string-database

STRING 数据库

概述

STRING 是一个综合性数据库，涵盖 5000 多种生物体中的 5900 万个蛋白质和 200 多亿种已知及预测的蛋白质-蛋白质相互作用。通过 REST API 查询相互作用网络、进行功能富集分析、发现相互作用对象，适用于系统生物学和通路分析。

何时使用此技能

在以下情况下应使用此技能：

• 获取单个或多个蛋白质的蛋白质-蛋白质相互作用网络
• 对蛋白质列表进行功能富集分析（GO、KEGG、Pfam）
• 发现相互作用对象并扩展蛋白质网络
• 检验蛋白质是否构成功能显著富集的模块
• 使用基于证据的配色生成网络可视化
• 分析同源性和蛋白质家族关系
• 开展跨物种蛋白质相互作用比较
• 识别枢纽蛋白和网络连接模式

快速入门

此技能提供：

1. 用于所有 STRING REST API 操作的 Python 辅助函数（scripts/string_api.py）
2. 包含详细 API 规范的全面参考文档（references/string_reference.md）

当用户请求 STRING 数据时，请确定所需的操作，并使用 scripts/string_api.py 中相应的函数。

核心操作

1. 标识符映射（string_map_ids）

将基因名称、蛋白质名称和外部 ID 转换为 STRING 标识符。

使用时机：开始任何 STRING 分析、验证蛋白质名称、查找规范标识符。

用法：

from scripts.string_api import string_map_ids

# Map single protein
result = string_map_ids('TP53', species=9606)

# Map multiple proteins
result = string_map_ids(['TP53', 'BRCA1', 'EGFR', 'MDM2'], species=9606)

# Map with multiple matches per query
result = string_map_ids('p53', species=9606, limit=5)

参数：

• species：NCBI 分类群 ID（9606 = 人类，10090 = 小鼠，7227 = 果蝇）
• limit：每个标识符的匹配数量（默认值：1）
• echo_query：在输出中包含查询词（默认值：1）

最佳实践：始终先映射标识符，以加快后续查询。

2. 网络检索（string_network）

以表格格式获取蛋白质-蛋白质相互作用网络数据。

使用时机：构建相互作用网络、分析连接性、检索相互作用证据。

用法：

from scripts.string_api import string_network

# Get network for single protein
network = string_network('9606.ENSP00000269305', species=9606)

# Get network with multiple proteins
proteins = ['9606.ENSP00000269305', '9606.ENSP00000275493']
network = string_network(proteins, required_score=700)

# Expand network with additional interactors
network = string_network('TP53', species=9606, add_nodes=10, required_score=400)

# Physical interactions only
network = string_network('TP53', species=9606, network_type='physical')

参数：

• required_score：置信度阈值（0-1000）
  • 150：低置信度（探索性）
  • 400：中等置信度（默认值，标准分析）
  • 700：高置信度（保守）
  • 900：最高置信度（非常严格）
• network_type：'functional'（所有证据，默认值）或 'physical'（仅直接结合）
• add_nodes：添加连接数最多的 N 个蛋白质（0-10）

输出列：相互作用对、置信度分数以及各项证据分数（邻域、融合、共表达、实验、数据库、文本挖掘）。

3. 网络可视化（string_network_image）

生成 PNG 格式的网络可视化图像。

使用时机：制作图表、进行可视化探索、准备演示材料。

用法：

from scripts.string_api import string_network_image

# Get network image
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1']
img_data = string_network_image(proteins, species=9606, required_score=700)

# Save image
with open('network.png', 'wb') as f:
    f.write(img_data)

# Evidence-colored network
img = string_network_image(proteins, species=9606, network_flavor='evidence')

# Confidence-based visualization
img = string_network_image(proteins, species=9606, network_flavor='confidence')

# Actions network (activation/inhibition)
img = string_network_image(proteins, species=9606, network_flavor='actions')

网络样式：

• 'evidence'：用不同颜色的线条表示证据类型（默认值）
• 'confidence'：线条粗细表示置信度
• 'actions'：显示激活/抑制关系

4. 相互作用对象（string_interaction_partners）

查找与给定蛋白质相互作用的所有蛋白质。

使用时机：发现新的相互作用、查找枢纽蛋白、扩展网络。

用法：

from scripts.string_api import string_interaction_partners

# Get top 10 interactors of TP53
partners = string_interaction_partners('TP53', species=9606, limit=10)

# Get high-confidence interactors
partners = string_interaction_partners('TP53', species=9606,
                                      limit=20, required_score=700)

# Find interactors for multiple proteins
partners = string_interaction_partners(['TP53', 'MDM2'],
                                      species=9606, limit=15)

参数：

• limit：要返回的相互作用对象数量上限（默认值：10）
• required_score：置信度阈值（0-1000）

用例：

• 识别枢纽蛋白
• 从种子蛋白扩展网络
• 发现间接连接

5. 功能富集（string_enrichment）

对 Gene Ontology、KEGG 通路、Pfam 结构域等进行富集分析。

适用场景：解读蛋白质列表、通路分析、功能表征、了解生物过程。

用法：

from scripts.string_enrichment import string_enrichment

# Enrichment for a protein list
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1', 'ATR', 'TP73']
enrichment = string_enrichment(proteins, species=9606)

# Parse results to find significant terms
import pandas as pd
df = pd.read_csv(io.StringIO(enrichment), sep='\t')
significant = df[df['fdr'] < 0.05]

富集类别：

• Gene Ontology：生物过程、分子功能、细胞组分
• KEGG Pathways：代谢和信号通路
• Pfam：蛋白质结构域
• InterPro：蛋白质家族和结构域
• SMART：结构域架构
• UniProt Keywords：人工整理的功能关键词

输出列：

• category：注释数据库（例如，“KEGG Pathways”、“GO Biological Process”）
• term：术语标识符
• description：易于理解的术语描述
• number_of_genes：具有此注释的输入蛋白质数量
• p_value：未校正的富集 p 值
• fdr：错误发现率（校正后的 p 值）

统计方法：Fisher 精确检验，并使用 Benjamini-Hochberg 方法校正 FDR。

结果解读：FDR < 0.05 表示富集具有统计显著性。

6. PPI 富集（string_ppi_enrichment）

检验蛋白质网络中的相互作用是否显著多于随机情况下的预期值。

适用场景：验证蛋白质是否构成功能模块、检验网络连通性。

用法：

from scripts.string_api import string_ppi_enrichment
import json

# Test network connectivity
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1']
result = string_ppi_enrichment(proteins, species=9606, required_score=400)

# Parse JSON result
data = json.loads(result)
print(f"Observed edges: {data['number_of_edges']}")
print(f"Expected edges: {data['expected_number_of_edges']}")
print(f"P-value: {data['p_value']}")

输出字段：

• number_of_nodes：网络中的蛋白质数量
• number_of_edges：观察到的相互作用数量
• expected_number_of_edges：随机网络中的预期相互作用数量
• p_value：统计显著性

结果解读：

• p 值 < 0.05：网络富集具有显著性（蛋白质可能构成功能模块）
• p 值 ≥ 0.05：富集不显著（蛋白质之间可能无关）

7. 同源性评分（string_homology）

获取蛋白质相似性和同源性信息。

适用场景：识别蛋白质家族、分析旁系同源物、进行跨物种比较。

用法：

from scripts.string_api import string_homology

# Get homology between proteins
proteins = ['TP53', 'TP63', 'TP73']  # p53 family
homology = string_homology(proteins, species=9606)

适用场景：

• 蛋白质家族识别
• 旁系同源物发现
• 演化分析

8. 版本信息（string_version）

获取当前 STRING 数据库版本。

适用场景：确保结果可复现、记录方法。

用法：

from scripts.string_api import string_version

version = string_version()
print(f"STRING version: {version}")

常见分析工作流

工作流 1：蛋白质列表分析（标准工作流）

适用场景：分析实验所得的蛋白质列表（例如，差异表达分析、蛋白质组学）。

from scripts.string_api import (string_map_ids, string_network,
                                string_enrichment, string_ppi_enrichment,
                                string_network_image)

# Step 1: Map gene names to STRING IDs
gene_list = ['TP53', 'BRCA1', 'ATM', 'CHEK2', 'MDM2', 'ATR', 'BRCA2']
mapping = string_map_ids(gene_list, species=9606)

# Step 2: Get interaction network
network = string_network(gene_list, species=9606, required_score=400)

# Step 3: Test if network is enriched
ppi_result = string_ppi_enrichment(gene_list, species=9606)

# Step 4: Perform functional enrichment
enrichment = string_enrichment(gene_list, species=9606)

# Step 5: Generate network visualization
img = string_network_image(gene_list, species=9606,
                          network_flavor='evidence', required_score=400)
with open('protein_network.png', 'wb') as f:
    f.write(img)

# Step 6: Parse and interpret results

工作流 2：单个蛋白质研究

适用场景：深入研究一种蛋白质的相互作用及其互作伙伴。

from scripts.string_api import (string_map_ids, string_interaction_partners,
                                string_network_image)

# Step 1: Map protein name
protein = 'TP53'
mapping = string_map_ids(protein, species=9606)

# Step 2: Get all interaction partners
partners = string_interaction_partners(protein, species=9606,
                                      limit=20, required_score=700)

# Step 3: Visualize expanded network
img = string_network_image(protein, species=9606, add_nodes=15,
                          network_flavor='confidence', required_score=700)
with open('tp53_network.png', 'wb') as f:
    f.write(img)

工作流 3：以通路为中心的分析

适用场景：识别并可视化特定生物通路中的蛋白质。

from scripts.string_api import string_enrichment, string_network

# Step 1: Start with known pathway proteins
dna_repair_proteins = ['TP53', 'ATM', 'ATR', 'CHEK1', 'CHEK2',
                       'BRCA1', 'BRCA2', 'RAD51', 'XRCC1']

# Step 2: Get network
network = string_network(dna_repair_proteins, species=9606,
                        required_score=700, add_nodes=5)

# Step 3: Enrichment to confirm pathway annotation
enrichment = string_enrichment(dna_repair_proteins, species=9606)

# Step 4: Parse enrichment for DNA repair pathways
import pandas as pd
import io
df = pd.read_csv(io.StringIO(enrichment), sep='\t')
dna_repair = df[df['description'].str.contains('DNA repair', case=False)]

工作流 4：跨物种分析

适用场景：比较不同生物体中的蛋白质相互作用。

from scripts.string_api import string_network

# Human network
human_network = string_network('TP53', species=9606, required_score=700)

# Mouse network
mouse_network = string_network('Trp53', species=10090, required_score=700)

# Yeast network (if ortholog exists)
yeast_network = string_network('gene_name', species=4932, required_score=700)

工作流 5：网络扩展与发现

适用场景：从种子蛋白质出发，发现相关的功能模块。

from scripts.string_api import (string_interaction_partners, string_network,
                                string_enrichment)

# Step 1: Start with seed protein(s)
seed_proteins = ['TP53']

# Step 2: Get first-degree interactors
partners = string_interaction_partners(seed_proteins, species=9606,
                                      limit=30, required_score=700)

# Step 3: Parse partners to get protein list
import pandas as pd
import io
df = pd.read_csv(io.StringIO(partners), sep='\t')
all_proteins = list(set(df['preferredName_A'].tolist() +
                       df['preferredName_B'].tolist()))

# Step 4: Perform enrichment on expanded network
enrichment = string_enrichment(all_proteins[:50], species=9606)

# Step 5: Filter for interesting functional modules
enrichment_df = pd.read_csv(io.StringIO(enrichment), sep='\t')
modules = enrichment_df[enrichment_df['fdr'] < 0.001]

常见物种

指定物种时，请使用 NCBI 分类群 ID：

生物体	常用名	分类群 ID
Homo sapiens	人	9606
Mus musculus	小鼠	10090
Rattus norvegicus	大鼠	10116
Drosophila melanogaster	果蝇	7227
Caenorhabditis elegans	秀丽隐杆线虫	6239
Saccharomyces cerevisiae	酵母	4932
Arabidopsis thaliana	拟南芥	3702
Escherichia coli	大肠杆菌	511145
Danio rerio	斑马鱼	7955

完整列表请访问：https://string-db.org/cgi/input?input_page_active_form=organisms

了解置信度评分

STRING 提供综合置信度评分（0-1000），整合了多种证据类型：

证据渠道

1. Neighborhood（nscore）：跨物种保守的基因组邻域
2. Fusion（fscore）：基因融合事件
3. Phylogenetic Profile（pscore）：跨物种共现模式
4. Coexpression（ascore）：相关的 RNA 表达
5. Experimental（escore）：生化和遗传实验
6. Database（dscore）：人工整理的通路和复合物数据库
7. Text-mining（tscore）：文献共现和 NLP 提取

推荐阈值

根据分析目标选择阈值：

• 150（低置信度）：探索性分析、生成假设
• 400（中等置信度）：标准分析，在敏感度和特异度之间取得平衡
• 700（高置信度）：保守分析，筛选高置信度的相互作用
• 900（最高置信度）：非常严格，优先考虑实验性证据

权衡：

• 较低的阈值：相互作用更多（召回率更高，假阳性更多）
• 较高的阈值：相互作用更少（精确率更高，假阴性更多）

网络类型

功能网络（默认）

包含所有类型的证据（实验、计算、文本挖掘）。表示在功能上存在关联的蛋白质，即使它们之间没有直接的物理结合。

适用场景：

• 通路分析
• 功能富集研究
• 系统生物学
• 大多数常规分析

物理网络

仅包含直接物理结合的证据（物理相互作用的实验数据和数据库注释）。

适用场景：

• 结构生物学研究
• 蛋白质复合物分析
• 直接结合验证
• 需要物理接触的场景

API 最佳实践

1. 始终先映射标识符：在其他操作前使用 string_map_ids()，以加快查询速度
2. 尽可能使用 STRING ID：使用格式 9606.ENSP00000269305，而不是基因名称
3. 网络包含超过 10 个蛋白质时指定物种：这是获得准确结果的必要条件
4. 遵守速率限制：API 调用之间等待 1 秒
5. 使用带版本号的 URL 以确保可复现性：可在参考文档中找到
6. 妥善处理错误：检查返回字符串是否以 "Error:" 开头
7. 选择合适的置信度阈值：根据分析目标选择阈值

详细参考

如需完整的 API 文档、完整参数列表、输出格式和高级用法，请参阅 references/string_reference.md。其中包括：

• 完整的 API 端点规范
• 所有支持的输出格式（TSV、JSON、XML、PSI-MI）
• 高级功能（批量上传、values/ranks 富集）
• 错误处理和故障排除
• 与其他工具的集成（Cytoscape、R、Python 库）
• 数据许可和引用信息

故障排除

未找到蛋白质：

• 确认物种参数与标识符匹配
• 先使用 string_map_ids() 尝试映射标识符
• 检查蛋白质名称是否有拼写错误

网络结果为空：

• 降低置信度阈值（required_score）
• 检查蛋白质之间是否确实存在相互作用
• 确认物种是否正确

查询超时或速度缓慢：

• 减少输入蛋白质的数量
• 使用 STRING ID，而不是基因名称
• 将大型查询拆分为多个批次

“Species required” 错误：

• 网络包含超过 10 个蛋白质时添加 species 参数
• 为保持一致性，始终包含物种信息

结果看起来不符合预期：

• 使用 string_version() 检查 STRING 版本
• 确认 network_type 是否合适（功能或物理）
• 重新检查置信度阈值的选择

其他资源

如需进行蛋白质组规模分析或上传完整物种网络：

• 访问 https://string-db.org
• 使用“Upload proteome”功能
• STRING 将生成完整的相互作用网络并预测功能

如需批量下载完整数据集：

• 下载页面：https://string-db.org/cgi/download
• 包含完整的相互作用文件、蛋白质注释和通路映射

数据许可

STRING 数据可依据 Creative Commons BY 4.0 许可免费使用：

• 可免费用于学术和商业用途
• 发布时必须注明出处
• 引用 STRING 的最新出版物

引用

在出版物中使用 STRING 时，请引用以下页面中的最新出版物：https://string-db.org/cgi/about