1. 从一堆 FASTA 到一棵能解释的树：入门者最容易卡在哪

如果你刚接触生物信息学，手里拿到几十条同源序列，想画一棵系统发育树，大概率会经历这样的流程：先做多序列比对，再选替换模型，然后跑建树软件，最后把.treefile丢进可视化工具。听起来只有四步，但每一步都有坑。比对里 gap 太多、模型选错、自举值低到没法看、Newick 文件打开是一堆乱码——这些问题我在帮同学看数据时几乎每周都会遇到。

进化树的基本概念其实不复杂。结点分外部结点（叶结点，也就是你的序列样本）和内部结点（推定的祖先）。分枝代表进化关系，分枝长度代表进化距离，越短说明序列差异越小。分化枝是一个共同祖先加上它所有后代组成的群体。外群是亲缘关系较远但又有一定关联的序列，用来给树定根。自举值通过 Bootstrap 检验评估每个二分叉的可信度，通常大于 70 才认为可靠。这些概念在 MEGA、IQ-TREE 的输出里都会直接出现，理解它们才能读懂树。

真正让入门者卡住的，往往不是概念，而是数据准备阶段的琐碎工作：序列从哪来、怎么批量下载、格式怎么统一、比对参数怎么设。这篇就按“序列获取 → 比对 → 模型选择 → 建树 → 可视化”的完整链路走一遍，中间会用到 TaoToken 的统一 Key 通道来批量拉取序列，也会给出可直接复制的 Newick 示例、MEGA 与 IQ-TREE 的配置参数。目标很明确：让你独立完成一棵自举值可解释、拓扑结构站得住的系统发育树。

适合谁看？做过基础分子实验、会一点命令行、但没完整跑过建树流程的本科生和研一同学。如果你已经能熟练使用 RAxML 或 BEAST，这篇的部分内容会显得基础，但批量序列获取和模型选择那两节仍然值得扫一眼。

2. 建树前的数据准备：用 TaoToken 统一 Key 批量获取序列并整理成可比对格式

建树的第一步不是打开 MEGA，而是把序列搞到手并整理干净。很多教程直接从“假设你已经有比对好的 FASTA”开始，但实际项目里，序列获取和清洗往往占掉一半时间。这一节讲怎么用 TaoToken 的统一 Key 通道批量调用 API 拉取序列，以及拉下来之后怎么整理成建树软件能吃的格式。

TaoToken 在这里的角色是一个统一的 API 入口。你不需要为每个模型或服务单独管理一套密钥，用同一个 Key 就能调用不同的模型接口。对于生物信息学场景，这意味着你可以写一个脚本，批量请求序列注释、格式转换建议，甚至让模型帮你检查 FASTA 文件的格式问题。官网在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 端点是 https://taotoken.net/api 。

先拿 Key。进入控制台创建 API Key，地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 。创建后复制那串sk-开头的字符串，后面脚本里要用。如果你只是想先试试模型对话能力，可以打开 https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite 直接对话，不需要写代码。

拿到 Key 之后，把它写进环境变量，避免硬编码在脚本里：

export TAOTOKEN_API_KEY="sk-你的实际key"

然后写一个 Python 脚本，批量请求序列相关的辅助信息。下面这个例子演示的是：给定一组 accession 编号，让模型帮你生成对应的下载命令和格式转换步骤。实际使用时你可以把 prompt 换成任何与序列处理相关的问题。

import os import requests API_KEY = os.environ["TAOTOKEN_API_KEY"] BASE_URL = "https://taotoken.net/api" def ask_model(prompt, model="claude-sonnet-4-20250514"): headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } payload = { "model": model, "messages": [ {"role": "user", "content": prompt} ], "max_tokens": 1024 } resp = requests.post(f"{BASE_URL}/v1/messages", headers=headers, json=payload, timeout=60) resp.raise_for_status() data = resp.json() return data["content"][0]["text"] if __name__ == "__main__": accs = ["NC_045512.2", "MN908947.3", "MT020781.1"] prompt = f"我有以下 GenBank accession：{', '.join(accs)}。请给出用 efetch 批量下载 FASTA 的命令，并说明如何把下载结果合并成一个 multi-FASTA 文件。" print(ask_model(prompt))

这段代码跑通后，你会得到类似这样的输出：用efetch -db nucleotide -id ... -format fasta逐条下载，然后用cat合并。模型返回的是文本建议，你复制命令到终端执行即可。注意，TaoToken 在这里提供的是模型推理能力，不是直接替你下载序列；序列下载仍然走 NCBI 的 efetch 或 datasets 工具。

序列到手后，检查三件事：第一条序列是不是完整、有没有重复的序列 ID、有没有非 ATGC 的字符（比如 N 或 gap）。用一行命令快速看：

grep -c ">" sequences.fasta grep -v ">" sequences.fasta | grep -o "[^ATGC]" | sort | uniq -c

如果出现大量 N，说明序列质量不行，建树时这些位点会被当作缺失处理，可能拉低自举值。这时候要么换序列，要么在比对后手动修剪。

接下来是多序列比对。命令行用 MAFFT 最省事：

mafft --auto --thread 4 sequences.fasta > aligned.fasta

--auto会让 MAFFT 自动选择适合数据规模的算法。比对完打开看看，如果 gap 集中在两端，可以用 trimAl 修剪：

trimal -in aligned.fasta -out trimmed.fasta -automated1

到这里，你得到的就是一棵树的输入文件：trimmed.fasta。下一步是选替换模型。

3. 模型选择与建树配置：IQ-TREE 的 ModelFinder 和 MEGA 的参数怎么填

模型选择是建树里最容易被忽略、但对结果影响最大的一步。距离矩阵法、最大似然法、贝叶斯推断都依赖核苷酸替换模型。JC69 假设所有碱基频率相等、任何两个核苷酸之间替换率相同；K80 区分转换和颠换；HKY85 和 GTR 放宽了碱基频率相等的假设。对于 GC 含量偏高的序列（比如结核分枝杆菌，GC 约 65%），用 JC69 会严重偏差，必须用 GTR 或 HKY 加 Gamma 分布。

IQ-TREE 内置了 ModelFinder，可以自动选模型。命令如下：

iqtree2 -s trimmed.fasta -m MFP -B 1000 -T 4 --prefix mytree

参数解释：-s指定比对文件；-m MFP表示用 ModelFinder 找最佳模型；-B 1000做 1000 次超快自举（UFBoot），比传统 Bootstrap 快很多；-T 4用 4 个线程；--prefix指定输出文件前缀。跑完后看mytree.iqtree文件，里面会报告选出的最佳模型，比如GTR+F+I+G4。这个模型名可以直接写进后续分析。

如果你用 MEGA，图形界面里选“Phylogenetic Analysis → Construct/Test Maximum Likelihood Tree”。在参数面板里，Test of Phylogeny 选 Bootstrap method，No. of Bootstrap Replications 填 1000。Substitution Model 那一栏，MEGA 会自动推荐，但你可以手动指定。对于编码序列，建议勾选“Codon Positions”里的 1st+2nd+3rd，或者按需要排除第三位。Gaps/Missing Data Treatment 选“Complete Deletion”还是“Pairwise Deletion”要看数据：如果 gap 很少，用 Complete Deletion；如果 gap 多且分布散，用 Pairwise Deletion 但要注意它可能高估支持率。

MEGA 的 NJ 法配置更简单：选“Neighbor-Joining Tree”，Model 选“Kimura 2-parameter”或“Tamura-Nei”，Bootstrap 同样 1000 次。NJ 法计算快，适合序列相似度高的大型数据集。但要注意，NJ 法对 gap 敏感，比对质量差时结果不可靠。

关于 NJ 和 ME 的选择：NJ 树通常与 ME 树相同，但分类群数量少时差异可能很大。位点数量少时 NJ 更容易得到正确拓扑；位点数量多（比如全基因组对齐）时优选 ME。MEGA 提供了 Close-neighbor-interchange search 来检查 NJ 树的邻域，可能找到更优的 ME 树。

跑完 IQ-TREE 后，你会得到mytree.treefile，这是 Newick 格式的树文件。打开看一眼：

cat mytree.treefile

输出类似：

(A:0.002,B:0.003,(C:0.001,D:0.004)95:0.002);

括号表示拓扑结构，冒号后面的数字是分枝长度，95是自举值。这个文件可以直接拖进 iTOL 或 FigTree 可视化。

如果你需要把配置写成可复制的 JSON 片段（比如在自动化流程里调用），可以这样组织：

{ "alignment": "trimmed.fasta", "model": "GTR+F+I+G4", "bootstrap": 1000, "threads": 4, "output_prefix": "mytree", "tree_format": "newick" }

这个 JSON 不是 IQ-TREE 的直接输入格式，但你可以写一个包装脚本读取它并拼出命令行。对于 Cline MCP 或 Codex 的auth.json场景，如果你要把建树流程接入 Agent，需要同时配置三件套：Base URL 填https://taotoken.net/api，Key 填你的sk-字符串，Model ID 填你选用的模型名（比如claude-sonnet-4-20250514）。这三项缺一不可，否则请求会返回 401。

4. 验证请求与成功结果：从 API 调用到树文件生成的全链路检查

配置写完后，不要直接跑全量数据。先用一个小测试集验证整条链路通不通。我通常用 4 条序列做冒烟测试，确认 API 能调通、比对能跑、建树能出结果。

第一步，验证 TaoToken API 是否可达。写一个最小请求：

import os, requests API_KEY = os.environ["TAOTOKEN_API_KEY"] resp = requests.post( "https://taotoken.net/api/v1/messages", headers={ "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" }, json={ "model": "claude-sonnet-4-20250514", "messages": [{"role": "user", "content": "回复 OK 两个字母即可"}], "max_tokens": 16 }, timeout=30 ) print(resp.status_code) print(resp.json())

如果返回 200 并且 content 里有“OK”，说明 Key 和 Base URL 都正确。如果返回 401，检查 Key 是否复制完整、有没有多余空格。如果返回local proxy failed，说明你的网络环境到 API 端点的连接有问题，换一个网络环境重试，不要在本机挂任何代理工具。

第二步，跑比对和建树。用 4 条序列的 mini 数据集：

mafft --auto mini.fasta > mini_aligned.fasta iqtree2 -s mini_aligned.fasta -m MFP -B 1000 -T 2 --prefix mini_tree

跑完后检查mini_tree.iqtree里的日志，确认 ModelFinder 选出了模型、UFBoot 完成了 1000 次。然后看mini_tree.treefile，应该是一行 Newick 字符串。把它复制到 FigTree 里打开，检查三件事：叶结点名称是否和输入序列一致、分枝长度是否为正数、自举值是否标在结点上。

第三步，检查自举值分布。如果所有内部结点的自举值都低于 70，说明数据信息量不足或者模型不合适。这时候可以尝试：增加序列长度（如果可能）、换模型（比如从 JC69 换到 GTR+G）、或者检查比对里是不是有大量 gap。低自举值通常出现在树末端（单个物种的不同株），靠近根部的低自举值则说明早期分化关系不确定。

一个成功的建树结果应该满足：树文件能被标准工具解析、自举值大部分大于 70、拓扑结构与已知分类学关系不矛盾。如果这三点都满足，你就可以把这棵树用于后续分析或写进报告了。

5. 常见报错与排查：401、local proxy failed、reading choices 报错怎么处理

建树流程里遇到的报错大致分两类：API 调用报错和建树软件报错。下面按真实错误信息逐一排查。

401 Unauthorized。这是最常见的 API 报错。原因通常是 Key 不对或请求头格式错。检查三点：Authorization头是不是Bearer sk-xxx格式（Bearer 后面有一个空格）；Key 有没有过期或被删除；请求的 URL 是不是https://taotoken.net/api/v1/messages（注意/api后面直接跟/v1，不要多加斜杠）。如果确认都没问题，去控制台重新生成一个 Key 再试。

local proxy failed。这个报错说明请求在到达 TaoToken 之前就被本地网络环境拦截了。处理方式是关闭本机所有网络代理工具，确保直连。如果你在公司内网，可能需要联系网络管理员确认出口策略。不要尝试用任何代理工具绕过，那样只会让问题更复杂。

reading choices 报错。这个通常出现在解析模型返回的 JSON 时。如果模型返回的内容不是标准 JSON（比如被截断），resp.json()会抛异常。解决办法是加一层容错：

try: data = resp.json() text = data["content"][0]["text"] except (KeyError, IndexError, ValueError) as e: print("解析失败，原始返回：", resp.text) raise

同时检查max_tokens是不是设得太小，导致返回被截断。建树相关的 prompt 通常需要 500 以上的 token，建议设 1024 或更高。

OAuth 相关报错。如果你在 Claude Code 或类似工具里配置 TaoToken，遇到 OAuth 报错，说明认证方式选错了。TaoToken 用的是 API Key 认证，不是 OAuth。在配置文件里应该填api_key字段而不是oauth_token。Claude Code 的配置路径通常在~/.claude/settings.json，写入：

{ "api_key": "sk-你的key", "base_url": "https://taotoken.net/api", "model": "claude-sonnet-4-20250514" }

IQ-TREE 报错 “Alignment has too few sites”。说明修剪后位点太少，信息量不足以建树。检查 trimAl 的参数是不是太激进，可以改用-gappyout或手动指定保留比例。

MEGA 报错 “Sequence names contain illegal characters”。MEGA 对序列名里的空格、括号、冒号敏感。用 sed 批量替换：

sed -i 's/[ ()]/_/g' aligned.fasta

自举值全部为 100 或全部为 0。全部 100 通常说明序列太相似，没有信息位点；全部 0 说明比对或模型有严重问题。检查比对文件里是不是有大量相同序列，或者模型选成了不合适的类型。

6. 把树跑通之后：可视化、解读与下一步

树文件生成后，可视化是最后一步。FigTree 和 iTOL 都支持 Newick 格式。FigTree 适合快速查看和调整分枝粗细、颜色；iTOL 适合做出版级图，支持在线注释。把mytree.treefile拖进 FigTree，在 “Node Labels” 里勾选 “Bootstrap”，自举值就会显示在结点上。如果自举值低于 70，可以考虑把那个结点折叠，或者在图注里说明该分支可信度较低。

解读一棵树时，先看拓扑结构：哪些序列聚在一起、外群是否落在预期位置。再看分枝长度：长度差异大的分支说明进化速率不同。最后看自举值：大于 70 的分支可以放心讨论，低于 70 的分支只能作为参考。

如果你需要把这棵树和更多数据结合，比如做分子钟分析推断分化时间，那就需要更复杂的模型（如 BEAST 的严格钟或松弛钟）。但那是下一步的事了。先把这棵基础树跑通、跑对，比什么都重要。

最后给一个实用技巧：把整个流程写成一个 shell 脚本，每次换数据集只改输入文件名。这样你跑第二棵树的时候，从序列到 Newick 只需要一条命令。脚本里记得把 TaoToken 的 Key 从环境变量读取，不要写死在文件里。