TNT:R

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]；或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J和K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]；或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秒

] 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boot或poisson有效；对于sym或jak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。