tooluniverse-biomedical-fact-lookup

生物医学事实查询（基于工具作答）

生物医学事实问题——例如“集合 X 中有哪些基因”“根据 DisGeNet，哪些基因与疾病 Y 相关”“根据 GTRD，哪些基因具有转录因子结合位点”——在公共数据库中都有权威答案。凭记忆猜测并不可靠（对于冷门注释，猜对的概率约等于碰运气）；对应的 ToolUniverse 工具可以返回真实结果。

六个会导致答案看似确定、实则错误的陷阱

每种情况都曾在真实问题中导致错误答案。请在作答前检查；各项的详细说明见下文。

1. GWAS 中的“最高 p 值”意味着显著性最低——也就是数值最小。 按字面意思理解，会选出研究中最弱的结果（rs2476491 的 p 值为 1e-06，而非 rs7775055-G 的 3e-174）。

2. “TSS 上游 N bp 加下游 M bp”的窗口跨度为 N+M+1 个碱基——锚点也计入其中。TSS 两侧各 100 bp，共 201 nt，而非 200。请将得到的长度与所需长度核对。

3. HPA 的亚细胞定位会汇总抗体测试过的所有细胞系。 请报告 main_locations 和 additional_locations，但如果问题指定了某个细胞系，就应将它们视为候选项，并排除属于其他细胞系的注释——把五个都列出来和只列一个一样是错误的。

4. Allen Brain：回答叶级结构，而非其上级结构。 图谱会为具体结构和上级结构标注不同颜色，因此，在 Lateral preoptic area（#F2483B）才是正确答案时，回答“Hypothalamus”就是错误的。AllenBrain_search_structures 会返回 color_hex_triplet。

5. SCREEN 的 is_proximal 不可靠；请根据 element_type 筛选——PLS 和 pELS 位于 TSS 附近，dELS 则位于远端。

6. 衍生评分与发布版本绑定。 对 APOC2，gnomAD pLI 在 r4 中为 0.047，在 r2.1 中为 0.402——同一基因的数值相差 8.5 倍。请使用问题指定的发布版本，并说明所用版本。

规则零：查询数据，绝不猜测

如果问题提到了数据库、基因集或数据库中包含的任何注释，就必须先查询工具。如果凭记忆回答“根据 <数据库>”的问题，就会出错——这些注释（预测的 miRNA 靶标、ChIP-seq 结合、整理好的基因集、疾病关联）正是模型容易产生幻觉的内容。经过工具核验的答案胜过任何回忆出来的事实。

选择题流程

这些问题大多是选择题，其中有一个“信息不足，无法回答”选项。请按以下步骤作答：

1. 解析问题，找出：指定的数据库/集合、锚定实体（基因集、疾病、miRNA、TF、基因座……）以及候选选项。
2. 确定锚定实体对应的工具和标识符（见路由表）。
3. 查询工具一次，获取权威的成员列表/关联集合。
4. 核对每个选项与查询结果。应当恰好有一个选项得到支持。
5. 作答，给出该选项的字母。只有当工具对有效查询确实没有返回任何结果时，才选择“信息不足”（不能因为跳过查询而选择）。

路由表——问题模式 → 工具

问题提及……	工具（已验证）	方法
一个具名的 基因集 / 致癌特征（MSigDB C6，例如 ATM_DN.V1_DN）	MSigDB_get_gene_set_members	列出成员，检查其中是否包含某个选项
“根据 miRDB”给出的 miRNA 靶标（例如 MIR186-3p）	MSigDB_get_gene_set_members（集合 C3:MIR:MIRDB）	集合名称 = MIR<number>_<3P|5P>，例如 MIR186_3P
“根据 GTRD”给出的 TF 结合位点 / 靶标（例如 PGM3）	MSigDB_check_gene_in_set（集合 C3:TFT:GTRD）	集合名称 = <TF>_TARGET_GENES，例如 PGM3_TARGET_GENES；针对每个选项传入 gene
通路 / 标志成员资格	MSigDB_get_hallmark_geneset、MSigDB_get_geneset	HALLMARK_<NAME> 或精确的集合名称
基因 ↔ 疾病关联（DisGeNet、OpenTargets、OMIM）	umls_search_concepts → DisGeNET_get_disease_genes/DisGeNET_get_gda；OpenTargets_*、MyDisease_get_disease、OMIM_search；文本挖掘备用方案： PubTator3_LiteratureSearch / PubTator3_GetEntityRelations（e1=@GENE_<sym>）、EPMC_get_text_mined_annotations	DisGeNET 需要 UMLS CUI（通过 umls_search_concepts 解析 → C0152200，然后设置 disease=C0152200）以及 DISGENET_API_KEY。参见下方“在 X 中但不在 Y 中”操作方案
小鼠表型基因集（MP / MGI，例如“黑色素瘤发病率升高”）	MSigDB_check_gene_in_set（小鼠 M5，集合 MP_<PHENOTYPE>）——备用方案：MGI_search_genes → MGI_get_phenotypes	对照 MP_* 集合每个选项调用一次（例如 MP_INCREASED_MELANOMA_INCIDENCE）；成员即为答案。仅当集合名称无法解析时，才使用下方的 MGI 逐基因方案
基因基因组位置（Ensembl 带区，例如 chr7q34）	Ensembl_* / NCBIDatasets_get_gene_by_symbol	解析每个选项并比较细胞遗传学带区 / 坐标
变异 / 序列致病性（“根据 ClinVar，哪个变异 / 序列具有致病性 或 良性”）	（仅在确实无法确定时）annotate_variant_multi_source、VEP_predict_pathogenicity、UniProt_get_disease_variants_by_accession	提高效率——不要查询每个选项（这会导致超时）。 先确定蛋白质，再找出每个选项对应的单个氨基酸替换，并直接根据具体残基变化进行判断；对于已充分研究的 ClinVar 变异，基础模型通常很可靠。最多进行一次有针对性的工具调用，以解决真正不确定的变异。注意问题的判断方向（良性还是致病）：对于“最可能为良性”，常见 / 与参考序列一致的变异就是答案；对于“最可能具有致病性”，罕见且有害的变异才是答案。
药物 / 化合物靶标、作用机制、审批状态	ChEMBL_*、OpenFDA_*、GtoPdb_*（需要 GTOPDB_API_KEY）、PubChem_*	解析药物并查询相关关系
适合该患者的药物（临床病例中提到了修饰因素）	FDA_*_by_drug_name——根据修饰因素选择章节	参见下方“为描述的患者选择药物”
蛋白质功能 / 结构域 / 序列	UniProt_*	解析登录号并阅读注释
蛋白质定位 / 表达（“根据 Human Protein Atlas”）	HPA_get_subcellular_location、HPA_get_rna_expression_by_source、HPA_get_comprehensive_gene_details_by_ensembl_id	传入基因符号——抗体 ID（例如 HPA073143）也可使用，并会解析到其靶基因。报告主要和其他定位——参见下文
Allen 小鼠/人脑图谱中的脑区	AllenBrain_search_structures（name 或 acronym）、AllenBrain_get_structure	参考图谱中的区域按颜色编码：结果包含 color_hex_triplet，因此可以回答“图中红色的区域是什么”——见下文
基因附近的调控元件 / cCRE（ENCODE SCREEN）	SCREEN_search_cCREs_by_region	按 element_type 筛选（PLS 和 pELS 靠近 TSS，dELS 位于远端），并查看 dnase_zscore
ClinVar 中位于 / 与某基因组区域重叠的变异	ClinVar_search_by_region	不要使用 ClinVar_search_variants——Entrez 匹配的是变异的起点，因此窄窗口会漏掉跨越该区域、但起点在上游数百万碱基处的 CNV。此工具返回真正重叠的变异，并按跨度从小到大排序
ReMap 中某 TF 实验的峰数量 / 数据集	ReMap_list_datasets_for_target	一个 GEO 系列可以包含多个数据集（GSE23852/FOXA1 = 2 个，分别有 60,158 和 67,736 个峰）——除非问题要求总数，否则应分别报告；使用 count_peaks: true 获取数量
STRING 中的蛋白质互作伙伴	STRING_get_protein_interactions	查看 partner 字段，而非 preferredName_B：边按内部 ID 排列为 A/B，因此被查询的蛋白质大约一半时间位于 A 列

不确定哪个工具封装了某个数据库时，请按关系（例如“基因-疾病关联”“基因集成员”）搜索目录，而不是按品牌名称搜索——ToolUniverse 通常已经提供了相应工具。

Allen Brain Atlas——回答具体结构，而非其父级结构

参考图谱为每个结构指定颜色，而 AllenBrain_search_structures 会返回 color_hex_triplet。询问某种颜色（“冠状位 181 处标注为红色的是哪个区域”）的问题，问的是具有该颜色的叶级结构，例如 Lateral preoptic area = #F2483B。

回答其所属区域（“Hypothalamus”）是错误的，尽管它包含了正确的区域：图谱为具体结构着色，而父级结构有自己的不同颜色。按名称或缩写搜索，比较 color_hex_triplet，并给出颜色相符的结构。请注意，同一个缩写可能返回多行（半球特异性条目和本体版本条目），且颜色不同——优先选择 name 与问题措辞相符的那一行。

Human Protein Atlas——报告两个定位字段

HPA_get_subcellular_location 将结果拆分为两部分，而且这种拆分并非按显著性排序：

main_locations       : ['Nucleoplasm']
additional_locations : ['Primary cilium', ..., 'Cytosol']

询问“这种抗体显示出什么定位”的问题，需要的是 HPA 报告的所有位置，也就是两个列表——只根据 main_locations 作答会漏掉真实的定位，这是只答对一部分的常见原因（例如，HPA 报告“Nucleoplasm, Cytosol”，却只回答“Nucleoplasm”）。请使用已经合并两者的 location_summary，或查看这两个字段。

另外还需注意两点：

• 定位信息按细胞系汇总。 HPA 会汇总某个抗体在所有受测细胞系中的免疫荧光结果。如果问题指定了某个细胞系（HEK293、U-2 OS），应将列表视为候选集合，并说明报告的是哪个细胞系，而不要暗示汇总结果仅适用于该细胞系。
• 仅公开富集细胞类型的 RNA 值。 HPA 的机器可读字段会提供基因富集细胞类型的特异性以及 nTPM/nCPM；不会公开任意细胞类型的数值。如果问题询问的细胞类型没有相应数值，请如实说明，而不要用最接近的可用数值替代——两者可能相差一个数量级。

MSigDB 集合名称规范（LAB-Bench 中最常见的模式）

ToolUniverse 的 MSigDB_* 工具涵盖了 LAB-Bench 问题所基于的多个集合。请准确填写集合名称：

• C6 致癌特征 — 使用问题中引用的确切集合名称（例如 ATM_DN.V1_DN、KRAS.600_UP.V1_UP）。
• C3:MIR:MIRDB（miRDB v6.0 预测的 miRNA 靶标）— MIR<number>_<3P|5P>（例如 MIR186_3P、MIR675_3P）。这就是 miRDB；不要说“无法访问 miRDB”。
• C3:TFT:GTRD（GTRD TF 靶基因）— <TF>_TARGET_GENES（例如 PGM3_TARGET_GENES）。这就是 GTRD。
• Hallmark — HALLMARK_<NAME>。
• Mouse M5（MGI 哺乳动物表型） — MP_<PHENOTYPE_IN_CAPS>（例如，“increased melanoma incidence” → MP_INCREASED_MELANOMA_INCIDENCE）。这些是小鼠集合：工具会先尝试人类集合，再自动尝试小鼠集合；也可以传入 species: "mouse" 跳过人类集合的查询。相比逐一查询每个基因的完整 MGI 表型列表，优先使用此方法。

MSigDB_get_gene_set_members（操作 get_gene_set）返回 {genes:[...]}；MSigDB_check_gene_in_set（操作 check_gene_in_set，参数 gene）返回 {is_member: bool}。两者都会报告匹配的 species 集合。

每个集合只获取一次，不要为每个选项都获取一次。 多项选择题会询问一个集合中的 3-5 个候选项，因此调用一次 MSigDB_get_gene_set_members 就能回答所有候选项——你可以自行将选项与返回的列表进行比对。仅在问题只涉及一个基因，或集合过大、不便完整返回时，才使用 MSigDB_check_gene_in_set。

“在数据库 X 中有关联，但在数据库 Y 中没有”基因-疾病查询方法

这类问题（例如“根据 DisGeNet，哪个基因与疾病 D 有关联，但与 OMIM 无关？”）需要进行差异查询，而不是单次查询：

1. 将 D 解析为 UMLS CUI（umls_search_concepts）。
2. OMIM 侧： 使用 OMIM_search/OMIM_get_gene_map 查询 D → 获取 OMIM 致病基因集合。
3. DisGeNet 侧： 使用 DisGeNET_get_disease_genes(disease=CUI)（人工整理）。请注意，学术版 API key 仅能访问人工整理的数据；DisGeNet 还包含一个文本挖掘层，而该 key 无法访问。
4. 文本挖掘回退方案（当人工整理的数据为空时，用于覆盖 DisGeNet 的文本挖掘层）：使用 PubTator3_LiteratureSearch("<GENE> <disease>") 或 PubTator3_GetEntityRelations(e1="@GENE_<sym>", type="associate")——与 D 存在文献共现、但不在 OMIM-for-D 中的基因，就是“在 DisGeNet 中有记录，但不在 OMIM 中”的答案。
5. 排除法： 排除对 D 属于 OMIM 致病基因的选项；在其余选项中，选择与 DisGeNet/文本挖掘关联的基因。如果恰好只有一个选项不属于 OMIM 致病基因，且存在任何关联信号，那就是答案。
6. 仅当所有来源都没有任何选项存在关联时，才回答“信息不足”。如果标准答案中的基因既不在人工整理的 DisGeNet 数据、OMIM 中，也没有出现在 PubTator 文献中，它可能依赖学术版 API 无法访问的 DisGeNet 内部文本挖掘信号——请如实说明，不要猜测。

为病例描述的患者选择药物（临床病例题）

“以下哪种方案最适合这位患者？”题目会给出一个病例，并指出某种修饰因素——肝功能或肾功能损害、Child-Pugh 分级、合并使用强效 CYP3A4 抑制剂、妊娠、过敏或禁忌证——以及若干候选药物。这类题目看起来是在考临床判断，但真正起决定作用的是修饰因素，而答案就在每种候选药物的 FDA 标签中。依靠记忆作答正是容易出错的地方：选项通常都是治疗该病的合理药物，只有标签能将它们区分开来。

1. 先将每个选项的商品名对应到通用名。 对每个选项调用 FDA_get_active_ingredient_info_by_drug_name。务必先做这一步，再开始推理，原因有二：标签查询以活性成分为依据，而且有时两个选项其实是同一种药物，只是分别使用了商品名和通用名。若出现这种情况，两者都不可能是预期答案——它们无法区分——因此应同时排除，往往就能直接解出题目。明确指出重复选项；这也值得报告为基准测试缺陷。

2. 只查询修饰因素所涉及的章节。 每个候选药物进行一次有针对性的调用，比调取完整标签更有效：

病例描述……	查看此章节
肝功能损害、Child-Pugh A/B/C 级、肝硬化	调用 FDA_get_pharmacokinetics_by_drug_name（肝功能损害小节），然后调用 FDA_get_dosage_and_storage_information_by_drug_name 查询剂量调整。Child-Pugh 分级可能出现在其中任一章节，也可能出现在禁忌证中；有些标签描述了肝功能损害，却完全不使用这一术语——某个章节中没有相关信息，不代表标签中没有
肾功能损害、CrCl/eGFR、透析	同样查询这两个章节——先查药代动力学，再查剂量
“正在使用强效 CYP3A4 抑制剂/诱导剂”，或指定了任何合并用药	调用 FDA_get_drug_interactions_by_drug_name；若标签写明的是代谢途径而非特定药物组合，则调用 FDA_get_clinical_pharmacology_by_drug_name
妊娠、哺乳、“计划怀孕”	调用 FDA_get_pregnancy_or_breastfeeding_info_by_drug_name（若问题专门询问胎儿伤害，则调用 FDA_get_teratogenic_effects_by_drug_name）
过敏，或会排除某药的合并症	调用 FDA_get_contraindications_by_drug_name，然后调用 FDA_get_boxed_warning_info_by_drug_name
老年患者／儿科患者	调用 FDA_get_geriatric_use_info_by_drug_name／FDA_get_pediatric_use_info_by_drug_name
该药可能无法治疗所述疾病	调用 FDA_get_indications_by_drug_name

命名规则一致——FDA_get_<section>_by_drug_name——因此，如果这里未列出所需章节，可在目录中按章节名称搜索，而不是猜测工具名称。

3. 通过排除法作出判断，并说明每个选项为何被排除。 通常，预期答案是唯一不受该修饰因素排除的候选药物：因肝功能损害而禁用、需要无法实现的剂量减量、与所述合并用药发生相互作用，或未获批用于治疗该疾病。引用标签中排除各选项的原文——没有引用标签原句的病例题答案，只是披着引文外衣的猜测。

不要过度查询。 先确认活性成分（每个选项调用一次），再为每个剩余候选药物查阅一个章节。如果所有选项的标签都没有说明该修饰因素，就如实指出，并根据适应证作答——不要继续查询其他章节，寄望找到区分依据。

小鼠表型匹配（MGI）——仅作备用

先尝试使用 MP_<PHENOTYPE> MSigDB 集合（见上文）：每个选项只需一次调用，而且使用的是相同的 MGI 注释。仅当集合名称无法解析时，才使用这种逐基因查询方式。

MGI_get_phenotypes 会为每个基因返回一个 phenotype_statement 字符串列表，并且采用分页——某个基因匹配的陈述往往在后续页面中，因此单页内容不能证明该基因没有匹配项。要回答“哪个基因被注释为具有表型 P”，请查询每个候选基因，并选择陈述中包含与 P 匹配短语的基因（陈述是便于人阅读的内容，例如“癌发生率增加”“肿瘤”）。应匹配表型概念，而非完全相同的 MP ID 字符串。如果有多个匹配项，优先选择最具体的陈述。

计算步骤（答案需要计算，而非查找时）

GWAS 中的“最高 p 值”指最显著

在 GWAS 文献中，“最高 p 值”“首要关联位点”和“最强关联”都指最显著的结果，也就是数值最小的 p 值。按字面理解，“最高”会选出研究中最弱的关联，这几乎从来不是原意。

对于 GCST005528，按字面理解会得到 rs2476491-?，p = 1e-06；预期答案是 rs7775055-G，p = 3e-174。

按 p 值升序排序并报告该位点。如果措辞确实可能有两种理解，就给出最显著的位点，并用一句话说明数值最大的 p 值对应另一个 SNP——不要默默按字面意思选择。

基因组窗口——计入锚点碱基

描述为“X 上游 N bp 加下游 M bp”的窗口，跨度为 N + M + 1 个碱基，因为锚点 X 本身也包含在内。若要求 TSS 上游 100 bp、下游 100 bp，则长度是 201 nt，而不是 200。差一位是序列答案看起来正确却实际错误的最常见原因。

无论调用哪种工具，也要注意其坐标约定：

约定	start..end 的跨度	使用场景
1 基闭区间	end - start + 1	Ensembl region、UCSC 浏览器文本、IGV、samtools
0 基半开区间	end - start	UCSC REST API、BED

UCSC_get_sequence 可通过 region 接收以文本形式给出的位点（1 基闭区间），也可通过带有 coordinate_system 的显式 chrom/start/end 参数接收位点；它会回显 region_1based 和 requested_length，以便核对跨度。回答前务必检查返回长度是否符合问题要求——即使保留的每个碱基都正确，长度不对的序列仍然是错误的。

任何具有唯一确定的数值／组合答案的问题都必须通过运行代码得出，绝不能估算或心算。这适用于序列问题（ORF 数量、限制性酶切片段／大小、GC 含量、翻译），也适用于其他所有可精确计算的问题，例如遗传分离／孟德尔或多倍体配子比例、组合概率、化学计量、剂量／药代动力学运算、计数问题。对这类问题进行心算是最常见且可避免的错误来源：模型很容易数错或乘错。如果问题可以归结为“枚举情形／相乘概率／计数对象”，就编写一段简短的 Python 代码，运行后准确报告返回结果——即使题目看起来像生物学“推理”问题，只要答案是确定的数字，就应计算，而不是凭推理得出。按照问题的措辞采用相应约定（使用哪条链；线性还是环状；采用哪种杂交／分离模型），并说明所用约定，以便核查。 最终答案规范（避免“计算正确，答案错误”）。 代码返回结果后，请仔细、明确地将结果对应到选项字母：先引用计算出的值，再找出与之完全匹配的选项（对于片段大小集合，要匹配完整的多重集；对于计数，要匹配整数）。很多答错的情况都是计算正确，却选错了字母——务必避免这种情况；提交 [ANSWER] 前，请重新逐一核对每个选项与计算结果。

流程：“有多少 ORF 编码的蛋白质长度大于 N 个氨基酸？”

按字面理解题意。“DNA 序列 <X> 中有多少个 ORF”问的是给定的那条单链——只计数该链（3 个阅读框），而不是两条链。不要因为 DNA 是双链的就“热心地”加上反向互补链：题目给出的是一个序列字符串，并询问其中有什么，因此除非题目明确写了“两条链”“双链”“任一条链”或“反向互补链”，否则反向链不在范围内。默认加入反向链是这类题目答错最常见的原因——请务必避免。计入每个能到达同阅读框终止密码子的不同起始位点（ATG）；重叠或嵌套的 ORF 都要计数（同一阅读框中，一个终止密码子前有两个 ATG，就算两个 ORF）。长度规则是严格大于：蛋白质长度（aa）=（终止密码子索引 − 起始密码子索引）；对于“长度大于 N”，只保留 aa_len > N 的结果。报告代码针对给定链返回的数量——即使也计算了双链的结果，也不要用它替代题目所问的单链答案。

from Bio.Seq import Seq

def count_orfs(dna, min_aa, both_strands=False):
    """Count ORFs (ATG..in-frame-stop) encoding a protein STRICTLY longer than min_aa.
    Counts every qualifying ATG, including nested/overlapping ORFs. Forward strand
    by default; set both_strands=True only if the question asks for both strands."""
    dna = "".join(dna.split()).upper()
    strands = [Seq(dna)]
    if both_strands:
        strands.append(Seq(dna).reverse_complement())
    n = 0
    for s in strands:
        for off in range(3):                       # three reading frames per strand
            trimmed = s[off: len(s) - (len(s) - off) % 3]
            prot = str(trimmed.translate())        # '*' marks stop codons
            i = 0
            while i < len(prot):
                if prot[i] == "M":                 # ATG
                    stop = prot.find("*", i)
                    if stop != -1 and (stop - i) > min_aa:
                        n += 1                      # count this ATG; do NOT jump past stop
                i += 1
    return n
# e.g. count_orfs(seq, 12) -> integer; report exactly that number.

流程：限制性酶切片段计数／大小

# Count fragments after digesting with named enzyme(s).
# LINEAR DNA is the default (a plain sequence string): fragments = cuts + 1.
# Only use circular=True if the question says plasmid/circular.
from Bio.Seq import Seq
from Bio.Restriction import RestrictionBatch

def digest(dna, enzymes, circular=False):
    dna = "".join(dna.split()).upper()
    rb = RestrictionBatch(enzymes)            # e.g. ["EcoRI","BamHI"] or ["AluBI","MalI"]
    cut_positions = sorted(p for sites in rb.search(Seq(dna), linear=not circular).values() for p in sites)
    if not cut_positions:
        return 1, []                          # uncut: one fragment (linear or circular)
    n_frag = len(cut_positions) if circular else len(cut_positions) + 1
    return n_frag, cut_positions

如果 RestrictionBatch 因酶名报错（同裂酶／罕见供应商名称），请通过 DNA 酶切工具（该工具带有 Biopython 回退方案）解析，或将其映射到识别位点后重新运行——不要退而猜测。

流程：遗传分离／配子与子代比例（枚举，而非凭记忆）

涉及比例的遗传学问题——配子频率、子代基因型比例、多倍体分离——都可以通过枚举等可能的等位基因组合精确计算。不要凭记忆套用比例；要推导出来。对于某位点携带一组等位基因的亲本，在染色体随机分离的情况下，配子中的等位基因组合，是从亲本的等位基因中选取配子所含数量的所有等可能组合；用 Counter 和 combinations 统计基因型类别。

from itertools import combinations
from collections import Counter

def gamete_ratio(alleles, gamete_size):
    """Genotype distribution of gametes under random segregation.
    e.g. tetraploid AAaa -> gametes carry 2 alleles: gamete_ratio(['A','A','a','a'], 2)."""
    classes = Counter("".join(sorted(c)) for c in combinations(alleles, gamete_size))
    return dict(classes)   # e.g. {'AA':1, 'Aa':4, 'aa':1}

def progeny_fraction(parent_alleles, gamete_size, target_gamete, selfing=True):
    """Fraction of progeny that are homozygous target (e.g. 'aa' gamete x 'aa' gamete -> aaaa)."""
    g = gamete_ratio(parent_alleles, gamete_size); tot = sum(g.values())
    p = g.get(target_gamete, 0) / tot
    return p * p if selfing else p   # selfing/self-cross: square the gamete frequency
# tetraploid AAaa: gamete_ratio(['A','A','a','a'],2) = {'AA':1,'Aa':4,'aa':1};
# recessive 'aa' gamete freq = 1/6, so aaaa progeny under selfing = (1/6)^2 = 1/36.

将枚举得到的比例与选项对照（例如，若某情形得到 AA:Aa:aa 配子比例 1:4:1，则 aa 配子数量最多，因此 aaaa 子代比例也最高）。报告计算出的分数／比例，并选择与之匹配的选项。

解读：报告代码实际返回的精确值（ORF 数量；完整多重集形式的片段数量／大小；最长 ORF 的 nt 或 aa 长度；配子比例／子代分数——严格按题目所问）。务必说明采用的约定（正向链还是双链；线性还是环状；分离模型），以便核查。如果存在两种合理解读，请分别计算，并选择符合题目字面表述的一种。然后明确将计算结果与选项对应起来再作答（参见上文最终答案规范）。

解读

• 列出锚点成员／关联项的工具结果具有权威性——选择其中列出的选项。
• 如果工具因某个名称报错（例如未找到集合），请先根据上述约定重新推导名称，再判断是否“信息不足”。
• 只有在针对格式正确的查询，权威工具返回空结果时，“信息不足”才是正确答案——如果根本没有尝试查询，就不能这样回答。

局限性（如实说明）

• 需要密钥的来源：DisGeNET_* 和 OMIM 工具需要 DISGENET_API_KEY / OMIM 密钥。没有密钥时，请改用无需密钥的 OpenTargets_* / MyDisease_*，并说明所用来源。如果没有无需密钥的来源能够回答问题，且问题指定了数据库，则确实属于“信息不足”的情况——请如实说明。

• 版本不匹配：工具所用的数据库快照可能与问题指定的确切版本不同；对于某些数值，差异可能并不小。不同版本间会重新计算衍生评分，因此同一个基因的评分可能相差一个数量级。通过 gnomad_get_constraint 获取的 gnomAD pLI：

  基因	gnomAD r4	gnomAD r2.1
  APOC2	0.046875	0.401638
  APOC1	0.086323	0.216848

  如果工具提供 dataset/版本参数，请将其设为问题指定的版本，并说明所用版本。如果工具无法提供问题指定的版本，请报告实际使用的版本，不要把数值说成与版本无关——在这里，单独给出 pLI 值会产生最高 8 倍的歧义。

• 此技能用于查询事实。若要对用户的数据文件进行计算，请改用数据分析路由技能。