查看“TNT:R”的源代码

= 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[不]

<code>numsubs N</code> 在扰动阶段，替换次数（例如，接受的树木重排次数）

<code>upfactor N</code> 增加性状权重的概率

<code>downfact N</code> 一样，但是是减少

<code>[no]autoconst N</code> 自动约束周期的数量

<code>[no]giveup N</code> 完成扰动期间的完全交换比例

<code>findscore N</code> 如果发现得分N或更好，停止

<code>[no]fuse NxR</code> 每N次迭代，进行R次融合到N棵树

<code>[no]dumpfuse</code> 如果融合不能产生更好的树，[不要]倒出所有次优树

<code>[no]tradrat</code> [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<code>ratchet:[options]；</code>或<code>ratchet=[options]；</code>设置选项（第一种情况仅更改设置，第二种情况还运行）。<code>ratchet:;</code>会显示当前设置。

= rcompl =

<code>B</code> 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 &lt; R，则认为两个序列指向相同方向（如果（R-A）/A &lt; 0.2，TNT认为无法确定方向）。如果A &gt; R，则假定其中一个序列是反向互补的（同样，仅当（A-R）/R &gt; 0.2时）。在块的列表后使用”&gt;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 =

<code>xxx</code> 设置<code>run</code>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<code>hybrid</code>命令的<code>*</code>选项，多次循环。

删除节点的数量可以是固定比例（<code>pclip</code>）或指定<code>size</code>的端点或分类支。这是一个重复的过程（如<code>ratchet</code>）; 可以选择使用这些周期的（最佳）结果作为<code>tfuse</code>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。

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

<code>pclip N</code> 在每个循环中剪辑N％的终端或节点。

<code>size N</code> N的大小为剪辑的最大大小（默认值=1）。如果N&gt;2，则（默认情况下，请参见<code>ancfirst</code>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<code>psize</code>。

<code>psize N</code> 最大尺寸，以类群数量的比例（百分比）表示。

<code>cycles N</code> 重建的周期数为N（默认值=4000）。

<code>reset N+S</code> 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=<code>noreset</code>。

<code>hybird N</code> 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<code>cycles</code>的循环结果（默认值为N = 6，S = 50）。

<code>sample N</code> 将最佳N树（通过重建和首次重建）传递给杂交器。

<code>ancfirst</code> 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。

<code>keepall</code> 保留全部通过重建产生的树，而不是最佳树。

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

= recons =

<code>N/L</code> 对于性状 <code>L</code> 和树 <code>N</code> 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

<code>*</code> 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！）。

<code>[</code> 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 <code></code> 选项，即使在该节点处不适用，也将显式显示所有性状。

<code>|</code> 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）。

<code>(C:S)</code> 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 =

<code>=</code> 报告耗时操作的状态

<code>-</code> 不要（默认）

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

<code>[</code> 通过<code>+S</code>选项，在后台运行时还记录进度条，每隔<code>S</code>秒

<code>]</code> 不要（默认）

= reroot =

<code>N</code> 重新对树<code>N</code>置根，基于当前外群

<code>!</code> 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）

<code>[N</code> 重新对树<code>N</code>置根，使用分类外群（请参见<code>outgroup</code>）

<code>*</code> 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）。

<code>=P</code> 重新根据树（及使用<code>*</code>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：<code>resample options [ search commands ]</code> 选项有

<code>allow</code> 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！

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

<code>cut N</code> 截止频率或支持

<code>errcount N</code> 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）。

<code>frequency</code> 使用绝对频率而不是默认的 (<code>gc</code>) 总结结果。

<code>from N</code> 计算树 N 中的组支持。

<code>gc</code> 使用频率差异总结结果。

<code>jak</code> 使用 jacknifing （如 独立删除）

<code>poisson</code> 用泊松修改的 bootstraping

<code>probability N</code> 更改 <code>jak</code> 或者 <code>sym</code> 的可能性

<code>replications N</code> 重复次数

<code>savetrees</code> 为每次重复保存合意树

<code>sibyl</code> 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。

<code>slope</code> 使用频率斜率汇总结果

<code>softboot N</code> 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<code>boot</code>或<code>poisson</code>有效；对于<code>sym</code>或<code>jak</code>无效。

<code>sym</code> 使用对称取样，其中<code>p(up)=p(del)</code>

<code>zerowt</code> 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<code>from</code>之外，所有选项都是持续的。

= resols =

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

<code>[J]</code> 只显示合意树的节点 <code>J</code>

<code>&amp;</code> 列出分辨率列表。

如果指定了单个节点，则在列表 <code>L</code> 后添加 <code>&gt;G</code>（或<code>&lt;G</code>）将添加到（或从）从<code>G</code>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<code>listsize</code>中。

= rfreqs =

<code>[T] N/L</code> 显示参考树<code>T</code>中组的近似恢复频率，在树中不包括分类单元(taxon) <code>L</code>。对于<code>T</code>的每个组和每个树，它计算到树的最相似组的“相似度<code>S</code>，其中<code>S</code>被定义为<code>B/(B+(AxWa)+(RxWr))</code>，其中<code>B</code> =两组中或两者都没有（以最小值为准）的分类单元（taxa）的数量，<code>A</code> =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<code>prunmaj</code>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 =

<code></code> 根据当前性状活动，使重复的分类单元失效并修剪树

<code>*</code> 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）

<code>-</code> 重新激活和重新插入重复的非活动分类单元

<code>/</code> 重新插入重复的分类单元到树标签

= rseed =

<code>N</code> 设置随机种子为N（0=时间; 默认为1）

<code>+N</code> 随机种子增加N

<code>*</code> 随机设置一个随机数

<code>[</code> wagner 树中随机插入方式

<code>]</code> wagner 树中尝试从上到下或从下到上插入新分类单元

<code>&gt;</code> 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<code>xmult</code>选项使用内部约束（然后跳过随机化）

<code>&lt;</code> 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）

<code>:N</code> 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）。

<code>!</code> 使用快速近似进行随机化（更快）

<code>-</code> 使用谨慎的随机化（更慢，更随机，默认）

= run =

<pre>
xxx arg1 arg2 ...
</pre>
解析文件<code>xxx</code>，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

<code>filename</code> 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”。

<code>[N</code> 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。

<code>+name</code> 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。

<code>=lib</code> 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！

<code>! ... !</code> 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。

[[分类:TNT]]