研究人员需要了解蛋白质-蛋白质相互作用来研究生物系统和疾病机制。此技能可直接访问STRING的全面数据库,包含5900万种蛋白质和跨5000+物种的200亿+相互作用。
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"string-database" 사용 중입니다. 获取BRCA1的高置信度相互作用伙伴
예상 결과:
- BRCA1的前10个相互作用伙伴(置信度 > 700):
- BRCA2 - DNA修复蛋白质, 990置信度
- RAD51 - DNA重组酶, 985置信度
- PALB2 - BRCA2结合蛋白, 980置信度
- TP53 - 肿瘤抑制因子, 750置信度
- CHEK2 - 检查点激酶, 720置信度
- 网络包含5个高置信度相互作用,支持BRCA1在同源重组修复中的作用。
"string-database" 사용 중입니다. 对DNA修复基因进行功能富集
예상 결과:
- 显著的GO生物学过程术语(FDR < 0.05):
- DNA修复(GO:0006281) - 12个基因, FDR 1.2e-15
- 双链断裂修复(GO:0006302) - 8个基因, FDR 3.4e-10
- 细胞周期停滞(GO:0007050) - 6个基因, FDR 8.1e-8
- KEGG通路:DNA复制(mmu03030) - 5个基因, FDR 0.0012
- 核心蛋白质:TP53、BRCA1、ATM形成高度连接的模块
보안 감사
안전The 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.
위험 요인
품질 점수
만들 수 있는 것
分析差异表达基因
从RNA-seq或蛋白质组学实验中上传蛋白质列表,以识别富集的通路和相互作用网络。
研究蛋白质功能和相互作用
研究特定蛋白质以发现相互作用伙伴、可视化网络并了解生物学作用。
构建和分析生物网络
构建全面的相互作用网络并测试蛋白质是否形成显著的功能模块。
이 프롬프트를 사용해 보세요
获取人类TP53蛋白质的蛋白质相互作用网络,置信度为中等(400),包含5个额外节点,并保存为PNG图像。
对这些蛋白质进行功能富集分析:TP53、BRCA1、ATM、CHEK2、MDM2。显示FDR < 0.05的GO生物学过程。
获取人类(9606)和小鼠(10090)中p53蛋白质的相互作用网络,置信度高(700),然后比较前10个相互作用蛋白。
分析此DNA修复蛋白质列表:映射ID,获取置信度为700的相互作用网络,测试PPI富集,执行GO/KEGG富集,并生成证据着色的网络图像。
모범 사례
- 始终先使用string_map_ids映射蛋白质标识符以获得更快、更准确的查询
- 使用适当的置信度阈值:400用于标准分析,700用于高置信度相互作用
- 对于超过10个蛋白质的网络,包括物种参数(NCBI分类单元ID)
피하기
- 不要在单次查询中查询超过100个蛋白质-将大型列表分成批处理
- 避免使用非常低的置信度阈值(< 150),除非有生物学依据
- 不要忽略多蛋白质网络的物种指定
자주 묻는 질문
什么是STRING数据库?
支持哪些物种?
应该使用什么置信度阈值?
如何引用STRING?
我可以分析超过100个蛋白质吗?
功能网络和物理网络有什么区别?
개발자 세부 정보
작성자
K-Dense-AI라이선스
CC-BY-4.0
리포지토리
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/string-database참조
main
파일 구조