QuIBL学习

QuIBL(Quantifying Introgression via Branch Lengths) 可以检测树不一致的情况是ILS 还是渐渗导致的，下面是网站。

https://github.com/miriammiyagi/QuIBL

步骤的操作是从每个物种的一个样本的bam文件开始的，需要测序覆盖度大一点的个体，bam文件的得到暂且不说，从后续的操作开始讲起。

#首先几篇做过QuIBL的文献中，选取到的窗口是2k，间隔50k。
#根据窗口提取bam，得到窗口fasta文件
------这里是同学做的，我也不会------

#只选取窗口文件中，每条序列N占比小于0.5的窗口
python3 clean.py

#QuIBL需要符合树形，（A,B),C,D
#D为外群
#选取所有序列中的4个
python3 split_clean_window.py 3 4 5 1

#比对：
call_mafft.sh
#建树
call_iqtree.sh

#合并树，删除支持度
cat *.treefile > 3_5_9.tre
cat 3_5_9.tre | sed 's/\()\)[0-9]\+:/\1:/g' > 3_5_9.tree

#QuIBL 配置文件
[Input]
treefile: 3_5_8.tree
numdistributions: 2
likelihoodthresh: 0.01
numsteps: 50
gradascentscalar: 0.5
multiproc: True
totaloutgroup: 1
maxcores:20


[Output]
OutputPath: 3_5_8.csv
#运行
python QuIBL.py $sample.txt