tooluniverse-lipidomics

脂质组学分析

用于脂质鉴定、分类、通路映射和疾病关联分析的一体化流程。脂质组学不同于一般代谢组学，因为脂质具有独特的分类系统（LIPID MAPS）、专门的通路（鞘脂、类二十烷酸、类固醇）和疾病关联（心血管疾病、神经退行性疾病、代谢综合征）。

推理策略

脂质鉴定始于质谱分析：根据头基碎片的质量确定脂质类别（例如，正离子模式下磷酸胆碱的 m/z 为 184），根据前体离子的精确质量确定总碳链长度和不饱和度，并通过中性丢失或产物离子扫描确定各条脂肪酸链。LIPID MAPS 分类根据化学结构将脂质分为 8 个类别——了解类别后即可判断可能的生物学背景（鞘脂 → 细胞凋亡／神经退行性疾病；甘油磷脂 → 膜重塑；类二十烷酸 → 炎症）。结构特异性在生物学上很重要：Cer(d18:1/16:0) 和 Cer(d18:1/24:1) 虽属于同一脂质类别，但膜特性和疾病关联不同。始终将变化的脂质映射回代谢通路，因为脂质是中间体——神经酰胺升高可能意味着合成增加（CERS 活性上调）、降解减少（ASAH1 下调），或由鞘磷脂转化而来（SMPD1 上调）。

查询，不要猜测：不要假设脂质的 LIPID MAPS ID、精确质量或通路归属——应先查询 LipidMaps_search_by_name。不要猜测哪些疾病与某类脂质相关；应从 HMDB 或 CTD 中检索。

关键原则：

1. 首先进行 LIPID MAPS 分类——使用 8 类系统（脂肪酰类、甘油脂类、甘油磷脂类、鞘脂类、固醇脂类、异戊烯醇脂类、糖脂类、多聚乙酰类）
2. 结构特异性很重要——碳链长度、不饱和度和 sn 位点都会影响生物学功能
3. 关联通路——脂质是代谢中间体；始终映射至生物合成／降解通路
4. 疾病背景——许多脂质是疾病生物标志物（神经退行性疾病中的鞘脂、心血管疾病中的氧化脂质）
5. 证据分级——T1：临床生物标志物研究；T2：机制研究；T3：关联数据；T4：计算预测

---

适用场景

• “根据 m/z 和保留时间鉴定这种脂质分子”
• “哪些通路涉及神经酰胺／鞘磷脂？”
• “阿尔茨海默病的脂质生物标志物”
• “哪些疾病与鞘脂代谢异常相关？”
• “将我的脂质组学结果映射到 KEGG 通路”
• “比较不同条件下的脂质谱”

不适用此技能：对于一般代谢组学（氨基酸、糖、有机酸），请使用 tooluniverse-metabolomics。对于药物 ADMET 属性，请使用 tooluniverse-admet-prediction。

---

核心工具

工具	用途
LipidMaps_search_by_name	按名称、缩写或质量识别脂质
LipidMaps_get_compound_by_id	脂质详细信息（结构、分类、通路）
SwissLipids_search	按名称或简写识别脂质——SIB 的补充脂质数据库；当 LIPID MAPS 未收录某个脂质种类时使用（见下文）
SwissLipids_get_lipid	完整的 SwissLipids 条目：名称、分子式、单同位素质量、交叉引用
SwissLipids_get_children	沿 SwissLipids 分类树向下遍历一级（类别 → 类 → 种类）
HMDB_search / HMDB_get_metabolite	脂质代谢物详情、疾病关联
kegg_search_pathway	脂质代谢通路（keyword=sphingolipid、glycerolipid 等）
KEGG_get_pathway_genes	脂质通路中的酶
PubChem_get_compound_properties_by_CID	化学性质（质量、分子式、SMILES）
CTD_get_gene_diseases	脂质代谢酶的基因-疾病关联
LipidMaps_get_gene	将脂质代谢相关基因（符号/NCBI ID/LMP ID）解析为其 LIPID MAPS Proteome Database 记录——名称、同义词、染色体位置、物种
LipidMaps_get_protein	在蛋白质层面进行相同查询——增加 UniProt/RefSeq 交叉引用和氨基酸序列
DisGeNET_search_gene	脂质相关基因的疾病关联
PubMed_search_articles	已发表的脂质组学研究
OpenTargets_get_associated_drugs_by_target_ensemblID	靶向脂质代谢酶的药物

---

工作流

Phase 0: Lipid Identity Resolution
  Name/mass/abbreviation → LIPID MAPS ID → classification
    |
Phase 1: Structural Classification
  LIPID MAPS 8-category system → subclass → molecular species
    |
Phase 2: Pathway Mapping
  KEGG lipid metabolism → biosynthesis/degradation enzymes
    |
Phase 3: Disease Associations
  CTD/DisGeNET/HMDB → lipid-disease links with evidence
    |
Phase 4: Interpretation & Report
  Biological significance → biomarker potential → recommendations

阶段 0：脂质身份解析

LipidMaps_search_by_name(query="ceramide")  → LMSP ID, exact mass, classification
HMDB_search(compound_name="ceramide")       → HMDB ID, disease links
PubChem_get_CID_by_compound_name(name="ceramide") → CID, SMILES

LIPID MAPS 搜索提示：

• 通用名称效果良好："ceramide"、"sphingomyelin"、"phosphatidylcholine"
• 类似 "Cer(d18:1/16:0)" 的种类级别缩写可能返回 0 条结果——先使用通用类别名称，再根据结果按链长筛选
• 精确质量搜索：使用 LipidMaps_search_by_formula 和分子式（例如 "C34H67NO3"）
• 如果名称搜索失败，尝试 PubChem：PubChem_get_CID_by_compound_name(name="C16 Ceramide")，然后交叉引用

SwissLipids 作为第二个脂质数据库——当 LIPID MAPS 未收录某个脂质种类， 或你希望查看其独立分类时，SwissLipids（swisslipids.org，SIB） 涵盖相同内容，但使用自己的 ID 空间和层级结构：

SwissLipids_search(query="PC(16:0/18:1)")   → real hit: entity_id "SLM:000088148"
SwissLipids_get_lipid(entity_id="SLM:000000510") → real entry: "hexadecanoate"
  (palmitate), formula C16H31O2, mass 255.4167, charge -1, plus a full
  adduct_mz table ([M+H]+, [M+Na]+, [M-H]-, etc.) useful for matching
  observed MS peaks directly — LIPID MAPS entries don't include this table.
SwissLipids_get_children(entity_id="SLM:000000338") → descend one level in the
  classification tree (e.g. from a lipid category down to its member species)

PC(16:0/18:1) 等简写可直接用于 SwissLipids_search （不同于 LIPID MAPS，后者通常需要先使用通用类别名称）。请注意， 某些条目的 classification 可能返回空数组 []——这是 SwissLipids 中真实存在的 数据缺口，并非查询失败；如果需要分类信息，请改用 LIPID MAPS 查询该脂质的类别。

阶段 1：结构分类

使用 LipidMaps_get_compound_by_id 获取任意脂质的 LIPID MAPS 8 类分类（FA、GL、GP、SP、ST、PR、SL、PK）。类别可以立即提示生物学背景：SP（鞘脂）→ 细胞凋亡/神经退行性病变；GP（甘油磷脂）→ 膜重塑；由 FA 衍生的类二十烷酸 → 炎症。

阶段 2：通路映射

KEGG 中的主要脂质代谢通路：

通路	KEGG ID	关键酶	疾病相关性
鞘脂代谢	hsa00600	SMPD1、CERS1-6、ASAH1	尼曼-匹克病、法布里病、高雪病
甘油磷脂代谢	hsa00564	PLA2、LPCAT、LPIN	Barth 综合征、动脉粥样硬化
花生四烯酸代谢	hsa00590	COX1/2、LOX、CYP450	炎症、哮喘、CVD
类固醇生物合成	hsa00100	HMGCR、CYP51A1、DHCR7	高胆固醇血症、Smith-Lemli-Opitz 综合征
脂肪酸生物合成	hsa00061	FASN、ACC、SCD	肥胖、NAFLD、癌症
脂肪酸降解	hsa00071	CPT1、ACADM、HADHA	MCAD 缺乏症、VLCAD 缺乏症
胆汁酸生物合成	hsa00120	CYP7A1、CYP27A1	胆汁淤积、胆结石
醚脂代谢	hsa00565	AGPS、GNPAT	根茎状软骨发育不良

# Map lipids to pathways
kegg_search_pathway(keyword="sphingolipid")  # → hsa00600
KEGG_get_pathway_genes(pathway_id="hsa00600")  # → SMPD1, CERS1, ...

阶段 3：疾病关联

对于每种脂质或脂质酶，如有需要，先解析基因／蛋白质记录，再检查疾病关联：

LipidMaps_get_gene(input_value="SMPD1", input_item="gene_symbol")  # LMPD record: name, synonyms, chromosome
  # verified live example: input_value="FASN" → {"gene_symbol": "Fasn", "lmp_id": "LMP001577", "gene_name": "fatty acid synthase", ...}
LipidMaps_get_protein(input_value="P49327", input_item="uniprot_id")  # adds UniProt/RefSeq xrefs + sequence
CTD_get_gene_diseases(input_terms="SMPD1")  # sphingomyelinase → Niemann-Pick
DisGeNET_search_gene(gene="SMPD1")  # broader disease associations
HMDB_get_metabolite(compound_name="ceramide")  # metabolite-disease links
PubMed_search_articles(query="ceramide biomarker Alzheimer")  # clinical evidence

疾病背景：神经酰胺升高 → 细胞凋亡、阿尔茨海默病、胰岛素抵抗。鞘磷脂耗竭 → 尼曼-匹克病。氧化磷脂 → 心血管疾病。胆汁酸比例改变 → 非酒精性脂肪性肝病、胆汁淤积。二十碳烷酸类升高 → 炎症。务必通过 HMDB 或 CTD 核实，不要依赖记忆。

阶段 4：解读与报告

计算流程：脂质类别富集分析

# When user provides a list of significantly changed lipids
import pandas as pd
from scipy.stats import fisher_exact

# Input: list of changed lipids with LIPID MAPS categories
changed = pd.DataFrame({
    'lipid': ['Cer(d18:1/16:0)', 'SM(d18:1/16:0)', 'PC(16:0/18:1)', 'LPC(18:0)'],
    'category': ['SP', 'SP', 'GP', 'GP'],
    'direction': ['up', 'down', 'unchanged', 'up'],
    'fold_change': [2.1, 0.5, 1.1, 1.8]
})

# Count changed vs unchanged per category
from collections import Counter
changed_cats = Counter(changed[changed['direction'] != 'unchanged']['category'])
total_cats = Counter(changed['category'])

# Report
print("Lipid class enrichment:")
for cat in total_cats:
    n_changed = changed_cats.get(cat, 0)
    n_total = total_cats[cat]
    print(f"  {cat}: {n_changed}/{n_total} changed")

# Interpretation
if changed_cats.get('SP', 0) / max(total_cats.get('SP', 1), 1) > 0.5:
    print("→ Sphingolipid metabolism is significantly altered")
    print("  Consider: apoptosis, neurodegeneration, insulin resistance")

报告结构：

1. 脂质身份 — LIPID MAPS 分类、结构特征
2. 通路背景 — 受影响的代谢通路
3. 疾病关联 — 按证据等级划分的疾病关联
4. 生物标志物评估 — 已识别脂质变化的临床用途
5. 机制模型 — 脂质变化与疾病生物学的关联方式
6. 建议 — 验证实验、临床随访

---

局限性

• 不处理原始 MS 数据 — 此技能用于解读已识别的脂质，而非原始质谱。请先使用 LipidSearch、MS-DIAL 或 LipiDex 进行鉴定。
• LIPID MAPS 覆盖范围 — 部分罕见或新型脂质可能未收录在数据库中
• 定量阈值 — 倍数变化的阈值取决于具体情境；此技能提供的是分析框架，而非通用阈值
• 物种特异性 — 大多数疾病数据来自人类；大鼠／小鼠的脂质代谢可能存在显著差异