# Aa Pair Analysis

> 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。

- Skill: `dvcrn/aa-pair-analysis` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add dvcrn/aa-pair-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/aa-pair-analysis/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: dvcrn (https://skillmd.com/u/dvcrn)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/dvcrn/aa-pair-analysis

---


# 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
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

```bash
# 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