用途:把对齐后的 DNA、RNA 或蛋白质基序序列渲染成序列标识图,每个位置堆叠字母的总高度表示信息量,单字母高度对应碱基/氨基酸频率,从而直观呈现保守性。
主要能力与工具:ggseqlogo(R,默认规范选择)接受 PWM 矩阵或等长对齐序列向量,用 method='bits' 或 'probability',可显式传 bg_freq 做基因组背景校正,支持 col_scheme 与多基序列表堆叠。Logomaker(Python)最灵活,用 logomaker.transform_matrix 在 counts、information、weight 之间转换,weight 矩阵可配合 flip_below=True 显示耗竭碱基,可自定义字母表。WebLogo(CLI)可脚本化输出 PDF 等格式。EDLogo 采用观测对背景的 log-odds,支持耗竭残基显示。
关键区分:bits 编码中位置高度为 log2(K)−H(p),DNA 最大 2 bits、蛋白质最大约 4.32 bits,全保守位置为最大值,均匀位置为 0;probability 编码每个位置总高度恒为 1,无法体现保守性差异。除非有特定理由,默认使用 bits,例如 TF 结合位点、剪接位点等。
用法要点:传入等长对齐序列或 PWM,选择编码方式,按基因组组成设置背景(如人类 A=0.29、C=0.21、G=0.21、T=0.29),核对矩阵方向(Logomaker 以位置为行),必要时指定 seq_type='rna' 或自定义配色。
适用场景:TF 结合基序、剪接位点、CRISPR sgRNA 位置组成、蛋白质基序(如激酶底物)、差异基序比较等。
限制:多数工具要求等长输入,需先比对或裁剪;小样本(如 N=5)会因信息量偏差显得过于保守,可信基序通常建议 N≥20、理想 N≥100;不同字母表最大信息量不同,DNA 与蛋白质标识不可直接叠放比较;默认背景为均匀分布,对非均匀基因组会高估或低估信息量;不同工具默认背景和小样本校正不同可能导致图形高度不一致,需统一背景与 N 后重算。所有工具版本需以实际安装为准,若报 ImportError、AttributeError 或 TypeError 应检查已安装包的 API 后适配,而非重试示例。