用途:Biopython 是面向生物计算的 Python 工具集,覆盖序列操作、文件读写与格式转换、数据库访问、比对、BLAST、蛋白结构与系统发育等任务。资料列出适用场景包括处理 DNA/RNA/蛋白序列,读写与转换 FASTA、GenBank、FASTQ、PDB、mmCIF 等格式,经 Entrez 访问 NCBI(GenBank、PubMed、Protein、Gene 等),运行与解析 BLAST 结果,进行两两或多序列比对,分析 PDB 结构,创建、操作与可视化系统发育树,查找序列基序,计算 GC 含量、分子量、熔解温度等统计量,以及群体遗传学等计算分子生物学任务。
主要能力模块:序列处理 Bio.Seq、Bio.SeqIO;比对 Bio.Align、Bio.AlignIO;数据库访问 Bio.Entrez;BLAST Bioblast 的 Bio.Blast;结构生物信息学 Bio.PDB;系统发育 Bio.Phylo;高级功能含 Bio.motifs、Bio.PopGen、Bio.SeqUtils、Bio.Restriction、Bio.Cluster 与 GenomeDiagram。
安装与用法:安装命令为 uv pip install biopython,要求 Python 3 与 NumPy。使用 NCBI 访问须设置邮箱:from Bio import Entrez 后 Entrez.email = "your.email@example.com";可选设置 Entrez.api_key 提高速率限制(10 req/s,而非 3 req/s)。常见用法包括用 SeqIO.parse 读取 FASTA、用 SeqIO.convert 转换 GenBank 到 FASTA、用 PairwiseAligner 做全局比对、用 Entrez.esearch 检索 PubMed、用 NCBIWWW.qblast 与 NCBIXML.read 运行并解析 BLAST、用 PDBParser 解析结构并计算原子间距离、用 Phylo.read 与 Phylo.draw_ascii 读取与展示 Newick 树、用 DistanceCalculator 与 DistanceTreeConstructor 从比对构建树,以及用 gc_fraction、molecular_weight 做序列统计。
限制与注意:资料未提供收费或价格信息;Entrez 访问须设邮箱并遵守 NCBI 速率限制,建议缓存已下载数据;写代码前宜查阅对应参考文件并用 grep 搜索函数示例;解析前需校验文件格式,注意缺失字段、大文件用迭代器处理、网络与解析需捕获异常;比对前序列须等长;大规模 BLAST 可用本地搜索或缓存;PDBParser(QUIET=True) 可抑制警告;翻译需使用合适遗传密码表。未提供的内容本简介不作补充。