aa-pair-analysis 是一款专为蛋白质序列功能分析设计的生物信息学工具，主要用于研究特定分类群中氨基酸功能类别的相邻对频率分布。该工具通过整合多序列比对（MSA）、共识序列生成与对型统计分析，揭示蛋白质序列中保守的功能模式。其核心流程包括：首先对输入的蛋白质序列进行多序列比对以识别保守区域，随后提取每类群的共识序列，并根据预设的氨基酸功能分类剔除非统计残基（如X、A、G、P），最终统计相邻氨基酸对的组合频率并计算φ值。整个分析过程高度自动化，支持从原始FASTA文件到最终结果的完整流程或基于已有共识序列的批量处理。工具默认采用17种功能性氨基酸类别进行分类，涵盖疏水性、亲核性、芳香族、酰胺基、酸性、碱性等关键化学属性，确保结果具有明确的生物学解释意义。
核心功能特点
- 支持从原始FASTA序列自动执行多序列比对、共识序列提取及相邻对型统计的全流程分析
- 提供基于功能类别的氨基酸分类体系（17类），排除非统计残基（X/A/G/P）以提升分析特异性
- 输出Top5高频相邻对型及其φ值，并生成详细的计数矩阵与配方汇总表
- 支持断点续传机制，可从已有结果目录继续未完成任务，避免重复计算
- 允许通过命令行参数灵活调整保守性阈值（–threshold），控制共识序列构建标准
适用场景
该工具特别适用于系统发育或生态研究中涉及新物种或未知类群的蛋白质功能特征挖掘。例如，在微生物组分析中，研究人员可针对某一环境样本中的未培养菌株蛋白序列运行完整分析流程，快速识别其保守的功能模块，从而推断其在代谢通路中的角色。此外，若已有文献报道了某类群的对型偏好，用户可通过输入对应的共识序列进行验证性分析，比较实际观测频率与理论预测是否一致。工具还支持修改氨基酸分类字典或统计参数后重新评估数据，便于探索不同分类体系下的模式差异。对于高通量场景，如同时处理多个地理种群或时间序列样本，其批量PDF分析模式能显著提升效率。总之，无论是初步发现新功能标记，还是精细化验证已有假设，aa-pair-analysis 都能为蛋白质功能注释提供可靠的数据支撑。