用途:面向系统发育与比较基因组学分析,对 FASTA/PHYLIP/Nexus/Newick 文件计算比对与树指标,并做分组统计比较。
主要能力:比对指标包括简约信息位点、RCV、gap 百分比;树指标包括 treeness、树长、进化速率、DVMC、bootstrap 支持度;组合指标 treeness/RCV;建树支持邻接法(NJ)、UPGMA、简约法;树比较支持 Robinson-Foulds 距离;分组比较可用 Mann-Whitney U 检验与中位数/比值统计。
使用方式:优先检查数据目录中是否已有预计算结果(如 scogs_fungi.zip/scogs_animals.zip 中的 *.faa.mafft.clipkit 与 .treefile、_executed.ipynb、结果 CSV/TSV、分析脚本),有则直接读取或执行,不要从原始数据重跑。分组比较可用:python skills/tooluniverse-phylogenetics/scripts/scogs_paired_compare.py --data-folder "$DATA_PATH" --metric parsimony_informative;单组可用 scogs_phykit_pipeline.py。批量指标建议用 phykit_batch_analysis(并行,约 250 棵树 35 秒),不要逐文件循环。自建比对可先调 EBI_msa_align(Clustal Omega/MUSCLE/MAFFT 等),再把 data.aligned_fasta 传给 EBI_build_phylogenetic_tree 的 aligned_sequences 参数生成 NJ/UPGMA 树。
关键限制:EBI_build_phylogenetic_tree 只做距离法 NJ/UPGMA,不支持最大似然(IQ-TREE/RAxML)或贝叶斯(MrBayes/BEAST)。指标与比对版本相关:saturation 用修剪后的 .faa.mafft.clipkit,treeness_over_rcv 与 rcv 用未修剪的 .faa.mafft;treeness 等仅需树。PhyKIT 的 saturation 输出两列,默认取第一列并说明所用列。gap 百分比指含 gap 的比对列占比,而非残基占比。CLI 中 parsimony_informative 无效,应使用 parsimony_informative_sites(别名 pis),输出第三列为百分比。统计单拷贝直系同源氨基酸总数时,每个直系同源只计一条代表序列,避免按物种重复计数。分组比值需区分组中位数比值与配对中位数比值,按问题措辞选择。
适用场景:多物种系统发育基因组学、直系同源基因指标比较、树信号质量评估、树间拓扑比较。缺失信息:具体收费、平台支持与安装步骤暂未提供。