如何用Python基于Excel中的距离矩阵构建系统发育树？

需求可行性 #

完全可以实现。Python拥有多个成熟的生物信息学库，支持从距离矩阵构建并绘制系统发育树，常见的包括scikit-bio、Biopython、ete3等。

问题分析 #

你之前的代码未成功生成预期树形，核心问题包括：

• 读取CSV时未将物种名称列设为索引，导致树构建工具无法识别样本标识
• 距离矩阵为下三角形式，缺失上三角数据，不符合树构建工具对对称矩阵的要求
• 仅完成树对象构建，缺少可视化步骤

完整实现方案 #

1. 安装依赖库 #

执行以下命令安装所需工具包：

pip install pandas scikit-bio matplotlib

2. 完整代码（scikit-bio版本） #

import pandas as pd
import skbio
import matplotlib.pyplot as plt

# 读取CSV文件，将第一列设为物种索引
df = pd.read_csv('Book1.csv', index_col=0)
# 补全对称矩阵：将上三角缺失值填充为下三角对应值
df = df.fillna(df.T)

# 转换为scikit-bio要求的DistanceMatrix对象
dm = skbio.DistanceMatrix(df.values, ids=df.index.tolist())

# 构建UPGMA树并绘制
upgma_tree = skbio.tree.upgma(dm)
fig, ax = plt.subplots(figsize=(10, 6))
skbio.draw.tree(upgma_tree, ax=ax, label_func=lambda x: x.name)
plt.title('UPGMA系统发育树')
plt.show()

# 构建NJ树并绘制
nj_tree = skbio.tree.nj(dm)
fig, ax = plt.subplots(figsize=(10, 6))
skbio.draw.tree(nj_tree, ax=ax, label_func=lambda x: x.name)
plt.title('NJ系统发育树')
plt.show()

3. 适配你原有代码的Biopython版本 #

如果你更倾向于使用DistanceTreeConstructor，可以用以下代码：

import pandas as pd
from Bio.Phylo.TreeConstruction import DistanceMatrix, DistanceTreeConstructor
from Bio.Phylo import draw
import matplotlib.pyplot as plt

# 读取并补全矩阵
df = pd.read_csv('Book1.csv', index_col=0)
df = df.fillna(df.T)

# 转换为Biopython的DistanceMatrix对象
ids = df.index.tolist()
matrix = df.values.tolist()
dm = DistanceMatrix(ids=ids, matrix=matrix)

# 构建并绘制UPGMA树
constructor = DistanceTreeConstructor()
upgma_tree = constructor.upgma(dm)
draw(upgma_tree)
plt.title('UPGMA系统发育树')
plt.show()

# 构建并绘制NJ树
nj_tree = constructor.nj(dm)
draw(nj_tree)
plt.title('NJ系统发育树')
plt.show()

关键注意事项 #

• 矩阵补全：距离矩阵必须是对称矩阵，df.fillna(df.T)可快速补全下三角矩阵的缺失部分
• 数据格式转换：树构建工具无法直接识别Pandas DataFrame，必须转为对应库的DistanceMatrix对象
• 可视化调整：可通过修改figsize参数调整树形图大小，label_func可自定义物种标签显示方式

内容的提问来源于stack exchange，提问作者Riaz Hussain Khan