Dedecms是哪个团队开发的？

如下：

1找来一张纸A4大小，将纸张卷成一个圆筒形状，然后再用固体胶在纸张边缘涂抹，最终粘在一块，用来做手枪的枪管。

2再找来一张比较硬的纸张，大小可以稍小一点。然后将纸张折叠成为一个长方形的小块（将两边都向中间折叠）。这里是我自己的折叠方式，你也可以有自己的折叠方法。

3

将折叠好的长方形纸条包在做好的枪管上。具体做法是，将纸条稍稍对折，让后将枪管插在纸条的折线里面，也就是要保证对称，然后用固体胶将纸张粘牢。这里制作的是抢的手柄的一部分。

4

下面继续制作抢的手柄，同样折叠长方形的纸条，沿着刚才完成的抢的手柄折叠，折叠好后同样用固体胶粘牢。

5

在同样折叠纸条，将折叠好的纸条缠绕在刚才做好的一部分枪柄和枪管上，起到固定的作用。最好多做一些这样的纸条，把每一部分都重复包好，这样手柄的感觉就更加饱满。手拿的感觉就更加舒适。

前台怎么显示是样式决定的，跟后台没有关系，后台只是写数据进数据库

第一张图是你要前台要呈现的功能跟样式吗？

对DEDE不太熟悉，一般CMS都有自定义表单，利用自定义表单可以实现前台的数据提交

dede是织梦内容管理系统dedecms的简称, 以简单、实用、开源而闻名，是国内最知名的PHP开源网站管理系统，也是使用用户最多的PHP类CMS系统，在经历了二年多的发展，目前的版本无论在功能，还是是易用性方面，都有了长足的发展，DedeCms免费版的主要目标用户锁定在个人站长，功能更专注于个人网站或中小型门户的构建，当然也不乏有企业用户和学校等在使用本系统。dede织梦内容管理系统(DedeCms)基于PHP+MySQL的技术架构，完全开源加上强大稳定的技术架构，使你无论是目前打算做个小型网站，还是想让网站在不断壮大后系仍能得到随意扩充都有充分的保证。

只有苹果电脑才会有使用到

HFS+这种格式，在XP下是不可以把移动硬盘的格式转化成MAC OS X 的任何一种分区！因为OS X 的系统文件不支持FAT， NTFS的格式（包括OS X 的系统光盘）！要将移动硬盘格式转换HFS+，你需要一张MAC OS X的系统光盘，上面有专门的格式化工具来完成这个操作。没有其它更便捷的方法。还有苹果系统是支持FAT 32这个分区格式的，你可以在WINDOWS下将移动硬盘格式化成这种格式，就可以在苹果电脑下直接使用了。

以下内容都是基于Christopher P Randle教授在研究组上交流时的课件整理而来。 

在系统发育学中，模型就是为了确定给定分支长度的分枝上发生某种性状状态改变的概率。分子性状状态的改变就是碱基的替代（substitution）。

为了建立模型，我们必须给出一些前提条件。这些前提条件可能会和现实情况不符，目的只是为了让事情简单化，使得我们有可能建模。这些前提条件包括：

1碱基替代是一个马尔科夫过程（Markov Process）

是指每个分支上发生的情况都是相互独立的，仅受到分支末端的taxa的形状状态（character state）的影响。

2 碱基的替代是时间可逆的。

因为似然值的估计常常是在无根树上进行的，所以 性状状态的改变（这里就是碱基的转变或碱基替代）也是没有方向的， 比如，由 A到C的改变和由C到A的改变发生的概率是一样的：

p(A->C）=p(C>A）

3 均一过程（Homogeneity）: 

整个演化的过程在不同的性状和分支过程中都是同质的、均一的。

我们从前面知道，建立模型最重要的就是找到参数，来表示给出的假设。    

建立DNA序列的演化模型需要的参数就是用来估算指定分支长度的分枝上发生某种碱基替代的概率。

那么我们怎么表示这个参数那？

这个参数是以一个矩阵中的元素形式表现出来的，被称为Q-矩阵。这个矩阵中的每一个元素就是一个参数，表示发生这种碱基替代的概率。

下面我们来介绍最大似然法中最重要的一个模型：General Time Reversible Model,，简称GTR。

它的元素就是将上图矩阵中每个元素对应的概率的的自然对数：

每一个元素都可以拆分为这种表达式：

= μ× ×

μ 代表的是平均瞬时替代速率参数（mean instantaneous substitution rate），对矩阵的所有元素，该值恒定不变。

代表的是相对瞬时速率（relative rate parameter），在矩阵的不同元素中是变化的，用希腊小写字母表示。

代表的是j性状状态在数据矩阵中的出现频率的期望值，被称为期望参数（frequency parameter）。

我们说过 μ 在所有元素中都是数值恒定的，我们可以不去管。

根据碱基的替代是时间可逆的前提条件（比如，碱基A、C的相互转变） ，A到C和C到A两种碱基替代的相对瞬时速率（relative rate parameter）是相同的，因此我们现在有6种相对瞬时速率。

在一瞬间，碱基发生转变或者不发生转变，转变发生或不发生的概率是1， 即 p （A->A）+ p （A->C）+ p （A->G）+ p （A->T） =1 。因此当碱基没有改变的情况下，如A->A,p（A->A）的值为1减去改行其他元素的值。 

需要注意的是，我们在前面说过，因为似然值通常很小，是小数点后好几位的数，为了避免麻烦，我们通常用自然对数（lnN）来表示，在GTR中，每个元素也用概率值的自然对数来表示，因此每一行的加和就是ln(1)，为0， p （A->A）位置上的就是0减去其他三个元素的加和，也就是其他三个元素加和的负值。

其他的模型就是在GTR模型的基础上，增加一些前提条件，一些参数假定是不变的，使得参数表达变得更简单一些。

F846（也称为HKY85，Hashagano Kishino Yano 1985）模型不再考虑每个碱基对之间转变的相对瞬时速率，而是把碱基转变分成两大类：颠换（transversion，嘌呤和嘧啶之间相互转变）和转换（transition，嘌呤或嘧啶之间的转变），并且假设颠换和转换各有一个相对瞬时速率a、b。

更进一步，我们可以假设期望参数在元素中也是恒定的，π=025，这就是Kimura 2-Parameter（K2P）模型：

最简单的模型是假设相对瞬时速率和期望参数都恒定，这就是Jukes-Cantor（JC69）模型：

我们可以总结一下所有这些模型都是homogeneous和nested。

homogeneous（同质的）指的还是演化过程在不同的性状和树的分支上都是同质的、均一的。

nested（嵌套的）指的是所有的模型都是在GTR这一模型的基础上增加前提条件，变化来的。

我们前门提到的Q-矩阵表示的只是瞬时替代速率，而我们要计算的 碱基替代概率 ，因此，要把Q-矩阵过积分的数学方法，转化为代表碱基替代概率的P-matrix。它和Q之间可以用下面的算式推导：

要把我们之前提到的模型由给出的Q-矩阵转化为P-矩阵需要一些积分的数学方法，在这里只给出转化完之后的例子。

我们以K2P模型（转换和颠换的速率不同，期望参数相同）为例，转换和颠换的速率比率（α/β）为 κ ，则P-矩阵中的元素不外乎下面三种情况，其中i、j表示的是两种性状状态：

第一种表示当没有发生碱基替代时；

第二种表示发生的碱基替代是转换；

第三种表示发生的碱基替代是颠换。

我们假设μ= 03， κ =40，计算t=01的时长内的概率：

这时的P-矩阵为：

目前为止，我们还没有计算过一个树的似然值，那么下面我们用一个最简单的例子来试一下：

对这个给定的树，让我们估算一些它的似然值：

首先把各个分支的碱基替代概率标注在分枝上：

然后我们计算整棵树的似然值，就是各个分支的概率的乘积，而它们的最近祖先是A的概率为025，因为共有四种碱基（A、C、T、G）：

这棵树的似然值就是给定这棵树的分支长度和拓扑结构后，出现这样一棵树的概率，用概率的自然对数表示。

根据分子钟演化假说（clock-like evolution），在整个系统发育树中，所有位点的碱基替代速率应该是均一的，那么分支长度（代表发生了多少演化，这里也可以理解为发生了多少碱基替代）就只和时间有关。但是，实际情况往往不是这样的，碱基的替代速率在不同的分支上是不同的。就像龟兔赛跑，跑过同样长度的距离，一个是因为用的时间比较长，一个是因为跑的快，放在我们这里就是：同样的分支长度，可能是因为演化的时间长，也可能是碱基替代速率快。

这里我们给出一个名词：rate heterogeneity（速率的不均一性）

是什么导致了性状演化速率的不均一性？

原因可能是一些位点对生物的生存至关重要，比如指导一些重要大分子物质的合成，因此承受更大的选择压力，碱基的替代不太可能发生。或者在同一个密码子中，第一、二个位点的变化会造成编码氨基酸的改变（非同义突变），第三个位点的变化容易造成编码氨基酸的改变（同义突变），理论上第三个位点的演化速率就会比前两个位点快。

注：最新研究又认为同义突变也会影响生物功能。这里只是举个例子帮助理解，毕竟科学总是在进步的。

现在我们要把性状演化的不均一性考虑打模型中该怎么办？两种办法：

一种方法是假设一些位点是不变的，另一些可以自由转变。

对每个位点，我们都计算两个似然值：一个是整个树都没有发生变化的概率 ，如果这个位点的碱基在所有分类群中都不变，那么 的值为1，如果在分类群中不一样， 的值为0；一个是如果发生了碱基替代时每个位点的似然值 ，该值的计算就像我们刚才举例的一样。

此外，还要增加一个参数