Matrices sintéticas

fixtures/synthetic/control_20x50.nex es un control positivo: 20 taxones, 50 caracteres binarios, sin homoplasia, sin datos faltantes, árbol conocido. T20 es el grupo externo, todo ceros. El árbol del grupo interno está balanceado y cada uno de sus 18 clados recibe sinapomorfías exclusivas, tres para los nueve clados más grandes y dos para el resto. Los últimos cinco caracteres son autapomorfías. Esta construcción no garantiza soporte posterior: el enraizamiento, los modelos de reloj y los priors también afectan al resultado.

control_20x50.tre es el árbol verdadero en Newick, repetido también como comentario al final del archivo NEXUS. control_20x50.legend.txt asocia cada carácter al clado que sustenta.

Regenerarla y degradarla

tools/synth_matrix.py regenera el control y produce variantes degradadas:

python3 tools/synth_matrix.py --out fixtures/synthetic/control_20x50
python3 tools/synth_matrix.py --homoplasy 10 --seed 7 --out /tmp/homoplasy10
python3 tools/synth_matrix.py --missing 0.2 --out /tmp/missing20
python3 tools/synth_matrix.py --drop T1-T4 --out /tmp/no_t1_t4

Las degradaciones se listan al final del archivo de leyenda.

Ejecutarla en BEAST 2

En BEAUti, instala el paquete MorphModels, importa el archivo NEXUS y elige el modelo Mk de Lewis con la corrección de ascertainment para caracteres variables, un reloj estricto y un prior de árbol de Yule.

Esta es una configuración de ejemplo para el control generado. Difiere del análisis de referencia seleccionado que se describe abajo.

Matriz de referencia incluida

fixtures/reference/20x50/matrix.nex es un conjunto de datos separado, con su leyenda original y su XML de BEAST. Su topología y la asignación de caracteres difieren del control generado. El experimento documentado con BEAST 2.7.8 usa un reloj relajado, cuatro categorías gamma, un prior de nacimiento-muerte y una restricción de monofilia del grupo interno. Las entradas, la procedencia y los resultados están en el informe de referencia.

El lector de NEXUS importa ambos fixtures de forma independiente. Cada uno tiene 23 patrones observados que representan 50 caracteres, pero los patrones difieren. Ninguna matriz sustituye a la otra en la validación.