系统发育、正选择检测与直系同源推断:bioSkills 进化比较基因组学技能完全指南
系统发育、正选择检测与直系同源推断:bioSkills 进化比较基因组学技能完全指南
如果你经常要处理多序列比对、系统发育树构建、正选择检测或直系同源推断,bioSkills 是一个值得收藏的开源项目:它为 Claude Code、Codex、Gemini 等 AI 编程智能体提供 561 个生物信息学技能(SKILL.md),覆盖从序列操作到比较基因组学、单细胞 RNA-seq 的全流程。本文带你快速上手其中的进化与比较基因组学技能组,让 AI 助手按专家级的方法学帮你完成分析。
为什么用 bioSkills 做进化分析?
bioSkills 的每个技能都包含工具选择建议、最佳实践和可运行的示例代码,AI 智能体加载后能用自然语言理解你的需求并生成规范代码。
📊 上图是官方评测结果:同一智能体加载 bioSkills 后,在 Bio-Task Bench 上的得分显著提升——说明这些技能文件确实能让 AI 写出更可靠的分析代码。
进化与比较基因组学方向主要集中在两个技能类别:
| 技能类别 | 技能数 | 核心工具 | 能做什么 |
|---|---|---|---|
| phylogenetics | 8 | Bio.Phylo、IQ-TREE2、RAxML-NG、BEAST2、ASTRAL-III | 树文件读写、ML/贝叶斯推断、支系支持值、分歧时间估计、共祖物种树 |
| comparative-genomics | 13 | OrthoFinder3、PAML、HyPhy、MCScanX、Cactus、wgd v2 | 直系同源推断、正选择检测、共线性、全基因组比对、祖先状态重建 |
三大核心技能详解
1️⃣ 系统发育树构建:从比对到发表级进化树
phylogenetics 类别按"树是在假设模型下的估计,支持值不等于正确"这一核心理念组织,包含 8 个技能:
- modern-tree-inference:用 IQ-TREE2 / RAxML-NG 做最大似然树,内置 ModelFinder 模型选择、UFBoot2 与 SH-aLRT 双重支持值、一致性因子(gCF/sCF),详见 SKILL.md。技能特别强调"高支持值也可能错"——基因组尺度下 UFBoot=100 但 gCF 只有 35 的节点其实是未解决的 ILS 信号。
- species-trees:用 ASTRAL 系谱法方法从多基因座推断物种树,解释为何串联法在"异常区"会系统性出错,见 SKILL.md。
- tree-visualization:教你判断树图是"论点"还是"装饰"——cladogram/phylogram/chronogram 的选择、支持值标注规范、Bio.Phylo 与 ggtree/iTOL 的选型,见 SKILL.md。
2️⃣ 直系同源推断:OrthoFinder3 与 HOG 层级
想知道"我的基因在 30 个物种中的直系同源基因是谁"?ortholog-inference 技能给出了完整决策树:
| 场景 | 推荐方法 |
|---|---|
| 5–50 个脊椎动物基因组做系统发育组学 | OrthoFinder3(HOG 层级 + 物种树) |
| 200–1000 个基因组 | FastOMA 或 SonicParanoid2 |
| 功能注释转移 | eggNOG-mapper 2 |
| 全基因组比对锚定(哺乳动物/鸟类) | TOGA + CESAR 2.0 |
技能还列出了常见"翻车点":缺少远缘外群会导致隐性旁系同源、剪接异构体虚增拷贝数、不同注释流程混用产生虚假"物种特有基因"等——这些正是新手最容易踩的坑。
3️⃣ 正选择检测:dN/dS 框架与假阳性防控
positive-selection 技能覆盖 PAML codeml 位点/分支/分支-位点模型(M0–M8a)与 HyPhy 全套方法(BUSTED-MH、MEME、aBSREL、RELAX、FUBAR 等)。核心经验包括:
- ⚠️ 强制预筛查:GARD 重组检测、PREQUAL/HmmCleaner 比对质量、dS 饱和度和 gBGC 偏差,跳过任一项会把一类错误率抬到 20–50%;
- 🎯 按场景选方法:单基因预设分支用 branch-site mod A + aBSREL 互验;全基因组扫描用 FUBAR-MH + FDR 校正;近期分歧物种改用 McDonald-Kreitman / polyDFE;
- 📋 每种方法都标注了"何时失效"的失败模式表,方便交叉验证结果。
一键安装:最快上手步骤
安装只需两分钟。先克隆仓库并安装对应智能体的安装脚本:
git clone https://gitcode.com/gh_mirrors/bio/bioSkills
cd bioSkills
./install-claude.sh # Claude Code 全局安装
./install-claude.sh --categories "comparative-genomics,phylogenetics,alignment"
./install-claude.sh --list # 查看所有技能
./install-claude.sh --dry-run # 预览安装 + token 估算
💡 同类脚本还有 install-codex.sh、install-opencode.sh、install-antigravity.sh 和 install-openclaw.sh,均支持
--categories按类别选择性安装。
Python 侧依赖(Biopython、pysam 等)一条 pip install 即可;比较基因组学相关的 CLI 工具(PAML、HyPhy、OrthoFinder 等)的 conda 安装清单见 comparative-genomics/README.md 的 Requirements 部分。
用自然语言驱动分析:示例提示词
技能装好之后,直接用大白话提问即可,官方推荐的问题示例:
- "Build a phylogenetic tree and visualize evolutionary relationships"(构建并可视化系统发育树)
- "Find orthologs of my human gene across vertebrate species"(跨脊椎动物寻找直系同源基因)
- "Test for positive selection on primate immune genes with GARD pre-screen, then BUSTED-MH and MEME with PAML M8 vs M8a cross-validation"(先 GARD 预筛查,再做正选择检测)
- "Identify whole-genome duplication events in the soybean lineage with wgd v2 + KsRates"(大豆基因组的全基因组复制事件鉴定)
- "Estimate a species tree from my multi-locus dataset using ASTRAL"(用 ASTRAL 推断物种树)
更多问题模板见 README.md 的 Example Usage 章节与 comparative-genomics/README.md 的 Example Prompts。
延伸阅读:相关模块路径
- 上游多序列比对与修剪:alignment/multiple-alignment、alignment/alignment-trimming
- 树操作与时间标定:phylogenetics/tree-manipulation、phylogenetics/divergence-dating
- 共线性与基因组重复:comparative-genomics/synteny-analysis、comparative-genomics/whole-genome-duplication
- 泛基因组与祖先重建:comparative-genomics/pangenome-analysis、comparative-genomics/ancestral-reconstruction
- 端到端工作流(可选 Snakemake/Nextflow 编排):workflows/
掌握系统发育构建、正选择检测与直系同源推断这三条主线,再配合 bioSkills 的决策树式技能文档,即便是新手也能在 AI 助手的引导下,产出方法学严谨的进化基因组学分析结果。
