用途
scikit-bio 是一个面向生物数据的综合 Python 库，适用于生物信息学分析，涵盖序列操作、序列比对、系统发育、微生物生态与多元统计等方向。当需要处理 DNA、RNA、蛋白质序列，读写生物文件格式，构建或分析系统发育树，计算多样性指标，进行排序分析或对生物/生态数据做统计检验时，可使用该库。它也适用于微生物组与群落生态数据分析、蛋白质语言模型嵌入处理以及生物数据表操作。
主要能力
1. 序列操作
使用 DNA、RNA、Protein 等专用类处理带字母表校验的序列，通用序列可用 Sequence 类。支持从 FASTA、FASTQ、GenBank、EMBL 读写序列，进行切片、拼接、搜索、反向互补、转录（DNA→RNA）、翻译（RNA→蛋白质），用正则查找基序，计算 Hamming 与 k-mer 距离，处理质量分数与元数据。FASTQ 的质量分数会自动载入位置元数据。元数据类型包括序列级（ID、描述）、位置级（逐碱基）和区间级（区域/特征）。
2. 序列比对
使用 pair_align 引擎（scikit-bio 0.7.0 引入）进行成对与多序列比对。支持全局、局部和半全局比对（末端自由可配置），提供 pair_align_nucl（类 BLASTN）和 pair_align_prot（类 BLASTP）便捷封装。评分可配置：匹配/错配元组或命名替换矩阵，线性或仿射空位罚分。PairAlignPath 结果携带 CIGAR 字符串并可转换为带空位的比对序列。多序列比对用 TabularMSA 存储与操作。pair_align 取代了已移除的 SSW 封装和已弃用的纯 Python 比对器。
3. 系统发育树
从距离矩阵构建树（UPGMA/WPGMA、邻接法 NJ、GME、BME），用最近邻互换（nni）重排拓扑，支持修剪、重根、遍历等操作。可计算 patristic 距离（cophenet）和 Robinson-Foulds 距离（compare_rfd），提供 ASCII 可视化与 Newick 格式读写。GME 和 BME 对大树具有良好可扩展性。树可带根或不带根，部分指标要求特定带根方式。
4. 多样性分析
计算 alpha 多样性（sobs、observed_features、chao1、ace、Shannon、Simpson、Hill 数、Faith's PD、广义 PD、Pielou 均匀度）和 beta 多样性（Bray-Curtis、Jaccard、加权/非加权 UniFrac、欧氏距离），支持稀疏化与子采样。计数须为整数丰度而非相对频率。系统发育指标需提供 tree 和 taxa 到叶节点的映射。alpha 多样性返回 pandas.Series，beta 多样性返回 DistanceMatrix。可用 partial_beta_diversity() 计算特定样本对，block_beta_diversity() 处理大规模分块计算。
5. 排序方法
提供 PCoA（从距离矩阵）、CA（对应分析）、CCA（带环境约束的典范对应分析）、RDA（冗余分析）以及用于特征解释的 biplot 投影。OrdinationResults 暴露基于 pandas 的属性：samples、features、eigvals、proportion_explained、biplot_scores、sample_constraints，并可用 plot() 生成 matplotlib 图。
6. 统计检验
提供 PERMANOVA、ANOSIM、PERMDISP、Mantel 检验、Bioenv，以及 skbio.stats.composition 中的差异丰度方法 ancom、dirmult_ttest 和纵向混合效应 dirmult_lme。置换检验提供非参数显著性，建议使用 999 次以上置换。PERMANOVA 对离散度差异敏感，宜与 PERMDISP 配合。差异丰度检验应使用原始计数而非预归一化比例。
7. 文件 I/O 与格式转换
支持 19 种以上生物文件格式的读写与自动格式检测：序列（FASTA、FASTQ、GenBank、EMBL、QSeq）、比对（Clustal、PHYLIP、Stockholm）、树（Newick）、表（BIOM 的 HDF5 与 JSON）、距离（分隔方阵）、分析（BLAST+6/7、GFF3、排序结果）、元数据（带校验的 TSV/CSV）。大文件可用生成器避免内存问题，支持 stdin/stdout 管道（verify=False）。
8. 距离矩阵
DistanceMatrix 存储对称、对角为零的矩阵，PairwiseMatrix 允许一般/非对称值。支持基于 ID 的索引与切片，与多样性、排序和统计检验集成，可读写分隔文本格式，兼容 pandas、numpy 和 scikit-learn。
9. 生物表
通过原生 Table 类读写 BIOM 格式（HDF5 与 JSON）。0.7.0+ 的表分发系统允许函数直接接受任意 table_like 输入（BIOM Table、pandas/polars DataFrame、NumPy 数组或 AnnData），无需显式转换。支持数据增强技术（phylomix、mixup、aitchison_mixup、compos_cutmix）、样本/特征过滤与归一化、元数据集成。BIOM 表是 QIIME 2 工作流的标准格式，行通常为样本、列为特征（OTU/ASV），支持稀疏与稠密表示。
10. 蛋白质嵌入
使用 ProteinEmbedding、ProteinVector 存储蛋白质语言模型（ESM、ProtTrans 等）的嵌入，可转换为距离矩阵、生成排序对象用于可视化，并导出为 numpy/pandas 供机器学习使用。适用于序列聚类、分类和可视化。
使用方式
安装命令资料中仅显示为“uv p”，未提供完整内容，暂未提供完整安装说明。基本使用模式为：导入 skbio 后，用 skbio.DNA.read('input.fasta') 读取序列，用 reverse_complement()、transcribe()、translate() 等做序列操作；用 skbio.alignment 的 pair_align_nucl、pair_align_prot、pair_align 做比对；用 skbio.tree 的 nj、upgma、gme、bme 建树；用 skbio.diversity 的 alpha_diversity、beta_diversity 计算多样性；用 skbio.stats.ordination 的 pcoa、cca 做排序；用 skbio.stats.distance 的 permanova、anosim、mantel 做统计检验；用 skbio.io.read/write 做格式转换。
适用场景
- 生物序列（DNA、RNA、蛋白质）的读写、转换与分析
- 成对与多序列比对、基序搜索
- 系统发育树构建、比较与可视化
- 微生物组与群落生态的多样性计算
- 高维生物数据的排序降维与可视化
- 生态与生物数据的假设检验
- 蛋白质语言模型嵌入的下游分析
限制
资料未提供关于收费、价格、平台支持范围、性能上限或具体效果的信息，暂未提供。计数数据须为整数丰度；系统发育指标需提供树和 taxa 映射；部分树指标要求特定带根方式；PERMANOVA 对离散度差异敏感；差异丰度检验应使用原始计数。