etetoolkit

ETE Toolkit - 系统发育树分析与进化研究工具

技能概述

ETE Toolkit 是一个用于系统发育树和层次树结构分析的 Python 工具包，支持树操作、进化事件检测、直系同源基因识别、NCBI 分类学集成以及出版级可视化，适用于系统基因组学和进化生物学研究。

适用场景

1. 系统基因组学研究

从基因树到直系同源识别的完整工作流程：加载基因树与序列比对，配置物种命名规则，自动检测基因复制和物种形成事件，结合 NCBI 分类数据库注释谱系信息，最终提取直系同源群并进行可视化展示。

2. 进化树可视化与论文配图

生成出版质量的系统发育图：支持矩形和圆形布局，可自定义节点颜色、形状和大小，添加文本、图表和热图等注解元素，输出高分辨率 PNG、PDF 和 SVG 矢量格式，满足期刊投稿要求。

3. 树数据批量处理与比较

格式转换、重新定根、分支修剪等批量预处理操作；使用 Robinson-Foulds 距离量化不同树之间的拓扑差异，识别独特和共享的分支划分，构建多树距离矩阵，适用于系统发育推断方法的比较和评估。

核心功能

1. 树操作与拓扑分析

读取和导出 Newick、NHX、PhyloXML 和 NeXML 多种格式，支持前序、后序和层序遍历策略。提供分支修剪、重新定根、节点塌陷和多叉树解析等拓扑修改功能，计算分支长度和拓扑距离，使用 Robinson-Foulds 距离进行树比较。

2. 进化事件与同源基因检测

将基因树与多序列比对关联，自动或自定义提取物种名称。基于物种重叠或树调和算法检测基因复制和物种形成事件，据此识别直系同源和旁系同源基因，支持按复制事件分割树和折叠谱系特异性扩张。

3. NCBI 分类学集成

自动下载并本地缓存 NCBI 分类数据库（约 300MB），实现分类 ID 与科学名称的双向转换。获取完整进化谱系，根据指定物种列表构建最小连接树，自动为系统发育树节点添加分类学注释信息。

常见问题

ETE Toolkit 支持哪些系统发育树格式？

ETE 支持 Newick 格式的多种变体（格式 0-100），包括带分支长度的默认格式、含内部节点名称的格式、含支持值的格式，以及 NHX（New Hampshire eXtended）扩展格式。此外还支持 PhyloXML 和 NeXML 格式的读写。

如何检测基因树中的复制和物种形成事件？

使用 PhyloTree 类加载基因树并配置物种命名函数，调用 get_descendant_evol_events() 方法自动检测进化事件。遍历树节点时可通过 evoltype 属性区分复制（D）和物种形成（S）事件，进而识别查询基因的直系同源和旁系同源。

ETE3 怎么可视化系统发育树并导出 PDF？

配置 TreeStyle 设置显示选项和缩放比例，使用 NodeStyle 自定义节点颜色和大小，通过 layout_fn 函数实现基于节点属性的动态样式。调用 tree.render() 方法导出为 PDF、SVG 或 PNG 格式，支持自定义分辨率和尺寸单位。