---

name: aa-pair-analysis description: 蛋白质氨基酸功能类别相邻对频率分析。对给定分类群的蛋白质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）与文献结果对比验证，（4）修改氨基酸分类或统计参数后重新分析。

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）: ../../run_pdf_analysis.py（PDF批量）/ ../../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

# 从PDF共识序列批量分析
python run_pdf_analysis.py

# 从原始FASTA完整流程（MSA→共识→对分析）
python species_analysis_workflow.py 任务名 数据目录 --threshold 0.5

# 断点续传
python 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）

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 run_pdf_analysis.py 和 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