- name
- aa-pair-analysis
- description
- 蛋白质氨基酸功能类别相邻对频率分析。对任意蛋白质家族的多物种序列进行多序列比对（MSA）、共识序列提取、对型统计和配方计算，输出Top5高频对型及φ值。适用于：（1）对新物种/类群运行完整分析流程，（2）从已有共识序列进行对型统计，（3）横向比较不同物种/类群的氨基酸对组成差异，（4）修改氨基酸分类或统计参数后重新分析。适用于任何蛋白质家族。
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 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/species_analysis_workflow.py（FASTA→MSA→结果） - 方法详情:
references/method.md - 氨基酸分类:
references/classification.md
快速运行
cd skills/aa-pair-analysis
# 从原始FASTA完整流程（MSA→共识→对分析）
python scripts/species_analysis_workflow.py 任务名 数据目录 --threshold 0.5
# 断点续传
python scripts/species_analysis_workflow.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 |
|---|---|
species_formulations.csv | 每个类群的Top5对型、φ值、21种对型计数 |
top_5_pairs_details.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）
- 剔除共识序列中所有 X/A/G/P，直接拼接为新序列
- 统计新序列所有相邻对（有方向）
- 合并对称对（N-H + H-N → H-N）得21种无向对型
- 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/run_pdf_analysis.py和scripts/species_analysis_workflow.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