【简介】MEGA 是时下使用最为广泛的系统发育分析软件之一，因其简单易用，深受广大生物工作者青睐，尤其MEGA5加入支持ML算法以来，更是频频见于各个SCI期刊。但图形化界面的MEGA一次只能运行单次的数据处理，无法完成批量数据分析，故MEGA6发布GUI版的同时，其命令行版Compute Core（CC）也随之发布。MEGA-CC主要通过命令行进行批量处理或流水线分析，适用于个人或小团队成员交互分析和工作流操作，也可以用于个人研究或教学，还可以用于服务器环境中。

【官网】：http://www.megasoftware.net/megaccusage.php

【流程】
（1）通过 M6Proto.exe 设置并生成所分析内容的参数（图形化界面操作）；
（2）通过 M6CC.exe 根据参数执行分析内容，并生成结果（命令行操作）；

【实例】演示MEGA6-CC进行建树序列最优模型的选择、应用最大似然法（ML）构建系统发育树。
第一部分
-----------------------------------------------------------------------------------
（1）参数设置
将待分析的序列以FASTA格式后，放在指定目录或复制到MEGA6-CC目录下，运行 M6Proto.exe 启动参数设置。

a. 根据序列类型选择格式，这里示例数据为编码某基因的核苷酸序列，所以选择Nucleotide(coding)：

b. 分析选项，这里为模型选择，依次点击“Model”-“Find Best DNA/Protein Model (ML)”选项：

c.设置相关参数，完毕，“Saving settings”保存所设置的参数：-

d. 输入所保存参数的文件名，如：model，扩展名默认为mao：

（2）执行分析
a.  在Windows 的“开始”-输入“cmd”调出MS-dos界面：

通过cd等命令，转到MEGA6-CC所在的目录，并输入后面命令，并回车： M6CC.exe -a Model.mao -d Raindytest.fas -o Modelresults
注：
-a *.mao 分析选项的参数设置
-d *.fas 分析对象，可以是单条序列，如：*.fas，*.meg等
-o * 输出结果的文件名称，名称任意

 

如果需要批量处理多个数据（每个数据/行），可以将序列完全路径保存一个文本文件中，名称任意，扩展名为 txt，如下图：

批量处理数据的参考命令：
M6CC.exe -a Model.mao -d seqpath.txt -o Modelresults
M6CC命令行操作结果如下图所示：


（3）结果解读
*.csv 为各模型的具体数据；*_summary.txt 为运行日志概要内容：

*.csv 具体内容，如下图所示，可知示例数据最佳的进化模型为 JC+G：

第二部分
-----------------------------------------------------------------------------------
（1）设置分析选项的参数，此处为ML法建树，此处“Phylogeny”-“Construct/Test Maximum Likelihood Tree..”，其他同上，不再赘述。



设置ML法的参数，
Bootrap检验，replications 值至少1000；
模型为第一部分得到的JC+G模型--先选择Jukes-cantor Model，“Rate among sites ” 为Gamma：

设置完毕，保存参数为ML.mao文件：

（2）调用M66CC.exe 执行分析： -a ML.mao -d Raindytest.fas -o MLResults，回车！

用ML法构建系统发育树，运行界面如下图：
（3）结果解读

*.nwk 为原始树；
*_consensus.nwk 一致树；
*.summary.txt 运行日志概要内容