trimAl 多序列比对修剪：如何在建树前快速剔除低质量区域

trimAl 多序列比对修剪：如何在建树前快速剔除低质量区域

【免费下载链接】trimalA tool for automated alignment trimming in large-scale phylogenetic analyses. Development version: 2.0项目地址: https://gitcode.com/gh_mirrors/tr/trimal

trimAl 是面向大规模系统发育分析的多序列比对自动修剪工具。它依据间隙分布、残基相似度与跨比对一致性，把比对中的低质量列定位并删除，让下游建树与序列分析只使用更可靠的区域。

在系统发育流程里，trimAl 卡在哪一环

一条典型流程是：提取同源序列 → 比对得到 MSA → 建树或做比较分析。trimAl 卡在第二步与第三步之间。比对器输出的 MSA 总带着"不可靠区域"：远缘序列或长短不齐的序列，末端尤其容易错配，对应列堆满间隙和随机残基。若直接送入建树程序，噪声列会参与距离或似然计算，拉长枝长、甚至翻转拓扑。trimAl 逐列打分，保留可靠列，再按输入格式（FASTA、CLUSTAL、PHYLIP 等）输出修剪后的 MSA。仓库 dataset/ 目录里有一批示例比对文件，可直接用来验证安装。

三步跑通：从源码到第一条修剪命令

第 1 步，编译源码得到可执行文件：

git clone https://gitcode.com/gh_mirrors/tr/trimal cd trimal/source && make

第 2 步，用仓库样例验证——修剪 example.004.AA.fasta 应返回原始 MSA。第 3 步，在真实数据上指定方法，新手推荐启发式方法 automated1：

./trimal -in aln.fasta -out trimmed.fasta -automated1

关键能力：按问题对号入座

阈值不会设：四种自动方法

效果：一条命令，阈值随比对自适应，不用手调。原理：gappyout 在间隙分数分布上找"富间隙列"与"少间隙列"的分界拐点，只删前者；strict 再叠加一个由相似度分布第 20/80 百分位推得的阈值；strictplus 把最小保留块改为比对长度的 1%（3–12 列）；automated1 按平均一致率、序列数等自动在 strict 与 gappyout 之间二选一。

序列长短不齐、只共享局部区域

效果：-resoverlap 0.8 -seqoverlap 75 可删掉"几乎全是间隙"的序列——它们与其余序列只共享一小段区域，会把噪声带进比对。原理：先按残基重叠阈值判定每个位置是否"好位置"，通过占比不达标的序列被整条移除，最后清掉变成全间隙的列。两个参数必须同时给出。

需要精细干预：删列、删序列、回到 CDS

效果：-gt 0.9 -cons 60 删除间隙占比 ≥10% 的列，同时保证至少保留原比对的 60%；-selectcols、-selectseqs 按编号删列或删序列（列号从 0 起）；-backtrans 在蛋白比对修剪后把 CDS 映射回核苷酸水平。分数曲线太碎时可用 -w 开窗口平滑。

场景对照：方法与参数怎么选

场景	推荐做法
首次使用，不确定哪种方法合适	-automated1（按 ML 建树调校的启发式）
下游用 NJ 邻接法建树	-strictplus
间隙多，只想按间隙分布清理	-gappyout
只怀疑末端区域有问题	追加 -terminalonly，只修剪内部无间隙边界之外
需要控制保留率	-gt 0.9 与 -cons 60 联用，或改用 -st 相似度阈值
个别特定列已知有错	-selectcols { 45-60, 70-78 }，列号从 0 起

automated1 的取舍逻辑是一棵决策树，依据平均一致率、序列数与各序列最大一致率的均值：

strict 的相似度阈值也不是固定值，随分布浮动，蓝线为 20/80 百分位边界，红线是实际切点：

常见坑：三条经验

• ⚠️ -nogaps 等价于 -gt 1，即任何含一个间隙的列都删。对进化较快的基因家族可能把比对删得所剩无几；只想去掉整列全间隙的列时用 -noallgaps，或交给 gappyout 等自动方法决定。
• 自动方法与下游建树方法错配：strictplus 面向 NJ 调校，automated1 面向 ML。先确定用哪种方法建树再选参数，别默认"越保守越好"。
• 不同版本输出的 MSA 可能有细微差异，官方文档明确提示过 bug 修复会改变结果。可复现的管线请固定版本，并用 -colnumbering 输出新旧列对应关系，方便回溯核对。

trimAl 与同仓库提供的格式转换工具 readAl 配合，可覆盖 MSA 管线里"格式转换 + 质量控制"这两环，输出可直接送入任何接受标准格式的下游程序。各方法的打分细节与完整参数清单见 docs/source/usage.rst。

【免费下载链接】trimalA tool for automated alignment trimming in large-scale phylogenetic analyses. Development version: 2.0项目地址: https://gitcode.com/gh_mirrors/tr/trimal