---

name: serine-protease-fragment-analysis description: 物种蛋白关键序列片段预测分析。对给定物种/类群的蛋白质FASTA序列执行完整分析流程，提取共识序列并识别其中的关键功能片段及其预期作用。适用于：（1）用户提到"提取蛋白关键序列/片段"、"分析蛋白保守区"、"预测蛋白功能片段"时，（2）对新物种/类群运行完整分析流程，（3）从已有FASTA序列提取共识序列并识别关键片段，（4）跨物种横向对比关键片段差异，（5）生成结构化分析报告。不限于丝氨酸蛋白酶，适用于任何蛋白质家族。

蛋白质关键序列片段预测分析

核心文件

• 主分析脚本：scripts/serine_protease_analysis.py（完整分析流程，可复用于任意蛋白家族）
• 批量运行入口：scripts/run_full_analysis.py（多物种批量 + 大样本采样）
• 方法细节：references/method.md
• 功能域参考：references/functional_domains.md（含 S1 丝氨酸蛋白酶示例；分析其他蛋白家族时需补充对应功能域）

---

适用蛋白家族

本流程适用于任何蛋白质家族，不限于丝氨酸蛋白酶。分析其他蛋白时：

• Step 1-3（序列读取、MSA、共识序列提取）：完全通用，无需修改
• Step 4 功能块匹配：需在 KNOWN_MOTIFS 和 CONSERVED_BLOCKS 中补充目标蛋白家族的已知特征序列
• 推荐来源：Pfam / InterPro / UniProt 对应蛋白家族的保守域注释

---

快速运行

# 单物种分析
cd <工作目录>
python3 serine_protease_analysis.py <物种名> <fasta路径>

# 多物种批量分析（推荐）
# 1. 将各物种 .fasta 文件放入 input_clean/ 目录
# 2. 运行批量脚本
python3 run_full_analysis.py

---

分析流程

Step 1：序列读取

• 解析标准 FASTA 格式
• 统计序列数量和长度分布
• 大样本处理：序列数超过阈值时随机采样（见 references/method.md）

Step 2：多序列比对（MSA）

• 工具：ClustalOmega（需预安装：apt install clustalo 或 conda install clustalo）
• 输出对齐后的 FASTA 文件
• 单序列物种跳过 MSA，直接使用原始序列

Step 3：共识序列提取

• 各位点最高频氨基酸占比 ≥ 阈值（默认 0.5）则写入，否则标 X
• 去除 gap（-）后得到连续共识序列

Step 4：关键片段识别（三维度并行）

1. 已知功能块匹配：在共识序列中搜索 Pfam S1 家族特征序列（GDSG、GDSGGP 等）
2. 高保守连续区检测：保守率 ≥ 90%、长度 ≥ 6aa 的连续区段
3. 保守 Cys 检测：统计共识序列中 Cys 数量（潜在二硫键网络）

Step 5：生成报告

• 每物种：_分析报告.md（可读报告）+ _key_fragments.json（结构化数据）
• 全物种：汇总分析报告.md

---

输出文件结构

<工作目录>/
├── 汇总分析报告.md
└── results/
    └── <物种名>/
        ├── <物种名>_input.fasta        # 参与 MSA 的序列
        ├── <物种名>_aligned.fasta      # MSA 结果
        ├── <物种名>_consensus.fasta    # 共识序列
        ├── <物种名>_key_fragments.json # 关键片段数据
        └── <物种名>_分析报告.md        # 可读报告

---

关键参数

参数	默认值	说明
THRESHOLD	0.5	共识序列保守性阈值（可在脚本顶部修改）
MAX_SEQ	50	超过此数量时触发随机采样
SAMPLE_SIZE	50	采样序列数
MIN_LEN	6	高保守区最小长度（aa）
HIGH_CONSERVATION	0.90	高保守区保守率阈值

---

命名规范

• 工作目录命名：关键片段预测_YYYYMMDD
• 物种文件名建议：NN_<学名>_<中文名>.fasta（NN 为两位编号，便于排序）
• 已完成物种自动跳过（检测到 _分析报告.md + _key_fragments.json 则跳过）

---

依赖环境

• Python 3.8+
• ClustalOmega（clustalo --version 验证）
• 无需额外 Python 包（仅使用标准库）

---

注意事项

• 详细方法说明见 references/method.md
• 已知功能域及保守块列表见 references/functional_domains.md
• 脚本修改参数时，同步更新 serine_protease_analysis.py 和 run_full_analysis.py 中的对应变量