rna-toolkit

RNA FASTA 工具箱：解析、统计、k-mer、可视化、报告。

功能

• FASTA / .fa.gz 解析，支持多行、空行、大小写、T/U 转换
• 长度统计：条数、总长、最短、最长、平均、中位数、N50
• 碱基组成：A / C / G / U / N / other，含 GC 含量
• k-mer 统计：k=1~5，输出 top N
• 可视化：长度分布、碱基比例、top k-mer
• 报告：summary.json、length_stats.csv、kmer_topN.csv、report.md

安装

git clone <your-repo-url>
cd biopython

conda create -n rna_project python=3.12 -y
conda activate rna_project

pip install -e .
pip install matplotlib pytest

使用

一条命令跑完统计、k-mer、图、报告：

python -m rna_toolkit stats \
  --input data/test/test.fa \
  --out results/ \
  --kmer 2 \
  --top-n 10

只看帮助：

python -m rna_toolkit --help
python -m rna_toolkit stats --help

输出

results/
├── summary.json          # 基本统计
├── length_stats.csv      # 每条序列的 header、length、gc_content
├── kmer_top10.csv        # top 10 k-mer
├── report.md             # Markdown 报告
└── figures/
    ├── length_hist.png
    ├── base_composition.png
    └── kmer_top.png

项目结构

biopython/
├── pyproject.toml
├── README.md
├── .gitignore
├── data/
│   ├── raw/              # 原始数据，只读
│   └── test/             # 小测试文件
├── results/              # 输出目录
├── src/
│   └── rna_toolkit/
│       ├── __init__.py
│       ├── __main__.py   # python -m rna_toolkit 入口
│       ├── cli.py        # argparse 主逻辑
│       ├── fasta.py      # FASTA 解析
│       ├── kmer.py       # k-mer 滑窗与计数
│       ├── plots.py      # matplotlib 画图
│       ├── report.py     # report.md 生成
│       └── commands/     # CLI 子命令
│           ├── __init__.py
│           ├── stats.py
│           └── kmer.py
└── tests/
    ├── test_fasta.py
    ├── test_stats.py
    └── test_kmer.py

测试

pytest -v

数据来源

• 测试数据：手写
• 真实数据：RNAcentral (https://rnacentral.org/)

依赖

• Python >= 3.10
• matplotlib
• pytest

许可

仅供学习与科研使用。