picme

picmeは大規模なデータセットのための系統学的情報性を推定し、プロットするプログラムが含まれているPythonパッケージです。
インストール
現時点では、プログラムをインストールする最も簡単な方法は、次のとおりです。
gitのクローンgitの：//github.com/faircloth-lab/picme.git /パス/に/ picme
テストを実行するには：
CD /パス/に/ picme /
Pythonのテスト/ test_townsend_code.py
使用
estimate_p_i.pyコードはテンプレート/にあるハイフィーのためのバッチファイルを呼び出します。このファイルには、estimate_p_i.py置いている場所に、同じ位置にあることが必要です。あなたは上記のように薄くなりをインストールする場合は、しばらくの間、大丈夫です。
実行するには：
CD /パス/に/ picme /
のpython picme_compute.py Input_Folder_of_Nexus_Files / Input.tree
＆NBSP; - 出力OUTPUT_DIRECTORY
＆NBSP; - エポック= 32-42,88-98,95-105,164-174
＆NBSP; - 回= 37,93,100,170
＆NBSP; - マルチプロセッシング
--multiprocessingはそれなしで、各遺伝子座は、連続して実行され、任意です。
すでに上記を実行し、（下記参照）あなたの出力フォルダに結果を保存している場合、あなたはむしろ再びそれらを推定するよりも、既存のサイトレートのレコードを使用することができます。
のpython picme_compute.py Input_Folder_of_Site_Rate_JSON_Files / Input.tree
＆NBSP; - 出力OUTPUT_DIRECTORY
＆NBSP; - エポック= 32-42,88-98,95-105,164-174
＆NBSP; - 回= 37,93,100,170
＆NBSP; - マルチプロセッシング
＆NBSP; - サイトレート
結果
picmeはあなたが選んだの出力ディレクトリにsqliteのデータベースに結果を書き込みます。このディレクトリには、picme_compute.pyを通過した各遺伝子座のためのJSON形式でサイトレートのファイルを保持しています。
次のようにして、結果をデータベースにアクセスすることができます。プロットなど、より多くの例については、マニュアルを参照してください
- sqliteのをクランクアップ：
＆NBSP; sqlite3のOUTPUT_DIRECTORY /系統発生-informativeness.sqlite
- すべてのエポックのために不可欠なデータを取得します：
＆NBSP; 2遺伝子座、間隔、座位からπ、間隔loci.id = interval.idを選択
- 特定のエポックのために不可欠なデータを取得します：
＆NBSP;軌跡、間隔、座位からパイ、間隔を選択
＆NBSP;ここで、間隔= '95 -105 'とloci.id = interval.id。
- 異なるエポックでの遺伝子座を有する最大（PI）のカウントを取得します：
＆NBSP;選択IDとして一時テーブルの最大を作成し、最大IDによって間隔グループから最大として（PI）;
＆NBSP;選択interval.id、間隔、間隔から最大、最大のような一時テーブルtを作成
＆NBSP;ここでinterval.pi = max.max。
＆NBSP;間隔によるTグループからカウント（*）、間隔を選択します。
引用picme
picmeを使用する場合は、引用してください：
- Faircloth BC、チャンJ、アルファロME：picmeは系統発生情報提供性の高スループット分析を可能にします。
- タウンゼントJP：系統発生情報性をプロファイリング。系統的BIOL。 2007、56：222から231まで。
- 池SLK、フロストSDW、ミューズSV：ハイフィー：仮説系統発生を使用してテストします。バイオインフォマティクス2005、21：676から679

この要件：ます。

Pythonの
hyphy2
numpyの
scipyのダウンロード
DendroPy