ETE 系统发育树工具包

要解决什么问题

系统发育学、聚类分析和系统基因组学里，你经常要在 Newick / NHX / PhyloXML 等格式之间搬树、定根修剪、算拓扑距离，还要把基因树和 FASTA 比对对齐，推断复制与物种形成事件，并给节点挂上 NCBI 分类信息。手工脚本容易在格式细节、遍历顺序和大树内存上踩坑；出图若只用栅格图，也很难满足论文对矢量图的要求。

技能如何工作

ETE（Tree Exploration Environment）把树当作一等对象来处理，核心能力可以分成几条线：

• 树 I/O 与拓扑：读写多种 Newick 变体与 NHX 自定义特征；前序/后序/层序遍历；修剪、定根、折叠节点、解析多歧分支；Robinson–Foulds 距离与划分差异。
• 系统发育（PhyloTree）：关联多序列比对；从基因名提取物种；用物种重叠或树协调检测复制/物种形成；识别直系/旁系同源，并按复制事件拆分基因家族。
• NCBI 分类：首次使用 NCBITaxa 会本地缓存 taxonomy（约 300MB）；taxid 与学名互转、谱系检索、构建连接指定物种的分类树，并注释已有树。
• 可视化与聚类：矩形/圆形布局，PNG/PDF/SVG；NodeStyle 与 Faces 做节点样式与热图等；ClusterTree 把叶节点与数值矩阵挂钩，配合轮廓系数等指标。

仓库里还提到 scripts/tree_operations.py、scripts/quick_visualize.py 以及 references/ 下的 API、工作流与可视化文档，适合按任务查具体用法。

适用边界与注意点

• 首次 NCBI 分类需要联网下载数据库；失败时可按文档重建 ~/.etetoolkit/taxa.sqlite。
• 超大树（例如叶节点 >1 万）应用 iter_* 等迭代方式，避免一次性列表展开占满内存。
• tree.render() / tree.show() 依赖 Qt 时，需在系统层补齐图形依赖，否则交互预览会报错。
• 系统发育分析里修剪树时，文档建议 preserve_branch_length=True，避免分支长度被无意改掉。