We present TripNet, a method for constructing phylogenetic networks from triplets. We will present the motivations behind our approach and its theoretical and empirical justification. To demonstrate the accuracy and efficiency of TripNet, we performed two simulations and also applied the method to five published data sets: Kreitman's data, a set of triplets from real yeast data obtained from the Fungal Biodiversity Center in Utrecht, a collection of 110 highly recombinant Salmonella multi-locus sequence typing sequences, and nrDNA ITS and cpDNA JSA sequence data of New Zealand alpine buttercups of Ranunculus sect. Pseudadonis. Finally, we compare our results with those already obtained by other authors using alternative methods. TripNet, data sets, and supplementary files are freely available for download at (www.bioinf.cs.ipm.ir/softwares/tripnet).


翻译:我们介绍TripNet,这是从三胞胎中建立植物遗传网络的一种方法。我们将介绍我们的方法背后的动机及其理论和经验上的理由。为了证明TripNet的准确性和有效性,我们进行了两次模拟,并对5个已公布的数据集采用了这种方法:Kreitman的数据,一套来自乌得勒支Folgal生物多样性中心获得的真正酵母数据的三胞胎数据,一套110个高度再组合的Salmonella多卵序列打字序列,以及NrDNAITS和新西兰Ranunculs节Pseudadonis的CpDNA JSA序列数据。最后,我们用其他方法将我们的结果与其他作者已经获得的结果进行比较。TripNet、数据集和补充文件可以免费在(www.bioinf.cs.ipm.ir/softwares/tripnet)下载。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
【IJCAI2020】TransOMCS: 从语言图谱到常识图谱
专知会员服务
34+阅读 · 2020年5月4日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
已删除
Arxiv
32+阅读 · 2020年3月23日
Arxiv
6+阅读 · 2020年2月15日
Scale-Aware Trident Networks for Object Detection
Arxiv
4+阅读 · 2019年1月7日
Rapid Customization for Event Extraction
Arxiv
7+阅读 · 2018年9月20日
VIP会员
相关论文
已删除
Arxiv
32+阅读 · 2020年3月23日
Arxiv
6+阅读 · 2020年2月15日
Scale-Aware Trident Networks for Object Detection
Arxiv
4+阅读 · 2019年1月7日
Rapid Customization for Event Extraction
Arxiv
7+阅读 · 2018年9月20日
Top
微信扫码咨询专知VIP会员