TNT:修订间差异
imported>Malacology init |
Malacology(留言 | 贡献) 小无编辑摘要 |
||
(未显示同一用户的7个中间版本) | |||
第1行: | 第1行: | ||
[http://www.lillo.org.ar/phylogeny/tnt/ TNT] 是一个专注于 MP | [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[[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。 | ||
[https://doi.org/10.1111/cla.12476 其作者声称]该软件较 PAUP* 的搜索能力强。 | [https://doi.org/10.1111/cla.12476 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[[:分类:TNT|分开的wiki页面形式]]提供。 | |||
==基础文件== | ==基础文件== | ||
===声明部分=== | ===声明部分=== | ||
第7行: | 第9行: | ||
'comments | 'comments | ||
comments' | comments' | ||
nchar ntax</pre> | nchar ntax | ||
;</pre> | |||
===数据部分=== | ===数据部分=== | ||
但是数据本身没有<code>END;</code> | 但是数据本身没有<code>END;</code>,请参考 [[Hennig86|Hennig86 的示例]] | ||
===group=== | ===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。 | 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。 | ||
第61行: | 第61行: | ||
===TL, CI & RI=== | ===TL, CI & 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 * ; | <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= ; | stats.run;</pre><code>stats.run</code> 内容如下 | ||
<pre> | |||
macro= ; | |||
report- ; | report- ; | ||
var = | var = | ||
第83行: | 第85行: | ||
maketable CIs Consistency index ; | maketable CIs Consistency index ; | ||
maketable RIs Retention index ; | maketable RIs Retention index ; | ||
proc/ ;</pre> | proc/ ; | ||
</pre> | |||
===Weighting=== | ===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> 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 。 | ||
第92行: | 第96行: | ||
对于二者,<code>&</code> 则是输出相关 weighting 设置。 | 对于二者,<code>&</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== | ==示例== | ||
记得修改 <code>filename.txt</code>,也要把 <code>stats.run</code> | 记得修改 <code>filename.txt</code>,也要把 <code>stats.run</code> 放在同一个文件夹下。也可以使用 [https://git.malacology.net/malacology/TNT_Script TNT Script guoyi.run]<pre>mxram 10240 ; | ||
nstates 32 ; | nstates 32 ; | ||
nstates NOGAPS ; | nstates NOGAPS ; | ||
第109行: | 第125行: | ||
bbreak=tbr ; | bbreak=tbr ; | ||
majority * ; | majority * ; | ||
tchoose /; | |||
export= trees.tre ; | export= trees.tre ; | ||
ttags= ; | ttags= ; | ||
resample boot replications 1000; | resample boot replications 1000 from 0; | ||
ttags & bt.svg thickness 7 italics fontsize 15; | ttags & bt.svg thickness 7 italics fontsize 15; | ||
export < bt.tre ; | export < bt.tre ; | ||
第121行: | 第138行: | ||
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。 | 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 | TL 示例如下 | ||
<pre>Saved trees (Nexus format) to file bt.nex | |||
Tree lengths | Tree lengths | ||
0 | 0 | ||
0 16677</pre>CI 示例如下<pre>Consistency index | 0 16677 | ||
</pre> | |||
CI 示例如下 | |||
<pre> | |||
Consistency index | |||
0 | 0 | ||
0 0.095</pre>RI 示例如下<pre>Retention index | 0 0.095 | ||
</pre> | |||
RI 示例如下 | |||
<pre> | |||
Retention index | |||
0 | 0 | ||
0 0.627 </pre> | 0 0.627 | ||
</pre> | |||
[[分类:Bioinformatics]] | [[分类:Bioinformatics]] | ||
[[分类:TNT]] |
2023年10月19日 (四) 09:05的最新版本
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