Searching Scientific Literature

搜索科学文献

概述

使用优化后的查询在 PubMed 中搜索科学文献。提取元数据，并为相关性评估准备论文。

核心原则： 搜索范围要足够广，以找到相关论文，同时使用有针对性的关键词控制结果数量。

适用场景

在以下情况下使用此技能：

• 开始一项新的研究
• 用户要求“查找有关……的论文”
• 需要准备一组初始论文以供评估
• 搜索特定的方法、化合物、疾病或技术

搜索策略

1. 解析用户查询

提取：

• 关键词：主要概念（例如，“BTK inhibitor”“selectivity”“kinase”）
• 数据类型：用户需要的内容（IC50 值、方法、结构、结果）
• 限制条件：日期范围、特定期刊、作者姓名
• 同义词：其他说法（例如，“Bruton's tyrosine kinase” = “BTK”）

2. 构建 PubMed 查询

布尔运算符：

• AND - 缩小结果范围（必须同时包含两个词）
• OR - 扩大结果范围（包含任一词即可）
• NOT - 排除词语

查询示例：

"BTK inhibitor"[Title/Abstract] AND selectivity[Title/Abstract]

("kinase inhibitor" OR "protein kinase") AND (selectivity OR "off-target")

"ibrutinib"[Title/Abstract] AND ("IC50" OR "inhibitory concentration")

字段标签：

• [Title/Abstract] - 仅搜索标题和摘要
• [Title] - 仅搜索标题（更精确）
• [Author] - 特定作者
• [Journal] - 特定期刊
• [Date] - 日期范围

3. 执行搜索

API 端点：

https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?\
db=pubmed&\
term=YOUR_QUERY&\
retmax=100&\
retmode=json&\
sort=relevance

参数：

• db=pubmed - 搜索 PubMed 数据库
• term= - 查询内容（对空格和特殊字符进行 URL 编码）
• retmax=100 - 最大结果数（从 100 开始）
• retmode=json - 返回 JSON
• sort=relevance - 按相关性从高到低排序（或使用 pub_date 按最新排序）

Bash 示例：

curl "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=BTK+inhibitor+selectivity&retmax=100&retmode=json&sort=relevance"

响应格式：

{
  "esearchresult": {
    "count": "156",
    "retmax": "100",
    "idlist": ["12345678", "87654321", ...]
  }
}

4. 获取论文元数据

API 端点：

https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?\
db=pubmed&\
id=12345678,87654321&\
retmode=json

从响应中提取：

• 标题
• 作者（列表）
• 期刊名称
• 发表日期
• 摘要（通过单独的 efetch 调用获取，或使用 esummary）
• PMID
• DOI（如果 articleids 中提供）

根据 PMID 获取 DOI：

"articleids": [
  {"idtype": "pubmed", "value": "12345678"},
  {"idtype": "doi", "value": "10.1234/example.2023"}
]

如果缺少 DOI：

• 使用 PMID 作为备用标识符
• 稍后尝试通过 PubMed Central 或出版商 API 解析 DOI

输出格式

创建论文对象列表：

[
  {
    "pmid": "12345678",
    "doi": "10.1234/example.2023",
    "title": "Selective BTK inhibitors for autoimmune diseases",
    "authors": ["Smith J", "Doe A", "Johnson B"],
    "journal": "Nature Chemical Biology",
    "year": "2023",
    "abstract": "We developed a series of...",
    "source": "pubmed_search"
  }
]

错误处理

速率限制（重要 - 所有进程/子 Agent 共用）：

• 无 API 密钥：每秒 3 个请求（官方限制）
• 有 API 密钥：每秒 10 个请求
• 单个 Agent/脚本： 延迟 500ms（每秒 2 个请求，留有安全余量）
  • 理论上 350ms 已足够，但实际使用中会导致约 20% 的 HTTP 429 错误
• 多个并行子 Agent： 增加延迟，以共享请求容量
  • 并行 2 个：每个延迟 1 秒（总计每秒 2 个请求）
  • 并行 3 个：每个延迟 1.5 秒（总计每秒 2 个请求）
  • 并行 5 个：每个延迟 2.5 秒（总计每秒 2 个请求）
  • 公式：delay_seconds = (num_parallel / rate_limit) + safety_margin
• 如果收到 HTTP 429 错误： 等待 5 秒，然后将延迟时间加倍后继续

结果为空：

• 尝试更宽泛的词语
• 移除字段标签
• 检查是否有拼写错误
• 使用 OR 添加同义词

结果过多（>500）：

• 添加更具体的词语
• 使用字段标签缩小范围
• 添加日期限制
• 考虑拆分为多个子查询

与其他技能集成

搜索完成后：

1. 将结果保存到研究文件夹，文件名为 initial-search-results.json
2. 对每篇论文调用 evaluating-paper-relevance 技能
3. 在 papers-reviewed.json 中跟踪（使用 DOI 作为键，若无则使用 PMID）

快速参考

任务	命令
搜索 PubMed	curl "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=QUERY&retmax=100&retmode=json"
获取元数据	curl "https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=pubmed&id=PMID1,PMID2&retmode=json"
对查询进行 URL 编码	将空格替换为 +，将特殊字符替换为 %XX
缩小结果范围	使用 AND，添加字段标签，使用更具体的词语
扩大结果范围	使用 OR，移除字段标签，添加同义词

常见错误

范围过窄： 仅有 5 条结果 → 使用 OR，移除限制条件 范围过广： 有 5000 条结果 → 添加 AND 词项，使用字段标签 缺少摘要： 使用 efetch 而不是 esummary，以获取完整的摘要文本 未找到 DOI： 许多较早的论文没有 DOI，可使用 PMID 作为备用 请求频率受限： 添加 500ms 的延迟（单个 Agent），或设置更长的延迟（共享请求频率限制的并行子 Agent）

后续步骤

完成搜索后：

• 通知：“找到 N 篇符合查询条件的论文”
• 使用 skills/research/evaluating-paper-relevance 开始评估
• 随着论文筛选的进行，向用户更新进度