数据集概述
本数据集为PhyloGenes平台1.2版本发布的基因家族数据压缩包，包含基因家族的系统发育树文件和基因成员信息文件，覆盖基因ID、分类学名称、序列登录号、功能注释等核心内容，支持生物信息学领域的基因家族分析与功能研究。
文件详解
- PhyloXML_files文件夹
- 文件名称：以.xml命名（每个家族对应一个文件）
- 文件格式：PhyloXML
- 字段映射介绍：
- 叶节点：包含分支长度、基因ID（name）、分类学科学名称（taxonomy scientific_name）、UniProt登录号（sequence accession）
- 非叶节点：包含分支长度、进化事件类型（events，如duplication或speciation）
- phylogenes_csv.tar.xz压缩包
- 文件名称：以.csv命名（每个家族对应一个文件）
- 文件格式：CSV
- 字段映射介绍：包含Uniprot ID、Gene（基因名，无则为Gene ID）、Gene ID、Gene name、Organism（生物）、Subfamily name（亚家族名）列；后续列为已知功能（GO分子功能术语，1/0表示是否存在，基于实验证据注释）
数据来源
PhyloGenes平台（release version 1.2，phylogenes.org）
适用场景
- 基因家族系统发育分析：利用PhyloXML文件构建的系统发育树，研究基因家族的进化关系与分化模式
- 基因功能注释研究：通过CSV文件的GO功能术语，分析基因家族成员的功能分布与保守性
- 跨物种基因比较：结合分类学名称与生物信息，开展不同物种间同源基因的比较研究
- 生物信息学数据库补充：为基因组学、进化生物学相关数据库提供标准化的基因家族数据支撑
