Alignment and phylogenetic analysis

Alignment and phylogenetic analysis
The three ribosomal gene sequences 16S rRNA, 12S
rRNA mtDNA, and 18S rRNA (652 bp) were aligned using
ClustalX (Thompson et al., 1997) and manually adjusted
where mismatches were made, while the two protein coding
loci COI and COII (COI—610 bp and COII—447 bp) as
well as the nuclear markers histone three (H3) (301 bp) were
aligned manually. Large insertion and deletions that could
not be aligned with conWdence for 12S and 16S rRNA
mtDNA were deleted from the phylogenetic analysis, these
resulted in two short sequences that were 272 and 352 bp,
respectively. Phylogenetic trees were estimated with
PAUP*4.0b10 (SwoVord, 2002), using parsimony (MP) and
maximum likelihood (ML) and with MrBayes 3.0b4 (Ronquist
and Huelsenbeck, 2003) using Bayesian inferences
coupled with Markov chain Monte Carlo techniques.
For the MP and ML analysis, heuristic searches with
TBR branch swapping and 100 random additions of taxa
were performed. Nodal support for MP was estimated by
bootstrapping analyzing 10,000 pseudo-replicates of data
sets, while due to computational constraints only 100
pseudo-replicates were performed for ML. For each Bayesian
analysis 10 Markov chains were run, with each chain
started from a random tree and running for six million generations
and sampling from the chain every 5000 trees. In
the combined Bayesian analyses, data sets were partitioned
and independent models were selected for each gene using
unlinked parameters. A 50% majority rule consensus tree
was generated from the trees retained (after the burn-in
trees were discarded), with posterior probabilities for each
node estimated by the percentage of time the node was
recovered. Convergence and mixing were monitored using
the program Tracer v1.2 (Rambaut and Drummond, 2004).
For the ML and Bayesian analyses, MODELTEST
(Posada and Crandall, 1998) was used to Wnd the appropriate
substitution model of evolution for each gene and the
combined data set. The best-Wt maximum likelihood score
was chosen using the Akaike Information Criterion (AIC)
since this reduced the amount of unnecessary parameters
that contribute little to describing the data by penalizing
more complex models (Bernham and Anderson, 2002;
Nylander et al., 2004). The Shimodaira and Hasegawa
(1999) test and posterior probability as implemented in
PAUP*4.0b10 (SwoVord, 2002) was used to test the traditional
taxonomic designations (comparing the uncon

ผลลัพธ์ (ไทย) 1:

จัดตำแหน่งและวิเคราะห์ phylogeneticยีน ribosomal สามลำดับ 16S rRNA, 12SrRNA mtDNA และ 18S rRNA (652 bp) ถูกจัดใช้ClustalX (ทอมป์สันและ al., 1997) และปรับปรุงด้วยตนเองที่มีทำ mismatches ในขณะทั้งสองรหัสโปรตีนloci COI และ COII (COI — bp และ COII 610 – 447 bp) เป็นรวมทั้งฮิสโตนเครื่องหมายนิวเคลียร์สาม (H3) (301 bp) ได้จัดตำแหน่งด้วยตนเอง ขนาดใหญ่แทรกและการลบที่ไม่ไม่สอดคล้องกับ conWdence 12S และ 16S rRNAmtDNA ถูกลบออกจากการวิเคราะห์ phylogenetic เหล่านี้ผลในระยะสั้นสองลำดับที่ 272 และ 352 bpตามลำดับ ต้นไม้ phylogenetic ถูกประเมินด้วยPAUP * 4.0b10 (SwoVord, 2002), ใช้ parsimony (MP) และความเป็นไปได้สูงสุด (ML) และ MrBayes 3.0b4 (Ronquistและ Huelsenbeck, 2003) โดยใช้ทฤษฎี inferencesควบคู่กับเทคนิคมอน Carlo โซ่ Markovสำหรับการวิเคราะห์ของ MP และ ML, heuristic ค้นด้วยTBR สาขาเปลี่ยน และ 100 สุ่มเพิ่มของ taxaดำเนินการ สนับสนุนดัง MP ถูกประเมินโดยbootstrapping วิเคราะห์ replicates ลกัน 10000 ข้อมูลการตั้งค่า จากคอมพิวเตอร์จำกัด 100 เท่านั้นreplicates ลกันได้ทำสำหรับ ML สำหรับแต่ละทฤษฎีวิเคราะห์ 10 Markov โซ่ถูกเรียกใช้ กับห่วงโซ่แต่ละเริ่มต้นจากแผนภูมิการสุ่มและทำงานสำหรับรุ่น 6 ล้านและสุ่มตัวอย่างจากห่วงโซ่ต้นไม้ทุก 5000 ในวิเคราะห์ทฤษฎีรวม ชุดข้อมูลถูกแบ่งพาร์ติชันและรูปแบบอิสระได้เลือกใช้แต่ละยีนพารามิเตอร์ที่ไม่ได้เชื่อมโยงกัน ต้นไม้ส่วนใหญ่ 50% กฎมติสร้างขึ้นจากต้นไม้เก็บไว้ (หลังจากที่เขียนในต้นไม้ถูกละทิ้ง), มีกิจกรรมหลังสำหรับแต่ละประเมิน โดยเปอร์เซ็นต์ของเวลาที่เป็นโหนดโหนดกู้คืน บรรจบกันและผสมถูกตรวจสอบโดยใช้การโปรแกรมติดตาม v1.2 (Rambaut และดรัม 2004)สำหรับ ML และทฤษฎีวิเคราะห์ MODELTEST(อิ่มและ Crandall, 1998) ถูกใช้เพื่อ Wnd ในที่เหมาะสมแทนที่รูปแบบของวิวัฒนาการในแต่ละยีนและรวมข้อมูลชุดนั้น คะแนนส่วนละเว้นความเป็นไปได้สูงสุดเลือกใช้เกณฑ์ข้อมูล Akaike (AIC)ตั้งแต่นี้ลดจำนวนพารามิเตอร์ที่ไม่จำเป็นที่มีส่วนร่วมน้อยเพื่ออธิบายข้อมูลโดยโทษโมเดลที่ซับซ้อนมากขึ้น (Bernham และแอนเดอร์สัน 2002Nylander et al., 2004) Shimodaira และ Hasegawaทดสอบ (1999) และความน่าเป็นหลังเป็นดำเนินการในPAUP * 4.0b10 (SwoVord, 2002) ใช้การทดสอบแบบดั้งเดิมระบุชื่ออนุกรมวิธาน (เปรียบเทียบที่ uncon

ผลลัพธ์ (ไทย) 2:

การจัดและการวิเคราะห์สายวิวัฒนาการ
สามลำดับยีน 16S rRNA โซมอล, 12S
rRNA mtDNA และ 18S rRNA (652 bp) ถูกจัดชิดโดยใช้
ClustalX (ธ อมป์สัน et al., 1997) และปรับตนเอง
ที่ไม่ตรงกันได้ทำขณะที่ทั้งสองเข้ารหัสโปรตีน
loci COI และ COII (COI-610 bp และ COII-447 bp) รวม
ทั้งเครื่องหมายนิวเคลียร์สโตนสาม (H3) (301 bp) ได้รับการ
จัดชิดด้วยตนเอง แทรกขนาดใหญ่และลบที่อาจ
ไม่สอดคล้องกับ conWdence สำหรับ 12S และ 16S rRNA
mtDNA ถูกลบออกจากการวิเคราะห์สายวิวัฒนาการเหล่านี้
ส่งผลให้ในลำดับสองสั้น ๆ ที่มี 272 และ 352 bp,
ตามลำดับ ต้นไม้ที่ถูกคาดด้วย
PAUP * 4.0b10 (SwoVord, 2002) โดยใช้ความตระหนี่ (MP) และ
ความน่าจะเป็นสูงสุด (ML) และ MrBayes 3.0b4 (Ronquist
และ Huelsenbeck 2003) โดยใช้การอนุมานแบบเบย์
คู่กับมาร์คอฟเชน Monte Carlo เทคนิค.
สำหรับ MP และการวิเคราะห์ ML ค้นหาแก้ปัญหาด้วย
การแลกเปลี่ยนสาขา TBR และ 100 ส่งภาพแบบสุ่มของแท็กซ่า
ได้ดำเนินการ สนับสนุนสำคัญสำหรับ MP ได้รับการประเมินโดย
การวิเคราะห์ bootstrapping 10,000 หลอกซ้ำของข้อมูล
ชุดขณะที่เนื่องจากข้อ จำกัด ในการคำนวณเพียง 100
หลอกซ้ำได้ดำเนินการสำหรับ ML สำหรับคชกรรมแต่ละ
วิเคราะห์ 10 โซ่มาร์คอฟวิ่งด้วยห่วงโซ่แต่ละ
เริ่มต้นจากต้นไม้สุ่มและวิ่งหกล้านคนรุ่น
และการสุ่มตัวอย่างจากห่วงโซ่ทุก 5000 ต้นไม้ ใน
การวิเคราะห์แบบเบย์รวมชุดข้อมูลที่ได้มาแบ่งพาร์ติชัน
และรูปแบบที่เป็นอิสระได้รับการคัดเลือกในแต่ละยีนโดยใช้
พารามิเตอร์เชื่อมโยง เสียงข้างมาก 50% ต้นไม้ฉันทามติ
ถูกสร้างขึ้นจากต้นไม้ไว้ (หลังจากการเผาไหม้ใน
ต้นไม้ถูกทิ้ง) โดยมีความน่าจะเป็นหลังสำหรับแต่ละ
โหนดโดยประมาณร้อยละของเวลาโหนดได้รับการ
กู้คืน คอนเวอร์เจนซ์และการผสมถูกตรวจสอบโดยใช้
โปรแกรม Tracer v1.2 (Rambaut และดรัมมอนด์, 2004).
สำหรับ ML และวิเคราะห์คชกรรม MODELTEST
(Posada และแครนด, 1998) ถูกใช้ในการ WND เหมาะสม
ทดแทนรูปแบบของการวิวัฒนาการสำหรับแต่ละยีนและการ
ข้อมูลชุดรวม ที่ดีที่สุดน้ำหนักคะแนนโอกาสสูงสุด
ที่ได้รับเลือกโดยใช้ข้อมูล Akaike เกณฑ์ (AIC)
ตั้งแต่นี้ลดปริมาณของพารามิเตอร์ที่ไม่จำเป็น
ที่มีส่วนร่วมเล็ก ๆ น้อย ๆ ที่จะอธิบายข้อมูลโดยการลงทัณฑ์
รูปแบบที่ซับซ้อนมากขึ้น (Bernham และเดอร์สัน, 2002;
Nylander et al, 2004. ) Shimodaira และเซกาวา
(1999) การทดสอบและความน่าจะเป็นหลังการดำเนินการใน
PAUP * 4.0b10 (SwoVord, 2002) ถูกใช้ในการทดสอบแบบดั้งเดิม
กำหนดอนุกรมวิธาน (เปรียบเทียบ uncon

ผลลัพธ์ (ไทย) 3:

การจัดตำแหน่งและการวิเคราะห์ phylogenetic
3 ลำดับเบส 16S rRNA ยีนไรโบโซมอล , แสดง 12s
rRNA และ 18S rRNA ( 652 BP ) ชิดใช้
clustalx ( Thompson et al . , 1997 ) และตนเองปรับ
ที่ความไม่เกิดขึ้น ขณะที่สองโปรตีนตามลำดับ และคง coii นะครับ
( BP coi-610 และ coii-447 BP ) โดย
รวมทั้งนิวเคลียร์เครื่องหมายช่วยสาม ( H3 ) ( 301 BP )
ชิดด้วยตนเองขนาดใหญ่แทรกและลบที่อาจ
ไม่สอดคล้องกับ conwdence สำหรับ 12s 16S rRNA
แสดงและลบจากการวิเคราะห์ยืนยันเหล่านี้
ส่งผลให้เกิดสองสั้นลำดับที่และ 352 /
ตามลำดับ ต้นไม้ ซึ่งประมาณได้กับ
ยาจก * 4.0b10 ( swovord , 2002 ) โดยใช้ความตระหนี่ ( MP ) และ
ความน่าจะเป็นสูงสุด ( ML ) และกับ mrbayes 3.0b4 ( ronquist
huelsenbeck และ ,2003 ) การอนุมานคชกรรม
คู่กับโซ่มาร์คอฟมอนติคาร์โลเทคนิค .
สำหรับ MP และการวิเคราะห์สามารถค้นหาฮิวริสติกด้วย
TBR สาขาแลกเปลี่ยนและ 100 เพิ่มสุ่มของซ่า
การวิจัย สนับสนุนการสร้างสำหรับ MP ถูกประมาณโดย
bootstrapping วิเคราะห์ 10000 แบบเทียมของชุดข้อมูล
ในขณะที่เนื่องจากข้อจำกัดด้านคอมพิวเตอร์เพียง 100
หลอกซ้ำได้สำหรับ mlสำหรับแต่ละงาน
การวิเคราะห์ลูกโซ่มาร์คอฟถูกวิ่ง กับแต่ละห่วงโซ่
เริ่มจากต้นไม้ที่สุ่มและวิ่งหกล้านรุ่น
และสุ่มจากโซ่ทุก 5 , 000 ต้น
รวมในคชกรรมการวิเคราะห์ชุดข้อมูลที่แยกอิสระ และแบบสุ่ม

แต่ละยีนโดยใช้พารามิเตอร์เชื่อมกันแล้ว 50% ส่วนใหญ่ครอบครองเอกฉันท์ต้นไม้
ถูกสร้างขึ้นจากต้นไม้สะสม ( หลังจากเผาต้นไม้ทิ้ง
) ที่มีความน่าจะเป็นของแต่ละโหนดคำนวณจากค่า

เวลาใส่ก็หาย การลู่เข้าและการผสมที่ได้ตรวจสอบการใช้โปรแกรม v1.2
ติดตาม ( และ rambaut ดรัมมอนด์ , 2004 ) .
สำหรับ ml และการวิเคราะห์แบบเบส์ modeltest
( โป และ Crandall , 1998 ) คือใช้ WND เหมาะสม
รูปแบบของการวิวัฒนาการของแต่ละยีนและ
รวมชุดข้อมูล ดีที่สุดน้ำหนักความเป็นไปได้สูงสุดคะแนน
ถูกเลือก โดยใช้เกณฑ์เคราะห์ข้อมูล ( AIC )
ตั้งแต่นี้สามารถลดปริมาณพารามิเตอร์ที่ไม่จำเป็น
ช่วยเล็กน้อยเพื่ออธิบายข้อมูลด้วยการลงทัณฑ์
รูปแบบซับซ้อนมากขึ้น ( bernham แอนเดอร์สัน , 2002 ;
ความเคลื่อนไหว et al . , 2004 ) และที่ shimodaira
ฮาเซกาว่า( 1999 ) และใช้ในการทดสอบความน่าจะเป็นภายหลังเป็นยาจก *
4.0b10 ( swovord , 2002 ) ใช้วิธีการทดสอบแบบละเอียด ( เปรียบเทียบ uncon
อนุกรมวิธาน