PlantAI-dev/memory/2026-03-27.md

2026-03-27 修订记录 - Promoter分析可视化完善

项目

bbav20311 - Promoter分析模块

今日完成内容

1. Promoter分析核心功能增强

1.1 unknown/Unnamed元件过滤

• 问题: PlantCARE输出包含大量"unknown"和"Unnamed__X"元件
• 解决: 在parse_plantcare_output()中添加过滤逻辑
• 效果: 4,271 → 3,699有效元件(过滤572个)
• 输出: plantCARE_output_filtered.tab, filtered_elements_stats.txt

1.2 启动子分析报告生成

• 新增: generate_promoter_report()函数
• 内容:
  • 分析概览、Top 20元件、13类别统计
  • 生物学解读(激素、胁迫、TF结合等)
  • 高级分析: 富集分析、共现模式、复杂度评分
• 输出: {prefix}.promoter_report.md

1.3 高级分析功能

分析类型	函数	输出文件	结果
亚家族富集	calculate_enrichment()	{prefix}_enrichment_analysis.txt	160个富集对
元件共现	calculate_cooccurrence()	{prefix}_cooccurrence_analysis.txt	1,819个显著对
复杂度评分	calculate_promoter_complexity()	{prefix}_promoter_complexity.txt	23个基因分析

2. 增强可视化 (8种图表)

2.1 最终版本V4

脚本: scripts/promoter_v4_final.R

编号	图表类型	说明
01	三合一组合	外部树图+7分类结构+红绿热图
02	7大分类细分	每类Top 10元件
03	全热图	全基因×全元件,红绿配色
04	堆叠图	7分类堆叠

2.2 关键改进

• 进化树图: 使用pdftoppm将PDF转为PNG读取,保留原有样式
• 红绿配色: RdYlGn调色板
  • #d73027(深红) → #fc8d59(橙红) → #fee08b(黄)
  • #d9ef8b(浅绿) → #91cf60(绿) → #1a9850(深绿)
• 图例: 热图右侧显示Count图例

2.3 7大分类定义

分类	颜色	包含元件
Core promoter	#e41a1c	TATA, CAAT, Inr
Light response	#377eb8	G-box, GT1, I-box
Hormone signaling	#4daf4a	ABRE, GA, JA, SA, Auxin, Ethylene
Stress response	#984ea3	DRE, LTR, ARE, STRE
TF binding	#ff7f00	MYB, MYC, WRKY
Development	#f781bf	RY, AAGAA, CAT
Other	#999999	未分类

3. 修改的文件

Python代码

• apps/cli/run_promoter.py
  • 添加should_filter_element()
  • 添加categorize_element()
  • 添加generate_promoter_report()
  • 添加calculate_enrichment()
  • 添加calculate_cooccurrence()
  • 添加calculate_promoter_complexity()

R代码

• scripts/promoter_v4_final.R (最终版本)

修订记录文档

• REVISION_PROMOTER_20250327.md
• REVISION_PROMOTER_V2_20250327.md
• REVISION_PROMOTER_V3_20250327.md
• REVISION_PROMOTER_V4_20250327.md
• REVISION_PROMOTER_V4_FINAL_20250327.md

4. 生物学发现 (Ft.SPL示例)

元件分布

• Core promoter: 2,565 (69.3%) - TATA-box(1,460), CAAT-box(852)
• Hormone signaling: 255 (6.9%)
• Light response: 188 (5.1%)
• Stress response: 177 (4.8%)
• TF binding: 196 (5.3%)

共现模式

• CAAT-box + MYB: 23基因
• CAAT-box + TATA-box: 23基因
• Hub元件: Box 4, CAAT-box, MYB (各75连接)

复杂度

• 平均: 241.4分
• 最高: FtPinG0006337300 (361.44分)
• 所有基因均为"Very High"复杂度

5. 运行方式

# Python分析
python apps/cli/run_promoter.py \
  --input-dir input/job_xxx \
  --workspace workspace/job_xxx \
  --prefix Ft.SPL

# R可视化
Rscript scripts/promoter_v4_final.R \
  [树PDF] [分组文件] [启动子文件] [描述文件] [输出前缀]

测试状态

✅ Syntax check: PASSED
✅ Filter function: 572 elements filtered
✅ Categorization: 13 categories assigned
✅ Report generation: SUCCESS
✅ Enrichment analysis: 160 pairs
✅ Co-occurrence analysis: 1,819 pairs
✅ Complexity scoring: 23 genes
✅ R visualization: 8/8 files generated
✅ External tree PDF reading: SUCCESS
✅ Red-green color scheme: RdYlGn applied

时间

• 开始: 2026-03-27 10:56
• 完成: 2026-03-27 20:30
• 总时长: ~10小时

备注

• 使用test4py311环境运行R脚本
• 需要R包: tidyverse, ggtree, treeio, ape, patchwork, aplot, RColorBrewer
• 系统依赖: pdftoppm (用于PDF转PNG)