cool/core/codon_usage_tables.py

"""Per-species codon-usage tables — GENERATED, do not edit by hand.

Source: Kazusa CUTG (Codon Usage Tabulated from GenBank), plant division.
Each table is the measured nuclear codon usage for that species' own taxid —
no cross-species proxies. Regenerate with:  python -m tools.build_codon_usage

SPECIES_CDS_COUNT records how many CDS were compiled per species (provenance /
confidence): larger = more reliable codon statistics.
"""

CODON_USAGE_TABLES = {
    # Arabidopsis thaliana (taxid in subset; 80,395 CDS compiled)
    'arabidopsis': {
        'A': {'GCA': 0.268, 'GCC': 0.159, 'GCG': 0.139, 'GCT': 0.435},
        'C': {'TGC': 0.405, 'TGT': 0.595},
        'D': {'GAC': 0.320, 'GAT': 0.680},
        'E': {'GAA': 0.516, 'GAG': 0.484},
        'F': {'TTC': 0.486, 'TTT': 0.514},
        'G': {'GGA': 0.368, 'GGC': 0.139, 'GGG': 0.155, 'GGT': 0.338},
        'H': {'CAC': 0.387, 'CAT': 0.613},
        'I': {'ATA': 0.239, 'ATC': 0.352, 'ATT': 0.408},
        'K': {'AAA': 0.485, 'AAG': 0.515},
        'L': {'CTA': 0.106, 'CTC': 0.172, 'CTG': 0.105, 'CTT': 0.258, 'TTA': 0.136, 'TTG': 0.223},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.484, 'AAT': 0.516},
        'P': {'CCA': 0.331, 'CCC': 0.109, 'CCG': 0.177, 'CCT': 0.383},
        'Q': {'CAA': 0.561, 'CAG': 0.439},
        'R': {'CGA': 0.117, 'CGC': 0.070, 'CGG': 0.090, 'CGT': 0.167, 'AGA': 0.352, 'AGG': 0.203},
        'S': {'TCA': 0.205, 'TCC': 0.125, 'TCG': 0.104, 'TCT': 0.282, 'AGC': 0.127, 'AGT': 0.157},
        'T': {'ACA': 0.306, 'ACC': 0.202, 'ACG': 0.151, 'ACT': 0.342},
        'V': {'GTA': 0.147, 'GTC': 0.190, 'GTG': 0.258, 'GTT': 0.405},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.484, 'TAT': 0.516},
        '_': {'TAA': 0.358, 'TAG': 0.200, 'TGA': 0.442},
    },
    # Oryza sativa (taxid in subset; 92,188 CDS compiled)
    'rice': {
        'A': {'GCA': 0.184, 'GCC': 0.326, 'GCG': 0.282, 'GCT': 0.208},
        'C': {'TGC': 0.666, 'TGT': 0.334},
        'D': {'GAC': 0.526, 'GAT': 0.474},
        'E': {'GAA': 0.360, 'GAG': 0.640},
        'F': {'TTC': 0.631, 'TTT': 0.369},
        'G': {'GGA': 0.206, 'GGC': 0.381, 'GGG': 0.221, 'GGT': 0.192},
        'H': {'CAC': 0.550, 'CAT': 0.450},
        'I': {'ATA': 0.207, 'ATC': 0.458, 'ATT': 0.335},
        'K': {'AAA': 0.331, 'AAG': 0.669},
        'L': {'CTA': 0.085, 'CTC': 0.285, 'CTG': 0.232, 'CTT': 0.168, 'TTA': 0.068, 'TTG': 0.162},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.551, 'AAT': 0.449},
        'P': {'CCA': 0.246, 'CCC': 0.209, 'CCG': 0.310, 'CCT': 0.235},
        'Q': {'CAA': 0.393, 'CAG': 0.607},
        'R': {'CGA': 0.092, 'CGC': 0.232, 'CGG': 0.193, 'CGT': 0.103, 'AGA': 0.151, 'AGG': 0.229},
        'S': {'TCA': 0.158, 'TCC': 0.208, 'TCG': 0.157, 'TCT': 0.162, 'AGC': 0.203, 'AGT': 0.112},
        'T': {'ACA': 0.239, 'ACC': 0.307, 'ACG': 0.235, 'ACT': 0.220},
        'V': {'GTA': 0.102, 'GTC': 0.301, 'GTG': 0.364, 'GTT': 0.233},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.604, 'TAT': 0.396},
        '_': {'TAA': 0.242, 'TAG': 0.309, 'TGA': 0.448},
    },
    # Zea mays (taxid in subset; 2,482 CDS compiled)
    'maize': {
        'A': {'GCA': 0.181, 'GCC': 0.338, 'GCG': 0.253, 'GCT': 0.228},
        'C': {'TGC': 0.684, 'TGT': 0.316},
        'D': {'GAC': 0.583, 'GAT': 0.417},
        'E': {'GAA': 0.328, 'GAG': 0.672},
        'F': {'TTC': 0.665, 'TTT': 0.335},
        'G': {'GGA': 0.183, 'GGC': 0.414, 'GGG': 0.210, 'GGT': 0.193},
        'H': {'CAC': 0.597, 'CAT': 0.403},
        'I': {'ATA': 0.188, 'ATC': 0.505, 'ATT': 0.307},
        'K': {'AAA': 0.277, 'AAG': 0.723},
        'L': {'CTA': 0.078, 'CTC': 0.273, 'CTG': 0.278, 'CTT': 0.169, 'TTA': 0.061, 'TTG': 0.140},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.621, 'AAT': 0.379},
        'P': {'CCA': 0.247, 'CCC': 0.243, 'CCG': 0.283, 'CCT': 0.226},
        'Q': {'CAA': 0.358, 'CAG': 0.642},
        'R': {'CGA': 0.075, 'CGC': 0.247, 'CGG': 0.165, 'CGT': 0.104, 'AGA': 0.153, 'AGG': 0.256},
        'S': {'TCA': 0.149, 'TCC': 0.221, 'TCG': 0.144, 'TCT': 0.161, 'AGC': 0.221, 'AGT': 0.105},
        'T': {'ACA': 0.215, 'ACC': 0.340, 'ACG': 0.225, 'ACT': 0.220},
        'V': {'GTA': 0.094, 'GTC': 0.306, 'GTG': 0.371, 'GTT': 0.228},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.671, 'TAT': 0.329},
        '_': {'TAA': 0.215, 'TAG': 0.300, 'TGA': 0.484},
    },
    # Solanum lycopersicum (taxid in subset; 1,452 CDS compiled)
    'tomato': {
        'A': {'GCA': 0.326, 'GCC': 0.148, 'GCG': 0.077, 'GCT': 0.449},
        'C': {'TGC': 0.380, 'TGT': 0.620},
        'D': {'GAC': 0.276, 'GAT': 0.724},
        'E': {'GAA': 0.566, 'GAG': 0.434},
        'F': {'TTC': 0.403, 'TTT': 0.597},
        'G': {'GGA': 0.366, 'GGC': 0.139, 'GGG': 0.154, 'GGT': 0.342},
        'H': {'CAC': 0.334, 'CAT': 0.666},
        'I': {'ATA': 0.249, 'ATC': 0.249, 'ATT': 0.502},
        'K': {'AAA': 0.501, 'AAG': 0.499},
        'L': {'CTA': 0.105, 'CTC': 0.118, 'CTG': 0.110, 'CTT': 0.262, 'TTA': 0.151, 'TTG': 0.254},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.363, 'AAT': 0.637},
        'P': {'CCA': 0.394, 'CCC': 0.118, 'CCG': 0.094, 'CCT': 0.394},
        'Q': {'CAA': 0.600, 'CAG': 0.400},
        'R': {'CGA': 0.115, 'CGC': 0.066, 'CGG': 0.067, 'CGT': 0.148, 'AGA': 0.350, 'AGG': 0.254},
        'S': {'TCA': 0.252, 'TCC': 0.121, 'TCG': 0.068, 'TCT': 0.259, 'AGC': 0.114, 'AGT': 0.186},
        'T': {'ACA': 0.350, 'ACC': 0.169, 'ACG': 0.091, 'ACT': 0.390},
        'V': {'GTA': 0.172, 'GTC': 0.154, 'GTG': 0.246, 'GTT': 0.429},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.400, 'TAT': 0.600},
        '_': {'TAA': 0.401, 'TAG': 0.228, 'TGA': 0.371},
    },
    # Glycine max (taxid in subset; 1,207 CDS compiled)
    'soybean': {
        'A': {'GCA': 0.303, 'GCC': 0.230, 'GCG': 0.089, 'GCT': 0.378},
        'C': {'TGC': 0.499, 'TGT': 0.501},
        'D': {'GAC': 0.386, 'GAT': 0.614},
        'E': {'GAA': 0.500, 'GAG': 0.500},
        'F': {'TTC': 0.500, 'TTT': 0.500},
        'G': {'GGA': 0.320, 'GGC': 0.193, 'GGG': 0.187, 'GGT': 0.300},
        'H': {'CAC': 0.454, 'CAT': 0.546},
        'I': {'ATA': 0.238, 'ATC': 0.300, 'ATT': 0.462},
        'K': {'AAA': 0.428, 'AAG': 0.572},
        'L': {'CTA': 0.090, 'CTC': 0.182, 'CTG': 0.135, 'CTT': 0.253, 'TTA': 0.097, 'TTG': 0.243},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.504, 'AAT': 0.496},
        'P': {'CCA': 0.362, 'CCC': 0.192, 'CCG': 0.088, 'CCT': 0.358},
        'Q': {'CAA': 0.558, 'CAG': 0.442},
        'R': {'CGA': 0.085, 'CGC': 0.130, 'CGG': 0.063, 'CGT': 0.138, 'AGA': 0.308, 'AGG': 0.276},
        'S': {'TCA': 0.206, 'TCC': 0.171, 'TCG': 0.064, 'TCT': 0.243, 'AGC': 0.149, 'AGT': 0.167},
        'T': {'ACA': 0.294, 'ACC': 0.283, 'ACG': 0.085, 'ACT': 0.338},
        'V': {'GTA': 0.114, 'GTC': 0.177, 'GTG': 0.319, 'GTT': 0.389},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.486, 'TAT': 0.514},
        '_': {'TAA': 0.384, 'TAG': 0.218, 'TGA': 0.398},
    },
    # Triticum aestivum (taxid in subset; 1,860 CDS compiled)
    'wheat': {
        'A': {'GCA': 0.177, 'GCC': 0.378, 'GCG': 0.256, 'GCT': 0.189},
        'C': {'TGC': 0.726, 'TGT': 0.274},
        'D': {'GAC': 0.629, 'GAT': 0.371},
        'E': {'GAA': 0.286, 'GAG': 0.714},
        'F': {'TTC': 0.669, 'TTT': 0.331},
        'G': {'GGA': 0.192, 'GGC': 0.400, 'GGG': 0.231, 'GGT': 0.176},
        'H': {'CAC': 0.620, 'CAT': 0.380},
        'I': {'ATA': 0.157, 'ATC': 0.569, 'ATT': 0.274},
        'K': {'AAA': 0.218, 'AAG': 0.782},
        'L': {'CTA': 0.086, 'CTC': 0.322, 'CTG': 0.262, 'CTT': 0.145, 'TTA': 0.043, 'TTG': 0.142},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.670, 'AAT': 0.330},
        'P': {'CCA': 0.354, 'CCC': 0.221, 'CCG': 0.249, 'CCT': 0.177},
        'Q': {'CAA': 0.525, 'CAG': 0.475},
        'R': {'CGA': 0.061, 'CGC': 0.255, 'CGG': 0.177, 'CGT': 0.113, 'AGA': 0.134, 'AGG': 0.260},
        'S': {'TCA': 0.146, 'TCC': 0.247, 'TCG': 0.147, 'TCT': 0.141, 'AGC': 0.228, 'AGT': 0.090},
        'T': {'ACA': 0.194, 'ACC': 0.405, 'ACG': 0.207, 'ACT': 0.194},
        'V': {'GTA': 0.081, 'GTC': 0.323, 'GTG': 0.379, 'GTT': 0.217},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.713, 'TAT': 0.287},
        '_': {'TAA': 0.234, 'TAG': 0.230, 'TGA': 0.537},
    },
    # Hordeum vulgare (taxid in subset; 364 CDS compiled)
    'barley': {
        'A': {'GCA': 0.173, 'GCC': 0.375, 'GCG': 0.241, 'GCT': 0.211},
        'C': {'TGC': 0.688, 'TGT': 0.312},
        'D': {'GAC': 0.592, 'GAT': 0.408},
        'E': {'GAA': 0.317, 'GAG': 0.683},
        'F': {'TTC': 0.692, 'TTT': 0.308},
        'G': {'GGA': 0.171, 'GGC': 0.409, 'GGG': 0.220, 'GGT': 0.200},
        'H': {'CAC': 0.577, 'CAT': 0.423},
        'I': {'ATA': 0.182, 'ATC': 0.518, 'ATT': 0.299},
        'K': {'AAA': 0.268, 'AAG': 0.732},
        'L': {'CTA': 0.081, 'CTC': 0.311, 'CTG': 0.250, 'CTT': 0.165, 'TTA': 0.054, 'TTG': 0.138},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.657, 'AAT': 0.343},
        'P': {'CCA': 0.248, 'CCC': 0.255, 'CCG': 0.278, 'CCT': 0.220},
        'Q': {'CAA': 0.363, 'CAG': 0.637},
        'R': {'CGA': 0.074, 'CGC': 0.223, 'CGG': 0.186, 'CGT': 0.122, 'AGA': 0.147, 'AGG': 0.248},
        'S': {'TCA': 0.141, 'TCC': 0.240, 'TCG': 0.124, 'TCT': 0.155, 'AGC': 0.236, 'AGT': 0.104},
        'T': {'ACA': 0.202, 'ACC': 0.386, 'ACG': 0.226, 'ACT': 0.186},
        'V': {'GTA': 0.086, 'GTC': 0.322, 'GTG': 0.382, 'GTT': 0.210},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.674, 'TAT': 0.326},
        '_': {'TAA': 0.269, 'TAG': 0.261, 'TGA': 0.471},
    },
    # Sorghum bicolor (taxid in subset; 486 CDS compiled)
    'sorghum': {
        'A': {'GCA': 0.213, 'GCC': 0.316, 'GCG': 0.231, 'GCT': 0.240},
        'C': {'TGC': 0.652, 'TGT': 0.348},
        'D': {'GAC': 0.547, 'GAT': 0.453},
        'E': {'GAA': 0.358, 'GAG': 0.642},
        'F': {'TTC': 0.646, 'TTT': 0.354},
        'G': {'GGA': 0.204, 'GGC': 0.373, 'GGG': 0.214, 'GGT': 0.210},
        'H': {'CAC': 0.571, 'CAT': 0.429},
        'I': {'ATA': 0.208, 'ATC': 0.458, 'ATT': 0.334},
        'K': {'AAA': 0.302, 'AAG': 0.698},
        'L': {'CTA': 0.091, 'CTC': 0.262, 'CTG': 0.250, 'CTT': 0.178, 'TTA': 0.062, 'TTG': 0.157},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.570, 'AAT': 0.430},
        'P': {'CCA': 0.275, 'CCC': 0.216, 'CCG': 0.265, 'CCT': 0.244},
        'Q': {'CAA': 0.368, 'CAG': 0.632},
        'R': {'CGA': 0.083, 'CGC': 0.227, 'CGG': 0.177, 'CGT': 0.110, 'AGA': 0.157, 'AGG': 0.245},
        'S': {'TCA': 0.157, 'TCC': 0.230, 'TCG': 0.133, 'TCT': 0.159, 'AGC': 0.216, 'AGT': 0.105},
        'T': {'ACA': 0.252, 'ACC': 0.307, 'ACG': 0.224, 'ACT': 0.217},
        'V': {'GTA': 0.104, 'GTC': 0.314, 'GTG': 0.353, 'GTT': 0.229},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.624, 'TAT': 0.376},
        '_': {'TAA': 0.160, 'TAG': 0.280, 'TGA': 0.560},
    },
    # Solanum tuberosum (taxid in subset; 975 CDS compiled)
    'potato': {
        'A': {'GCA': 0.324, 'GCC': 0.158, 'GCG': 0.069, 'GCT': 0.448},
        'C': {'TGC': 0.392, 'TGT': 0.608},
        'D': {'GAC': 0.279, 'GAT': 0.721},
        'E': {'GAA': 0.571, 'GAG': 0.429},
        'F': {'TTC': 0.407, 'TTT': 0.593},
        'G': {'GGA': 0.366, 'GGC': 0.148, 'GGG': 0.142, 'GGT': 0.343},
        'H': {'CAC': 0.337, 'CAT': 0.663},
        'I': {'ATA': 0.237, 'ATC': 0.252, 'ATT': 0.511},
        'K': {'AAA': 0.494, 'AAG': 0.506},
        'L': {'CTA': 0.106, 'CTC': 0.124, 'CTG': 0.103, 'CTT': 0.267, 'TTA': 0.148, 'TTG': 0.252},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.359, 'AAT': 0.641},
        'P': {'CCA': 0.385, 'CCC': 0.135, 'CCG': 0.095, 'CCT': 0.385},
        'Q': {'CAA': 0.617, 'CAG': 0.383},
        'R': {'CGA': 0.118, 'CGC': 0.075, 'CGG': 0.061, 'CGT': 0.176, 'AGA': 0.323, 'AGG': 0.246},
        'S': {'TCA': 0.244, 'TCC': 0.124, 'TCG': 0.063, 'TCT': 0.264, 'AGC': 0.112, 'AGT': 0.193},
        'T': {'ACA': 0.348, 'ACC': 0.170, 'ACG': 0.076, 'ACT': 0.407},
        'V': {'GTA': 0.164, 'GTC': 0.159, 'GTG': 0.240, 'GTT': 0.436},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.415, 'TAT': 0.585},
        '_': {'TAA': 0.405, 'TAG': 0.231, 'TGA': 0.364},
    },
    # Manihot esculenta (taxid in subset; 60 CDS compiled)
    'cassava': {
        'A': {'GCA': 0.330, 'GCC': 0.205, 'GCG': 0.057, 'GCT': 0.407},
        'C': {'TGC': 0.476, 'TGT': 0.524},
        'D': {'GAC': 0.323, 'GAT': 0.677},
        'E': {'GAA': 0.499, 'GAG': 0.501},
        'F': {'TTC': 0.440, 'TTT': 0.560},
        'G': {'GGA': 0.345, 'GGC': 0.170, 'GGG': 0.170, 'GGT': 0.315},
        'H': {'CAC': 0.411, 'CAT': 0.589},
        'I': {'ATA': 0.188, 'ATC': 0.279, 'ATT': 0.533},
        'K': {'AAA': 0.449, 'AAG': 0.551},
        'L': {'CTA': 0.085, 'CTC': 0.177, 'CTG': 0.131, 'CTT': 0.266, 'TTA': 0.114, 'TTG': 0.227},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.367, 'AAT': 0.633},
        'P': {'CCA': 0.423, 'CCC': 0.130, 'CCG': 0.066, 'CCT': 0.381},
        'Q': {'CAA': 0.578, 'CAG': 0.422},
        'R': {'CGA': 0.080, 'CGC': 0.092, 'CGG': 0.054, 'CGT': 0.133, 'AGA': 0.356, 'AGG': 0.285},
        'S': {'TCA': 0.249, 'TCC': 0.137, 'TCG': 0.061, 'TCT': 0.262, 'AGC': 0.139, 'AGT': 0.152},
        'T': {'ACA': 0.292, 'ACC': 0.233, 'ACG': 0.077, 'ACT': 0.398},
        'V': {'GTA': 0.149, 'GTC': 0.175, 'GTG': 0.285, 'GTT': 0.391},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.477, 'TAT': 0.523},
        '_': {'TAA': 0.350, 'TAG': 0.200, 'TGA': 0.450},
    },
    # Nicotiana tabacum (taxid in subset; 1,534 CDS compiled)
    'tobacco': {
        'A': {'GCA': 0.318, 'GCC': 0.172, 'GCG': 0.080, 'GCT': 0.430},
        'C': {'TGC': 0.423, 'TGT': 0.577},
        'D': {'GAC': 0.314, 'GAT': 0.686},
        'E': {'GAA': 0.550, 'GAG': 0.450},
        'F': {'TTC': 0.418, 'TTT': 0.582},
        'G': {'GGA': 0.345, 'GGC': 0.167, 'GGG': 0.157, 'GGT': 0.331},
        'H': {'CAC': 0.395, 'CAT': 0.605},
        'I': {'ATA': 0.251, 'ATC': 0.249, 'ATT': 0.500},
        'K': {'AAA': 0.493, 'AAG': 0.507},
        'L': {'CTA': 0.103, 'CTC': 0.134, 'CTG': 0.111, 'CTT': 0.262, 'TTA': 0.146, 'TTG': 0.243},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.390, 'AAT': 0.610},
        'P': {'CCA': 0.397, 'CCC': 0.131, 'CCG': 0.099, 'CCT': 0.373},
        'Q': {'CAA': 0.580, 'CAG': 0.420},
        'R': {'CGA': 0.108, 'CGC': 0.080, 'CGG': 0.076, 'CGT': 0.155, 'AGA': 0.330, 'AGG': 0.252},
        'S': {'TCA': 0.231, 'TCC': 0.133, 'TCG': 0.069, 'TCT': 0.262, 'AGC': 0.130, 'AGT': 0.174},
        'T': {'ACA': 0.336, 'ACC': 0.186, 'ACG': 0.087, 'ACT': 0.391},
        'V': {'GTA': 0.173, 'GTC': 0.168, 'GTG': 0.253, 'GTT': 0.407},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.432, 'TAT': 0.568},
        '_': {'TAA': 0.420, 'TAG': 0.194, 'TGA': 0.386},
    },
    # Vitis vinifera (taxid in subset; 24,140 CDS compiled)
    'grape': {
        'A': {'GCA': 0.323, 'GCC': 0.219, 'GCG': 0.082, 'GCT': 0.376},
        'C': {'TGC': 0.430, 'TGT': 0.570},
        'D': {'GAC': 0.316, 'GAT': 0.684},
        'E': {'GAA': 0.500, 'GAG': 0.500},
        'F': {'TTC': 0.425, 'TTT': 0.575},
        'G': {'GGA': 0.321, 'GGC': 0.175, 'GGG': 0.234, 'GGT': 0.269},
        'H': {'CAC': 0.338, 'CAT': 0.662},
        'I': {'ATA': 0.247, 'ATC': 0.283, 'ATT': 0.470},
        'K': {'AAA': 0.465, 'AAG': 0.535},
        'L': {'CTA': 0.114, 'CTC': 0.139, 'CTG': 0.125, 'CTT': 0.227, 'TTA': 0.138, 'TTG': 0.257},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.358, 'AAT': 0.642},
        'P': {'CCA': 0.356, 'CCC': 0.177, 'CCG': 0.102, 'CCT': 0.364},
        'Q': {'CAA': 0.582, 'CAG': 0.418},
        'R': {'CGA': 0.116, 'CGC': 0.082, 'CGG': 0.091, 'CGT': 0.106, 'AGA': 0.326, 'AGG': 0.280},
        'S': {'TCA': 0.227, 'TCC': 0.153, 'TCG': 0.068, 'TCT': 0.257, 'AGC': 0.124, 'AGT': 0.171},
        'T': {'ACA': 0.319, 'ACC': 0.227, 'ACG': 0.089, 'ACT': 0.365},
        'V': {'GTA': 0.162, 'GTC': 0.170, 'GTG': 0.306, 'GTT': 0.362},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.370, 'TAT': 0.630},
        '_': {'TAA': 0.283, 'TAG': 0.283, 'TGA': 0.434},
    },
    # Gossypium hirsutum (taxid in subset; 557 CDS compiled)
    'cotton': {
        'A': {'GCA': 0.266, 'GCC': 0.223, 'GCG': 0.081, 'GCT': 0.430},
        'C': {'TGC': 0.495, 'TGT': 0.505},
        'D': {'GAC': 0.339, 'GAT': 0.661},
        'E': {'GAA': 0.523, 'GAG': 0.477},
        'F': {'TTC': 0.520, 'TTT': 0.480},
        'G': {'GGA': 0.301, 'GGC': 0.175, 'GGG': 0.182, 'GGT': 0.342},
        'H': {'CAC': 0.386, 'CAT': 0.614},
        'I': {'ATA': 0.202, 'ATC': 0.344, 'ATT': 0.454},
        'K': {'AAA': 0.438, 'AAG': 0.562},
        'L': {'CTA': 0.084, 'CTC': 0.162, 'CTG': 0.126, 'CTT': 0.272, 'TTA': 0.116, 'TTG': 0.240},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.497, 'AAT': 0.503},
        'P': {'CCA': 0.338, 'CCC': 0.172, 'CCG': 0.113, 'CCT': 0.377},
        'Q': {'CAA': 0.580, 'CAG': 0.420},
        'R': {'CGA': 0.123, 'CGC': 0.085, 'CGG': 0.084, 'CGT': 0.162, 'AGA': 0.284, 'AGG': 0.262},
        'S': {'TCA': 0.204, 'TCC': 0.168, 'TCG': 0.087, 'TCT': 0.228, 'AGC': 0.160, 'AGT': 0.153},
        'T': {'ACA': 0.281, 'ACC': 0.273, 'ACG': 0.096, 'ACT': 0.351},
        'V': {'GTA': 0.124, 'GTC': 0.192, 'GTG': 0.273, 'GTT': 0.411},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.472, 'TAT': 0.528},
        '_': {'TAA': 0.415, 'TAG': 0.165, 'TGA': 0.420},
    },
    # Saccharum officinarum (taxid in subset; 71 CDS compiled)
    'sugarcane': {
        'A': {'GCA': 0.169, 'GCC': 0.346, 'GCG': 0.251, 'GCT': 0.234},
        'C': {'TGC': 0.766, 'TGT': 0.234},
        'D': {'GAC': 0.585, 'GAT': 0.415},
        'E': {'GAA': 0.293, 'GAG': 0.707},
        'F': {'TTC': 0.716, 'TTT': 0.284},
        'G': {'GGA': 0.167, 'GGC': 0.434, 'GGG': 0.203, 'GGT': 0.197},
        'H': {'CAC': 0.605, 'CAT': 0.395},
        'I': {'ATA': 0.143, 'ATC': 0.525, 'ATT': 0.332},
        'K': {'AAA': 0.264, 'AAG': 0.736},
        'L': {'CTA': 0.062, 'CTC': 0.278, 'CTG': 0.290, 'CTT': 0.183, 'TTA': 0.044, 'TTG': 0.142},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.633, 'AAT': 0.367},
        'P': {'CCA': 0.221, 'CCC': 0.251, 'CCG': 0.287, 'CCT': 0.241},
        'Q': {'CAA': 0.290, 'CAG': 0.710},
        'R': {'CGA': 0.057, 'CGC': 0.295, 'CGG': 0.164, 'CGT': 0.091, 'AGA': 0.144, 'AGG': 0.249},
        'S': {'TCA': 0.136, 'TCC': 0.238, 'TCG': 0.146, 'TCT': 0.155, 'AGC': 0.227, 'AGT': 0.098},
        'T': {'ACA': 0.200, 'ACC': 0.328, 'ACG': 0.232, 'ACT': 0.240},
        'V': {'GTA': 0.081, 'GTC': 0.306, 'GTG': 0.390, 'GTT': 0.223},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.721, 'TAT': 0.279},
        '_': {'TAA': 0.324, 'TAG': 0.169, 'TGA': 0.507},
    },
    # Brassica napus (taxid in subset; 625 CDS compiled)
    'canola': {
        'A': {'GCA': 0.226, 'GCC': 0.210, 'GCG': 0.155, 'GCT': 0.409},
        'C': {'TGC': 0.487, 'TGT': 0.513},
        'D': {'GAC': 0.422, 'GAT': 0.578},
        'E': {'GAA': 0.436, 'GAG': 0.564},
        'F': {'TTC': 0.583, 'TTT': 0.417},
        'G': {'GGA': 0.364, 'GGC': 0.165, 'GGG': 0.155, 'GGT': 0.316},
        'H': {'CAC': 0.494, 'CAT': 0.506},
        'I': {'ATA': 0.214, 'ATC': 0.428, 'ATT': 0.359},
        'K': {'AAA': 0.445, 'AAG': 0.555},
        'L': {'CTA': 0.101, 'CTC': 0.228, 'CTG': 0.118, 'CTT': 0.251, 'TTA': 0.098, 'TTG': 0.204},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.629, 'AAT': 0.371},
        'P': {'CCA': 0.293, 'CCC': 0.145, 'CCG': 0.192, 'CCT': 0.370},
        'Q': {'CAA': 0.500, 'CAG': 0.500},
        'R': {'CGA': 0.098, 'CGC': 0.094, 'CGG': 0.084, 'CGT': 0.179, 'AGA': 0.319, 'AGG': 0.226},
        'S': {'TCA': 0.182, 'TCC': 0.163, 'TCG': 0.109, 'TCT': 0.242, 'AGC': 0.164, 'AGT': 0.140},
        'T': {'ACA': 0.261, 'ACC': 0.270, 'ACG': 0.174, 'ACT': 0.295},
        'V': {'GTA': 0.108, 'GTC': 0.238, 'GTG': 0.289, 'GTT': 0.365},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.592, 'TAT': 0.408},
        '_': {'TAA': 0.383, 'TAG': 0.222, 'TGA': 0.395},
    },
    # Musa acuminata (taxid in subset; 268 CDS compiled)
    'banana': {
        'A': {'GCA': 0.234, 'GCC': 0.301, 'GCG': 0.174, 'GCT': 0.291},
        'C': {'TGC': 0.643, 'TGT': 0.357},
        'D': {'GAC': 0.487, 'GAT': 0.513},
        'E': {'GAA': 0.400, 'GAG': 0.600},
        'F': {'TTC': 0.605, 'TTT': 0.395},
        'G': {'GGA': 0.265, 'GGC': 0.302, 'GGG': 0.227, 'GGT': 0.206},
        'H': {'CAC': 0.483, 'CAT': 0.517},
        'I': {'ATA': 0.205, 'ATC': 0.467, 'ATT': 0.328},
        'K': {'AAA': 0.319, 'AAG': 0.681},
        'L': {'CTA': 0.077, 'CTC': 0.231, 'CTG': 0.219, 'CTT': 0.196, 'TTA': 0.081, 'TTG': 0.196},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.565, 'AAT': 0.435},
        'P': {'CCA': 0.276, 'CCC': 0.220, 'CCG': 0.210, 'CCT': 0.294},
        'Q': {'CAA': 0.406, 'CAG': 0.594},
        'R': {'CGA': 0.119, 'CGC': 0.145, 'CGG': 0.145, 'CGT': 0.100, 'AGA': 0.209, 'AGG': 0.282},
        'S': {'TCA': 0.150, 'TCC': 0.211, 'TCG': 0.136, 'TCT': 0.184, 'AGC': 0.195, 'AGT': 0.125},
        'T': {'ACA': 0.233, 'ACC': 0.347, 'ACG': 0.186, 'ACT': 0.234},
        'V': {'GTA': 0.111, 'GTC': 0.298, 'GTG': 0.333, 'GTT': 0.258},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.584, 'TAT': 0.416},
        '_': {'TAA': 0.310, 'TAG': 0.224, 'TGA': 0.466},
    },
    # Arachis hypogaea (taxid in subset; 140 CDS compiled)
    'peanut': {
        'A': {'GCA': 0.325, 'GCC': 0.256, 'GCG': 0.084, 'GCT': 0.336},
        'C': {'TGC': 0.646, 'TGT': 0.354},
        'D': {'GAC': 0.399, 'GAT': 0.601},
        'E': {'GAA': 0.465, 'GAG': 0.535},
        'F': {'TTC': 0.610, 'TTT': 0.390},
        'G': {'GGA': 0.329, 'GGC': 0.239, 'GGG': 0.139, 'GGT': 0.293},
        'H': {'CAC': 0.513, 'CAT': 0.487},
        'I': {'ATA': 0.229, 'ATC': 0.373, 'ATT': 0.398},
        'K': {'AAA': 0.346, 'AAG': 0.654},
        'L': {'CTA': 0.084, 'CTC': 0.232, 'CTG': 0.115, 'CTT': 0.262, 'TTA': 0.079, 'TTG': 0.229},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.637, 'AAT': 0.363},
        'P': {'CCA': 0.361, 'CCC': 0.161, 'CCG': 0.123, 'CCT': 0.355},
        'Q': {'CAA': 0.514, 'CAG': 0.486},
        'R': {'CGA': 0.077, 'CGC': 0.137, 'CGG': 0.063, 'CGT': 0.132, 'AGA': 0.289, 'AGG': 0.302},
        'S': {'TCA': 0.199, 'TCC': 0.167, 'TCG': 0.068, 'TCT': 0.199, 'AGC': 0.217, 'AGT': 0.150},
        'T': {'ACA': 0.269, 'ACC': 0.329, 'ACG': 0.088, 'ACT': 0.314},
        'V': {'GTA': 0.113, 'GTC': 0.180, 'GTG': 0.307, 'GTT': 0.400},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.502, 'TAT': 0.498},
        '_': {'TAA': 0.393, 'TAG': 0.256, 'TGA': 0.351},
    },
    # Helianthus annuus (taxid in subset; 254 CDS compiled)
    'sunflower': {
        'A': {'GCA': 0.251, 'GCC': 0.214, 'GCG': 0.168, 'GCT': 0.367},
        'C': {'TGC': 0.474, 'TGT': 0.526},
        'D': {'GAC': 0.343, 'GAT': 0.657},
        'E': {'GAA': 0.559, 'GAG': 0.441},
        'F': {'TTC': 0.476, 'TTT': 0.524},
        'G': {'GGA': 0.270, 'GGC': 0.172, 'GGG': 0.211, 'GGT': 0.346},
        'H': {'CAC': 0.448, 'CAT': 0.552},
        'I': {'ATA': 0.198, 'ATC': 0.388, 'ATT': 0.414},
        'K': {'AAA': 0.476, 'AAG': 0.524},
        'L': {'CTA': 0.114, 'CTC': 0.157, 'CTG': 0.101, 'CTT': 0.246, 'TTA': 0.140, 'TTG': 0.243},
        'M': {'ATG': 1.000},
        'N': {'AAC': 0.514, 'AAT': 0.486},
        'P': {'CCA': 0.308, 'CCC': 0.176, 'CCG': 0.226, 'CCT': 0.290},
        'Q': {'CAA': 0.586, 'CAG': 0.414},
        'R': {'CGA': 0.124, 'CGC': 0.113, 'CGG': 0.105, 'CGT': 0.184, 'AGA': 0.251, 'AGG': 0.223},
        'S': {'TCA': 0.202, 'TCC': 0.154, 'TCG': 0.132, 'TCT': 0.225, 'AGC': 0.124, 'AGT': 0.163},
        'T': {'ACA': 0.279, 'ACC': 0.332, 'ACG': 0.126, 'ACT': 0.263},
        'V': {'GTA': 0.128, 'GTC': 0.178, 'GTG': 0.300, 'GTT': 0.394},
        'W': {'TGG': 1.000},
        'Y': {'TAC': 0.473, 'TAT': 0.527},
        '_': {'TAA': 0.441, 'TAG': 0.161, 'TGA': 0.398},
    },
}

SPECIES_CDS_COUNT = {
    'arabidopsis': 80395,
    'rice': 92188,
    'maize': 2482,
    'tomato': 1452,
    'soybean': 1207,
    'wheat': 1860,
    'barley': 364,
    'sorghum': 486,
    'potato': 975,
    'cassava': 60,
    'tobacco': 1534,
    'grape': 24140,
    'cotton': 557,
    'sugarcane': 71,
    'canola': 625,
    'banana': 268,
    'peanut': 140,
    'sunflower': 254,
}