Навыки string-database
🧬

string-database

Безопасно 🌐 Доступ к сети

Запрос сетей белковых взаимодействий из базы данных STRING

Также доступно от: davila7

Исследователям необходимо понимать белок-белковые взаимодействия для изучения биологических систем и механизмов заболеваний. Этот навык обеспечивает прямой доступ к комплексной базе данных STRING, содержащей 59 млн белков и более 20 млрд взаимодействий более чем для 5000 видов.

Поддерживает: Claude Codex Code(CC)
🥉 73 Бронза
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «string-database». Получить партнёров по взаимодействию для BRCA1 с высокой достоверностью

Ожидаемый результат:

  • Топ-10 партнёров по взаимодействию BRCA1 (достоверность > 700):
  • BRCA2 - белок репарации ДНК, достоверность 990
  • RAD51 - ДНК рекомбиназа, достоверность 985
  • PALB2 - белок связывания BRCA2, достоверность 980
  • TP53 - опухолевый супрессор, достоверность 750
  • CHEK2 - чекпоинт киназа, достоверность 720
  • Сеть содержит 5 высокодостоверных взаимодействий, подтверждающих роль BRCA1 в репарации путём гомологичной рекомбинации.

Использование «string-database». Выполнить функциональное обогащение для генов репарации ДНК

Ожидаемый результат:

  • Значимые GO термины биологических процессов (FDR < 0.05):
  • Ремонт ДНК (GO:0006281) - 12 генов, FDR 1.2e-15
  • Ремонт двуцепочечных разрывов (GO:0006302) - 8 генов, FDR 3.4e-10
  • Остановка клеточного цикла (GO:0007050) - 6 генов, FDR 8.1e-8
  • KEGG пути: репликация ДНК (mmu03030) - 5 генов, FDR 0.0012
  • Основные концентраторные белки: TP53, BRCA1, ATM образуют высокосвязанный модуль

Аудит безопасности

Безопасно
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
Просканировано файлов
1,586
Проанализировано строк
1
находки
4
Всего аудитов

Факторы риска

🌐 Доступ к сети (3)
scripts/string_api.py:21-22 scripts/string_api.py:62-67 scripts/string_api.py:116-121
Проверено: claude Посмотреть историю аудитов →

Оценка качества

64
Архитектура
90
Сопровождаемость
87
Контент
20
Сообщество
100
Безопасность
78
Соответствие спецификации

Что вы можете построить

Анализ дифференциально экспрессируемых генов

Загрузите список белков из экспериментов RNA-seq или протеомики для определения обогащённых путей и сетей взаимодействий.

Изучение функции белков и взаимодействий

Исследуйте конкретные белки для обнаружения партнёров по взаимодействию, визуализации сетей и понимания биологических ролей.

Построение и анализ биологических сетей

Создавайте комплексные сети взаимодействий и проверяйте, образуют ли белки значимые функциональные модули.

Попробуйте эти промпты

Базовая белковая сеть 
Получите сеть белковых взаимодействий для TP53 у человека со средней достоверностью (400), включая 5 дополнительных узлов, и сохраните как PNG изображение.
Функциональное обогащение 
Выполните функциональный обогащающий анализ для этих белков: TP53, BRCA1, ATM, CHEK2, MDM2. Покажите GO биологические процессы с FDR < 0.05.
Межвидовое сравнение 
Получите сети взаимодействий для белка p53 у человека (9606) и мыши (10090) с высокой достоверностью (700), затем сравните топ-10 интеракторов.
Анализ путей 
Проанализируйте этот список белков репарации ДНК: сопоставьте идентификаторы, получите сеть взаимодействий с достоверностью 700, проверьте обогащение PPI, выполните GO/KEGG обогащение и создайте изображение сети с раскраской по доказательствам.

Лучшие практики

  • Всегда сначала сопоставляйте идентификаторы белков с помощью string_map_ids для более быстрых и точных запросов
  • Используйте соответствующие пороги достоверности: 400 для стандартного анализа, 700 для высокодостоверных взаимодействий
  • Включайте параметр вида (идентификатор таксона NCBI) для сетей более чем с 10 белками

Избегать

  • Не запрашивайте более 100 белков в одном вызове - разделяйте большие списки на части
  • Избегайте использования очень низких порогов достоверности (< 150) без биологического обоснования
  • Не игнорируйте указание вида для многобелковых сетей

Часто задаваемые вопросы

Что такое база данных STRING?
STRING — это комплексная база данных белок-белковых взаимодействий, охватывающая 59 млн белков и более 20 млрд взаимодействий более чем для 5000 организмов, объединяющая данные из экспериментов, баз данных и интеллектуального анализа текстов.
Какие виды поддерживаются?
STRING поддерживает более 5000 видов. Наиболее распространённые включают: человек (9606), мышь (10090), крыса (10116), муха (7227), дрожжи (4932) и рыба-зебра (7955).
Какой порог достоверности следует использовать?
Используйте 400 для стандартного анализа, 700 для высокодостоверных взаимодействий и 150 для исследовательского анализа. Более высокие пороги дают меньше, но более надёжных взаимодействий.
Как цитировать STRING?
Цитируйте последнюю публикацию STRING с https://string-db.org/cgi/about. Данные свободно доступны по лицензии Creative Commons BY 4.0.
Можно ли анализировать более 100 белков?
Да, но разделяйте большие списки на части по 100 белков или меньше, чтобы избежать тайм-аутов и обеспечить оптимальную производительность.
В чём разница между функциональными и физическими сетями?
Функциональные сети включают все типы доказательств (рекомендуется для большинства анализов). Физические сети показывают только прямые доказательства связывания (для структурных исследований).

Сведения для разработчиков

Автор

K-Dense-AI

Лицензия

CC-BY-4.0

Репозиторий

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

Ссылка

main

Структура файлов

📁 references/

📄 string_reference.md

📁 scripts/

📄 string_api.py

📄 SKILL.md