skbio.tree.nj¶

skbio.tree.nj(dm, disallow_negative_branch_length=True, result_constructor=None)[源代码]¶

应用邻域连接进行系统发育重建。

状态：从0.4.0开始实验。

参数:

dm (skbio.DistanceMatrix) -- 输入包含OTU之间距离的距离矩阵。
disallow_negative_branch_length (bool, optional) -- 邻居连接可能导致负分支长度，这在进化上下文中没有意义。如果 True ，负分支长度将返回为零，这是该算法的原始开发人员提出的处理此问题的通用策略。
result_constructor (function, optional) -- 函数来构造结果对象。这必须以newick格式的字符串作为输入。将此函数应用于newick格式字符串的结果将从此函数返回。默认为 lambda x: TreeNode.read(StringIO(x), format='newick') .

返回:

默认情况下，结果对象是 TreeNode ，但这可以通过传递来覆盖 result_constructor .

返回类型:

TreeNode

参见

TreeNode.root_at_midpoint

备注

邻里加入最初是在Saitou和Nei（1987）中描述的 [1]. 这里展示的例子来自Wikipedia关于邻居加入的页面 [2]. Phylip手册也描述了该方法 [3] 而Phylip本身提供了一个对比较有用的实现。

根据定义，邻接连接创建无根树。对生成的树进行生根的一种策略是中点生根，它可以作为 TreeNode.root_at_midpoint .

引用

示例

定义一个新的距离矩阵对象，描述五个OTU之间的距离：a、b、c、d和e。

>>> from skbio import DistanceMatrix
>>> from skbio.tree import nj

>>> data = [[0,  5,  9,  9,  8],
...         [5,  0, 10, 10,  9],
...         [9, 10,  0,  8,  7],
...         [9, 10,  8,  0,  3],
...         [8,  9,  7,  3,  0]]
>>> ids = list('abcde')
>>> dm = DistanceMatrix(data, ids)

构造表示这些otu之间关系的邻居连接树。这将作为TreeNode对象返回。

>>> tree = nj(dm)
>>> print(tree.ascii_art())
          /-d
         |
         |          /-c
         |---------|
---------|         |          /-b
         |          \--------|
         |                    \-a
         |
          \-e

同样，构造邻居连接树，但返回表示树的newick字符串，而不是TreeNode对象。（请注意，在本例中，字符串输出在打印时被截断，以便于呈现。）

>>> newick_str = nj(dm, result_constructor=str)
>>> print(newick_str[:55], "...")
(d:2.000000, (c:4.000000, (b:3.000000, a:2.000000):3.00 ...