用途:该技能面向生物信息学工作,涵盖序列操作、生物文件解析、BLAST 检索、NCBI 数据库访问、系统发育与蛋白质结构分析。
主要能力:序列层面支持创建 Seq、取互补与反向互补、转录、翻译、计算 GC 含量与分子量。文件解析使用 SeqIO,可读取 FASTA、GenBank、单条记录,写出与转换格式,并用 SeqIO.index 对大文件随机访问。BLAST 支持 NCBIWWW 在线检索与 NCBIXML 解析结果,也可经 subprocess 运行本地 BLAST 并解析 XML。Entrez 支持 esearch、efetch 检索与获取记录。系统发育用 Bio.Phylo 读取 newick、nexus、phyloxml 树,绘制并遍历、计算距离。结构分析用 Bio.PDB 解析 PDB/mmCIF,按 Structure>Model>Chain>Residue>Atom 层级遍历原子与坐标。
使用要点:访问 NCBI 前需设置 Entrez.email,批量请求应遵守速率限制并加延迟,使用 API key 可提高限额。BLAST 结果通常按 e-value(常低于 1e-5)与覆盖度筛选,远程查询需设较长超时。SeqIO.parse 是迭代器,只能遍历一次;大文件用 index 而非 to_dict 以避免内存问题;操作前检查序列字母表兼容性;解析后应校验数据,公共库注释缺失常见。具体安装命令与完整代码示例暂未提供。