Question

这些问题与我在Phylogenetic model using multiple entries for each species遇到的其他问题有关感谢@thomas-guillerme，我得以开始运行MCMCglmm模型。

尽管我运行某些示例文件没有问题，在这些示例文件中我的树中每个物种都有一个条目，但是在尝试运行原始数据集时却发现了一条错误消息，其中包含数千个条目我树上的每个物种。运行时：

comp_data <- comparative.data(phy = my_tree, data =my_data, names.col = species, vcv = TRUE)’

我收到一个错误：

'row.names <-。data.frame（tmp，value = value）中的错误：重复不允许使用“ row.names”另外：警告消息：不唯一设置“ row.names”时的值：“ Species1”，“ Species2”， ‘Species3’，‘Species4’，...

我很惊讶，因为我使用的是MCMCglmm而不是PGLS，因为每个物种都有可能使用多个条目。

我尝试了使物种名称唯一的解决方法，但是在这种情况下，模型的后面仅会识别每个物种的第一个条目（因为它与my_tree中的名称相对应）。

此外，我的树被识别为超度树时遇到了问题。我用

检查过

'is.ultrametric(my_tree)'

知道：

假

我尝试过：

    function (phy) { if(any(is.ultrametric(my_tree)) == FALSE) { my_tree <- lapply(my_tree, chronoMPL) class(my_tree) <- "Phylo" 
 }
}

但是这些行显然不能解决问题。预先感谢您的帮助。

Answer 1

很难说出没有正在运行的示例，但至少对于第二个问题，似乎该错误来自<div class="aviso">Text content of the warning</div>参数，根本没有传递给该函数（它正在使用.aviso{ background-image: path/to/image.jpg; background-position-x: 2%; background-position-y: 30%; padding: 8px 15px 8px 35px; }

phy

关于第一点，您可能想尝试通过mulTree package运行它来做大量的内部管理：

my_tree

然后我们可以生成一个示例，每个物种有多个标本：

check.fun <- function(my_tree) {
    if(any(is.ultrametric(my_tree)) == FALSE) {
         my_tree <- lapply(my_tree, chronoMPL)
         class(my_tree) <- "Phylo" 
    }
    return(my_tree)
}

请注意，第一列包含每个物种具有多个标本的物种列表（在列## Loading/installing the package library(devtools) install_github("TGuillerme/mulTree") library(mulTree) ## Loading the example data data(lifespan) ## Randomly combining trees combined_trees <- tree.bind(x = trees_mammalia, y = trees_aves, sample = 2, root.age = 250)中指定）

## Subset of the data
data <- lifespan_volant[sample(nrow(lifespan_volant), 30),]
## Create a dataset with two specimen per species
data <- rbind(cbind(data, specimen = rep("spec1", 30)), cbind(data,
             specimen = rep("spec2", 30)))

然后您可以使用$specimen函数来确保树木与数据集匹配（指定哪一列包含物种名称）

head(data[order(data$species),])
#                 species    class longevity      mass    volant specimen
#16   Addax_nasomaculatus Mammalia 0.8413927 1.8227058 nonvolant    spec1
#161  Addax_nasomaculatus Mammalia 0.8413927 1.8227058 nonvolant    spec2
#140          Anser_anser     Aves 0.9929849 0.5993055    volant    spec1
#1401         Anser_anser     Aves 0.9929849 0.5993055    volant    spec2
#21   Antilope_cervicapra Mammalia 0.6055864 1.4910746 nonvolant    spec1
#211  Antilope_cervicapra Mammalia 0.6055864 1.4910746 nonvolant    spec2

您可以在clean.data和## Making sure both the trees and the data match cleaned_data <- clean.data(data, combined_trees, data.col = "species") ## Only using the cleaned version trees <- cleaned_data$tree data <- cleaned_data$data中找到最终丢弃的提示/行：

cleaned_data$dropped_tips

要分析生成的文件，可以使用cleaned_data$dropped_rows和后续功能（请参见## Creates a mulTree object specifying species AND specimens as random terms mulTree_data <- as.mulTree(data, trees, taxa = "species", rand.terms = ~species+specimen) ## formula to test test_formula <- longevity ~ mass + volant ## MCMC parameters (number of generations, thin/sampling, burnin) mcmc_parameters <- c(101000, 10, 1000) ## priors mcmc_priors <- list(R = list(V = 1/2, nu = 0.002), G = list(G1 = list(V = 1/2, nu = 0.002))) ## Running MCMCglmm on multiple trees mulTree(mulTree_data, formula = test_formula, parameters = mcmc_parameters, priors = mcmc_priors, output = "longevity.example", ESS = 50)手册）。

MCMCglmm问题：多种树种和超树

1 个答案: