功能概述
本技能为生物信息学分析工具，专注于蛋白质家族的氨基酸功能类别相邻对频率统计。通过多序列比对（MSA）生成共识序列，基于17种功能氨基酸分类（疏水、亲核、芳香、酰胺、酸性、阳离子），统计相邻位置氨基酸对的出现频率，输出Top5高频对型及其φ值。
核心用法
支持四种工作模式：
1. 完整流程：从FASTA序列开始，自动执行MSA→共识提取→对型统计
2. 断点续传：基于已有结果继续分析
3. 跨物种比较：横向对比不同物种/类群的氨基酸对组成差异
4. 参数重分析：修改氨基酸分类或统计阈值后重新计算
关键参数包括保守性阈值（默认0.5，控制共识序列中模糊位点标记为X）和 resume 断点续传选项。
显著优点
- 流程自动化：整合ClustalOmega MSA、共识序列生成、对型统计全流程
- 结果标准化：固定21种无向对型分类，输出CSV格式便于后续分析
- 可复现性：计数方法已验证且文档化，排除X/A/G/P的统计策略减少噪声
- 扩展性：支持自定义氨基酸分类（需同步修改两处脚本）
潜在局限
- 依赖外部工具：ClustalOmega需单独安装，无纯Python实现方案
- 分类固定性：17种氨基酸分类为预设方案，修改需代码级调整
- 阈值敏感性：保守性阈值直接影响共识序列质量和X位点比例
- 对称合并假设：自动合并双向对型（如N-H与H-N），可能丢失方向信息
- 未经验证的安全状态：系统标注为占位简介，未执行实际安全扫描
适合人群
- 进化生物学/蛋白质工程研究人员
- 需要比较不同物种蛋白质序列组成差异的分析人员
- 具备基础Python和命令行操作能力的生物信息学用户
常规风险
- 科学结论风险：φ值统计显著性未内置检验，需用户自行评估
- 数据质量依赖：MSA质量直接影响共识序列可靠性
- 分类生物学合理性：预设17种分类可能不适用于所有蛋白质家族
- 环境配置：首次使用需运行setup.sh，跨平台兼容性待验证
- 断点续传一致性：resume模式需确保中间文件完整性
使用建议
建议首次使用者在测试数据集上验证参数敏感性，特别是threshold和自定义分类的影响；大规模分析前确认ClustalOmega内存需求；结果解释时结合蛋白质三维结构信息，避免过度解读相邻对的物理邻近性。