- 3 次围观
RAxML-NG 是一种广泛使用的基于最大似然法进行系统发育推断的工具。在上一版 RAxML-NG 论文发表后的七年间，我们持续改进并扩展了其代码。在本文中，我们介绍该软件的下一次重大版本更新——RAxML-NG 2.0。该版本引入了大量新功能，包括集成式模型检验、多种快速分支支持度指标、自动并行化调优、系统发育难度预测、基因型演化模型等，这里仅列举其中最重要的几项。此外，我们在生产级代码中引入了两种全新的搜索启发式方法：自适应难度感知启发式方法（默认方法），以及带有提前停止机制的快速模式，可避免过度优化。我们针对 RAxML-NG 2.0 的准确性和速度开展了广泛的基准测试，并将其与其他流行的基于最大似然法的系统发育推断工具（IQTree、VeryFastTree）以及此前版本的 RAxML-NG 进行了比较。特别是，新的快速搜索启发式方法结合基于机器学习的分支支持度预测，使推断时间较 RAxML-NG 1.2 缩短了 75 倍，而准确性仅有轻微损失或基本没有损失。代码遵循 GNU GPL 协议发布，网址为：https://codeberg.org/amkozlov/raxml-ng。
RAxML-NG 2：自动模型选择、新型树搜索启发式方法与快速分支支持度指标 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
RAxML-NG 2：自动模型选择、新型树搜索启发式方法与快速分支支持度指标
查看 ORCID 个人资料
Oleksiy M Kozlov，
查看 ORCID 个人资料
Anastasis Togkousidis，
查看 ORCID 个人资料
Christoph Stelz，
查看 ORCID 个人资料
Dimitri Hoehler，
查看 ORCID 个人资料
Julius Wiegert，
查看 ORCID 个人资料
Alexandros Stamatakis
doi：
https://doi.org/10.64898/2026.09.09.750097
Oleksiy M Kozlov 1 海德堡理论研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Oleksiy M Kozlov 的 ORCID 记录
通讯作者：
oleksiy.kozlov{at}h-its.org
Anastasis Togkousidis 1 海德堡理论研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Anastasis Togkousidis 的 ORCID 记录
Christoph Stelz 1 海德堡理论研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Christoph Stelz 的 ORCID 记录
Dimitri Hoehler 1 海德堡理论研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Dimitri Hoehler 的 ORCID 记录
Julius Wiegert 2 海德堡大学曼海姆医学院中央精神卫生研究所精神病学人工智能赫克托研究所；
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Julius Wiegert 的 ORCID 记录
Alexandros Stamatakis 3 生物多样性计算组，计算机科学研究所，希腊研究与技术基金会，克里特岛伊拉克利翁，希腊
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Alexandros Stamatakis 的 ORCID 记录
摘要
信息/历史
指标
预览 PDF
摘要
RAxML-NG 是一种广泛使用的、基于最大似然法进行系统发育推断的工具。在上一版 RAxML-NG 论文发表后的七年间，我们持续改进并扩展了该软件代码。本文介绍其下一次重大版本更新 RAxML-NG 2.0。该版本引入了大量新功能，包括集成式模型检验、多种快速分支支持度指标、自动并行化调优、系统发育难度预测、基因型演化模型等，以上仅列举其中最重要的功能。此外，我们在生产级代码中引入了两种全新的搜索启发式方法：自适应难度感知启发式方法（默认方法），以及带有提前停止机制的快速模式，可防止过度优化。我们针对 RAxML-NG 2.0 的准确性和速度进行了广泛基准测试，并将其与其他流行的、基于最大似然法的系统发育推断工具（IQTree、VeryFastTree）以及此前的 RAxML-NG 版本进行了比较。尤其值得注意的是，新的快速搜索启发式方法与基于机器学习的分支支持度预测相结合后，在准确性损失极小或不产生准确性损失的情况下，相较于 RAxML-NG 1.2 可将推断时间缩短 75 倍。该代码基于 GNU GPL 协议发布，地址为：https://codeberg.org/amkozlov/raxml-ng。
利益冲突声明
资助方信息声明
Klaus Tschira 基金会，
https://ror.org/052jep661
欧盟，
https://ror.org/019w4f821
，101087081
版权
本预印本的。
该预印本依据
CC-BY-NC 4.0 国际许可协议
提供。
返回顶部
上一篇
下一篇
发布于 2026 年 9 月 11 日。
下载 PDF
电子邮件
感谢您有意帮助传播 bioRxiv 上的内容。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每行一个，或使用逗号分隔。
您即将发送以下内容
RAxML-NG 2：自动模型选择、新型树搜索启发式方法与快速分支支持度指标
（您的姓名）从 bioRxiv 网站转发了一个页面给您
消息正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动化垃圾信息提交。
分享
RAxML-NG 2：自动模型选择、新型树搜索启发式方法与快速分支支持度指标
Oleksiy M Kozlov，
Anastasis Togkousidis，
Christoph Stelz，
Dimitri Hoehler，
Julius Wiegert，
Alexandros Stamatakis
bioRxiv 2026.09.09.750097； doi： https://doi.org/10.64898/2026.09.09.750097
分享本文：
复制
引文工具
RAxML-NG 2：自动模型选择、新型树搜索启发式方法与快速分支支持度指标
Oleksiy M Kozlov，
Anastasis Togkousidis，
Christoph Stelz，
Dimitri Hoehler，
Julius Wiegert，
Alexandros Stamatakis
bioRxiv 2026.09.09.750097； doi： https://doi.org/10.64898/2026.09.09.750097
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.09.750097v1?rss=1
🏷️ 系统发育推断 最大似然法 模型选择 树搜索启发式 分支支持度 并行计算