企业官网建设流程全解析

Science Skills通路调控技能详解：Reactome、QuickGO、JASPAR与STRING解锁蛋白互作网络分析

【免费下载链接】science-skillsGDM Science Skills to speed up agentic scientific workflows with better grounding and higher token efficiency. Integrate insights from AlphaGenome, AFDB, UniProt and 30+ other databases and tools.项目地址: https://gitcode.com/gh_mirrors/sc/science-skills

Science Skills 是一个面向 AI Agent 的科学技能包合集，其中 Reactome、QuickGO、JASPAR 与 STRING 四大技能可帮助新手快速完成通路调控分析与蛋白互作网络分析，无需手动写 API 代码。本文将带你用最少代码跑通一条完整的"基因列表 → 通路富集 → 功能注释 → 转录调控 → 蛋白互作网络"科研流水线。

为什么你需要通路调控分析能力？🔬

拿到一批差异表达基因或候选基因后，科研工作者通常要回答三个问题：

1. 这些基因参与了哪些生物学通路？（Reactome 负责）
2. 这些基因的蛋白功能是什么？（QuickGO 负责）
3. 谁在调控这些基因、基因间如何互作？（JASPAR 与 STRING 负责）

Science Skills 把这四个数据库封装成了带 CLI 脚本的"技能"，AI Agent 按 SKILL.md 中定义的规范自动调用，新手只需描述需求即可。

Reactome：通路富集分析一步到位

Reactome 技能对接了 Reactome 的 Analysis 与 Content 两大服务，核心能力包括：

• 通路富集（overrepresentation）分析：提交基因列表，自动返回显著通路及 FDR 值
• 通路图导出：一键导出 PNG/SVG 通路图，还能高亮你关注的基因
• 反应参与者查询：获取反应的底物、产物与催化剂
• 通路层级导航：上下钻取通路，查看子事件

技能内置了常用通路速查表（如"有丝分裂 Cell Cycle, Mitotic"R-HSA-69278、"信号转导"R-HSA-162582），分析结果还能通过 token 在 7 天内回溯，无需重复提交数据。执行入口是 reactome_analysis.py，一条命令即可完成富集：

uv run scripts/reactome_analysis.py analyze --data "TP53,BRCA1,EGFR" --fdr 0.05 --output /tmp/enrich.json

更多端点细节可查阅 api_reference.md。

QuickGO：GO 功能注释精准映射 🎯

QuickGO 技能是 Gene Ontology（GO）标注的官方浏览器接口，可把基因快速映射到生物过程、分子功能、细胞组分三大维度。它的 CLI 封装 quickgo_tool.py 提供四个子命令：

新手最实用的技巧：优先过滤实验证据码（如ECO:0000269）并限定--taxonId 9606（人），可以大幅降低电子预测带来的噪声。反向查询同样简单——给定GO:0003700（转录因子活性），即可列出所有具有该功能的人类基因，快速圈定候选基因集合。

JASPAR：转录因子结合基序查询 🔍

JASPAR 技能是转录因子（TF）结合谱的权威开放数据库。当你想回答"哪些转录因子可能调控这条通路上的基因"时，它就是关键一环。jaspar_api.py 提供的工作流非常清晰：

1. resolve_tf_id：把基因符号（如JUN）解析为稳定 Matrix ID
2. get_tf_motif：获取位置频率矩阵（PFM），支持 MEME、TRANSFAC 等格式
3. get_tf_pwm：自动换算为对数几率打分（PWM），用于序列扫描
4. get_tf_metadata：查看 TF 家族分类与 UniProt 外部链接

⚠️ 两个新手易踩的坑：JASPAR 只表示潜在结合能力，不代表组织特异性真实表达；单次查询窗口不得超过 100kb（脚本已自动分块处理）。

STRING：蛋白互作网络构建与可视化 🕸️

String 技能对接 STRING 数据库，是蛋白互作网络分析的主力。它的 string_cli.py 覆盖四大功能域（详见 interactions.md 与 enrichment.md）：

• network：构建蛋白互作网络，支持扩展邻居节点，区分物理互作与功能互作
• partners：查询某蛋白在全库中的 Top 互作伙伴
• image：一键导出高分辨率 PNG/SVG 网络图
• homology：计算蛋白间 Smith-Waterman 同源相似度

输出列中escore（实验证据）、dscore（数据库）、fscore（融合）等分项评分让你能判断互作证据强度。技能有一条铁律：必须先确认物种 Taxon ID（人类为 9606、小鼠为 10090），绝不默认猜测——这也是 AI Agent 会主动向你提问的原因。

四步跑通完整通路调控分析工作流 ✅

把四个技能串起来，一次完整的分析只需要四步：

1. 富集：Reactomeanalyze提交差异基因列表，锁定显著通路（建议加--fdr 0.05过滤）
2. 注释：QuickGOannotation为通路基因补充 GO 功能注释，聚焦实验证据
3. 调控：JASPARresolve_tf_id+get_tf_motif找出潜在上游转录因子及结合基序
4. 网络：STRINGnetwork+image构建蛋白互作网络并导出可视化图谱

所有结果均落盘为 JSON/TSV 文件（强制--output），方便后续用jq或 pandas 二次分析，不会撑爆 Agent 上下文。

常见问题 FAQ 💬

• 需要 API Key 吗？这四个技能均可免 Key 直接调用，脚本已内置限速控制。
• 支持哪些物种？Reactome/QuickGO/STRING 通过 Taxon ID 支持多物种，人类（9606）与小（10090）最常用；JASPAR 需显式提供--tax-id。
• 大结果集怎么处理？Reactome 的--summary与 STRING 的 TSV 落盘机制专门解决超大输出问题。

总结

Science Skills 把 Reactome 通路富集、QuickGO 功能注释、JASPAR 转录因子基序与 STRING 蛋白互作网络分析整合进统一的 Agent 工作流，让通路调控与蛋白互作网络分析从"写脚本调 API"变成"说一句需求"。四个技能目录均提供 SKILL.md 说明文档与开箱即用的 CLI 脚本，配合仓库中 uv 环境管理技能 即可在任意项目里快速起步。

【免费下载链接】science-skillsGDM Science Skills to speed up agentic scientific workflows with better grounding and higher token efficiency. Integrate insights from AlphaGenome, AFDB, UniProt and 30+ other databases and tools.项目地址: https://gitcode.com/gh_mirrors/sc/science-skills