Compétences string-database
🧬

string-database

Sûr 🌐 Accès réseau

Interroger les réseaux d'interactions protéiques de la base de données STRING

Également disponible depuis: davila7

Les chercheurs ont besoin de comprendre les interactions protéine-protéine pour étudier les systèmes biologiques et les mécanismes de maladie. Cette compétence donne un accès direct à la base de données STRING complète de 59M de protéines et 20B+ d'interactions sur 5000+ espèces.

Prend en charge: Claude Codex Code(CC)
🥉 73 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "string-database". Obtenir les partenaires d'interaction pour BRCA1 avec une confiance élevée

Résultat attendu:

  • Top 10 des partenaires d'interaction de BRCA1 (confiance > 700) :
  • BRCA2 - Protéine de réparation de l'ADN, confiance 990
  • RAD51 - Récombinase ADN, confiance 985
  • PALB2 - Protéine de liaison BRCA2, confiance 980
  • TP53 - Suppresseur de tumeur, confiance 750
  • CHEK2 - Kinase de point de contrôle, confiance 720
  • Le réseau contient 5 interactions de haute confiance soutenant le rôle de BRCA1 dans la réparation par recombinaison homologue.

Utilisation de "string-database". Effectuer l'enrichissement fonctionnel sur les gènes de réparation de l'ADN

Résultat attendu:

  • Termes significatifs des Processus Biologiques GO (FDR < 0.05) :
  • Réparation de l'ADN (GO:0006281) - 12 gènes, FDR 1.2e-15
  • Réparation des cassures double brin (GO:0006302) - 8 gènes, FDR 3.4e-10
  • Arrêt du cycle cellulaire (GO:0007050) - 6 gènes, FDR 8.1e-8
  • Voies KEGG : Réplication de l'ADN (mmu03030) - 5 gènes, FDR 0.0012
  • Protéines hub principales : TP53, BRCA1, ATM forment un module hautement connecté

Audit de sécurité

Sûr
v4 • 1/17/2026

The string-database skill is a legitimate bioinformatics tool for accessing protein-protein interaction data from the STRING database (string-db.org), a trusted ELIXIR resource. All 291 static findings are false positives: backticks in documentation are code formatting, HTTP requests target the official STRING API, file writes are for saving network images, and 'cryptographic' and 'reconnaissance' patterns are misinterpreted scientific terminology.

4
Fichiers analysés
1,586
Lignes analysées
1
résultats
4
Total des audits

Facteurs de risque

🌐 Accès réseau (3)
scripts/string_api.py:21-22 scripts/string_api.py:62-67 scripts/string_api.py:116-121
Audité par: claude Voir l’historique des audits →

Score de qualité

64
Architecture
90
Maintenabilité
87
Contenu
20
Communauté
100
Sécurité
78
Conformité aux spécifications

Ce que vous pouvez construire

Analyser les gènes différentiellement exprimés

Télécharger une liste de protéines provenant d'expériences de RNA-seq ou de protéomique pour identifier les voies enrichies et les réseaux d'interactions.

Étudier la fonction et les interactions des protéines

Investiguer des protéines spécifiques pour découvrir les partenaires d'interaction, visualiser les réseaux et comprendre les rôles biologiques.

Construire et analyser les réseaux biologiques

Construire des réseaux d'interactions complets et tester si les protéines forment des modules fonctionnels significatifs.

Essayez ces prompts

Réseau protéique de base 
Obtenir le réseau d'interactions protéiques pour TP53 chez l'humain avec une confiance moyenne (400), incluant 5 nœuds supplémentaires, et enregistrer comme image PNG.
Enrichissement fonctionnel 
Effectuer une analyse d'enrichissement fonctionnel sur ces protéines : TP53, BRCA1, ATM, CHEK2, MDM2. Afficher les processus biologiques GO avec FDR < 0.05.
Comparaison inter-espèces 
Obtenir les réseaux d'interactions pour la protéine p53 chez l'humain (9606) et la souris (10090) avec une confiance élevée (700), puis comparer les 10 meilleurs interacteurs.
Analyse de voie 
Analyser cette liste de protéines de réparation de l'ADN : mapper les identifiants, obtenir le réseau d'interactions avec une confiance de 700, tester l'enrichissement PPI, effectuer l'enrichissement GO/KEGG, et générer une image de réseau colorée selon les preuves.

Bonnes pratiques

  • Toujours mapper les identifiants de protéines d'abord en utilisant string_map_ids pour des requêtes plus rapides et plus précises
  • Utiliser les seuils de confiance appropriés : 400 pour l'analyse standard, 700 pour les interactions de haute confiance
  • Inclure le paramètre d'espèce (ID taxon NCBI) pour les réseaux de plus de 10 protéines

Éviter

  • Ne pas interroger plus de 100 protéines dans un seul appel - diviser les grandes listes en lots
  • Éviter d'utiliser des seuils de confiance très bas (< 150) sans justification biologique
  • Ne pas ignorer la spécification d'espèce pour les réseaux multi-protéines

Foire aux questions

Qu'est-ce que la base de données STRING ?
STRING est une base de données complète d'interactions protéine-protéine couvrant 59M de protéines et 20B+ d'interactions sur 5000+ organismes, intégrant des données provenant d'expériences, de bases de données et de minage de texte.
Quelles espèces sont prises en charge ?
STRING prend en charge plus de 5000 espèces. Les plus courantes comprennent l'humain (9606), la souris (10090), le rat (10116), la mouche (7227), la levure (4932) et le poisson-zèbre (7955).
Quel seuil de confiance dois-je utiliser ?
Utiliser 400 pour l'analyse standard, 700 pour les interactions de haute confiance, et 150 pour l'analyse exploratoire. Les seuils plus élevés donnent moins d'interactions mais plus fiables.
Comment citer STRING ?
Citez la dernière publication STRING sur https://string-db.org/cgi/about. Les données sont librement disponibles sous la licence Creative Commons BY 4.0.
Puis-je analyser plus de 100 protéines ?
Oui, mais divisez les grandes listes en lots de 100 protéines ou moins pour éviter les expirations de délai et assurer des performances optimales.
Quelle est la différence entre les réseaux fonctionnels et physiques ?
Les réseaux fonctionnels incluent tous les types de preuves (recommandé pour la plupart des analyses). Les réseaux physiques ne montrent que les preuves de liaison directe (pour les études structurales).

Détails du développeur

Auteur

K-Dense-AI

Licence

CC-BY-4.0

Dépôt

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/string-database

Réf

main

Structure de fichiers

📁 references/

📄 string_reference.md

📁 scripts/

📄 string_api.py

📄 SKILL.md