研究人員需要了解蛋白質與蛋白質之間的交互作用，以研究生物系統和疾病機制。此技能可直接存取 STRING 的綜合資料庫，其中包含 5900 萬種蛋白質和超過 200 億筆交互作用，涵蓋 5000 多個物種。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「string-database」。 取得高置信度的 BRCA1 交互作用夥伴
預期結果:
- 前 10 個 BRCA1 交互作用夥伴（置信度 > 700）：
- BRCA2 - DNA 修復蛋白，置信度 990
- RAD51 - DNA 重組酶，置信度 985
- PALB2 - BRCA2 結合蛋白，置信度 980
- TP53 - 腫瘤抑制因子，置信度 750
- CHEK2 - 檢查點激酶，置信度 720
- 網路包含 5 個高置信度交互作用，支持 BRCA1 在同源重組修復中的作用。
正在使用「string-database」。 對 DNA 修復基因執行功能富集
預期結果:
- 顯著的 GO 生物學過程詞彙（FDR < 0.05）：
- DNA 修復（GO:0006281）- 12 個基因，FDR 1.2e-15
- 雙鏈斷裂修復（GO:0006302）- 8 個基因，FDR 3.4e-10
- 細胞週期停滯（GO:0007050）- 6 個基因，FDR 8.1e-8
- KEGG 途徑：DNA 複製（mmu03030）- 5 個基因，FDR 0.0012
- 主要樞紐蛋白：TP53、BRCA1、ATM 形成高度連接的模組
安全審計
安全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.
風險因素
品質評分
你能建構什麼
分析差異表達基因
從 RNA-seq 或蛋白質體學實驗中上傳蛋白質列表，以識別富集的途徑和交互作用網路。
研究蛋白質功能和交互作用
調查特定蛋白質以發現交互作用夥伴、視覺化網路並了解生物學角色。
建構和分析生物網路
建構全面的交互作用網路，並測試蛋白質是否形成顯著的功能模組。
試試這些提示
取得人類 TP53 的蛋白質交互作用網路，置信度為中等（400），包含 5 個額外節點，並儲存為 PNG 圖像。
對以下蛋白質執行功能富集分析：TP53、BRCA1、ATM、CHEK2、MDM2。顯示 FDR < 0.05 的 GO 生物學過程。
取得人類（9606）和小鼠（10090）中 p53 蛋白質的交互作用網路，置信度為高（700），然後比較前 10 個交互作用夥伴。
分析此 DNA 修復蛋白質列表：對應識別碼，取得置信度 700 的交互作用網路，測試 PPI 富集，執行 GO/KEGG 富集，並產生基於證據著色的網路圖像。
最佳實務
- 始終先使用 string_map_ids 對應蛋白質識別碼，以獲得更快速、更準確的查詢
- 使用適當的置信度閾值：400 適用於標準分析，700 適用於高置信度交互作用
- 對於超過 10 個蛋白質的網路，請包含物種參數（NCBI 分類 ID）
避免
- 不要在單次呼叫中查詢超過 100 個蛋白質 - 將大型列表分批處理
- 避免使用非常低的置信度閾值（< 150），除非有生物學理由
- 不要忽視多蛋白網路的物種指定
常見問題
什麼是 STRING 資料庫？
支援哪些物種？
應該使用什麼置信度閾值？
如何引用 STRING？
可以分析超過 100 個蛋白質嗎？
功能網路和實體網路有什麼區別？
開發者詳情
作者
K-Dense-AI授權
CC-BY-4.0
儲存庫
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/string-database引用
main
檔案結構