数据备份失败后重建:真核生物蛋白域分析流水线开源

AryHHAry · x · 2026-11-02

作者 arliap 因备份失败丢失了博士论文相关的分析流水线，正在逐步重建：这是一个基于 Streamlit 的交互式工具，重新实现了 Parikesit, Stadler & Prohaska (2010) 论文《Quantitative Comparison of Genomic-Wide Protein Domain Distributions》中的分析。

核心问题：近缘物种间转录数据库的蛋白域注释差异太大，无法直接比较计数。2010 年论文提出先做 de novo 基因预测、再用 HMM 做域注释，得到足够一致的结果供跨基因组比较。应用支持：比较两个来源/物种的全基因组域计数(log-log 图、回归、Pearson/Spearman 相关)、检验两类域在同一蛋白中的共现频率是否显著偏离随机等。代码已在 GitHub 开源。