Question

考虑以下数据集：

fictional.df <- data.frame(L1 = c(0,0,0,0,0,0,0,0), 
                       L2 = c(0,1,0,0,0,1,1,0),
                       L3 = c(1,1,0,1,1,1,1,1), 
                       L4=c(0,0,1,1,0,0,0,0))

我将其转换为phyDat对象，然后创建了如下的成对距离矩阵：

fictional.phydat <- as.phyDat(fictional.df,
                          type="USER",levels=c("1","0"),
                          names=names(fictional.df))
fictional.hamming <- dist.hamming(fictional.phydat)

然后从这个距离矩阵中估算出UPGMA树：

fictional.upgma <- upgma(fictional.hamming)

然后我创建了引导数据集：

set.seed(187)
fictional.upgma.bs <- bootstrap.phyDat(fictional.phydat, FUN =  
function(xx) upgma(dist.hamming(xx)), bs=100)

然后我计算了引导集中的分区比例：

upgma.bs.part <- prop.part(fictional.upgma.bs)

到目前为止，一切都很好。在这里，我将不胜感激。当我调用函数prop.clades时，我不明白结果：

prop.clades(fictional.upgma,fictional.upgma.bs)
[1] 100  NA  71

当在引导树集中有该线索的证据时，为什么此函数返回NA？

第二个问题：

prop.clades(fictional.upgma,part=upgma.bs.part)
[1] 100  49 112

如果只有100个引导样本，为什么最后的进化枝112的值是？

Answer 1

您的树fictional.upgma扎根，prop.clades默认返回每个分割发生的频率。在一棵有根的树中，通往根的两条边都引用相同的二等分或分割：

prop.clades(unroot(fictional.upgma), fictional.upgma.bs)
[1] 100  71

对于有根的树，您有时想计算相同进化枝的数量：

prop.clades(fictional.upgma, fictional.upgma.bs, rooted=TRUE)
[1] 100  49  71

这似乎是一个错误，您最好将其报告给伊曼纽尔·帕迪斯（Emmanuel Pardis）

prop.clades(fictional.upgma,part=upgma.bs.part)
[1] 100  49 112

在“猿”中如何计算进化枝的比例和二等分的比例？

1 个答案: