tooluniverse-immunology

免疫学研究技能

核心原则：采用多层证据；为每项论断注明来源；优先使用免疫学专用数据库（IEDB、IMGT、SAbDab）；在工具调用中始终使用英文基因／蛋白质名称。

---

查询，不要猜测

对任何科学事实不确定时，先搜索数据库（PubMed、UniProt、ChEMBL、ClinVar 等），不要凭记忆推理。经数据库验证的答案总是比猜测更可靠。

关于免疫机制的选择题：回答前先查询具体的通路／受体／细胞因子。使用 PubMed_search_articles 搜索问题中的确切术语。答案几乎总会出现在最先返回的几条搜索结果中。

必须查询的具体目标（绝不要猜测）：

• 免疫细胞标志物：细胞亚群的 CD 标志物（例如，Treg = CD4+CD25+FOXP3+，而不只是“CD4+”）。查询 UniProt 或 IEDB。
• 细胞因子功能：IL-17 具有促炎作用（Th17），IL-10 具有抗炎作用（Treg）——但具体情况取决于上下文。通过 KEGG 通路或 PubMed 验证。
• MHC/HLA 限制性：哪个 HLA 等位基因呈递哪种肽——务必检查 IEDB MHC 结合数据；等位基因层面的差异至关重要（HLA-A02:01 和 HLA-A02:07 的肽谱不同）。
• 抗体 Kd 值：绝不要估算结合亲和力；查询 SAbDab、IEDB 或已发表的文献。

---

计算，不要描述

当分析需要计算（统计、数据处理、评分、富集分析）时，通过 Bash 编写并运行 Python 代码。不要只描述要做什么——实际执行并报告结果。使用 ToolUniverse 工具检索数据，再用 Python（pandas、scipy、statsmodels、matplotlib）进行分析。

推理框架

免疫应答推理——每种免疫应答都经历先天免疫 → 适应性免疫阶段。思考：问题涉及哪一类免疫？先天免疫（中性粒细胞、巨噬细胞、补体、模式识别）还是适应性免疫（T 细胞、B 细胞、抗体、免疫记忆）？先天免疫反应迅速（数小时），且不具抗原特异性；适应性免疫反应较慢（数天），但具有特异性并能形成免疫记忆。二者的衔接发生在 APC 将抗原呈递给初始 T/B 细胞时。靶向先天免疫会抑制广泛的炎症；靶向适应性免疫会干扰抗原特异性应答。这决定了哪些数据库和工具最相关。

抗体分析推理——结构决定功能。可变区（VH/VL、CDR 环）决定抗原特异性。Fc 区决定效应功能：激活补体（IgM、IgG）、通过 FcγR 介导 ADCC（IgG）或促进调理作用。分析抗体数据时，务必思考：研究的是结合（Fab——使用 IEDB、SAbDab、IMGT）还是功能（Fc——临床安全性使用 FAERS，靶标生物学使用 OpenTargets，治疗形式／同种型使用 TheraSAbDab）？同种型转换会改变效应功能，但不会改变特异性。

自身免疫推理——自身免疫 = 自我耐受丧失。思考：攻击是由细胞介导（T 细胞破坏组织 → 1 型糖尿病、MS），还是由抗体介导（自身抗体 → SLE、重症肌无力、Graves 病）？细胞介导的疾病涉及 MHC I 类／II 类分子及 TCR 库；抗体介导的疾病则涉及 B 细胞活化、亲和力成熟和补体。这决定了疾病机制、相关遗传位点（HLA 等位基因对两者都占主导，但 TCR 基因对 T 细胞疾病更重要），以及治疗方法（靶向 T 细胞、B 细胞或补体的生物制剂）。 抗体-抗原相互作用推理 — 结合强度有两个维度：亲和力（单个结合位点的 Kd，治疗性单克隆抗体通常为 nM–pM）和亲合力（所有结合位点的综合强度——IgM 五聚体亲和力较低，但亲合力较高）。分析结合数据时：Kd < 1 nM = 极高亲和力；1–100 nM = 中等；> 100 nM = 弱。表位定位策略取决于问题：线性表位 → 肽阵列或 IEDB 线性表位搜索；构象表位 → HDX-MS、cryo-EM 或交联质谱。对于治疗性抗体，可在 SAbDab 中查看共晶结构，并在 TheraSAbDab 中查看临床阶段的格式／工程化详情。

免疫信号级联推理 — 当被问到“细胞因子 X 激活细胞 Y 时会发生什么”，要追踪完整通路：受体（哪些亚基？）→ 近端激酶（JAK1/2/3、TYK2、Src 家族？）→ 转录因子（STAT1/3/4/5/6、NF-kB、NFAT？）→ 效应基因（细胞因子、细胞毒性分子、生存因子）。示例：IL-12 + T 细胞 → IL-12R（IL12RB1+IL12RB2）→ JAK2/TYK2 → STAT4 → 产生 IFN-gamma（Th1 分化）。使用 KEGG 通路 hsa04630（JAK-STAT）和 Reactome R-HSA-1280215（细胞因子信号传导）进行验证。关键的信号模块：JAK-STAT（大多数细胞因子）、NF-kB（TNF、TLR、TCR/BCR 共刺激）、MAPK/ERK（生长因子、TCR）、PI3K-AKT（共刺激、生存）。

补体系统推理 — 三条激活通路汇聚于 C3 转化酶：经典途径（C1q 结合抗体-抗原复合物——IgM 或 IgG → C4b2a）、凝集素途径（MBL 结合病原体上的甘露糖 → C4b2a）、替代途径（C3 自发水解 + 因子 B/D → C3bBb，形成放大循环）。三者最终汇聚于 C5 转化酶 → MAC（C5b-9）。需要检查的情况：疑似免疫复合物疾病（SLE）→ 经典途径（C1q、C4）；反复细菌感染 → 替代途径或凝集素途径（因子 B、MBL）；阵发性睡眠性血红蛋白尿症 → 末端通路（CD55/CD59 缺陷）。治疗靶点：eculizumab 阻断 C5；avacopan 阻断 C5aR。

证据分级 — A（强）：GWAS p < 5e-8 + 功能数据 + 临床信号。B（中等）：遗传学或通路证据，功能数据有限。C（初步）：仅有单一数据库命中。遗传学（GWAS/Orphanet）+ 蛋白质相互作用（IntAct/BioGRID）+ 通路数据相互印证，可提高置信度。FAERS PRR > 2 且 IC025 > 0 是一种信号，而非因果证明。TIMER2 去卷积估算需要通过正交方法验证。

---

工具参考

抗体／结构（SAbDab、TheraSAbDab）

工具	关键参数
SAbDab_get_structure	pdb_id (str) — 结构详情和链信息
SAbDab_get_summary	pdb_id (str) — CDR 和链摘要
SAbDab_search_structures	query (str) — 仅返回浏览 URL，不返回 JSON
TheraSAbDab_search_therapeutics	query (str，例如 "pembrolizumab") — INN、靶点、格式、阶段
TheraSAbDab_search_by_target	target (str) — 某抗原对应的所有治疗药物
TheraSAbDab_get_all_therapeutics	（无）— 完整的治疗性抗体列表

表位与免疫测定（IEDB）

所有搜索工具均接受 limit、offset、filters（PostgREST 字典）。

工具	额外参数
iedb_search_epitopes	sequence_contains、structure_type
iedb_search_tcell_assays	sequence_contains、mhc_class、qualitative_measure
iedb_search_bcell	仅 filters
iedb_search_mhc	仅 filters
iedb_search_tcr_sequences / iedb_search_bcr_sequences	仅 filters

按 structure_id 查询详情的工具：iedb_get_epitope_antigens、iedb_get_epitope_mhc、iedb_get_epitope_tcell_assays、iedb_get_epitope_references。

免疫球蛋白基因（IMGT）

IMGT_search_genes、IMGT_get_gene_info、IMGT_get_sequence — 均接受 gene_name（例如 "IGHV1-2"）。

蛋白质相互作用（IntAct、BioGRID）

工具	关键参数
intact_get_interaction_network	identifier（UniProt 登录号——基因符号不会返回结果）、limit
intact_search_interactions	query（关键词）、limit
BioGRID_get_interactions	gene_names（列表）、organism（字符串 "9606"）、limit
BioGRID_get_chemical_interactions	gene_names（列表）、chemical_names（列表）、organism（整数）

评估相互作用证据的权重：共免疫沉淀（co-IP）和双杂交 = 直接证据；共表达或文本挖掘 = 用于生成假设。

细胞因子 / 信号传导（OpenTargets、GWAS）

工具	关键参数
OpenTargets_get_target_id_description_by_name	targetName——将基因符号解析为 Ensembl ID（使用 ensemblId 工具前必需）
OpenTargets_get_target_interactions_by_ensemblID	ensemblId、size
OpenTargets_get_target_gene_ontology_by_ensemblID	ensemblId
OpenTargets_get_target_safety_profile_by_ensemblID	ensemblId
OpenTargets_get_associated_diseases_by_drug_chemblId	chemblId
gwas_search_associations	query（疾病名称）
gwas_get_snps_for_gene	gene_symbol（映射后的基因符号）

临床 / 安全性（FAERS、临床试验）

工具	关键参数
FAERS_calculate_disproportionality	drug_name（通用名）、adverse_event → PRR、ROR、IC
FAERS_filter_serious_events	drug_name、seriousness_type
FAERS_stratify_by_demographics	drug_name、stratify_by（性别 / 年龄 / 国家）
FAERS_compare_drugs	drug1、drug2、adverse_event
search_clinical_trials	condition、intervention、pageSize

自身免疫遗传学（Orphanet）

Orphanet_search_diseases(query) → ORPHAcode。然后使用：Orphanet_get_genes、Orphanet_get_phenotypes、Orphanet_get_epidemiology、Orphanet_get_natural_history（均接受 orpha_code）。反向查询可使用 Orphanet_get_gene_diseases(gene_symbol)。

免疫通路（KEGG、Reactome）

工具	关键参数
kegg_search_pathway	keyword
KEGG_get_disease / KEGG_get_disease_genes	disease_id（例如，SLE 对应 "H00080"）
KEGG_get_pathway_genes	pathway_id（例如 "hsa04060"）
Reactome_get_pathway	stId（例如 "R-HSA-168256"）——不是 pathway_id
ReactomeAnalysis_pathway_enrichment	identifiers（以空格分隔的字符串，不是数组）
Reactome_map_uniprot_to_pathways	uniprot_id

关键通路 ID——Reactome：R-HSA-168256（免疫系统）、R-HSA-168249（先天免疫）、R-HSA-1280218（适应性免疫）、R-HSA-1280215（细胞因子信号传导）、R-HSA-202403（TCR）、R-HSA-983705（BCR）、R-HSA-166658（补体）。KEGG：hsa04060（细胞因子-受体）、hsa04660（TCR）、hsa04662（BCR）、hsa04620（TLR）、hsa04630（JAK-STAT）、hsa05322（SLE）、hsa05323（RA）。

肿瘤免疫微环境

TIMER2_immune_estimation——operation="immune_estimation"、cancer（TCGA 代码，例如 "luad_tcga"）、gene（符号）。返回去卷积估算结果；请使用正交方法进行验证。

---

参数注意事项

问题	错误	正确
Reactome 参数名称	pathway_id=	stId=
ReactomeAnalysis 标识符	列表 ["STAT4","IRF5"]	以空格分隔的字符串 "STAT4 IRF5"
OpenTargets 靶标查询	query="IL6"	targetName="IL6"
IntAct 标识符	基因符号 "CD274"	UniProt 登录号 "Q9NZQ7"
BioGRID 生物体	"human"	"9606"（分类群 ID 字符串）
BioGRID 基因参数	gene_name="CD274"	gene_names=["CD274"]（列表）
FAERS 药物名称	品牌名 "Keytruda"	通用名 "pembrolizumab"
SAbDab 搜索	预期返回 JSON	SAbDab_search_structures 仅返回 URL；请使用 PDB ID 调用 SAbDab_get_structure
按靶标搜索 TheraSAbDab	对常用名称使用 search_by_target	改用 search_therapeutics(query=drug_name)；靶标必须使用准确的注册表字符串
KEGG 疾病 ID	"lupus"	"H00080"

---

工作流

抗体靶点研究：TheraSAbDab_search_by_target 或 search_therapeutics → SAbDab_get_structure 获取 PDB 数据 → iedb_search_epitopes / iedb_search_tcell_assays → intact_get_interaction_network（UniProt ID）+ BioGRID_get_interactions → FAERS_calculate_disproportionality + search_clinical_trials。

自身免疫性疾病遗传学：Orphanet_search_diseases → Orphanet_get_genes + Orphanet_get_phenotypes → gwas_search_associations + gwas_get_snps_for_gene，用于候选基因 → KEGG_get_disease + KEGG_get_pathway_genes → 对疾病基因执行 ReactomeAnalysis_pathway_enrichment。

单细胞双受体相关问题：当被问及双链表达机制时，应区分生物学机制（等位基因共表达、受体编辑、自身反应性）与技术伪影（双细胞、环境 RNA）。询问“细胞为什么会表达两条链”通常只需要生物学机制。通常会纳入双细胞（1），因为它们代表真实观测结果；但通常会排除环境 RNA（2），因为它属于污染，并非真实表达。

免疫疗法安全性比较：使用 FAERS_compare_drugs 进行不良事件的头对头比较 → 对每种药物使用 FAERS_filter_serious_events → FAERS_stratify_by_demographics → 使用 OpenTargets_get_target_id_description_by_name 解析靶点 → OpenTargets_get_target_safety_profile_by_ensemblID → search_clinical_trials。