PHILIPPE

PHYLogeny Inference Package ( PHYLIP ) est un package de programmes de phylogénétique computationnelle gratuit pour déduire des arbres évolutifs ( phylogénies ). Il se compose de 65 programmes portables , c'est-à-dire que le code source est écrit dans le langage de programmation C. À partir de la version 3.696, il est sous licence en tant que logiciel open source ; les versions 3.695 et antérieures étaient des logiciels propriétaires gratuits . Les versions se présentent sous forme de code source et d'exécutables précompilés pour de nombreux systèmes d'exploitation , notamment Windows (95, 98, ME, NT, 2000, XP, Vista), Mac OS 8 , Mac OS 9 , OS X , Linux ( Debian , Red Hat ) ; et FreeBSD de FreeBSD.org. Une documentation complète est écrite pour tous les programmes du package et y est incluse. Les programmes du package phylip ont été écrits par le professeur Joseph Felsenstein , du département des sciences du génome et du département de biologie de l'université de Washington , à Seattle.

Les méthodes (implémentées par chaque programme) disponibles dans le package incluent la parcimonie , la matrice de distance et les méthodes de vraisemblance , y compris l'amorçage et les arbres de consensus. Les types de données qui peuvent être traités incluent les séquences moléculaires , les fréquences des gènes, les sites et fragments de restriction , les matrices de distance et les caractères discrets.

Chaque programme est contrôlé par un menu, qui demande aux utilisateurs quelles options ils souhaitent définir et leur permet de démarrer le calcul. Les données sont lues dans le programme à partir d'un fichier texte, que l'utilisateur peut préparer à l'aide de n'importe quel traitement de texte ou éditeur de texte (mais ce fichier texte ne peut pas être au format spécial du traitement de texte, il doit plutôt être au format ASCII plat ou texte uniquement ). Certains programmes d'analyse de séquences tels que le programme d'alignement Clustal W peuvent écrire des fichiers de données au format PHYLIP. La plupart des programmes recherchent les données dans un fichier appelé infile. Si les programmes phylip ne trouvent pas ce fichier, ils demandent alors à l'utilisateur de saisir le nom du fichier de données.

Les programmes composants de phylip utilisent plusieurs formats différents, tous relativement simples. Les programmes d'analyse des alignements de séquences d'ADN, des alignements de séquences protéiques ou de caractères discrets (par exemple, des données morphologiques) peuvent accepter ces données au format séquentiel ou entrelacé, comme indiqué ci-dessous.

Format séquentiel :

5 42 Turquie AAGCTNGGGC ATTTCAGGGT GAGCCCGGGC AATACAGGGT AT Salmo schiAAGCCTTGGC AGTGCAGGGT GAGCCGTGGC CGGGCACGGT AT H. sapiensACCGGTTGGC CGTTCAGGGT ACAGGTTGGC CGTTCAGGGT AA Chimpanzé AAACCCTTGC CGTTACGCTT AAACCGAGGC CGGGACACTC AT Gorille AAACCCTTGC CGGTACGCTT AAACCATTGC CGGTACGCTT AA 

Format entrelacé :

5 42 Turquie AAGCTNGGGC ATTTCAGGGT Salmo schiAAGCCTTGGC AGTGCAGGGT H. sapiensACCGGTTGGC CGTTCAGGGT Chimpanzé AAACCCTTGC CGTTACGCTT Gorille AAACCCTTGC CGGTACGCTT GAGCCCGGGC AATACAGGGT À GAGCCGTGGC CGGGCACGGT À ACAGGTTGGC CGTTCAGGGT AA AAACCGAGGC CGGGACACTC À AAACCATTGC CGGTACGCTT AA 

Les nombres correspondent au nombre de taxons (différentes espèces dans l'exemple ci-dessus) suivi du nombre de caractères (nucléotides alignés ou acides aminés dans le cas de séquences moléculaires). Les données relatives aux sites de restriction doivent également inclure le nombre d'enzymes.

Les noms sont limités à 10 caractères par défaut et doivent être remplis de blancs pour avoir cette longueur et suivis immédiatement des données de caractères en utilisant des codes à une lettre, bien que la limite de 10 caractères du nom puisse être modifiée par une modification mineure du code (en changeant nmlngthdans phylip.h et en recompilant). Tous les caractères ASCII/ISO imprimables sont des noms autorisés, à l'exception des parenthèses (" (" et " )"), des crochets (" [" et " ]"), des deux points (" ") :, du point-virgule (" ;") et de la virgule (" ,"). Les espaces intégrés dans l'alignement sont ignorés.

et IQ-TREE couramment utilisés , utilisent le format phylip ou une modification mineure de ce format appelée format phylip détendu.

Format phylip détendu (séquentiel) :

5 42 Turquie AAGCTNGGGCATTTCAGGGTGAGCCCGGGCAATACAGGGTAT Salmo_schiefermuelleri AAGCCTTGGCAGTGCAGGGTGAGCCGTGGCCGGGCACGGTAT H_sapiens ACCGGTTGGCCGTTCAGGGTACAGGTTGGCCGTTCAGGGTAA Chimpanzé AAACCCTTGCCGTTACGCTTAAACCGAGGCCGGGACACTCAT Gorille AAACCCTTGCCGGTACGCTTAAACCATTGCCGGTACGCTTAA 

La principale différence dans le format phylip assoupli est l'absence de limite de 10 caractères et la suppression de la nécessité de remplir les noms avec des blancs pour atteindre cette longueur (bien que le remplissage des noms pour démarrer la matrice de caractères à la même position puisse améliorer la lisibilité pour l'utilisateur). Cet exemple d'utilisation assouplie utilise des traits de soulignement plutôt que des espaces dans les noms et utilise des espaces entre les noms et les données de caractères alignées ; il est souvent recommandé d'éviter les espaces dans les noms de taxons et de séparer les données de caractères du nom lors de la génération des fichiers. Comme les fichiers au format phylip strict, les fichiers au format phylip assoupli peuvent être au format entrelacé et inclure des espaces et des lignes de fin dans les données de séquence.

Les programmes qui utilisent des données de distance, comme le neighborprogramme qui implémente la méthode de jonction de voisins , utilisent également un format de matrice de distance simple qui inclut uniquement le nombre de taxons, leurs noms et les valeurs numériques des distances :

Matrice de distance de Philipp :

7 Bovins 0,0000 1,6866 1,7198 1,6606 1,5243 1,6043 1,5905 Souris 1,6866 0,0000 1,5232 1,4841 1,4465 1,4389 1,4629 Gibbons 1,7198 1,5232 0,0000 0,7115 0,5958 0,6179 0,5583 Orangé 1,6606 1,4841 0,7115 0,0000 0,4631 0,5061 0,4710 Gorille 1,5243 1,4465 0,5958 0,4631 0,0000 0,3484 0,3083 Chimpanzé 1,6043 1,4389 0,6179 0,5061 0,3484 0,0000 0,2692 Humain 1,5905 1,4629 0,5583 0,4710 0,3083 0,2692 0,0000 

Le nombre indique le nombre de taxons et les mêmes limitations existent pour les noms de taxons. Notez que cette matrice est symétrique et que la diagonale a des valeurs de 0 (puisque la distance entre un taxon et lui-même est nulle par définition).

Les programmes qui utilisent des arbres comme entrée acceptent les arbres au format Newick , une norme informelle acceptée en 1986 par les auteurs de sept principaux packages de phylogénie. La sortie est écrite dans des fichiers portant des noms tels que outfileet outtree. Les arbres écrits outtreesont au format Newick.