用途:scikit-bio 面向生物信息学与微生物生态分析,覆盖序列处理、比对、系统发育、多样性度量、排序和统计检验。资料针对 0.7.4 版本。
主要能力:
- 序列操作:DNA/RNA/Protein 类支持 FASTA、FASTQ、GenBank、EMBL 读写,反向互补、转录、翻译、正则查找 motif、去 gap、质量分数与元数据处理。
- 序列比对:pair_align 引擎支持全局、局部、半全局比对,可配置打分矩阵与线性/仿射 gap;提供 pair_align_nucl、pair_align_prot 包装;多序列比对用 multi_align_nucl/multi_align_prot 与 TabularMSA。
- 系统发育:从距离矩阵构建树(nj、upgma、gme、bme),nni 重排,剪枝、重根、遍历,cophenet 计算 patristic 距离,compare_rfd 做 Robinson-Foulds 比较,支持 Newick 读写与 ASCII 可视化。
- 多样性:alpha_diversity 提供 shannon、simpson、faith_pd、hill 等;beta_diversity 提供 braycurtis、jaccard、加权/非加权 UniFrac 等;支持稀释与子采样。
- 排序:pcoa、ca、cca、rda 及 biplot 投影,结果可读写与绘图。
- 统计检验:permanova、anosim、permdisp、mantel、bioenv,以及 skbio.stats.composition 中的 ancom、dirmult_ttest、dirmult_lme。
- 文件 I/O:支持 19+ 格式,含 FASTA、FASTQ、GenBank、EMBL、QSeq、Clustal、PHYLIP、Stockholm、Newick、BIOM 2.1 HDF5、BLAST+6/7、GFF3、排序结果等,可自动检测格式,大文件可用生成器。
- 距离矩阵与生物表:DistanceMatrix、PairwiseMatrix 支持 ID 索引;Table 调度系统可接受 BIOM Table、pandas/polars DataFrame、NumPy 数组或 AnnData。
使用方式:通过 pip 安装后 import skbio,按上述类与函数调用;示例见资料中的代码片段。
适用场景:微生物组与群落生态分析、系统发育构建与比较、序列比对与格式转换、生态统计检验。
限制:系统发育树构建、重根与序列距离模型需科学依据;RF 比较需声明共享分类单元与重根约定;PERMANOVA 使用完整距离矩阵而非 PCoA 轴,对离散度敏感;Mantel 不评估因果且无偏 Mantel 参数;差异丰度检验应使用原始计数而非归一化比例;置换检验需记录随机种子与版本,重复测量需设计感知方法。部分旧接口已弃用或移除,如 SSW 包装与旧比对函数。安装命令、收费与平台信息暂未提供。