macでインフォマティクス

macでインフォマティクス

HTS (NGS) 関連のインフォマティクス情報についてまとめています。

IQ-TREE 2

2020 2015 Molecular Biology and Evolution

2024/06/24 誤字修正,  9/5 誤字修正

2025/04/30 追記

2025/05/29 追記

2025/12/31 追記

 

2020年の論文

IQ-TREE（http://www.iqtree.org）は、最尤法を用いた系統推論を行うための、ユーザーフレンドリーで広く利用されているソフトウェアパッケージである。2014年にバージョン1をリリースして以来、本著者らはIQ-TREEを継続的に拡張し、ゲノムデータを扱うための配列進化の新しいモデルや系統推定の効率的な計算アプローチを多数統合してきた。ここでは、IQ-TREEバージョン2の特筆すべき機能について説明し、他のソフトウェアと比較した際の主な利点を強調する。

 

2015年の論文

大規模な系統学データセットでは、特に最尤（ML）系統樹のための高速な樹推定法が必要とされる。高速なプログラムも存在するが、最適な樹形を見つけるinherent heuristicsのため、最適なツリーが見つかっているかどうかは明らかではない。従って、MLツリーを見つけるために異なる探索戦略を採用し、同時に現在利用可能なMLプログラムと同程度に高速なアプローチを追加する必要がある。本著者らは、ヒルクライムアプローチとstochastic perturbation methodの組み合わせが時間効率よく実装できることを示す。RAxMLやPhyMLと同じCPU時間であれば、IQ-TREEは62.2%から87.1%より高い尤度を発見し、効率的にツリー空間を探索した。IQ-TREEの停止ルールを用いた場合、DNAアラインメントでは75.7%、47.1%、タンパク質アラインメントでは42.2%、100%でRAxMLとPhyMLの方が高速となる。しかし、IQ-TREEにより高い尤度が得られる範囲は73.3-97.1%に改善された。

 

Manual

http://www.iqtree.org/doc/

Beginner's Tutorial

http://www.iqtree.org/doc/Tutorial

Advanced Tutorial

http://www.iqtree.org/doc/Advanced-Tutorial

コマンドリファレンス

http://www.iqtree.org/doc/Command-Reference

 

v1系とv2以降ではコマンドが微妙に異なっています。ここではv2を簡単に紹介します。

インストール

Github

https://github.com/iqtree/iqtree2

#link（iqtreeと指定すると通常v2が導入される）
mamba install bioconda::iqtree -y

HPからもそれぞれのプラットフォームのバージョンのIQ-TREEをダウンロードできる。2024年現在v2.3.4となっている。

アクセスして、一番下にスクロールすると全プラットフォームのダウンロードリンクがある。

> iqtree2 -h

$ iqtree2 --help

IQ-TREE multicore version 2.4.0 for MacOS Intel 64-bit built Feb 12 2025

Developed by Bui Quang Minh, Nguyen Lam Tung, Olga Chernomor, Heiko Schmidt,

Dominik Schrempf, Michael Woodhams, Ly Trong Nhan, Thomas Wong

 

Usage: iqtree [-s ALIGNMENT] [-p PARTITION] [-m MODEL] [-t TREE] ...

 

GENERAL OPTIONS:

  -h, --help           Print (more) help usages

  -s FILE[,...,FILE]   PHYLIP/FASTA/NEXUS/CLUSTAL/MSF alignment file(s)

  -s DIR               Directory of alignment files

  --seqtype STRING     BIN, DNA, AA, NT2AA, CODON, MORPH (default: auto-detect)

  -t FILE|PARS|RAND    Starting tree (default: 99 parsimony and BIONJ)

  -o TAX[,...,TAX]     Outgroup taxon (list) for writing .treefile

  --prefix STRING      Prefix for all output files (default: aln/partition)

  --seed NUM           Random seed number, normally used for debugging purpose

  --safe               Safe likelihood kernel to avoid numerical underflow

  --mem NUM[G|M|%]     Maximal RAM usage in GB | MB | %

  --runs NUM           Number of indepedent runs (default: 1)

  -v, --verbose        Verbose mode, printing more messages to screen

  -V, --version        Display version number

  --quiet              Quiet mode, suppress printing to screen (stdout)

  -fconst f1,...,fN    Add constant patterns into alignment (N=no. states)

  --epsilon NUM        Likelihood epsilon for parameter estimate (default 0.01)

  -T NUM|AUTO          No. cores/threads or AUTO-detect (default: 1)

  --threads-max NUM    Max number of threads for -T AUTO (default: all cores)

 

CHECKPOINT:

  --redo               Redo both ModelFinder and tree search

  --redo-tree          Restore ModelFinder and only redo tree search

  --undo               Revoke finished run, used when changing some options

  --cptime NUM         Minimum checkpoint interval (default: 60 sec and adapt)

 

PARTITION MODEL:

  -p FILE|DIR          NEXUS/RAxML partition file or directory with alignments

                       Edge-linked proportional partition model

  -q FILE|DIR          Like -p but edge-linked equal partition model 

  -Q FILE|DIR          Like -p but edge-unlinked partition model

  -S FILE|DIR          Like -p but separate tree inference

  --subsample NUM      Randomly sub-sample partitions (negative for complement)

  --subsample-seed NUM Random number seed for --subsample

 

LIKELIHOOD/QUARTET MAPPING:

  --lmap NUM           Number of quartets for likelihood mapping analysis

  --lmclust FILE       NEXUS file containing clusters for likelihood mapping

  --quartetlh          Print quartet log-likelihoods to .quartetlh file

 

TREE SEARCH ALGORITHM:

  --ninit NUM          Number of initial parsimony trees (default: 100)

  --ntop NUM           Number of top initial trees (default: 20)

  --nbest NUM          Number of best trees retained during search (defaut: 5)

  -n NUM               Fix number of iterations to stop (default: OFF)

  --nstop NUM          Number of unsuccessful iterations to stop (default: 100)

  --perturb NUM        Perturbation strength for randomized NNI (default: 0.5)

  --radius NUM         Radius for parsimony SPR search (default: 6)

  --allnni             Perform more thorough NNI search (default: OFF)

  -g FILE              (Multifurcating) topological constraint tree file

  --fast               Fast search to resemble FastTree

  --polytomy           Collapse near-zero branches into polytomy

  --tree-fix           Fix -t tree (no tree search performed)

  --treels             Write locally optimal trees into .treels file

  --show-lh            Compute tree likelihood without optimisation

  --terrace            Check if the tree lies on a phylogenetic terrace

 

ULTRAFAST BOOTSTRAP/JACKKNIFE:

  -B, --ufboot NUM     Replicates for ultrafast bootstrap (>=1000)

  -J, --ufjack NUM     Replicates for ultrafast jackknife (>=1000)

  --jack-prop NUM      Subsampling proportion for jackknife (default: 0.5)

  --sampling STRING    GENE|GENESITE resampling for partitions (default: SITE)

  --boot-trees         Write bootstrap trees to .ufboot file (default: none)

  --wbtl               Like --boot-trees but also writing branch lengths

  --nmax NUM           Maximum number of iterations (default: 1000)

  --nstep NUM          Iterations for UFBoot stopping rule (default: 100)

  --bcor NUM           Minimum correlation coefficient (default: 0.99)

  --beps NUM           RELL epsilon to break tie (default: 0.5)

  --bnni               Optimize UFBoot trees by NNI on bootstrap alignment

 

NON-PARAMETRIC BOOTSTRAP/JACKKNIFE:

  -b, --boot NUM       Replicates for bootstrap + ML tree + consensus tree

  -j, --jack NUM       Replicates for jackknife + ML tree + consensus tree

  --jack-prop NUM      Subsampling proportion for jackknife (default: 0.5)

  --bcon NUM           Replicates for bootstrap + consensus tree

  --bonly NUM          Replicates for bootstrap only

  --tbe                Transfer bootstrap expectation

 

SINGLE BRANCH TEST:

  --alrt NUM           Replicates for SH approximate likelihood ratio test

  --alrt 0             Parametric aLRT test (Anisimova and Gascuel 2006)

  --abayes             approximate Bayes test (Anisimova et al. 2011)

  --lbp NUM            Replicates for fast local bootstrap probabilities

 

MODEL-FINDER:

  -m TESTONLY          Standard model selection (like jModelTest, ProtTest)

  -m TEST              Standard model selection followed by tree inference

  -m MF                Extended model selection with FreeRate heterogeneity

  -m MFP               Extended model selection followed by tree inference

  -m ...+LM            Additionally test Lie Markov models

  -m ...+LMRY          Additionally test Lie Markov models with RY symmetry

  -m ...+LMWS          Additionally test Lie Markov models with WS symmetry

  -m ...+LMMK          Additionally test Lie Markov models with MK symmetry

  -m ...+LMSS          Additionally test strand-symmetric models

  --mset STRING        Restrict search to models supported by other programs

                       (raxml, phyml, mrbayes, beast1 or beast2)

  --mset STR,...       Comma-separated model list (e.g. -mset WAG,LG,JTT)

  --msub STRING        Amino-acid model source

                       (nuclear, mitochondrial, chloroplast or viral)

  --mfreq STR,...      List of state frequencies

  --mrate STR,...      List of rate heterogeneity among sites

                       (e.g. -mrate E,I,G,I+G,R is used for -m MF)

  --cmin NUM           Min categories for FreeRate model [+R] (default: 2)

  --cmax NUM           Max categories for FreeRate model [+R] (default: 10)

  --merit AIC|AICc|BIC  Akaike|Bayesian information criterion (default: BIC)

  --mtree              Perform full tree search for every model

  --madd STR,...       List of mixture models to consider

  --mdef FILE          Model definition NEXUS file (see Manual)

  --modelomatic        Find best codon/protein/DNA models (Whelan et al. 2015)

 

PARTITION-FINDER:

  --merge              Merge partitions to increase model fit

  --merge greedy|rcluster|rclusterf

                       Set merging algorithm (default: rclusterf)

  --merge-model 1|all  Use only 1 or all models for merging (default: 1)

  --merge-model STR,...

                       Comma-separated model list for merging

  --merge-rate 1|all   Use only 1 or all rate heterogeneity (default: 1)

  --merge-rate STR,...

                       Comma-separated rate list for merging

  --rcluster NUM       Percentage of partition pairs for rcluster algorithm

  --rclusterf NUM      Percentage of partition pairs for rclusterf algorithm

  --rcluster-max NUM   Max number of partition pairs (default: 10*partitions)

 

SUBSTITUTION MODEL:

  -m STRING            Model name string (e.g. GTR+F+I+G)

                 DNA:  HKY (default), JC, F81, K2P, K3P, K81uf, TN/TrN, TNef,

                       TIM, TIMef, TVM, TVMef, SYM, GTR, or 6-digit model

                       specification (e.g., 010010 = HKY)

             Protein:  LG (default), Poisson, cpREV, mtREV, Dayhoff, mtMAM,

                       JTT, WAG, mtART, mtZOA, VT, rtREV, DCMut, PMB, HIVb,

                       HIVw, JTTDCMut, FLU, Blosum62, GTR20, mtMet, mtVer, mtInv, FLAVI,

Q.LG, Q.pfam, Q.pfam_gb, Q.bird, Q.mammal, Q.insect, Q.plant, Q.yeast

     Protein mixture:  C10,...,C60, EX2, EX3, EHO, UL2, UL3, EX_EHO, LG4M, LG4X

              Binary:  JC2 (default), GTR2

     Empirical codon:  KOSI07, SCHN05

   Mechanistic codon:  GY (default), MG, MGK, GY0K, GY1KTS, GY1KTV, GY2K,

                       MG1KTS, MG1KTV, MG2K

Semi-empirical codon:  XX_YY where XX is empirical and YY is mechanistic model

      Morphology/SNP:  MK (default), ORDERED, GTR

      Lie Markov DNA:  1.1, 2.2b, 3.3a, 3.3b, 3.3c, 3.4, 4.4a, 4.4b, 4.5a,

                       4.5b, 5.6a, 5.6b, 5.7a, 5.7b, 5.7c, 5.11a, 5.11b, 5.11c,

                       5.16, 6.6, 6.7a, 6.7b, 6.8a, 6.8b, 6.17a, 6.17b, 8.8,

                       8.10a, 8.10b, 8.16, 8.17, 8.18, 9.20a, 9.20b, 10.12,

                       10.34, 12.12 (optionally prefixed by RY, WS or MK)

      Non-reversible:  STRSYM (strand symmetric model, equiv. WS6.6),

                       NONREV, UNREST (unrestricted model, equiv. 12.12)

                       NQ.pfam, NQ.bird, NQ.mammal, NQ.insect, NQ.plant, NQ.yeast

           Otherwise:  Name of file containing user-model parameters

 

STATE FREQUENCY:

  -m ...+F             Empirically counted frequencies from alignment

  -m ...+FO            Optimized frequencies by maximum-likelihood

  -m ...+FQ            Equal frequencies

  -m ...+FRY           For DNA, freq(A+G)=1/2=freq(C+T)

  -m ...+FWS           For DNA, freq(A+T)=1/2=freq(C+G)

  -m ...+FMK           For DNA, freq(A+C)=1/2=freq(G+T)

  -m ...+Fabcd         4-digit constraint on ACGT frequency

                       (e.g. +F1221 means f_A=f_T, f_C=f_G)

  -m ...+FU            Amino-acid frequencies given protein matrix

  -m ...+F1x4          Equal NT frequencies over three codon positions

  -m ...+F3x4          Unequal NT frequencies over three codon positions

 

RATE HETEROGENEITY AMONG SITES:

  -m ...+I             A proportion of invariable sites

  -m ...+G[n]          Discrete Gamma model with n categories (default n=4)

  -m ...*G[n]          Discrete Gamma model with unlinked model parameters

  -m ...+I+G[n]        Invariable sites plus Gamma model with n categories

  -m ...+R[n]          FreeRate model with n categories (default n=4)

  -m ...*R[n]          FreeRate model with unlinked model parameters

  -m ...+I+R[n]        Invariable sites plus FreeRate model with n categories

  -m ...+Hn            Heterotachy model with n classes

  -m ...*Hn            Heterotachy model with n classes and unlinked parameters

  --alpha-min NUM      Min Gamma shape parameter for site rates (default: 0.02)

  --gamma-median       Median approximation for +G site rates (default: mean)

  --rate               Write empirical Bayesian site rates to .rate file

  --mlrate             Write maximum likelihood site rates to .mlrate file

 

POLYMORPHISM AWARE MODELS (PoMo):

  -s FILE              Input counts file (see manual)

  -m ...+P             DNA substitution model (see above) used with PoMo

  -m ...+N<POPSIZE>    Virtual population size (default: 9)

  -m ...+WB|WH|S]      Weighted binomial sampling

  -m ...+WH            Weighted hypergeometric sampling

  -m ...+S             Sampled sampling

  -m ...+G[n]          Discrete Gamma rate with n categories (default n=4)

 

COMPLEX MODELS:

  -m "MIX{m1,...,mK}"  Mixture model with K components

  -m "FMIX{f1,...fK}"  Frequency mixture model with K components

  --mix-opt            Optimize mixture weights (default: detect)

  -m ...+ASC           Ascertainment bias correction

  --tree-freq FILE     Input tree to infer site frequency model

  --site-freq FILE     Input site frequency model file

  --freq-max           Posterior maximum instead of mean approximation

 

TREE TOPOLOGY TEST:

  --trees FILE         Set of trees to evaluate log-likelihoods

  --test NUM           Replicates for topology test

  --test-weight        Perform weighted KH and SH tests

  --test-au            Approximately unbiased (AU) test (Shimodaira 2002)

  --sitelh             Write site log-likelihoods to .sitelh file

 

ANCESTRAL STATE RECONSTRUCTION:

  --ancestral          Ancestral state reconstruction by empirical Bayes

  --asr-min NUM        Min probability of ancestral state (default: equil freq)

 

TEST OF SYMMETRY:

  --symtest               Perform three tests of symmetry

  --symtest-only          Do --symtest then exist

  --symtest-remove-bad    Do --symtest and remove bad partitions

  --symtest-remove-good   Do --symtest and remove good partitions

  --symtest-type MAR|INT  Use MARginal/INTernal test when removing partitions

  --symtest-pval NUMER    P-value cutoff (default: 0.05)

  --symtest-keep-zero     Keep NAs in the tests

 

CONCORDANCE FACTOR ANALYSIS:

  -t FILE              Reference tree to assign concordance factor

  --gcf FILE           Set of source trees for gene concordance factor (gCF)

  --df-tree            Write discordant trees associated with gDF1

  --scf NUM            Number of quartets for site concordance factor (sCF)

  --scfl NUM           Like --scf but using likelihood (recommended)

  -s FILE              Sequence alignment for --scf

  -p FILE|DIR          Partition file or directory for --scf

  --cf-verbose         Write CF per tree/locus to cf.stat_tree/_loci

  --cf-quartet         Write sCF for all resampled quartets to .cf.quartet

 

ALISIM: ALIGNMENT SIMULATOR

 

Usage: iqtree --alisim <OUTPUT_PREFIX> [-m MODEL] [-t TREE] ...

 

  --alisim OUTPUT_ALIGNMENT Activate AliSim and specify the output alignment filename

  -t TREE_FILE              Set the input tree file name

  --length LENGTH           Set the length of the root sequence

  --num-alignments NUMBER   Set the number of output datasets

  --seqtype STRING          BIN, DNA, AA, CODON, MORPH{NUM_STATES} (default: auto-detect)

                            For morphological data, 0<NUM_STATES<=32

  --m MODEL_STRING          Specify the evolutionary model. See Manual for more detail

  --mdef FILE               Name of a NEXUS model file to define new models (see Manual)

  --fundi TAXA_LIST,RHO     Specify a list of taxa, and Rho (Fundi weight) for FunDi model

  --indel <INS>,<DEL>       Set the insertion and deletion rate of the indel model,

                            relative to the substitution rate

  --indel-size <INS_DIS>,<DEL_DIS> Set the insertion and deletion size distributions

  --sub-level-mixture       Enable the feature to simulate substitution-level mixture model

  --no-unaligned            Disable outputing a file of unaligned sequences 

                            when using indel models

  --root-seq FILE,SEQ_NAME  Specify the root sequence from an alignment

  -s FILE                   Specify the input sequence alignment

  --no-copy-gaps            Disable copying gaps from input alignment (default: false)

  --site-freq <OPTION>      Specify the option (MEAN (default), or SAMPLING, or MODEL)

                            to mimic the site-frequencies for mixture models from

                            the input alignment (see Manual)

  --site-rate <OPTION>      Specify the option (MEAN (default), or SAMPLING, or MODEL)

                            to mimic the discrete rate heterogeneity from

                            the input alignment (see Manual)

  -t RANDOM{MODEL,NUM_TAXA} Specify the model and the number of taxa to generate a random tree

  -rlen MIN MEAN MAX        Specify three numbers: minimum, mean and maximum branch lengths

                            when generating a random tree

  -p FILE                   NEXUS/RAxML partition file

                            Edge-linked proportional partition model

  -q FILE                   Like -p but edge-linked equal partition model 

  -Q FILE                   Like -p but edge-unlinked partition model

  --distribution FILE       Supply a definition file of distributions,

                            which could be used to generate random model parameters

  --branch-distribution DIS Specify a distribution, from which branch lengths of the input trees

                            are randomly generated and overridden.

  --branch-scale SCALE      Specify a value to scale all branch lengths

  --single-output           Output all alignments into a single file

  --write-all               Enable outputting internal sequences

  --seed NUM                Random seed number (default: CPU clock)

                            Be careful to make the AliSim reproducible,

                            users should specify the seed number

  -gz                       Enable output compression but taking longer running time

  -af phy|fasta             Set the output format (default: phylip)

  User Manual is available at http://www.iqtree.org/doc/alisim

 

ANALYSIS WITH GENTRIUS ALGORITHM:

  --gentrius FILE      File must contain either a single species-tree or a set of subtrees.

  -pr_ab_matrix FILE   Presence-absence matrix of loci coverage.

  -s FILE              PHYLIP/FASTA/NEXUS/CLUSTAL/MSF alignment file(s)

  -p FILE              NEXUS/RAxML partition file

  -g_stop_t NUM        Stop after NUM species-trees were generated, or use 0 to turn off this stopping rule. Default: 1MLN trees.

  -g_stop_i NUM        Stop after NUM intermediate trees were visited, or use 0 to turn off this stopping rule. Default: 10MLN trees.

  -g_stop_h NUM        Stop after NUM hours (CPU time), or use 0 to turn off this stopping rule. Default: 7 days.

  -g_non_stop          Turn off all stopping rules.

  -g_query FILE        Species-trees to test for identical set of subtrees.

  -g_print             Write all generated species-trees. WARNING: there might be millions of trees!

  -g_print_lim NUM     Limit on the number of species-trees to be written.

  -g_print_induced     Write induced partition subtrees.

  -g_print_m           Write presence-absence matrix.

  -g_rm_leaves NUM     Invoke reverse analysis for complex datasets.

 

GENOMIC EPIDEMIOLOGICAL ANALYSIS:

  --pathogen           Apply CMAPLE tree search algorithm if sequence

                       divergence is low, otherwise, apply IQ-TREE algorithm.

  --pathogen-force     Apply CMAPLE tree search algorithm regardless

                       of sequence divergence.

 

TIME TREE RECONSTRUCTION:

  --date FILE          File containing dates of tips or ancestral nodes

  --date TAXNAME       Extract dates from taxon names after last '|'

  --date-tip STRING    Tip dates as a real number or YYYY-MM-DD

  --date-root STRING   Root date as a real number or YYYY-MM-DD

  --date-ci NUM        Number of replicates to compute confidence interval

  --clock-sd NUM       Std-dev for lognormal relaxed clock (default: 0.2)

  --date-no-outgroup   Exclude outgroup from time tree

  --date-outlier NUM   Z-score cutoff to remove outlier tips/nodes (e.g. 3)

  --date-options ".."  Extra options passing directly to LSD2

  --dating STRING      Dating method: LSD for least square dating (default)

 

 

CONSENSUS RECONSTRUCTION:

  -t FILE              Set of input trees for consensus reconstruction

  --sup-min NUM        Min split support, 0.5 for majority-rule consensus

                       (default: 0, extended consensus)

  --burnin NUM         Burnin number of trees to ignore

  --con-tree           Compute consensus tree to .contree file

  --con-net            Computing consensus network to .nex file

  --support FILE       Assign support values into this tree from -t trees

  --suptag STRING      Node name (or ALL) to assign tree IDs where node occurs

 

TREE DISTANCE BY ROBINSON-FOULDS (RF) METRIC:

  --tree-dist-all      Compute all-to-all RF distances for -t trees

  --tree-dist FILE     Compute RF distances between -t trees and this set

  --tree-dist2 FILE    Like -rf but trees can have unequal taxon sets

 

GENERATING RANDOM TREES:

  -r NUM               No. taxa for Yule-Harding random tree

  --rand UNI|CAT|BAL   UNIform | CATerpillar | BALanced random tree

  --rlen NUM NUM NUM   min, mean, and max random branch lengths

 

MISCELLANEOUS:

  --keep-ident         Keep identical sequences (default: remove & finally add)

  -blfix               Fix branch lengths of user tree passed via -te

  -blscale             Scale branch lengths of user tree passed via -t

  -blmin               Min branch length for optimization (default 0.000001)

  -blmax               Max branch length for optimization (default 100)

  -wslr                Write site log-likelihoods per rate category

  -wslm                Write site log-likelihoods per mixture class

  -wslmr               Write site log-likelihoods per mixture+rate class

  -wspr                Write site probabilities per rate category

  -wspm                Write site probabilities per mixture class

  -wspmr               Write site probabilities per mixture+rate class

  --partlh             Write partition log-likelihoods to .partlh file

  --no-outfiles        Suppress printing output files

  --eigenlib           Use Eigen3 library

  -alninfo             Print alignment sites statistics to .alninfo

 

 

実行方法

実行するには、多重整列されたPHYLIPフォーマットかFASTAフォーマット、あるいはNEXUS/CLUSTAL/MSFの配列を準備する必要がある。

IQ-treeチュートリアルより

 

IQ-TREEを実行するには、多重整列された配列セットを指定する。オプションなしだと、デフォルト設定での最尤推定が行われる。

#PHYLIP
iqtree2 -s example.phy

#FASTA
iqtree2 -s example.fa
  • -s     PHYLIP/FASTA/NEXUS/CLUSTAL/MSF alignment file(s)
  • --seqtype      BIN, DNA, AA, NT2AA, CODON, MORPH (default: auto-detect)

 

置換モデルを選択する。

iqtree2 -s example.phy -m GTR+G

Substitution models

http://www.iqtree.org/doc/Substitution-Models

 

データに対してどのモデルが適切かわからない場合は、ModelFinder を使用して最適なモデルを選択できる。ModelFinder Plus : MFPは、AIC（Akaike Information Criterion）、BIC（Bayesian Information Criterion）に基づいて、モデルの適合度と複雑さを評価し、最適な置換モデルを選択する。

iqtree2 -s example.phy -m MFP


ModelFinder Plusを使ってデータに最適なモデルを選び、近似的に最適なモデルを組み合わせてさらにデータに適合する進化モデルを作成する（近いモデルを統合して新しい複合モデルを作成）

iqtree2 -s example.phy -m MFP+MERGE

 

すべてのモデルについて完全なツリー推論を行う（高負荷）

iqtree2 -s example.phy -m MFP+MERGE --mtree
  • --mtree    Perform full tree search for every model

 

MFPは一般的な塩基置換モデル（GTR, HKY）と、サイト間の速度不均一モデル（+G, +I）に限ってモデルを探索する｡アミノ酸組成のサイト間不均一性をモデル化するC10~C60のようなProtein mixture modelsは計算量が多いため､明示的に指定しないと自動探索には含まれない｡例えばC20モデルでは､事前計算され20種類に分類されたアミノ酸頻度プロファイルモデルを使用する｡

iqtree2 -s example.phy -m MFP+C20

(マニュアルより転載)

 

出力prefixを指定

iqtree2 -s example.phy --prefix name
  • --prefix STRING     Prefix for all output files (default: aln/partition)

 

最適なスレッド数を自動で決定、ただし割り当てられるCPUコアの上限は32に設定。最大メモリ使用量を10Gに制限（%でも指定できる）

iqtree2 -s example.phy -T AUTO --threads-max 32 --mem 10G
  • -T    No. cores/threads or AUTO-detect (default: 1)
  • --threads-max   Max number of threads for -T AUTO (default: all cores)
  • --mem NUM[G|M|%]     Maximal RAM usage in GB | MB | %

 

ブートストラップ法を実行。

iqtree2 –s example.phy -b 100

 

ランダムにポジション列を選択後、ノンパラメトリックに初期ツリー構築から計算が繰り返されるのでかなり時間がかかる。

 

 

超高速ブートストラップ近似を実行（UFBoot 2は標準的な手順よりも桁違いに速い）。

iqtree2 –s example.phy –B 1000 #v1系なら-bb 1000

UFBootでは、支持率が≧ 95%の場合のみ、そのクレードを信じ始めるべき。BS%とUFBoot%を直接比較すべきではない（マニュアルより）。

（モデルが収束するまで繰り返し、1000を指定したなら最大1000回ということ）

 

-alrt（Approximate Likelihood-Ratio Test）を追加して枝の支持率を評価する。aLRTを1000回繰り返す。

iqtree2 -s example.phy -B 1000 -alrt 1000

SH like aLRT検定（paper）では、各ブランチには、SH-aLRTとUFBootのサポートが割り当てられる。通常、SH-aLRT >= 80%、UFboot >= 95%であれば、そのクレードを信頼し始めてよい（マニュアルより）。

このコマンドだと､結果のツリーファイルには2つのbootstrap値が付くことになる｡

Figtreeではこの様に見える｡もしくはどちらかのサポート値だけ表示することもできる｡

iTOLでは右のメニューでbootstrap0と1を選択する｡あるいはShow all valuesで両方の値を表示することもできる｡

数値の大きさから､bootstrap0がSH-aLRTで､bootstrap1がUFBootと思われる｡UFBootではSH-aLRTより厳しく95%以上ないと信頼性が低いとみなされる｡

 

深刻なモデル違反によるブランチサポートの過大評価を防ぐため、各ブートストラップツリーをさらに最適化

iqtree2 -s example.phy -B 1000 -bnni

 

アウトグループを指定

iqtree2 -s example.phy –o Lizard

#複数指定
iqtree2 -s example.phy –o Lizard,Bird

（IQ-TREEは与えられた配列の生物学的背景について何も知らない。IQ-TREEは、アラインメントで最初に出現する配列をroot部分にツリーを描画する）

 

全プロセスをやり直す。

iqtree2 -s example.phy --redo

 

全プロセスを独立に複数回実行する。-vでよりたくさんのログメッセージを表示する。

iqtree2 -s example.phy --runs 3 -v
  • --runs    Number of indepedent runs (default: 1)
  •  -v    Verbose mode, printing more messages to screen

 

追記

1, 複数のツリーファイル(IQ-TreeやMEGAの結果など)からコンセンサスツリーを作成｡

各遺伝子の個別の樹形ファイル（treefile）を統合し、コンセンサスツリーを作成できる｡これによって､遺伝子間での分岐の再現性を評価できる(遺伝子AとBがどの系統でも垂直に継承されているかなど)。

cat each_gene_tree*/treefile > all_genes.trees
iqtree2 -con -t all_genes.trees --prefix consensus

consensus.treeでは､複数のツリーの分岐の再現性を調査できる｡例えば5つの遺伝子のコンセンサスつリーを作ってnodeのサポート値が3/5となった場合、その分岐を支持しているのは5遺伝子中3つの遺伝子のみであることを意味する。遺伝子の系譜が一部異なる可能性があるなら､別途nexファイルも作成し(IQ-treeでも作れる)､Splittree上で網目上の系統樹として視覚化してHGTについて議論することもできる｡

注意したいのは､そもそも各遺伝子の樹形の信頼性が低い場合､この解析をする意味がなくなる点である｡つまり､コンセンサスツリーで支持値が低くても､最初の各遺伝子の系統推定で再現性の高い結果がえられていないなら議論不能になる｡

(*IQ-treeはブートストラップ解析ONだとMLツリー(最終結果)とともに最後にコンセンサスツリーを書き出すが､これは内部で行われる例えば1,000回のブートストラップ試行の結果をまとめている(50%以上出現した分岐)ものとなる｡つまり､複数遺伝子の一致をまとめたコンセンサスツリーと､1遺伝子内の統計的なサンプリングでの一致をまとめたコンセンサスツリーという違いがあるが､どちらもコンセンサスツリーとなる｡)

 

2, タンパク質コードDNA配列にパーティションモデルを適用する

タンパク質で系統推定したいと思っても､保存性の高いタンパク質の場合､系統推定に有効なサイトの数が少なすぎて､最尤推定を行っても尤度が全く収束せず､信頼性の高い樹形がえられない場合がある(長いタンパク質でも起こる､科レベルで違っても起こる)｡その場合､計算の初期から尤度が変わらないので､logを見ていれば察することができる｡また結果のツリーも各ノードの信頼性が低いため､何らかの問題が発生していることはすぐに認識できる｡

樹形推定に失敗した場合､系統的に近すぎるタンパク質を1つに間引くか､ツリー上で信頼性がないクレードを潰すか､あるいは進化の系譜が同じと考えられる複数タンパク質を繋いで連結配列を作り系統シグナルを増やしてやり直すか(あるいは多重整列を見直すか)､もしくは進化速度が早いDNA配列(CDS)で解析をやり直すことを検討する｡

最後のタンパク質コードDNA配列(CDS)を用いて解析をやり直すことを考える場合､コドン単位でパーティションモデル(*1つのアラインメントを性質の異なる部分（パーティション）に分けてそれぞれに最適な進化モデルを割り当てる)を適用することで解析精度が上がる可能性がある｡特にコドンの3番目の塩基はアミノ酸を変えない同義置換が許容されるために進化速度がコドンの1番目と2番目より早い｡これらに同一のモデルを一括採用すると、進化の過小評価など歪みが生じるリスクがあるので､パーティションモデルは有効。例えば1344サイト含まれるCDSのMSAを入力として､IQ-treeでコドン単位でのパーティションモデルを使った系統推定を行うなら､以下のようなテキストpartition.modelを用意する｡

DNA, 1st+2nd = 1-1344\3, 2-1344\3
DNA, 3rd = 3-1344\3

"1-1344"はアライメントの1番目から1344番目までを対象にするという意味｡"\3"は3つおきという意味になる｡1番目と2番目の塩基は1つのパーティションにまとめ1-1344\3と2-1344\3で指定する｡3番目の塩基は3つ目から1344まで3つおきなので3-1344\3と指定する｡

このパーティションモデルテキストを指定してランする｡

iqtree2 -s nifE_dna_align.aln \
-p partition.model -m MFP+MERGE -bb 1000 -alrt 1000

試したときは実際に各パーティションで異なる複合モデルが適用され､DNAの1､2番目の塩基にはGTR+F+G4がベストフィットし､DNAの3番目の塩基にはTIM3+F+R2がベストフィットモデルとして適用された｡

DNAの先頭と後半でパーティションを分ける(マニュアルより)｡

nexusフォーマットが理解できるなら､nexus形式で指定することでより複雑な指定も可能｡

 

3, サンプルコレクション日を指定したdate.tsvファイルを指定することで、time treeを出力できる（BEASTのようにMCMCによる年代推定はしないが、年代を使った枝のスケーリングを行う）

iqtree2 -s example.phy --date date.tsv

date.txtの各行には配列アライメントと一致する分類群名とその日付（サンプリング日）をスペースかタブ区切りで準備する。すべてのヒントの日付が必要なわけではない。

マニュアルの新型コロナウイルスデータセットの例

2019年2月1日から2019年12月31日の間にサンプルされた、のような不確かなサンプルは、下限または上限が欠落していることを意味する 「NA 」を使用できる

TaxonAは2018年2月1日以降にサンプリングされ、TaxonBは2018年3月31日以前にサンプリングされたことを意味する。

この場合、(1)ModelFinder,8.1を使って最適なモデルを見つけ、(2)枝長を部位ごとの置換数で表した最尤(ML)木を求め、(3) MLツリーの枝長を再スケーリングして、先祖ノードの日付が入った時間ツリーを作成する。

自動的に最適なルート位置が検出されるが、正しく推測されない場合、間違った日付が得られる可能性があるため、アウトグループ分類群を指定することが推奨されている。

 

出力には通常のtreeファイルの他、time treeファイルが含まれる。

<Tips> fastaアラインメントファイルに"|"で区切って日付を書いておくと、tip名に日付を表示できる（マニュアルより）。

 

4, 信頼できる化石記録があってそれを元に祖先のノードの年代を較正したい場合、化石のdateファイルを指定する（ツリー内の少なくとも1つの祖先ノードのがある場合にのみ有効、マニュアルより）。

taxon1とtaxon2のMRCA（Most Recent Common Ancestor）は50mya（mya: (million year ago）であり、taxon3、taxon4、taxon5のMRCAは100mya。taxon6はサンプル自体が10myaのもので、記載がないtaxon6以外は現代の配列サンプルの扱いとなる（--date-tip 0）。

指定の仕方は上と同じ。--date-tip 0を指定（エラーが起きるなら決して各tipに明示的に指定）。

iqtree2 -s example.phy --date fossil_date.tsv --date-tip 0

 

5, すでにiqtreeのツリーがある場合、”-te”で既知ツリーファイルを指定することで、IQ-TREE にこのツリーのトポロジーを読み込んでtime treeを作るように要求できる。

iqtree -s example.phy --date date.tsv -te TREE_FILE

さらに処理を高速化するために モデルを知っている場合、-m オプションで指定する。
パーティションファイル（配列データを複数に分けて、それぞれ異なる進化モデルやパラメータを設定するための指定ファイル）を指定することもできる。

 

6, 推定された年代の信頼区間を推論するには、"--date-ci"オプションを使う。--date -ci 100だと、信頼区間を推論するために枝長を100回再サンプルする。

iqtree -s example.phy --date date.tsv --date-ci 100

マニュアルより；これはブートストラップではなく、より高速な方法であるが未発表である。大雑把に言えば、ゆったりとした時計モデルのポアソン分布と対数正規分布の混合に基づいた時計モデルである。対数正規分布の標準偏差は --clock-sd オプションで制御できる。--clock-sdのデフォルトは0.2で、より大きな値を設定すると、信頼区間
区間が広くなる。

 

7, 長い枝は年代推定に偏りを生じさせる可能性がある。年代測定の前に異常値を持つ分類群またはノードを除外するには、"--date-outlier"オプションを使用する。

iqtree -s example.phy --date date.tsv --date-outlier 3

マニュアルより；これは外れ値を検出するための z スコアのしきい値を指定する。この値が高いほど結果のtime treeから外れ値が除去される。

 

8, IQ-TREEの主なオプションは、LSD2 (github)の主要機能に簡単にアクセスできるようになっている（LSD2がIQ-TREEに組み込まれている）。もしLSD2 が行っていることをもっとコントロールしたい場合は、"--date-options"コマンドを指定する。

#LSD2が異常値をどのように扱うかを制御
iqtree -s example.phy --date date.tsv --date-options "-e 2"

LSD2のオプションの完全なリストは、LSD2をダウンロードし、"lsd2 -h"を実行することで得られる（condaコマンドではiqtree2と一緒にはインストールされない）。

 

IQ-TREEは自動で樹形推定プロセスを進めるため、ログを読むことが重要（.logとしてファイル保存されている）

勉強会用の資料を貼っておきます。

 

IQ-treeにはDiscussion forumが作成されており（old version）、そこでたくさんディスカッションされています。

https://github.com/iqtree/iqtree2/discussions

 

コメント

IQ-treeは樹形推定で煩雑なプロセスを自動で高速実行でき、人気のツールとなっていますが、それゆえ知識がないと現在の生命史とは矛盾するようなツリーも作りがちです。ログを読んだり樹形の信頼性を見るのはもちろんのこと、先行研究とよく比較する事も重要かと思います。遺伝子のツリーでも生命のツリーでも同様です。

 

その他

  • 定期的にチェックポイントファイル example.phy.ckp.gzがディスクに書き込まれる。このチェックポイントファイルは、中断された実行を再開するために使用される。
  • IQtreeは実行されると最初にアライメント内のすべての配列について組成カイ二乗検定を実行する。その目的は、文字構成（DNAの場合はヌクレオチド、タンパク質配列の場合はアミノ酸など）の均一性をテストすることにある（#197）。文字組成がアラインメントの平均組成から著しく逸脱している場合、その配列は不合格と判定される（例；sequences failed composition chi2 test (p-value<5%; df=3)）。この検定は、データセットの問題点を突き止めるのに役立つ探索的なツールとして組み込まれている。通常、デフォルトでは失敗した配列を削除することはないだろうが、もしツリーが予期しないトポロジーを示すなら、この検定は問題の起源の方向を示すかもしれない。パーティションによる複数遺伝子からなるデータがある場合、パーティション分析で各遺伝子のパーティションごとに別々にテストする方が合理的かもしれない（遺伝子によって異なる進化の歴史や特徴を持っている可能性画あるという意味と考えられる）。タンパク質データである場合、配列に沿って異なるアミノ酸組成を考慮したいくつかのタンパク質混合モデル、例えばC10からC60プロファイル混合モデルを試すこともできる（こちらからそのまま引用）。

引用

IQ-TREE 2: New Models and Efficient Methods for Phylogenetic Inference in the Genomic Era 
Bui Quang Minh, Heiko A Schmidt, Olga Chernomor, Dominik Schrempf, Michael D Woodhams, Arndt von Haeseler, Robert Lanfear
Molecular Biology and Evolution, Volume 37, Issue 5, May 2020, Pages 1530–1534

 

IQ-TREE: A Fast and Effective Stochastic Algorithm for Estimating Maximum-Likelihood Phylogenies
Lam-Tung Nguyen, Heiko A. Schmidt, Arndt von Haeseler, and Bui Quang Minh

Molecular Biology and Evolution. 2015 Jan; 32(1): 268–274.

 

ModelFinder: fast model selection for accurate phylogenetic estimates

Subha Kalyaanamoorthy, Bui Quang Minh, Thomas K F Wong, Arndt von Haeseler & Lars S Jermiin 
Nature Methods volume 14, pages587–589 (2017)

 

Ultrafast Approximation for Phylogenetic Bootstrap 
Bui Quang Minh, Minh Anh Thi Nguyen, Arndt von Haeseler
Molecular Biology and Evolution, Volume 30, Issue 5, May 2013, Pages 1188–1195

 

参考

http://www.tezuru-mozuru.com/?cat=200

 

関連