scikit-allel-analysis-gptomics-bioskills

1. 基本信息

2. 功能介绍与亮点

该技能面向“用 Python scikit-allel 库对基因型数组做群体遗传学计算”这一任务，覆盖 GenotypeArray/HaplotypeArray/AlleleCountsArray 三种核心数据结构的正确使用，以及四类统计量的计算：

• 多样性指标：核苷酸多态性 π、Watterson’s theta、Tajima’s D 的按位点/按窗口计算；
• 群体分化：Weir-Cockerham 与 Hudson 两种 FST 估计量；
• 混血检验：经区块刀切法（block jackknife）标准误的 f3/D（ABBA-BABA）统计量；
• 选择扫描：连锁不平衡剪枝后的 PCA，以及 iHS、XP-EHH、nSL、Garud H 等基于单倍型的选择性清除信号扫描。

核心亮点是把该库里“几乎每个统计量都是比值或密度，分母算错却不报错”这一隐蔽陷阱，拆成两类可识别的具体场景：一是按位点多样性计算省略 is_accessible 掩膜参数时，分母会从“可信区域碱基数”悄悄变成“区间总跨度”，导致 π/theta 被压低 2–5 倍且失真程度随窗口可信度浮动；二是 FST 若按逐位点比值取平均而非“分子求和除以分母求和”聚合，会被低频变异位点系统性拉偏（Bhatia 2013）。正文还记录了容易踩的 API 细节，如 to_n_alt() 默认把缺失基因型当作纯合参考型、sfs() 默认未折叠且要求输入衍生等位基因计数而非替代等位基因计数、scikit-allel 本身已进入维护模式而后继者 sgkit 尚未功能对等。附场景决策树、逐函数失败模式表（触发条件/机制/症状/修复）、定量正确性参考表，以及 11 篇带 DOI/PMID 的学术文献支撑（Weir & Cockerham 1984、Hudson 1992、Bhatia 2013、Patterson 2006/2012、Voight 2006、Sabeti 2007、Garud 2015 等）。

3. 适用场景

所属分类：数据分析与可视化（对基因型数据执行统计计算与推断，与库内同类的群体遗传学分析技能同属一类）。

适用于：在 Python 中直接操作基因型数组、需要计算多样性、FST、admixture 统计量或运行选择扫描的群体遗传学与进化生物学研究者；已完成 VCF 读取但需要确认多样性/FST 计算未因分母错误而系统性偏低的生物信息学工程师；以及容易在 to_n_alt 缺失值填充、SFS 折叠与否、iHS/XP-EHH 标准化等细节上踩坑的初中级用户。PLINK 格式质控与 CLI 层面的祖源结构推断（PCA/ADMIXTURE）不在本技能范围，分见姊妹技能 plink-basics 与 population-structure。

4. 跨 Agent 兼容性

5. 推荐理由

群体遗传学计算里最危险的错误往往不是程序崩溃，而是分母算错却仍返回一个“看起来合理”的数字。该技能把这类隐蔽的正确性陷阱系统化为决策树与失败模式表，并给出符合学术惯例的正确聚合方式（如 FST 用“求和之比”而非“比值之和”），配合 11 篇权威文献支撑，帮助使用者产出经得起同行评审的计算结果，而不是悄悄错了也不自知的数字。

6. 评分

安全检查清单：①仅提供本地 Python 库（scikit-allel、numpy）调用代码，无远程代码执行 ②运行时不联网外发数据，全部为本地内存/文件操作 ③不涉及任何 API Key 或凭据索取 ④全文未见可疑指令或混淆代码 ⑤作者信誉一般，为专业领域技能维护团队 ⑥MIT 许可证明确 ⑦该子目录约两个月前仍有提交，维护活跃。

综合评分 = 三项均值 = 8.0。

7. 跟同类 Skills 相比的优势

8. 用户评价

该技能目前在第三方平台尚无具名文字评价。LobeHub 技能市场为其提供独立收录页（标识符 gptomics-bioskills-scikit-allel-analysis），页面显示已有 14 次安装记录，但评分栏为空、尚无用户打分。

9. 其他补充

同一仓库的 population-genetics/ 子目录内还有 population-structure（祖源结构推断）、selection-statistics（选择性清除信号设计与解读）、association-testing（GWAS 关联检验）、plink-basics（PLINK 格式与 QC）、linkage-disequilibrium（连锁不平衡）等姊妹技能，覆盖群体遗传学全流程的不同环节，可按需组合安装。

10. 安装使用方式

• Claude Code：

  git clone git@github.com:GPTomics/bioSkills.git
  cd bioSkills
  ./install-claude.sh --categories "population-genetics"

• Codex：同一仓库下运行 ./install-codex.sh --categories "population-genetics"
• OpenClaw：运行 ./install-openclaw.sh --categories "population-genetics"，或直接从 ClawHub（clawhub.ai/djemec/bioskills）安装
• Hermes Agent：运行 hermes skills install official/research/bioinformatics 安装官方生物信息学网关后即可取用
• 第三方市场：LobeHub 收录页 gptomics-bioskills-scikit-allel-analysis
• 安装后注意事项：技能本身零额外安装，但运行其推荐代码需预先安装 Python 包 scikit-allel（pip install scikit-allel，1.3.13 及以上版本），处理超大规模数据集时另需 zarr 与 dask 支持；无需重启 agent，对话中出现“scikit-allel”“FST”“π/theta”“iHS”“XP-EHH”“基因型数组”等关键词或直接引用技能名即可触发。

11. 注意事项

• 该技能是方法论与代码模式的封装，本身不提供计算结果的图形界面，仍需使用者自行安装 scikit-allel 及其依赖并准备好基因型数组数据；
• scikit-allel 目前处于维护模式（最新为 1.3.x 系列），后继者 sgkit 尚未达到功能对等，正文建议现阶段成熟统计流程仍以 scikit-allel 为务实选择，但应留意版本差异并用 pip show 核实已装版本与 API 签名是否匹配；
• to_n_alt() 默认参数会把缺失基因型静默填充为纯合参考型，PCA/LD 分析前需显式处理缺失值，否则会系统性偏向参考等位基因。