氨基酸对频率分析（aa-pair-analysis）

首次使用：环境初始化

首次调用本 skill 前，先运行初始化脚本，自动检测并安装所有依赖：

bash
bash skills/aa-pair-analysis/scripts/setup.sh

脚本会依次检查并安装：

依赖	说明	自动安装方式
Python 3.8+	运行分析脚本	需手动预装
pandas

数据处理与CSV输出 | pip install pandas |
| biopython | 序列处理（可选） | pip install biopython |
| ClustalOmega | 多序列比对（MSA） | apt / brew / conda / 二进制下载 |

如果环境已配置好，跳过此步骤直接运行分析即可。

---

核心文件

• - 分析脚本（完整流程）: scripts/speciesanalysisworkflow.py（FASTA→MSA→结果）
• 方法详情: references/method.md
• 氨基酸分类: references/classification.md

快速运行

bash
cd skills/aa-pair-analysis

从原始FASTA完整流程（MSA→共识→对分析）

python scripts/speciesanalysisworkflow.py 任务名 数据目录 --threshold 0.5

断点续传

python scripts/speciesanalysisworkflow.py 任务名 数据目录 --resume 已有结果目录

关键参数

参数	默认值	说明
--threshold	0.5	共识序列保守性阈值（最高频氨基酸占比≥该值才写入，否则标X）
--resume

无 | 指定已有结果目录，从断点继续 |

输出文件

文件	内容
speciesformulations.csv	每个类群的Top5对型、φ值、21种对型计数
top5pairsdetails.csv

Top5对型逐条明细 | | formulation_summary.csv | 总类群数、独特配方数 |

氨基酸分类（固定，不可更改）

详见 references/classification.md。

参与统计（17种）：Hydrophobic(V,L,I,M) / Nucleophilic(S,T,C) / Aromatic(F,Y,W) / Amide(N,Q) / Acidic(D,E) / Cationic(H,K,R)

排除（不统计）：X、A（丙氨酸）、G（甘氨酸）、P（脯氨酸）

计数方法（已验证，不可更改）

1. 1. 剔除共识序列中所有 X/A/G/P，直接拼接为新序列
2. 统计新序列所有相邻对（有方向）
3. 合并对称对（N-H + H-N → H-N）得21种无向对型
4. 按计数排名选Top5

修改分析参数时的注意事项

• - 修改氨基酸分类：同步更新 scripts/runpdfanalysis.py 和 scripts/speciesanalysisworkflow.py 中的 FUNCTIONAL_CLASSES 字典
• 修改阈值：使用 --threshold 参数，无需改代码
• 修改计数方法：Step3（过滤拼接）和Step5（对称合并）需同步修改两个脚本