用途：scikit-bio 是 Python 生物信息学工具包，适合解析、验证和操作生物序列及元数据，运行微生物组/群落生态流程，构建、转换、比较系统发生树，以及计算距离矩阵并做后续多元分析。
主要能力：序列对象包括 DNA、RNA、Protein 和通用 Sequence，支持校验、切片、基序搜索、反向互补、转录/翻译与元数据。比对方面提供基于 SSW 的两两局部比对和多重序列比对容器 TabularMSA（含一致性支持）。系统发生方面支持 TreeNode 操作、由距离矩阵建树（如邻接法）和树距离/度量。多样性方面提供 alpha 多样性（如 Shannon、Faith's PD）和 beta 多样性（如 Bray-Curtis、UniFrac），返回 Series 或 DistanceMatrix。排序与统计方面提供 PCoA 及生态学假设检验（PERMANOVA、ANOSIM、Mantel），可直接作用于 DistanceMatrix。I/O 支持 FASTA/FASTQ 与 Newick 读写，以及通过 Table 使用 BIOM 表。
使用方式：依赖 scikit-bio>=0.6.0、numpy>=1.23、pandas>=1.5，可用 pip install scikit-bio numpy pandas 安装。典型流程为：用 DNA 等对象处理序列；以 alpha_diversity("shannon", counts, ids=...) 计算每样本多样性；用 beta_diversity("braycurtis", counts, ids=...) 得到 DistanceMatrix；对距离矩阵运行 pcoa(dm)；用 permanova(dm, grouping, permutations=N) 做分组显著性检验；用 TreeNode.read([newick]) 读取树并做剪切等操作。
限制：多样性计算的计数输入应为非负整数丰度而非相对频率；系统发生指标（如 Faith's PD、UniFrac）还需提供树和特征/OTU ID。DistanceMatrix 强制对称且对角线为零，ID 用于与元数据和分组标签对齐。PERMANOVA 等基于置换的统计量通过置换分组标签估计显著性，实际分析中建议将 permutations 提高到 999 以上以获得更稳定的 p 值。资料未提供收费、价格、平台或效果信息。