bio-population-genetics-scikit-allel-analysis

用途：使用 Python 库 scikit-allel 进行群体遗传学分析，提供高效数组数据结构，覆盖从 VCF 读取到多样性统计与降维的流程。安装：pip install scikit-allel，可选 pip install zarr 支持分块存储。用法：用 allel.read_vcf 读取 VCF，可指定 fields（如 samples、calldata/GT、variants/POS）或 fields='*'，也支持 region 与 samples 子集；大文件可用 allel.vcf_to_zarr 转 zarr 后分块读取。核心数据结构为 GenotypeArray（形状 n_variants×n_samples×ploidy），可做 count_alleles、to_frequencies、is_segregating、compress、缺失与检出率统计，并可按 subpops 分组统计等位基因数；可 to_haplotypes 得到单倍型数组。主要能力：allel.pca 降维与 Patterson 缩放；heterozygosity_observed/expected；sequence_diversity 计算核苷酸多样性 Pi；watterson_theta；sfs 与 sfs_folded 及绘图；windowed_diversity 与 moving_statistic 窗口统计；take 进行样本子集；按 is_snp、max_allele、is_segregating、QUAL 等条件过滤变异。适用场景：群体结构 PCA、多样性评估、位点频率谱与窗口化统计、样本/位点筛选等群体遗传学分析流程。限制：资料未提供收费、平台或效果信息；部分功能（如选择统计、LD）需结合相关技能。