muggia et al. 2014), both single locus
and combined datasets. We analysed the single locus datasets
with a Maximum Likelihood (ML) approach (Mason-Gamer &
Kellogg 1996; Reeb et al. 2004) and the combined dataset using
ML and Bayesian approaches. The combined dataset was
treated in partition by genes nuclear 28S and 18S and mitochondrial
16S in both ML and Bayesian approaches. The ML
analyses were performed using the program RAML v. 7.0.3
(Stamatakis et al. 2005). As only a single model of molecular
evolution can be used across gene partitions in RAML, the
ML analyses (for single loci and combined datasets) were performed
with the GTRMIX model and 1000 bootstrap replicates
were run. The Bayesian Markov Chain Monte Carlo (B/MCMC)
analyses were run in MrBayes v. 3.1.2 (Huelsenbeck &
Ronquist 2003; Ronquist et al. 2005). The model of molecular
evolution applied to each gene partition in the Bayesian analysis,
GTR þ I þ G, was estimated in JModeltest v. 2.1.4 (Darriba
et al. 2012) using the Akaike Information Criterion (Posada &
Crandall 1998). The B/MCMC analysis was run with six chains
simultaneously, each initiated with a random tree, for ten

ผลลัพธ์ (ไทย) 1:

รวมข้อมูลของ loci ที่แตกต่างกัน ไม่ว่าทั้งหมด หรือบางส่วนแผง ได้รับโดยทั่วไปพิจารณา โดย inferring organismalphylogeny (Dettman et al. 2003) เราดำเนินการในการศึกษาก่อนหน้า (Kauff และ Lutzoni 2002Miadlikowska et al. 2006 Muggia et al. 2014), ทั้งเดี่ยวโลกัสโพลและ datasets รวม เรา analysed datasets เดียวโลกัสโพลด้วยวิธีความเป็นไปได้สูงสุด (มล) (Mason Gamer และบี. 1996 Reeb et al. 2004) และการใช้ชุดข้อมูลรวมมล.และทฤษฎีแนวทาง ชุดข้อมูลรวมกันได้รับการรักษาในพาร์ติชัน โดยยีน 28S นิวเคลียร์และ 18S และ mitochondrial16S วิธี ML และทฤษฎีต่าง ๆ MLวิเคราะห์ได้ดำเนินการโดยใช้โปรแกรม RA ML v. 7.0.3(Stamatakis et al. 2005) เพียงรุ่นเดียวของโมเลกุลวิวัฒนาการสามารถใช้งานข้ามพาร์ติชันของยีนใน RA ML การดำเนินวิเคราะห์ ML (สำหรับ loci เดียวและ datasets รวม)รุ่น GTRMIX และ 1000 bootstrap เหมือนกับถูกเรียกใช้ ทฤษฎีโซ่ Markov Monte Carlo (B MCMC)วิเคราะห์ถูกเรียกใช้ใน MrBayes v. 3.1.2 (Huelsenbeck &Ronquist 2003 Ronquist et al. 2005) แบบจำลองของโมเลกุลวิวัฒนาการกับพาร์ติชันแต่ละยีนในการวิเคราะห์ทฤษฎีGTR þผมþ G ถูกประเมินใน JModeltest v. 2.1.4 (Darribaร้อยเอ็ด al. 2012) โดยใช้เกณฑ์ข้อมูล Akaike (อิ่มและCrandall 1998) วิเคราะห์ B/MCMC รันกับโซ่ 6พร้อมกัน แต่ละเริ่มต้น ด้วยต้นไม้สุ่ม สิบ

ผลลัพธ์ (ไทย) 2:

ข้อมูลรวมของตำแหน่งที่แตกต่างกันไม่ว่าจะทั้งหมดหรือบางส่วนสอดคล้องกันได้รับการพิจารณาโดยทั่วไปอนุมาน organismal เชื้อชาติ (Dettman et al. 2003) ดังนั้นเราจึงดำเนินการในขณะที่การศึกษาก่อนหน้า (Kauff Lutzoni & 2002; Miadlikowska et al, 2006. Muggia et al, 2014.) ทั้งสถานที่เดียวและชุดข้อมูลมารวมกัน เราวิเคราะห์ชุดข้อมูลสถานที่เดียวที่มีโอกาสสูงสุด (ML) วิธีการ (เมสันและเกมเมอร์เคลล็อกก์1996; Reeb et al, 2004.) และชุดรวมใช้ML และวิธีการแบบเบย์ รวมชุดข้อมูลที่ได้รับการรักษาในพาร์ทิชันโดยยีนนิวเคลียร์ 28S และ 18S และยล 16S ทั้งใน ML และวิธีการแบบเบย์ มิลลิลิตรวิเคราะห์ถูกดำเนินการโดยใช้ RA โปรแกรมได้หรือไม่ ML v. 7.0.3 (Stamatakis et al. 2005) ในฐานะที่เป็นเพียงรูปแบบเดียวของโมเลกุลวิวัฒนาการสามารถใช้ข้ามพาร์ทิชันของยีนใน RA? ML ที่ ML วิเคราะห์ (สำหรับตำแหน่งเดียวและชุดรวม) ได้ดำเนินการที่มีรูปแบบและGTRMIX 1000 ซ้ำบูตวิ่ง มาร์คอฟเบย์เชน Monte Carlo (B / MCMC) วิเคราะห์วิ่งใน MrBayes วี 3.1.2 (Huelsenbeck &. Ronquist 2003. Ronquist et al, 2005) รูปแบบของโมเลกุลวิวัฒนาการนำไปใช้กับพาร์ทิชันของยีนในแต่ละวิเคราะห์คชกรรมGTR þฉัน th G, เป็นที่คาดกันใน JModeltest v. 2.1.4 (Darriba et al. 2012) โดยใช้ข้อมูล Akaike เกณฑ์ (ด้าและแครนดอล1998) B / วิเคราะห์ MCMC วิ่งหกโซ่พร้อมกันแต่ละเริ่มต้นด้วยต้นไม้สุ่มสิบ

ผลลัพธ์ (ไทย) 3:

ข้อมูลรวมของตำแหน่งที่แตกต่างกัน ไม่ว่าทั้งหมด หรือบางส่วน
สอดคล้อง , ได้รับการพิจารณาโดยทั่วไป organismal
ระบบเชื้อชาติ ( dettman et al . 2003 ) ดังนั้นเราจึงดำเนินการ ,
ในการศึกษาก่อนหน้านี้ ( kauff & lutzoni 2002 ;
miadlikowska et al . 2006 ; Muggia et al . 2014 ) ทั้งเดี่ยว -
และรวมชุดข้อมูล เราได้วิเคราะห์ข้อมูล
- เดี่ยวกับความเป็นไปได้สูงสุด ( มิลลิลิตร ) วิธีการ ( เมสัน เกมเมอร์&
Kellogg 1996 ; รีบ et al . 2004 ) และการรวมข้อมูลและวิธีเบส์
ml . ข้อมูลรวม
ถือว่าในพาร์ทิชันโดยยีนนิวเคลียร์ และ 28s และ 18S ยล
( ทั้ง ML และวิธีเบส์ . ML
วิเคราะห์ข้อมูลโดยใช้โปรแกรม  มลรา วี 7.0.3
( stamatakis et al . 2005 )เป็นเพียงรูปแบบเดียวของวิวัฒนาการโมเลกุล
สามารถใช้ข้ามพาร์ทิชันของรา  ml ~
มิลลิลิตร ( สำหรับตำแหน่งเดียว และรวมข้อมูล ) มีการปฏิบัติ
กับ gtrmix รุ่น 1000 บูซ้ำ
กำลังวิ่ง แบบ Markov Monte Carlo ( B / MCMC )
วิเคราะห์ข้อมูลใช้ใน mrbayes โวลต์ 3.1.2 ( huelsenbeck &
ronquist 2003 ; ronquist et al . 2005 ) แบบจำลองโมเลกุล
วิวัฒนาการใช้กับแต่ละพาร์ทิชันในการวิเคราะห์ยีนส์
GTR þผมþกรัม ประมาณใน jmodeltest โวลต์ 2.1.4 ( darriba
et al . 2012 ) โดยใช้เกณฑ์เคราะห์ ( ข้อมูลที่&
Crandall 1998 ) B / MCMC การวิเคราะห์ใช้กับโซ่
6 พร้อมกันแต่ละริเริ่มกับต้นไม้สุ่ม สิบ