SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场etetoolkit

etetoolkit

数据与分析

查看项目

更新于 10-15 11:11

技能介绍

ETE（Environment for Tree Exploration）是一个用于系统发育与层次树分析的工具包，其 Python 库为 ete3。它面向系统发育基因组学与聚类分析，提供树的加载、操作、分析、可视化以及与生物数据库集成的能力。

一、用途 ETE 主要用于系统发育树和层次树的处理与分析，包括树格式转换、拓扑修改、进化事件检测、直系同源/旁系同源判定、NCBI 分类信息整合、聚类结果评估以及出版级可视化。

二、主要能力

  1. 树操作与分析：支持 Newick、NHX、PhyloXML、NeXML 格式读写；可按前序、后序或层序遍历树；支持剪枝、定根、折叠节点、解析多分支；可计算分支长度与节点间拓扑距离；可计算 Robinson-Foulds 距离并识别拓扑差异。
  2. 系统发育分析：PhyloTree 类可结合 FASTA、Phylip 序列比对；支持自动或自定义物种名提取；通过 Species Overlap 或树调和检测复制与物种形成事件；识别直系同源与旁系同源；按复制事件拆分树、折叠谱系特异性扩张。
  3. NCBI 分类整合：NCBITaxa 可自动下载并本地缓存 NCBI 分类数据库（约 300MB）；支持 taxid 与学名互译、获取完整谱系、构建指定类群间的物种树、自动注释树节点。
  4. 树可视化：支持 PNG、PDF、SVG 输出；提供矩形与环形布局；支持交互式 GUI（缩放、平移、搜索）；可通过 NodeStyle 自定义节点外观，通过 Faces 添加文本、图像、图表、热图等图形元素，并支持基于节点属性的动态布局函数。
  5. 聚类分析：ClusterTree 类用于聚类树状图；可将树叶与数值矩阵关联；计算轮廓系数、Dunn 指数、簇间/簇内距离；支持不同距离度量的聚类质量验证；可结合热图展示数据矩阵。
  6. 树比较：提供 Robinson-Foulds 距离与归一化 RF；支持分区分析、共识树分析以及多树两两批量比较。

三、使用方式 安装：uv pip install ete3；如需 GUI 与渲染，可安装 ete3[gui]，并在 macOS 上 brew install qt@5，在 Ubuntu/Debian 上 sudo apt-get install python3-pyqt5 python3-pyqt5.qtsvg。 首次使用 NCBITaxa 时会自动下载分类数据库至 ~/.etetoolkit/taxa.sqlite，可通过 ncbi.update_taxonomy_database() 更新。 基本用法示例： from ete3 import Tree tree = Tree("tree.nw", format=1) tree.prune(["species1", "species2"], preserve_branch_length=True) midpoint = tree.get_midpoint_outgroup() tree.set_outgroup(midpoint) tree.write(outfile="rooted_tree.nw")

基因树分析示例： from ete3 import PhyloTree tree = PhyloTree("gene_tree.nw", alignment="alignment.fasta") tree.set_species_naming_function(lambda x: x.split("_")[0]) events = tree.get_descendant_evol_events() ortho_groups = tree.get_speciation_trees()

分类树构建示例： from ete3 import NCBITaxa ncbi = NCBITaxa() name2taxid = ncbi.get_name_translator(["Homo sapiens", "Pan troglodytes"]) taxids = [name2taxid[sp][0] for sp in name2taxid] tree = ncbi.get_topology(taxids)

可视化示例： from ete3 import Tree, TreeStyle, NodeStyle tree = Tree("tree.nw") ts = TreeStyle() ts.show_leaf_name = True ts.show_branch_support = True ts.scale = 50 tree.render("tree.pdf", tree_style=ts)

聚类分析示例： from ete3 import ClusterTree matrix = """#Names\tSample1\tSample2\tSample3 Gene1\t1.5\t2.3\t0.8 Gene2\t0.9\t1.1\t1.8 Gene3\t2.1\t2.5\t0.5""" tree = ClusterTree("((Gene1,Gene2),Gene3);", text_array=matrix) for node in tree.traverse(): if not node.is_leaf(): print(node.get_silhouette(), node.get_dunn()) tree.show("heatmap")

树比较示例： from ete3 import Tree tree1 = Tree("tree1.nw") tree2 = Tree("tree2.nw") rf, max_rf, common_leaves, parts_t1, parts_t2 = tree1.robinson_foulds(tree2)

四、适用场景

  • 系统发育基因组学流程：从基因树到直系同源组识别。
  • 树预处理与格式转换：批量转换格式、中点定根、按类群剪枝、统计。
  • 出版级图表：自定义样式、支持值标注、矢量输出。
  • 自动化树分析：批量处理目录中的树文件，标准化定根、解析多分支、过滤低支持分支。
  • 聚类结果验证：结合数据矩阵评估聚类质量并可视化热图。

五、限制

  • 首次使用 NCBITaxa 需下载约 300MB 数据库，需网络连接。
  • 渲染与 GUI 依赖 Qt 相关系统库，缺失时可能报错。
  • 处理超过 10,000 个叶节点的大树时，建议使用迭代器（如 tree.iter_leaves()）而非一次性加载全部叶节点，以降低内存占用。
  • 资料未提供收费、价格、平台或效果方面的信息。