trimAl 多序列比对修剪：四种自动模式与阈值参数选型指南

trimAl 多序列比对修剪：四种自动模式与阈值参数选型指南

【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 是命令行多序列比对（MSA）修剪工具，用于在系统发育建树前剔除低质量列与冗余序列，适合基因家族分析、ML/NJ 建树前预处理的生物信息学人员。场景：500 条同源蛋白比对完成后，先去噪再建树。

原理与机制

列打分：gap 分数与残基相似度

trimAl 给每一列打两个分：gap 分数（该列含 gap 的序列占比）和残基相似度（基于 BLOSUM62 的成对相似度均值，可用 -matrix 换成自定义矩阵）。手工模式用阈值直接筛列；自动模式把列按分数排序，在分布曲线上找拐点做截断，相当于把比对二分为“保守列”和“噪声列”。

自动阈值怎么定

• gappyout：对 gap 分数排序曲线计算相邻三点斜率，取变化最大的点作截断，只依据 gap 分布剥离 gap 富集区。

• strict：取相似度分布的 P20/P80 分位数，把阈值定在两分位数差值的 1/10 处，保证至少保留最保守的约 20% 列。

• strictplus：流程同 strict，末尾最小保留块改为比对长度的 1%（下限 3、上限 12 列），为邻接法建树调优。
• automated1：按比对平均一致性、序列数走决策树，在 gappyout 与 strict 之间选择，针对最大似然建树调优。

核心功能

阈值修剪：-gt / -st / -cons 手动控列

一句话：按你指定的阈值删列。适用：已知数据特性、想精确控制保留范围。关键参数：-gt 为列 gap 比例上限（0–1），-st 为相似度下限，-cons 为最少保留列百分比（0–100，优先级最高，其他阈值删超量时按分数补回列）；-nogaps 等价 -gt 1，-noallgaps 只删全 gap 列。

重叠修剪：剔除只共享局部区域的序列

一句话：按位置级与序列级两个重叠阈值删整条序列。适用：比对里混入只覆盖局部区域的短片段序列。关键参数：-resoverlap（位置重叠下限）与 -seqoverlap（“好位置”占比下限，0–100）必须成对提供，删完序列后全 gap 列自动清理。

自动模式：四个开关对应四种策略

一句话：免调参，工具自己定阈值。适用：批量比对、不想逐条试阈值。选项：-gappyout（只去 gap 区）、-strict（保守列优先）、-strictplus（NJ 建树）、-automated1（ML 建树）。

输出与统计：复核修剪、匹配下游格式

一句话：修剪之外提供报告与列分数输出。适用：需要确认剪掉了哪些列，或下游软件要求特定格式（PAML、MEGA、Nexus）。关键选项：-htmlout 生成含保留列可视化的 HTML 报告，-colnumbering 输出新旧列号映射，-sgc/-ssc 打印每列 gap/相似度分数；readAl 随包提供，负责 clustal、fasta、nexus、phylip32/40、pir 六种格式的互转。

上手实践

安装为源码编译，产物是 trimal 与 readAl 两个可执行文件：

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

安装后第一条命令，可直接用仓库自带比对验证安装是否成功：

trimal -in dataset/example.004.AA.fasta -out example.004.AA.trimmed -gappyout

不加 -out 时结果直接打到 stdout；想复核修剪结果，加 -htmlout report.html 查看保留列图，或用 -colnumbering 拿列号对照。参数调法：-gt/-st 取 0–1，-cons 是百分比 0–100；窗口参数 -w（及 -gw/-sw/-cw）只对手工阈值模式生效，用来平滑孤立噪声列。常见坑：输入仅支持 clustal、fasta、nexus、phylip32/40、pir，其他格式先用 readAl 转换；-gt 与 -gat 不兼容，-resoverlap/-seqoverlap 必须成对出现；不同版本间因 bug 修复，修剪结果可能略有差异，跨版本对比需固定版本。

场景与选型

• 最大似然建树：-automated1，官方按 ML 分析基准调优；
• 邻接法（NJ）建树：-strictplus，其块大小策略就是为 NJ 优化；
• 只想剥 gap 富集区：-gappyout 最轻；
• 追求最大信噪比：-strict。

同类取舍：官方论文基准中，strict 与 automated1 在模拟比对上的去噪效果优于 Gblocks，且额外提供序列级重叠修剪与多格式 I/O；若需求只是“删含 gap 的列”，-nogaps/-noallgaps 单参数即可，不必上自动模式。

进阶参考

• 全参数与命令示例：docs/source/usage.rst
• 四种自动模式算法推导：docs/source/algorithms.rst
• 列分数定义：docs/source/scores.rst
• 六种模式同输入修剪对照：dataset/trimmed_msas/
• gap/相似度统计实现：source/statisticsGaps.cpp、source/statisticsConservation.cpp
• 批量对比各模式输出的脚本：scripts/compare_trimmed_msas.sh

下一步：用 dataset/example.004.AA.fasta 分别跑 -gappyout 与 -strict，打开 -htmlout 报告对比保留列差异；确认行为符合预期后，再选模式处理你的比对，并用 -cons 设置保底列数。

【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