1.从所有运行导入组合日志文件。
这是通过使用combine_log()
.第一个参数传递给combine_log()
应该是指向包含要导入和合并的日志文件的文件夹。
##从所有运行中导入所有日志(.p)文件并合并它们,burn-in=25%
##并在每个日志文件中向下采样到2.5k棵树
后3p<- 组合日志(“日志文件3p”,燃烧= 0.25,下采样= 1000)
下面,我们使用后验数据集后3p
那个伴随EvoPhylo公司
.
数据(后3p)
##显示合并日志文件的前10行
头(后3p,10)
###2. 检查背景费率分布,如果需要转型
输出包括显示之前数据分布的直方图并在数据转换后进行比较。
图书馆(ggplot2)
地下一层<- 打印回日期(类型= “贝叶斯先生”,后3p,时钟= 1,
反式= “日志10”,尺寸= 10,分位数= 1)
地下一层
地下二层<- plot_back_rates(打印回日期)(类型= “贝叶斯先生”,后3p,时钟= 2,
反式= “日志10”,尺寸= 10,分位数= 1)
地下二层
地下三层<- 打印回日期(类型= “贝叶斯先生”,后3p,时钟= 三,
反式= “日志10”,尺寸= 10,分位数= 1)
地下三层
3.在摘要树上绘制选择渐变
使用不同的阈值,确定树中每个时钟分区的分支plot_treeates_sgn()
.
用户必须指明输出文件的类型(介于贝叶斯先生和野兽2)以及他们是否愿意对数变换背景速率以满足正常情况下的假设分布式数据,基于从打印回日期
。用户还应在“时钟”中指示他们想要绘制速率的时钟分区的数量,以及解释分支率所需的显著性阈值(我们建议背景平均值周围的标准偏差数费率)。最后,一系列参数允许用户自定义添加到树中的地质时间刻度。
##使用时钟分区1的各种阈值绘制树
A1类<- 绘图树sgn(
类型= “贝叶斯先生”,反式= “无”,#指示软件名称输出和转换类型
树3p,后3p,#摘要树和后验文件
时钟= 1,#显示时钟分区1的速率
摘要= “意思是”,#设置要从摘要树节点获取的摘要统计信息
分支_大小= 1.5,提示_大小= 三,#设置树元素的大小
xlim公司= c(c)(-450,-260),nbreaks公司= 8,地理大小(_S)= 列表(三,三),#设置地理比例的限制和打断
阈值= c(c)(“1 SD”,“3 SD”))#设置选择模式的阈值
A1类
使用其他时钟分区的各种阈值绘制树将它们结合起来。
##使用其他时钟分区的各种阈值绘制树并将其组合
A2类<- 绘图树sgn(
类型= “贝叶斯先生”,反式= “无”,#指示软件名称输出和转换类型
树3p,后3p,#摘要树和后期文件
时钟= 2,#显示时钟分区1的费率
摘要= “意思”,#设置要从摘要树节点获取的摘要统计信息
分支_大小= 1.5,提示_大小= 三,#设置树元素的大小
xlim公司= c(c)(-450,-260),nbreaks公司= 8,地理大小(_S)= 列表(三,三),#设置地理比例的限制和打断
阈值= c(c)(“1 SD”,“3标准差”))#设置选择模式的阈值
A3号<- 绘图树sgn(
类型= “贝叶斯先生”,反式= “无”,#指示软件名称输出和转换类型
树3p,后3p,#摘要树和后期文件
时钟= 三,#显示时钟分区1的速率
摘要= “意思是”,#设置要从摘要树节点获取的摘要统计信息
分支_大小= 1.5,提示_大小= 三,#设置树元素的大小
xlim公司= c(c)(-450,-260),nbreaks公司= 8,地理大小(_S)= 列表(三,三),#设置地理比例的限制和打断
阈值= c(c)(“1 SD”,“3 SD”))#设置选择模式的阈值
图书馆(拼凑)
A1类+A2类+A3号+ 绘图_布局(nrow公司= 1)
##将绘图保存为PDF格式的工作目录ggplot2::ggsave(“Tree_Sel_3p.pdf”,宽度=20,高度=8)
4.分支间比率值的成对t检验
功能获取pwt_rates_MrBayes()
补充了的功能绘图树sgn
通过生成一个表平均背景率差异的两两t检验每个汇总树分支的后验概率和绝对概率应为仅用于考虑CI=0.95的正态分布数据良好的门槛。然而,在许多情况下,使用多种标准使用输出的偏差绘图树sgn
提供了对分支率是否存在显著差异进行更稳健的测试背景利率。
4.1. 具有分支成员资格的进口费率表(新的“分支”列added)从本地目录使用“mean”值
##具有分支成员身份的导入速率表
费率表_平均值_3p_覆层<- 读取.csv(“RateTable_Means_Clades.csv”,收割台= 真的)
下面,我们使用带有分支成员的费率表费率表_平均值_3p_覆层
随之而来的EvoPhylo公司
.
4.2. 获取并导出两两t检验表
##获取后验差的两两t检验表
##每个树节点的平均值和速率
评级信号测试<- 获取pwt_rates_MrBayes(RateTable_Means_3p_Clades,后3p)
##显示表格的前10行
头(评级信号测试,10)
组合日志文件
分支 |
节点 |
时钟 |
相对日期平均值 |
绝对日期平均值 |
p值 |
肺鱼类 |
1 |
1 |
0.943696 |
0.0118443 |
0 |
肺鱼类 |
2 |
1 |
1.065326 |
0.0133709 |
0 |
肺鱼类 |
三 |
1 |
1.182460 |
0.0148411 |
0 |
肺鱼类 |
4 |
1 |
1.229767 |
0.0154348 |
0 |
肺鱼类 |
5 |
1 |
1.230564 |
0.0154448 |
0 |
其他 |
6 |
1 |
0.658855 |
0.0082693 |
0 |
其他 |
7 |
1 |
0.603090 |
0.0075694 |
0 |
骨鳞科 |
8 |
1 |
0.843373 |
0.0105852 |
0 |
骨鳞科 |
9 |
1 |
0.872012 |
0.0109446 |
0 |
骨鳞科 |
10 |
1 |
0.811473 |
0.0101848 |
0 |
##导出表格
写入.csv(评级信号测试,文件= “RateSign_Tests.csv”)