cuba-rs

cuba-rs 是一个用 Rust 编写的高性能密码子使用偏好性（Codon Usage Bias）分析工具，功能上参考了 R 包 cubar，在保持计算结果一致的同时，提供更快的启动速度和更低的内存占用。

功能特性

• 全功能 CLI：11 个子命令覆盖密码子偏好性分析的所有主要需求
• 27 个 NCBI 遗传密码表：支持标准密码表及线粒体、原生生物等变体
• 与 R cubar 数值一致：ENC/CAI/GC/RSCU 等核心指标与 R 版相关系数 > 0.997
• 并行计算：利用 rayon 多线程加速大规模数据分析
• 多格式输出：CSV / TSV / JSON
• 零依赖运行：单个静态二进制文件，无需 R/Bioconductor 环境

安装

从源码编译

git clone https://github.com/BioEarthDigital/cuba-rs.git
cd cuba-rs
cargo build --release

编译后的二进制文件位于 target/release/cuba-rs，可直接复制到任意 $PATH 目录。

预编译二进制（即将提供）

# macOS (Apple Silicon)
curl -L https://github.com/BioEarthDigital/cuba-rs/releases/latest/download/cuba-rs-aarch64-apple-darwin.tar.gz | tar xz

# Linux (x86_64)
curl -L https://github.com/BioEarthDigital/cuba-rs/releases/latest/download/cuba-rs-x86_64-unknown-linux-gnu.tar.gz | tar xz

快速开始

# 查看帮助
cuba-rs --help

# 列出所有遗传密码表
cuba-rs list-codes

# 显示标准密码表
cuba-rs show-code 1

典型分析流程

# 1. 密码子计数
cuba-rs count cdna.fasta -o codon_counts.csv

# 2. 计算有效密码子数（ENC）—— 密码子偏好性总体度量
cuba-rs enc cdna.fasta -o enc.csv

# 3. 计算相对同义密码子使用度（RSCU）
cuba-rs rscu cdna.fasta -o rscu.csv

# 4. 使用高表达基因作为参考，计算密码子适应指数（CAI）
cuba-rs cai cdna.fasta -r highly_expressed.fasta -o cai.csv

# 5. GC 含量分析（GC、GC3s、GC4d）
cuba-rs gc cdna.fasta -o gc.csv

# 6. 识别最优密码子
cuba-rs optimal cdna.fasta -e expression.tsv -o optimal_codons.csv

# 7. 密码子优化
cuba-rs optimize target.fasta -O optimal_codons.txt -o optimized.fasta

# 8. 滑动窗口分析
cuba-rs slide cdna.fasta -w 20 -s 5 -r ref.fasta -o windows.csv

命令参考

命令	说明	关键参数
count	密码子频率计数	-c 密码表ID, -f 输出格式
enc	有效密码子数（ENC）	-l subfam/amino_acid
cai	密码子适应指数（CAI）	-r 参考序列文件
rscu	相对同义密码子使用度	-p pseudocount, --incl-stop
fop	最优密码子比例	-O 最优密码子文件
tai	tRNA 适应指数	-t tRNA 基因拷贝数文件
gc	GC/GC3s/GC4d 含量	—
optimal	识别最优密码子	-e 表达量文件
optimize	密码子优化	-O 最优密码子文件, -m 策略
slide	滑动窗口分析	-w 窗口, -s 步长, -M 指标
list-codes	列出遗传密码表	—
show-code	显示密码表详情	密码表ID

全局参数

参数	说明	默认值
-c, --gcid	NCBI 遗传密码表 ID	1 (Standard)
-f, --format	输出格式：csv / tsv / json	csv
-o, --output	输出文件路径	stdout

支持的遗传密码表

ID	名称
1	Standard
2	Vertebrate Mitochondrial
3	Yeast Mitochondrial
4	Mold/Protozoan Mitochondrial & Mycoplasma/Spiroplasma
5	Invertebrate Mitochondrial
6	Ciliate/Dasycladacean/Hexamita Nuclear
9	Echinoderm/Flatworm Mitochondrial
10	Euplotid Nuclear
11	Bacterial/Archaeal/Plant Plastid
12	Alternative Yeast Nuclear
13	Ascidian Mitochondrial
14	Alternative Flatworm Mitochondrial
15	Blepharisma Nuclear
16	Chlorophycean Mitochondrial
21	Trematode Mitochondrial
22	Scenedesmus obliquus Mitochondrial
23	Thraustochytrium Mitochondrial
24	Pterobranchia Mitochondrial
25	Candidate Division SR1/Gracilibacteria
26	Pachysolen tannophilus Nuclear
27	Karyorelict Nuclear
28	Condylostoma Nuclear
29	Mesodinium Nuclear
30	Peritrich Nuclear
31	Blastocrithidia Nuclear
33	Cephalodiscidae Mitochondrial

输入格式

FASTA 文件 (CDS)

>gene1
ATGGCTGGTAAATGGGCTGCTGGTGGTGCTTAA
>gene2
ATGGCCGGAAGGTGGGCAGCCGGCGGCGCCTGA

tRNA 基因拷贝数文件 (TSV)

# anticodon    copy_number
GAA            10
CAT            8
CCA            6

表达量文件 (TSV)

# gene_id      expression_level
YPL071C        1234.5
YLL050C        567.8

最优密码子文件

# 每行一个最优密码子
GCT
GGC
AAA

与 R cubar 精度对比

使用 497 个酵母 CDS 基因验证（yeast_cds 数据集）：

指标	Pearson r	平均绝对差
ENC	1.000000	0.000025
GC	0.999056	0.001412
GC3s	1.000000	0.000000
GC4d	1.000000	0.000000
CAI	0.997207	0.006688

全部差异均在浮点舍入误差范围内。

实现的算法与参考文献

指标	方法	参考文献
ENC	Sun et al. (2013) 改进算法	Mol Biol Evol 30:191–196
CAI	Sharp & Li (1987)	Nucleic Acids Res 15:1281–1295
RSCU	Sharp et al. (1986)	Nucleic Acids Res 14:5125–5143
tAI	dos Reis et al. (2004)	Nucleic Acids Res 32:5036–5044
Fop	Ikemura (1981)	J Mol Biol 151:389–409
DP	—	Deviation from proportionality

项目结构

CUB/
├── Cargo.toml              # workspace
├── cuba-core/             # 核心计算库
│   └── src/
│       ├── genetic_code.rs  # 遗传密码表 (NCBI 1-33)
│       ├── sequence.rs      # FASTA I/O, CDS 验证
│       ├── count.rs         # 密码子计数
│       ├── metrics/         # 核心指标
│       │   ├── enc.rs       # ENC
│       │   ├── cai.rs       # CAI
│       │   ├── rscu.rs      # RSCU
│       │   ├── fop.rs       # Fop
│       │   ├── tai.rs       # tAI
│       │   ├── gc.rs        # GC/GC3s/GC4d
│       │   └── dp.rs        # DP
│       ├── optimize.rs      # 密码子优化
│       └── slide.rs         # 滑动窗口
├── cuba-cli/               # CLI 二进制
│   └── src/
│       ├── main.rs
│       └── commands/        # 各子命令实现
└── test_data/               # 测试数据

依赖

Crate	用途
clap	CLI 参数解析
needletail	FASTA 文件解析
serde / serde_json	序列化
csv	CSV/TSV 输出
rayon	并行计算
anyhow	错误处理

开发

# 运行测试
cargo test

# 发布构建
cargo build --release

# 运行 linter
cargo clippy

# 格式化代码
cargo fmt

License

MIT © cuba-rs developers

致谢

本项目参考了 cubar R 包（Hong Zhang, Mengyue Liu, Bu Zi），感谢原作者在密码子偏好性分析方法上的卓越工作。