查看“TNT”的源代码

[http://www.lillo.org.ar/phylogeny/tnt/ TNT] 是一个专注于 MP 的系统发育软件，其以上个世纪的风格、很烂的 option 设计、难用的 PISH Shell、不规范的输出格式、多样的搜索策略、更多的 resample 方法以及更好的搜索速度著称。

[https://doi.org/10.1111/cla.12476 其作者声称]该软件较 PAUP* 的搜索能力强。
==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<pre>xread
'comments
comments'
nchar ntax</pre>
===数据部分===
但是数据本身没有<code>END;</code>，例如下面的示例<pre>Acusta_despecta_no_128                            gctatttctgctcaatgt-ttct-ataaatagccgcagtactttgactgtgcaaaggtagcataatca-attgacttataatt--gaagtctggaatgaaagaatctatggggaaatactgtttcattttgg-tggtaggaaattatt-tattaggtgaaaaaacctataagtaaaaaatagacgagaagacccttgaaattttaattttgttggggcgacaaagtagcaataga-aaacctacttaga--gaatatgtattat--ttataaaggttaaataaattactctagggataacagcataatatttaaaagtttgtgacct-cgatgttgga-ctaggaa-aata-tagtttaga
Aegista_diversifamilia_CWH_2014_S24_3             ------------------------------------------------------------------------------------------------------------------------------------------taaaattgct-tatcaggtgaaaatacctgactatatataatagacgaaaagaccctggaaatttttattttgttggggcgacagaataacaaat----aacttatttatatataatttgccattt--gtaaataaaataaataaattactccagggataacagcataatatttaaaagtttgtgacct-cgatgttgga-ctaggaa-ttta-tagttcaga
Amphidromus_contrarius_AM_C_468737                gttttttctgctcaatga-aaat-ttaaatggccgcagtaccctgactgtgcaaaggtagcataatca-gttggcttataatt--gaagtctggaatgaatgaataaacggagggtagctgtgtcttactga-aaccatgaacttattaaagtaagtgaaaatacttacattaaaataatagacgagaagaccctagaaatttgaattttgttggggcgacaaaatagcaagt---taacctatttacg-tgtacaagtgctaaa---ttgtgggtatgaataattactctagggataacagcataatttattaaagattgtgacct-cgatgttgga-ctaggaa-attc-aagttcaga
Camaena_cicatricosa_GP4                           gcattttctgctcaatga--tat-ttaaatagccgcagtactctgactgtgcaaaggtagcataataa-tttggcttataatt--gaagtcttgtatgaacgaatacatggggaataactatatcaacaatg-taaaatgaaattact-aaatacgtgcaaatacgtatatttacataaaagacgagaagaccctagaaatttttattttgctggggcggcatagtaacatga----aacttacattat-tatacaagaagtgataatttgcagaatgattaaattactctagggataacagcataatttactatagtttgtgacct-cgatgttgga-ttaggaa-gttg-aaatttaga
;</pre>
===group===
group 在 tnt 中有三种，tree group <code>tgroup</code>, character <code>xgroup</code>, taxa group <code>agroup</code>。在文件底下定义。

<code>A_</code>其实是 taxname 前缀<pre>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
;</pre>也可以按照数字来定义范围<pre>agroup
=0  (extant)    0,37
=1  (fossils)   38,49

xgroup
=0  (mor)   0,195
=1  (dna)   196,39294</pre>
==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===
<code>mxram</code> 是记录多少 MB 内存可用；<code>nstates</code> 声明文件类型：<code>32</code> 32离散字符，<code>con</code> 连续字符，<code>protein</code> 蛋白质，<code>dna</code> DNA；<code>NOGAPS</code>是不把 gap 视作别的字符状态。<pre>mxram 10240 ;
nstates 32 ;
nstates NOGAPS ;</pre>
===操作===
<code>procedure</code> 打开；<code>log</code> 产生 log 文件；<code>taxname</code> 是在最终的树中使用名称，<code>-</code> 是默认的，不用名字，<code>=</code> 则是使用名字<pre>procedure filename.tnt ;
log logfile ;
taxname= ;</pre><code>quit</code> 是退出<pre>quit;</pre>
===搜索===
<code>hold</code> 在 RAM 中保留 999 个树；<code>mult</code> 是传统搜索 <code>replic</code> 是多少次重复，<code>tbr</code> 是 Tree Bisection Reconnection 搜索策略，99个树被保存<pre>hold 999 ;
mult=replic 100 tbr hold 99;</pre>`bbreak 是搜索策略设置，可以是 TBR SPR (Subtree Pruning Regrafting)，<pre>bbreak=tbr ;</pre>
===合意===
consensus 的方式有几种：严格合意树 <code>nelsen</code>; 半合意树 <code>comcomp</code>；多数合意树 <code>majority</code>。<code>*</code> 是把合意树作为最后一个树保存在内存里。<pre>majority * ;</pre>
===Resample===
Resample 有几种，如 boostrap：<code>boot</code>；jackifing：<code>jak</code>。<code>replications</code> 是重复次数。<pre>resample boot replications 1000;</pre>
===导出===
<code>export</code>是导出 nexus 树文件，<code>=</code> 纯 newick 文件，<code>&lt;</code> 保存 tags 为树的 labels。

<code>ttags</code> 是 tag 相关的设置，<code>=</code> 是保存树的 tag，要在树发生之前。<code>&amp;</code> 是输出为 svg 图片，<code>thickness</code> 是树的粗细，<code>italics</code> 是样本名称斜体，<code>fontsize</code> 是样品名称大小。<pre>export= trees.tre ;

ttags= ;
resample boot replications 1000;
ttags &amp; bt.svg thickness 7 italics fontsize 15;
export &lt; bt.tre ;</pre>
===TL, CI &amp; RI===
<code>length</code>记录树长（Tree Length），<code>stats.run</code> 是一个计算 CI RI 的脚本<pre>length * ;
stats.run;</pre><code>stats.run</code> 内容如下<pre>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/ ;</pre>
===Weighting===
<code>piwe</code> 确定 k 值，根据 [https://doi.org/10.1111/cla.12205 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 。

<code>piwe</code> 应该在输入文件前定义。

<code>xpiwe(*</code> 则是自动对空位降低 weighting。

对于二者，<code>&amp;</code> 则是输出相关 weighting 设置。

===Outgroup===

设置多个外群可以通过 <code>force</code> 以及 <code>constrain</code> 操作

假设现在有 <code>26</code> 个样本，<code>0</code> 和 <code>1</code> 是外群则这样设置

<pre>
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=;
</pre>

==示例==
记得修改 <code>filename.txt</code>，也要把 <code>stats.run</code> 放在同一个文件夹下。<pre>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&amp;; piwe&amp;;

bbreak=tbr ;
majority * ;
export= trees.tre ;

ttags= ;
resample boot replications 1000;
ttags &amp; bt.svg thickness 7 italics fontsize 15;
export &lt; bt.tre ;

length * ;
stats.run;

quit ;</pre><code>trees.tre</code> 是搜索的树；<code>bt.tre</code> 是有 bootstrap 支持的多数合意树，但是没有树长；<code>bt.svg</code> 是有树长的，但是只是图片，但是是多数合意树的；<code>tnt.log</code> 里有 LT CI RI 的数值。

TL 示例如下<pre>Saved trees (Nexus format) to file bt.nex
Tree lengths

             0

      0  16677</pre>CI 示例如下<pre>Consistency index

             0

      0  0.095</pre>RI 示例如下<pre>Retention index  
 
             0 
               
      0  0.627 </pre>
[[分类:Bioinformatics]]