模拟数据生成
IQTree是一款构建进化树的软件，INDELible是一款依据进化树生成模拟数据的软件，两者结合使用可以生成层次树模拟数据集。
使用示例
IQTree生成碱基替换模型和进化树
注意：
- IQTree需要运行两次，第一次生成替换模型，第二次生成进化树。
- 生成替换模型时选用数据集的全部数据，生成进化树时选择的序列数量与模拟数据集中的序列数量相同。
例如：
人类线粒体真实数据集有642条，我们希望最终使用INDELible生成100条人类线粒体模拟数据。
- 生成替换模型的数据集：642条（全部数据集）
- 生成进化树的数据集：100条（全部数据集中随机挑选的100条）
使用示例：
bash
# 1. 使用MAFFT等多序列比对软件将数据比对好（IQTree的输入数据是对齐好的序列）
# 生成碱基替换模型的数据集
$ mafft example_all.fas > example_all_aligned.fas
# 生成进化树的数据集
$ mafft example_100.fas > example_100_aligned.fas
# 2. 运行IQTree
# -s 输入数据， -B bootstrap次数， -m 测试模型， -T 并行数， --prefix 输出结果的前缀
# 不同版本的参数略有区别，具体使用方法查看./iqtree -h
# 生成碱基替换模型
$ ./iqtree -s PATH/example_all_aligned.fas -B 1000 -m TEST -T 20 --prefix example_model
# 生成进化树
$ ./iqtree -s PATH/example_100_aligned.fas -B 1000 -m TEST -T 20 --prefix example_tree
# 3. 查看example_model.iqtree文件确定碱基替换模型
# example_model.iqtree文件中的重要信息（模型和参数，这些需要输入到INDELible的control.txt中）：
# Model list: 确定碱基替换模型
# General matrix: 确定替换模型的参数（a b c d e f）
# Base frequencies: A: xxx C: xxx G: xxx T: xxx
# Proportion of invariable sites: xxx
# Gamma shape alpha: xxx
# 4. 将example_tree.treefile文件中的冒号和冒号后的数字删除得到进化树使用INDELible生成模拟数据集
最关键的是：修改control.txt文件
依据IQTree得到的碱基替换模型和进化树修改control.txt中的如下字段：
- [MODEL] - [submodel],[statefreq],[rates] (分别是具体的替换模型和参数，碱基替换频率，pinv和alpha参数)
- [TREE] - [treelength]（TREE后面是TREE的名字和IQTree得到的去掉冒号和数字的进化树，treelength控制生成数据的序列相似度，数字越小相似度越高，反之相似度越低）
- [PARTITIONS] - [TREE_name\ MODEL_name\ seq_length] （用户自定义项，TREE_name是TREE的名字，MODEL_name是MODEL的名字，seq_length是模拟数据集中序列的平均长度）
- [EVOLVE] - [PARTITIONS_name\ replicate_num\ outputname] （用户自定义项，PARTITIONS_name是PARTITIONS的名字，replicate_num是重复次数，outputname是输出模拟数据集的名称）
control.txt示例：
bash
////////////////////////////////////////////////////////////////////////////////////
// //
// INDELible V1.03 control file - basicnucleotide.txt //
// //
// A basic introduction to the structure of the INDELible control file. //
// //
/////////////////////////////////////////////////////////////////////////////////////
// It is useful to know that anything on a line after two forward slashes is ignored.
/*
Another useful thing to know is that anything after a forward slash and star
is ignored until INDELible sees a star followed by a forward slash later on.
*/
[TYPE] NUCLEOTIDE 1 // EVERY control file must begin with a [TYPE] command.
// The number after "NUCLEOTIDE" can be 1 or 2 and chooses the
// algorithm that INDELible uses (see manuscript). Both give
// identical results but in some cases one is quicker.
// Other blocks and commands following this statement
// can come in any order you like.
[SETTINGS]
[ancestralprint] FALSE // NEW, SAME or FALSE
[output] FASTA // FASTA, NEXUS, PHYLIP or PHYLIPT
[phylipextension] phy // any alpha-numeric string
[nexusextension] nex // any alpha-numeric string
[fastaextension] fas // any alpha-numeric string
[printrates] FALSE // FALSE or TRUE
[insertaslowercase] FALSE // FALSE or TRUE
[markdeletedinsertions] FALSE // FALSE or TRUE
[printcodonsasaminoacids] FALSE // FALSE or TRUE
[fileperrep] TRUE // FALSE or TRUE
[MODEL] TVM_mt
[submodel] TVM 0.01 0.01 0.04 0.04 // TVM: b=0.01, c=0.01, d=0.04, e=0.04,a=f=1
[statefreq] 0.25 0.31 0.31 0.13 // pi_T=0.25, pi_C=0.31, pi_A=0.31, pi_G=0.13
[rates] 0.84 1.03 4 // pinv=0.84, alpha=1.03, ngamcat=4
[indelmodel] LAV 5 50 // Lavalette indel length distribution (a=5, M=50)
[insertrate] 0.01 // insertion rate = 0.01 relative to substitution rate of 1
[deleterate] 0.1 // deletion rate = 0.1 relative to substitution rate of 1
[TREE] mt100 (sq001,(((((((sq002,(sq044,sq053)),((sq024,sq077),sq071)),(sq052,sq065)),((sq014,(sq040,sq066)),sq076)),((((((((((((sq003,sq034),sq028),((((sq008,(sq018,sq029)),(sq037,sq056)),(((sq022,sq033),sq050),sq080)),(sq055,sq099))),((((((sq016,sq081),sq085),sq084),(((sq026,sq059),sq035),(sq047,sq069))),sq051),sq060)),sq091),(((sq010,sq041),sq082),sq094)),((sq012,sq062),(sq025,sq075))),((sq007,(sq046,sq087)),(((((((sq011,(sq021,sq089)),(sq067,sq096)),((sq039,sq079),sq093)),sq063),sq057),(sq015,sq054)),(sq032,(sq073,sq095))))),(((sq045,sq070),sq078),sq072)),((sq013,(((sq030,sq048),sq036),sq088)),(sq064,sq090))),(sq042,sq100)),sq058)),(((((((sq004,sq009),sq043),sq023),sq083),sq038),sq017),(((sq005,sq092),(((sq006,sq098),(sq031,sq097)),sq074)),sq049))),((sq019,sq086),((sq020,sq061),sq027))),sq068);
[treelength] 0.22
[branchlengths] NON-ULTRAMETRIC
[PARTITIONS] partitionname // [PARTITIONS] blocks say which models go with
[mt100 TVM_mt 16000] // which trees and define the length of the
// sequence generated at the root (1000 here).
[EVOLVE] partitionname 10 tl0022 // This will generate 100 replicate datasets
// from the [PARTITIONS] block named above.
// The true alignment will be output in a file named outputname_TRUE.phy
// The unaligned sequences will be output in a file named outputname.fas
// To learn how to implement more complicated simulations (or different
// models) please consult the manual or the other example control files.s参考：INDELible官方网站对control.txt字段的详细介绍
使用示例：
bash
# INDELible使用方法
$ ./indelible PATH/control.txt