TNT
TNT 是一个专注于 MP 的系统发育软件，其以上个世纪Hennig86的风格、交互的设计、多样的搜索策略、更多的 resample 方法以及更好的搜索速度著称。
其作者声称该软件较 PAUP* 的搜索能力强。
本网站提供详细的命令，以分开的wiki页面形式提供。
基础文件
声明部分
TNT 文件头文件，ntax 和 nchar 是与 nexus 文件相同的，在实际文件中
xread 'comments comments' nchar ntax ;
数据部分
但是数据本身没有END;，请参考 Hennig86 的示例
group
group 在 tnt 中有三种，tree group tgroup, character xgroup, taxa group agroup。在文件底下定义。
A_其实是 taxname 前缀
agroup =0 (ACANTHOGONATUS) A_ =1 (CHACO) Cha_ =2 (STENOTEROMMATA) St_ H_ =4 (LYCINUS) L_ =5 (DIPLOTHELOPSIS) D_ =6 (PYCNOTHELE) Pyc_ =7 (RACHIAS) Rac_ =8 (BARYCHELIDAE) Neod_ Bar Trich Cosmo ;
也可以按照数字来定义范围
agroup=0 (extant) 0,37 =1 (fossils) 38,49
xgroup =0 (mor) 0,195
=1 (dna) 196,39294
常用操作
可以将下列的命令写到 txt 文件，让 TNT 直接运行
准备
mxram 是记录多少 MB 内存可用；nstates 声明文件类型：32 32离散字符，con 连续字符，protein 蛋白质，dna DNA；NOGAPS是不把 gap 视作别的字符状态。
mxram 10240 ; nstates 32 ; nstates NOGAPS ;
操作
procedure 打开；log 产生 log 文件；taxname 是在最终的树中使用名称，- 是默认的，不用名字，= 则是使用名字
procedure filename.tnt ; log logfile ; taxname= ;
quit 是退出
quit;
搜索
hold 在 RAM 中保留 999 个树；mult 是传统搜索 replic 是多少次重复，tbr 是 Tree Bisection Reconnection 搜索策略，99个树被保存
hold 999 ; mult=replic 100 tbr hold 99;
`bbreak 是搜索策略设置，可以是 TBR SPR (Subtree Pruning Regrafting)，
bbreak=tbr ;
合意
consensus 的方式有几种：严格合意树 nelsen; 半合意树 comcomp；多数合意树 majority。* 是把合意树作为最后一个树保存在内存里。
majority * ;
Resample
Resample 有几种，如 boostrap：boot；jackifing：jak。replications 是重复次数。
resample boot replications 1000;
导出
export是导出 nexus 树文件，= 纯 newick 文件，< 保存 tags 为树的 labels。
ttags 是 tag 相关的设置，= 是保存树的 tag，要在树发生之前。& 是输出为 svg 图片，thickness 是树的粗细，italics 是样本名称斜体，fontsize 是样品名称大小。
export= trees.tre ; ttags= ; resample boot replications 1000; ttags & bt.svg thickness 7 italics fontsize 15; export < bt.tre ;
TL, CI & RI
length记录树长（Tree Length），stats.run 是一个计算 CI RI 的脚本
length * ; stats.run;
stats.run 内容如下
macro= ;
report- ;
var =
0 themin
1 themax
+ CIs [ ( ntrees + 1 ) ]
+ RIs [ ( ntrees + 1 ) ]
+ this
;
set themin minsteps ;
set themax maxsteps ;
loop 0 ntrees
progress #1 (ntrees+1) Calculating indices... ;
set this length[#1] ;
set CIs[#1] 'themin'/'this' ;
set RIs[#1] ('themax'-'this')/('themax'-'themin') ;
stop
progress/ ;
report= ;
macfloat 3 ;
maketable CIs Consistency index ;
maketable RIs Retention index ;
proc/ ;
Weighting
piwe 确定 k 值，根据 Goloboff et al. (2018)，一般 k 应该在 3 到 12 之间，数量级越大的数据，往往 k 越大越可以获得更好的结果。但是自认为 k 应该凭借连续 k 产出的 CI RI 进行判断，从而选择最佳的 k 。
piwe 应该在输入文件前定义。
xpiwe(* 则是自动对空位降低 weighting。
对于二者，& 则是输出相关 weighting 设置。
Outgroup
设置多个外群可以通过 force 以及 constrain 操作
假设现在有 26 个样本，0 和 1 是外群则这样设置
force + [2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25]; constrain=;
示例
记得修改 filename.txt，也要把 stats.run 放在同一个文件夹下。也可以使用 TNT Script guoyi.run
mxram 10240 ; nstates 32 ; nstates NOGAPS ; piwe=12; procedure filename.tnt ; log tnt.log ; taxname= ; hold 9999 ; xpiwe(*; mult=replic 100 tbr hold 1000; xpiwe&; piwe&; bbreak=tbr ; majority * ; tchoose /; export= trees.tre ; ttags= ; resample boot replications 1000 from 0; ttags & bt.svg thickness 7 italics fontsize 15; export < bt.tre ; length * ; stats.run; quit ;
trees.tre 是搜索的树；bt.tre 是有 bootstrap 支持的多数合意树，但是没有树长；bt.svg 是有树长的，但是只是图片，但是是多数合意树的；tnt.log 里有 LT CI RI 的数值。
TL 示例如下
Saved trees (Nexus format) to file bt.nex
Tree lengths
0
0 16677
CI 示例如下
Consistency index
0
0 0.095
RI 示例如下
Retention index
0
0 0.627