Biopython Python 生物计算

你在解决什么问题

做 DNA/RNA/蛋白质相关脚本时，常见痛点是格式杂（FASTA、GenBank、FASTQ、PDB、mmCIF）、NCBI 检索与批量下载要守速率规则，BLAST 与比对结果解析繁琐，结构层级（SMCRA）与系统发育树又各有一套 API。Biopython 把这类计算分子生物学任务收敛到一套模块化 Python 子包，当前文档对应 Biopython 1.85（Python 3，依赖 NumPy）。

技能如何组织工作流

本技能按领域拆分参考文档，写代码时先对号入座再查 references/：

• 序列：Bio.Seq、Bio.SeqIO — 创建/翻译/反向互补、SeqRecord、大文件迭代读写与格式互转
• 比对：Bio.Align、Bio.AlignIO — 两两与多序列比对、BLOSUM/PAM、比对统计
• 数据库：Bio.Entrez — PubMed、GenBank、Protein、Gene 等搜索与下载（需设置 Entrez.email）
• BLAST：Bio.Blast — Web/本地搜索、XML 解析、按 E 值过滤
• 结构：Bio.PDB — PDB/mmCIF、距离/二面角、DSSP、叠合与 RMSD
• 系统发育：Bio.Phylo — Newick/NEXUS、建树、剪枝与可视化
• 其它：Bio.motifs、Bio.PopGen、Bio.SeqUtils、Bio.Restriction 等

推荐路径：根据任务选模块 → 读对应 reference → 抽取代码模式并组合；大文件用迭代器，网络与解析错误要显式处理，避免重复下载同一批 NCBI 数据。

适用边界与注意点

• 多序列比对写入前序列长度需一致；格式字符串与真实文件不符会触发 EOF 类解析错误。
• NCBI 访问缺邮箱会有 Entrez logger 警告；无效 accession 易导致 HTTP 400。
• 大规模 BLAST 更适合本地 BLAST 或缓存结果；PDB 质量参差时可用 PDBParser(QUIET=True) 控制噪声。
• 翻译与群体遗传分析要选对遗传密码表与输入格式；复杂、长会话的多步流水线可另行借助托管研究环境，但日常单模块任务按 reference 即可。