Guoyi.run
最大简约法（Maximum Parsimony，简称 MP）分析依然是系统发育研究中的核心方法，尤其适用于基于形态学特征的数据分析。TNT 是目前可用于最大简约法分析中最快速、最高效的软件包。它功能灵活，交互性强，可用于多种分析任务，然而也正因如此，其学习曲线较为陡峭。本文介绍了 guoyi.run，这是一款基于 TNT 宏语言开发的脚本，旨在为 MP 分析提供全自动、一站式的解决方案。该脚本可从 GitHub 下载：https://github.com/starsareintherose/TNT_Script ，也可以从自建 Git 站点 https://git.malacology.net/malacology/TNT_Script 获取。
引言
最大简约法（MP）作为一种非模型的系统发育方法，长期以来被广泛应用于基于形态性状的系统发育研究（Kluge & Farris, 1969；Farris, 1970；Fitch, 1971）。此外，MP 方法在基因组数据集中的表现也非常出色，展现出惊人的运算速度与效率，是基于模型方法的有力替代方案（Kolaczkowski & Thornton, 2004；Wheeler 等, 2017；Torres 等, 2022）。TNT（Tree analysis using New Technology）被广泛认为是当前 MP 分析中最快速且最有效的软件工具（Goloboff 等, 2022）。它融合了多种先进的搜索算法，例如 fuse、drift、ratchet 等，能够有效地在庞大的树空间中寻找最优解，即便面对大型复杂数据集也能应对自如（Goloboff 等, 2008；Goloboff & Catalano, 2016；Wheeler 等, 2017；Torres 等, 2022；Goloboff & Morales, 2023）。尽管 TNT 拥有强大的计算性能与丰富的命令集，其命令行界面对初学者而言仍然较为复杂。虽然其图形界面已发布（Goloboff 等, 2008；Goloboff & Morales, 2023），但尚未整合一个包含所有分析步骤的全自动流程。
新开发的 TNT 脚本 guoyi.run 提供了一个完整的、一步式的 MP 分析流程，基于 TNT 的宏语言实现（Goloboff & Morales, 2020）。该流程在数据类型、加权方式、K 值设置、合意树类型与重抽样方法等方面具备高度灵活性。它不仅降低了 TNT 的入门门槛，也鼓励用户跟踪与理解脚本中的每一步骤，从而逐步掌握 TNT 并能够独立使用其高级方法。
基础设置
guoyi.run 被设计为最大简约法分析的集成解决方案，支持多种数据矩阵格式，包括 Hennig86/TNT 原生格式、FASTA 和 NEXUS 格式。该脚本可在两种模式下运行：shell 命令行模式与解释器模式。在 shell 模式中，使用命令 <TNT 可执行文件路径> run <guoyi.run 路径> <数据矩阵路径> <, 或 ;> 运行，其中 Unix/Linux 用户结尾使用逗号（,），Windows 用户使用分号（;）。在解释器模式（tnt 内的命令行）中，运行命令为 run <guoyi.run 路径> <数据矩阵路径>; 。如果脚本文件与数据矩阵位于同一目录中，则 run <guoyi.run 路径> 可简写为 guoyi。路径名中请勿包含中文或空格字符。
高级设置
guoyi.run 的一大亮点在于其灵活的参数配置能力。扩展的命令结构为 <TNT 可执行文件路径> run <guoyi.run 路径> <数据矩阵路径> <数据类型> <加权类型> <0（等权）或 K 值（扩展/标准加权）> <合意树类型> <重抽样方式> <前缀名> <, 或 ;>。
该脚本支持 TNT 中几乎所有的数据类型（除地标数据外），包括离散数据（2–32 状态）、连续数据（cont）、核酸（dna）与氨基酸（port）等。
在权重设置方面，可选择扩展隐式加权（eiw）、标准隐式加权（iw）或等权加权（ew）。默认配置采用 K 值为 12 的扩展隐式加权，依据 Goloboff 等（2018）推荐，此方式能有效减少同形性特征的影响，提高系统树的可靠性。不过用户也可根据自身数据特点与分析假设，自主选择标准或等权加权。
脚本的树搜索策略具有自适应性，会依据数据集的规模与复杂性进行调整。对于不超过 20 个分类单元且未启用扩展隐式加权的数据集，脚本将使用穷举式的 implicit enumeration 方法，确保找出所有最简约树（MPTs）。对于介于 20 到 75 个分类单元之间的数据，或小数据集下启用扩展隐式加权的情况，脚本将采用 TBR（tree bisection and reconnection）策略，通过 1,000 次分支交换来广泛探索拓扑空间。若数据量较大（≥75 分类单元），则采用新技术搜索方法，直到独立找到 50 次最优树长为止，具体流程包括 20 次复制起始搜索，接着执行 10 个周期的 drift、ratchet 与 fusing 等搜索操作，以进一步优化树搜索。
完成树搜索后，guoyi.run 将构建合意树并计算支持值。默认采用严格合意树（str），用户亦可选择多数合意（mjr）或半严格合意（hlf）。重抽样方法通过数值组合设定：例如 0.1 为相对 Bremer 支持，0.2 为 Bremer 支持，1 表示 Jackknife，2 为 Bootstrap，4 为对称重抽样。默认设定使用值为 7，表示启用 Jackknife、Bootstrap 和对称重抽样，各重抽样方法重复 1,000 次以获得统计稳健的类群支持评估。此外，脚本还会在合意树上映射特征变异，并计算关键树形指标，如树长（TL）、CI、RI及每个性状的 homoplasy。当采用非等权加权时，还会额外报告各性状的凹函数值（concavity）。
分析完成后，guoyi.run 将生成一系列输出文件，便于进一步解释与后续使用。这些文件包括包含或不包含分类单元名称的树文件，以及可直接导入 WinClada 的 <prefix.>winclada.ss 文件，用于进一步分析同义与同形性状。同时，脚本输出 SVG 格式的矢量图文件，便于在 Inkscape 等图形编辑器中打开与编辑。
外部软件支持
guoyi.run 配套提供了一个由 C++ 编写的命令行工具 tnt2figtree，可将 TNT 的带支持值 NEXUS 格式输出转换为 FigTree 可直接读取的格式，自动嵌入支持值作为节点标签。该工具支持跨平台运行，兼容多种操作系统。
结语
guoyi.run 脚本以直观友好的方式将强大的 TNT 系统发育分析功能呈现给广大研究者，基于原生 TNT 宏语言实现的自动化流程，让不同计算背景的用户都能利用其高性能算法重建系统发育关系。尽管该脚本的默认策略为相对详尽的搜索方法，但其效率远超 PAUP*（Swofford, 2003）等传统软件。在实践中，大多数 PAUP* 用户仅执行一次随机加权加分支交换操作，而 TNT 即便执行 1,000 次复制仍能在更短时间内完成分析（Goloboff 等, 2022）。脚本支持广泛定制，适配多样化的数据与研究问题，最终推动系统发育分析的高效与规范化发展。脚本与外部程序 tnt2figtree 可通过 GitHub（https://github.com/starsareintherose/TNT_Script）和个人维护的 git 网站（https://git.malacology.net/malacology/TNT_Script）获取。此外，guoyi.run 亦可通过 BioArchLinux 以软件包名 tnt-guoyi-script 进行安装。
如果有任何疑问可以加 QQ 群 118094340 交流，注明来意以及哪里看到的群号信息。
引用
使用该脚本，必须引用 TNT 和本脚本
- Zhang G. guoyi.run: One-step TNT script for maximum parsimony phylogenetic analysis. Zootaxa 5642(1): 96–98. https://doi.org/10.11646/zootaxa.5642.1.10
并且强烈恳请您致谢作者。
致谢
本项目最初旨在支持我师姐 王恩翠 针对鳞翅目形态演化的硕士研究。随着越来越多朋友的使用请求与新数据集的出现，我对脚本进行了全面重构。感谢 王恩翠、冯旗、姜玉荣、赵志鹏 等用户提供的反馈与耐心支持。特别感谢 王治平 在整个开发过程中的鼓励。同时感谢 Pablo Goloboff 提供的反馈与代码建议，以及 Juan J. Morrone 的悉心指导。