Metadata

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。

联合分析（与关键片段预测联动）

当同时需要氨基酸对频率分析 + 蛋白质关键片段预测时，使用联合分析包装器，MSA 只执行一次，并自动生成单体配方投料表。

cd skills/aa-pair-analysis

# 联合分析（自动整合 + 自动生成投料表）
python scripts/run_combined_analysis.py 任务名 数据目录

工作流：

共享 MSA（clustalo，缓存复用）
aa-pair 分析（跳过已比对物种）
关键片段预测（跳过已完成物种）
整合物种结果（按物种合并两份分析结果）
自动生成单体配方投料表 Word 文档

单体配方投料表生成

联合分析完成后自动调用：

python scripts/gen_monomer_formulation_table.py 整合结果目录

投料规则（2026-05-11 更新）：

单体总浓度：1.0 M
最终总体积：1.5 mL
DMSO：根据单体总投料量动态补全至 1.5 mL
总摩尔数 = 1.0 M × 0.0015 L = 1.5 mmol
各单体按 φ 值比例分配 1.5 mmol
引发剂 2-oxoglutaric acid：3.75 mg（MW 146.10）
交联剂：不使用

单体对照：

氨基酸类别	单体	M (g/mol)	密度/浓度
Hydrophobic	BA	128.17	0.90 g/mL
Nucleophilic	HEA	116.12	1.10 g/mL
Aromatic	PEA	192.21	1.10 g/mL
Amide	AAm	71.08	0.18 g/mL
Acidic	CBEA	144.13	1.10 g/mL
Cationic	ATAC (80%)	193.67	1.15 g/mL

输出：横向A4 Word 文档，按分类分表，含斑马纹。

核心文件

分析脚本（完整流程）: scripts/species_analysis_workflow.py（FASTA→MSA→结果）
联合分析包装器: scripts/run_combined_analysis.py（MSA共享 + 自动整合 + 自动投料表）
投料表生成器: scripts/gen_monomer_formulation_table.py（Word文档生成）
结果整合工具: scripts/integrate_species_results.py（按物种合并两份分析结果）
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

aa-pair-analysis

安装技能