mcpField
P
primekg

primekg

github.com/crazymsn数据与数据库2335 次安装22 周前更新
代码仓库

关于 primekg

PrimeKG 是整合多个数据库与科学文献的精准医疗知识图谱。本技能面向药物发现和生物医学研究，可搜索实体、查看关联并分析疾病背景及药物—疾病路径。

主要功能

  1. 01搜索基因、药物和疾病实体
  2. 02检索实体的直接关联
  3. 03汇总疾病相关基因与表型
  4. 04分析药物—疾病关联路径

适用场景

  1. 01寻找疾病相关基因与潜在靶点
  2. 02探索药物再利用线索
  3. 03梳理表型与疾病的关联
  4. 04研究药物靶点的网络关系

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/crazymsn/academic-skills --skill primekg

安装后在 Claude Code 中输入/primekg确认已加载。

附带文件scripts/query_primekg.py

详细介绍

PrimeKG 知识图谱技能

概述

PrimeKG 是一个精准医疗知识图谱，将 20 多个主要数据库和高质量科学文献整合为单一资源。它包含超过 100,000 个节点和 400 万条边，涵盖 29 种关系类型，包括药物-靶点、疾病-基因和表型-疾病关联。

主要功能：

  • 搜索节点（基因、蛋白质、药物、疾病、表型）
  • 检索直接邻居（相关实体和临床证据）
  • 分析局部疾病背景（相关基因、药物、表型）
  • 识别药物-疾病路径（潜在的药物再利用机会）

**数据访问：**通过 query_primekg.py 进行编程访问。数据存储在 C:\Users\eamon\Documents\Data\PrimeKG\kg.csv。

何时使用此技能

在以下情况下应使用此技能：

  • **基于知识的药物发现：**为疾病确定靶点和机制。
  • **药物再利用：**寻找可能有证据支持用于新适应症的现有药物。
  • **表型分析：**了解症状/表型与疾病和基因之间的关系。
  • **多尺度生物学：**弥合分子靶点（基因）与临床结果（疾病）之间的差距。
  • **网络药理学：**研究药物-靶点相互作用产生的更广泛网络效应。

核心工作流

1. 搜索实体

查找基因、药物或疾病的标识符。

from scripts.query_primekg import search_nodes

# Search for Alzheimer's disease nodes
results = search_nodes("Alzheimer", node_type="disease")
# Returns: [{"id": "EFO_0000249", "type": "disease", "name": "Alzheimer's disease", ...}]
2. 获取邻居（直接关联）

检索所有相连的节点和关系类型。

from scripts.query_primekg import get_neighbors

# Get all neighbors of a specific disease ID
neighbors = get_neighbors("EFO_0000249")
# Returns: List of neighbors like {"neighbor_name": "APOE", "relation": "disease_gene", ...}
3. 分析疾病背景

用于汇总疾病关联的高级函数。

from scripts.query_primekg import get_disease_context

# Comprehensive summary for a disease
context = get_disease_context("Alzheimer's disease")
# Access: context['associated_genes'], context['associated_drugs'], context['phenotypes']

PrimeKG 中的关系类型

该图谱包含多种关键关系类型，包括：

  • protein_protein：物理 PPI
  • drug_protein：药物靶点/作用机制关联
  • disease_gene：遗传关联
  • drug_disease：适应症和禁忌症
  • disease_phenotype：临床体征和症状
  • gwas：全基因组关联研究证据

最佳实践

  1. **使用特定 ID：**使用 get_neighbors 时，确保已通过 search_nodes 获取正确的 ID。
  2. **先了解背景：**在深入研究特定基因或药物之前，先使用 get_disease_context 获取概览。
  3. **筛选关系：**在 get_neighbors 中使用 relation_type 筛选器，聚焦于特定证据（例如，仅筛选 drug_protein）。
  4. **多尺度整合：**结合 OpenTargets 获取更深入的遗传证据，或结合 Semantic Scholar 了解最新文献背景。

资源

脚本
  • scripts/query_primekg.py：用于搜索和查询知识图谱的核心函数。
数据路径
  • 数据：/mnt/c/Users/eamon/Documents/Data/PrimeKG/kg.csv
  • 节点总数：约 129,000
  • 边总数：约 4,000,000
  • 数据库：基于 CSV，针对 pandas 查询进行了优化。

评论

支持 Markdown