TNT:R

来自MalacoKnowledge
Malacology留言 | 贡献2023年8月7日 (一) 09:53的版本 (创建页面,内容为“= randtrees = <code>N J K</code> 创建<code>N</code>个随机树,通过在每个现有分支上添加分类单元的相同概率来实现;在新节点折叠的概率为<code>J</code>,在最多<code>K</code>叉分支上(默认<code>J = 0</code>) <code>/</code> 随机树顺序 <code>*</code> 随机处理非二叉树 = ratchet = Ratchet来自内存中的树 <code>iter N</code> 迭代次数 <code>[no]equal</code> 具有原始权重的定期回合[…”)
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)

randtrees

N J K 创建N个随机树,通过在每个现有分支上添加分类单元的相同概率来实现;在新节点折叠的概率为J,在最多K叉分支上(默认J = 0

/ 随机树顺序

* 随机处理非二叉树

ratchet

Ratchet来自内存中的树

iter N 迭代次数

[no]equal 具有原始权重的定期回合[不]

numsubs N 在扰动阶段,替换次数(例如,接受的树木重排次数)

upfactor N 增加性状权重的概率

downfact N 一样,但是是减少

[no]autoconst N 自动约束周期的数量

[no]giveup N 完成扰动期间的完全交换比例

findscore N 如果发现得分N或更好,停止

[no]fuse NxR 每N次迭代,进行R次融合到N棵树

[no]dumpfuse 如果融合不能产生更好的树,[不要]倒出所有次优树

[no]tradrat [不要]运行原始棘轮(即,在扰动期间交换以完成,并不接受同样好的重排)。

可通过ratchet:[options];ratchet=[options];设置选项(第一种情况仅更改设置,第二种情况还运行)。ratchet:;会显示当前设置。

rcompl

B 识别在块列表B中似乎存在反向互补的序列(仅处理DNA块;含有非DNA性状的块被跳过)。该命令计算序列的编辑成本(Needleman-Wunsch算法),并分别使用原始序列(A)和一个序列的反向互补序列(R)。如果A < R,则认为两个序列指向相同方向(如果(R-A)/A < 0.2,TNT认为无法确定方向)。如果A > R,则假定其中一个序列是反向互补的(同样,仅当(A-R)/R > 0.2时)。在块的列表后使用”>G”,将所有似乎是反向互补的序列(=分类单元)添加到分类单元组G中。

rdir

xxx 设置run文件的路径

rebuild

使用类似于棘轮的搜索方法搜索,随机修剪当前树的分类单元,依次重新插入,在TBR操作中进行交换。该命令对于非常结构混乱的数据集(例如随机数据集)非常有用,类似于hybrid命令的*选项,多次循环。

删除节点的数量可以是固定比例(pclip)或指定size的端点或分类支。这是一个重复的过程(如ratchet); 可以选择使用这些周期的(最佳)结果作为tfuse命令的设置的输入进行树杂交。最佳的一棵树然后用于继续重建。

clip J-K 在每个循环中剪辑J-K,请在JK之间剪辑节点的数量。如果未指定此数(或为0),则使用pclip

pclip N 在每个循环中剪辑N%的终端或节点。

size N N的大小为剪辑的最大大小(默认值=1)。如果N>2,则(默认情况下,请参见ancfirst选项),在其后代之前重新插入某些支系。如果将其设置为0,则使用psize

psize N 最大尺寸,以类群数量的比例(百分比)表示。

cycles N 重建的周期数为N(默认值=4000)。

reset N+S 每N个周期重设N + S,以便产生的树不如迄今为止找到的最佳树(加上指定的S),重设树为迄今为止找到的最佳树并从该树继续重建。默认值=noreset

hybird N 会杂交N次,在重建(S=样本大小,由“样本”确定)时产生的最佳S树。每轮杂交将使用指定为cycles的循环结果(默认值为N = 6,S = 50)。

sample N 将最佳N树(通过重建和首次重建)传递给杂交器。

ancfirst 如果剪辑超过2个终端的支系,则在后代之前重新插入祖先。默认值为是。

keepall 保留全部通过重建产生的树,而不是最佳树。

dump 杂交后,如果太多的树匹配最佳分数,则保留一小部分样本(样本大小的10%),以便可以将重新构建的新周期的树保存用于后续杂交。选择“不”将使用固定集合的近似最优树轻松地使杂交停滞不前。

默认值为是。

可通过rebuild:[options];rebuild=[options];设置选项(第一种情况仅更改设置,第二种情况还运行)。rebuild:;会显示当前设置。

recons

N/L 对于性状 L 和树 N 的最简约的祖先重建。

仅针对链接性状的复合物体映射,以下选项可以应用于树列表之前

* 显示单个重构,从可能的重构中随机选择(注意,重构不是等概率的!)。

[ 在一个线路中显示复合体中的性状, 默认情况下,不适用的性状将被跳过。 使用 选项,即使在该节点处不适用,也将显式显示所有性状。

| 对于每个重构,以单独的树状图显示复合物的每个成员的映射(注意,这是每个重构中每个个体性状同源的唯一选项)。

(C:S) 如果性状/状态名称过长,将树状图的名称限制为 C 或 S 个字母(C为性状名称;S为状态名称)。默认为 C:S 10:10。

report

= 报告耗时操作的状态

- 不要(默认)

+S/R/T 在搜索期间,每S秒记录一次状态,重复R次,或交换T棵树(无记录= 0)

[ 通过+S选项,在后台运行时还记录进度条,每隔S

] 不要(默认)

reroot

N 重新对树N置根,基于当前外群

! 如果外群是基部多分枝的一部分,则解决方案为外群是第一个分裂)

[N 重新对树N置根,使用分类外群(请参见outgroup

* 还重新置根tag树。 成为并系群的组的标签被分配给(现在单系群)的互补组(即标签保留在相同的分类单元分区中)。

=P 重新根据树(及使用*的树标签)在点P上(如果重新根据多个树,并且P是一个内部节点,则可能意味着不同的根节点树)。

resample

重新采样矩阵,并计算组支持。

使用:resample options [ search commands ] 选项有

allow 在每次复制期间使用,允许执行(几乎)所有命令,包括危险命令。这个选项应该谨慎使用,只有当你真正知道你在做什么时才能使用!

boot 使用正常的 Bootstrapping 而不是默认的重采样(sym)。

cut N 截止频率或支持

errcount N 仅在 Sibyl 下有效。这计算了在缩小的数据集中未被支持的组(错误组)占总支持组数的比例以及与参考树 N 中不被缩小的数据集支持的组(错误组)占总比例(假定为完整数据集的最优树的合意)。

frequency 使用绝对频率而不是默认的 (gc) 总结结果。

from N 计算树 N 中的组支持。

gc 使用频率差异总结结果。

jak 使用 jacknifing (如 独立删除)

poisson 用泊松修改的 bootstraping

probability N 更改 jak 或者 sym 的可能性

replications N 重复次数

savetrees 为每次重复保存合意树

sibyl 执行反向jacknife;如果使用,必须在所有其他参数之前。详情请参见以下内容。

slope 使用频率斜率汇总结果

softboot N 通过创建具有更多性状的数据集使引导取样变得更温和,例如 Kopuchian&Ramirez 2010 。这仅对bootpoisson有效;对于symjak无效。

sym 使用对称取样,其中p(up)=p(del)

zerowt 如果进行对称取样,则消除对下调权重性状的权重为0(=默认值);否则,将其权重除以2(未反驳的组在所有重复中)

可以使用“/”后跟要排除的分类单元列表来排除共识计算中的分类单元。除了分类排除和from之外,所有选项都是持续的。

resols

N/L; 在合意树 N 中显示polytomies的分辨率,但不包括分类单元(taxon) L

[J] 只显示合意树的节点 J

& 列出分辨率列表。

如果指定了单个节点,则在列表 L 后添加 >G(或<G)将添加到(或从)从G开始的组中,每个分辨率的树。在这种情况下,分辨率数(= 修改的组数)将保存到脚本化变量listsize中。

rfreqs

[T] N/L 显示参考树T中组的近似恢复频率,在树中不包括分类单元(taxon) L。对于T的每个组和每个树,它计算到树的最相似组的“相似度S,其中S被定义为B/(B+(AxWa)+(RxWr)),其中B =两组中或两者都没有(以最小值为准)的分类单元(taxa)的数量,A =添加到组中的分类单元的数量,R =从组中删除的分类单元的数量(Wa和Wr是权重系数,用prunmaj设置删除/添加更加昂贵)。如果组添加/删除了超过一定比例的分类单元(默认值为0.333),则S = 0。

riddup

根据当前性状活动,使重复的分类单元失效并修剪树

* 相同的操作,但保留两个相同的分类单元并使其保持活动状态和在树中(考虑零长度分支)

- 重新激活和重新插入重复的非活动分类单元

/ 重新插入重复的分类单元到树标签

rseed

N 设置随机种子为N(0=时间; 默认为1)

+N 随机种子增加N

* 随机设置一个随机数

[ wagner 树中随机插入方式

] wagner 树中尝试从上到下或从下到上插入新分类单元

> wagner 树中,还要随机化外群。当存在约束或非对称的Sankoff特征时,无法进行随机化(随机化被跳过)。请注意,一些xmult选项使用内部约束(然后跳过随机化)

< wagner 树中,外群始终是第一个放置在树中的分类单元(默认设置)

:N 在多次随机化中,不是确保每个新的种子与之前使用的种子不同,而是将种子增加N。这可以省去在非常广泛的随机化中检查以前的种子所需的时间。当N = 0时,检查以前的种子(这是默认值)。

! 使用快速近似进行随机化(更快)

- 使用谨慎的随机化(更慢,更随机,默认)

run

xxx arg1 arg2 ...

解析文件xxx,并向其里面传递多个参数 argument(最大参数= 32,arg 0是文件名)

runc

RUNC运行C脚本(允许调用TNT并访问TNT内部变量)。这使用“PicoC”的C解释器。参见 https://doi.org/10.1093/bioinformatics/btaa214

filename 文件名运行脚本“filename”(从主函数开始)。如果使用“exit()”终止脚本(将控制权返回给TNT),退出状态将写入变量“exstatus”。从“main”函数中,使用“return”返回到TNT,但不设置“exstatus”。

[N 跟踪脚本执行中最多N个同时内存分配(使用“malloc()”、“calloc()”、“realloc()”或“free()”函数),并在退出脚本时自动释放所有跟踪的内存。默认N=5000。如果N=0,则不跟踪内存,释放内存完全由用户控制。跟踪分配的内存会产生一些开销(内存和时间),但可以使脚本更简单。

+name 列出与“name”匹配的所有TNT函数;如果没有提供名称,则列出所有函数和保留字。

=lib 列出库“lib”中可用的函数(如果未提供库,则列出可用的库),并附有TNT库函数的描述!

! ... ! 从控制台或TNT输入文件中读取脚本(“…”);通过以“!”开头的行结束脚本。脚本中不必包括“main()”函数。这对于测试函数或小脚本非常有用,或者将C代码的部分嵌入TNT指令文件中。

如果从控制台读取,请注意只有在完整的脚本被读取后(即达到结尾“!”后)才会开始执行。所有库文件都会自动包含,因此在脚本中不需要使用任何“#include”指令来包含标准库文件。