tooluniverse-model-organism-genetics

计算，而非描述

需要进行计算（统计、数据处理、评分、数据丰富）时，请通过 Bash 编写并运行 Python 代码。不要只描述你会怎么做——请实际执行，并报告实际结果。使用 ToolUniverse 工具检索数据，然后使用 Python（pandas、scipy、statsmodels、matplotlib）进行分析。

模型生物遗传学流程

将人类基因映射到模型生物的直系同源基因，并检索六个物种中的表型、表达和功能数据。综合跨物种证据，评估基因功能的保守性，并找出研究人类基因和疾病的最佳动物模型。

不适用于：人类变异解读（tooluniverse-variant-analysis）、药物靶点验证（tooluniverse-drug-target-validation）、人类疾病特征描述（tooluniverse-multiomic-disease-characterization），以及在确认 VEuPathDB 靶基因后进行的病原体暴发／药物再利用情报分析（tooluniverse-infectious-disease）。

查证，不要猜测：询问物种的分类、生态或生物学信息时，请先查询 GBIF／NCBI Taxonomy。对于 GBIF：使用 GBIF_search_species(query="species name")，然后从结果中取 nubKey（而非 key），调用 GBIF_get_species(speciesKey=nubKey) 获取完整分类信息（界、门、纲、目、科）。nubKey 是 GBIF 骨干分类库中的键；key 是数据集专用键，通常缺少较高阶分类信息。

---

推理原则

直系同源推理

跨物种的序列保守性意味着功能保守——但并非总是如此。小鼠和人类中高度保守的基因，很可能具有相同功能。但调控差异（基因在何时、何处表达）可能导致同一基因产生不同表型。请务必检查：保守的是蛋白质结构域，还是仅有原始序列？是否存在已知的调控差异？具有保守催化结构域、序列一致性为 40% 的直系同源基因，其功能等效性可能高于同一物种中序列一致性为 90% 的旁系同源基因。

旁系同源基因污染是常见陷阱。基因家族（例如 FOXP1/2/3/4、HOX 簇）会产生错误的直系同源命中。请检查共线性（保守的基因邻域）和同源类型，以区分真正的直系同源基因与旁系同源基因：1:1 = 可能是真正的直系同源基因；1:多或多:多 = 可能是旁系同源基因扩增。如果目标物种只有一个基因，而人类有多个（例如，果蝇只有一个 FoxP，而人类有四个 FOXP），那么它就是所有人类旁系同源基因的共同直系同源基因——请明确指出这一点。

模型生物选择

根据问题选择模型：

• 小鼠：哺乳动物生理学、药物测试、免疫系统、中枢神经系统疾病——需要类似人类的生物学特征时最合适
• 果蝇：遗传筛选、信号通路（Notch、Wnt、Hh 首次在此处得到表征）、神经回路、衰老——需要快速开展全基因组遗传学研究时最合适
• 线虫：细胞谱系、细胞凋亡、RNAi 筛选、衰老——需要单细胞分辨率和已绘制的连接组时最合适
• 斑马鱼：发育、器官形成、活体成像、心脏生物学——需要具备光学观察条件的脊椎动物生物学模型时最合适
• 酵母：细胞周期、DNA 修复、代谢、蛋白质运输、染色质——研究基础细胞生物学时最合适
• 蛙（Xenopus）：早期发育、细胞信号传导、卵母细胞生物化学——请注意，X. laevis 是异源四倍体（有两个亚同源基因：.L 和 .S）

无脊椎动物（果蝇、线虫、酵母）缺乏适应性免疫系统和许多脊椎动物特有的器官——如果问题涉及这些系统，它们将无法提供有用信息。

表型迁移推理

小鼠的敲除表型并不能自动预测人类表型。在推断跨物种相关性之前，先问三个问题：

1. 通路是否保守？ 只有当两种心脏中都存在相同的发育通路时，小鼠心脏表型才能预测人类心脏疾病。
2. 是否存在补偿性旁系同源基因？ 如果小鼠只有一个基因，而人类有三个旁系同源基因，那么小鼠基因敲除的表型可能比人类单个旁系同源基因缺失更严重。反过来，如果人类失去了小鼠仍保留的旁系同源基因，小鼠 KO 可能会过度预测人类表型。
3. 该基因是否对剂量敏感？ 小鼠的单倍剂量不足（杂合表型）比仅在纯合敲除时出现的表型，更能预测人类显性疾病。

当不同物种间的表型不同时，应考虑调控差异：编码序列可能保守，但表达模式已经发生变化。这可能导致生物体拥有“相同的基因”，却在不同组织中表达，从而产生不同的表型。

---

流程

阶段 0：人类基因消歧（始终首先执行）

1. MyGene_query_genes(query="<gene>") — 获取 Ensembl ID、Entrez ID、UniProt 和符号（按 symbol 匹配筛选；首个结果可能是假基因）
2. ensembl_lookup_gene(gene_id="<ensembl_id>", species="homo_sapiens") — 验证
3. 如果有疾病背景：HPO_search_terms(query="<disease>") — 获取用于表型匹配的 HPO 术语

未找到基因时的备用方案：UniProt_search(query="<gene>", organism="9606")

输出：规范符号、Ensembl ID（ENSG）、Entrez ID、UniProt 登录号。

---

阶段 1：直系同源基因映射

主要方法：EnsemblCompara_get_orthologues(gene="<ENSG>", species="human", target_species="<species>")

接受的 target_species 值："mouse"、"zebrafish"、"drosophila_melanogaster"（不是 "fruitfly" — 会返回 HTTP 400）、"caenorhabditis_elegans"、"saccharomyces_cerevisiae"、"xenopus_tropicalis"

备用方案（如果 Ensembl Compara 未返回结果）：

1. PANTHER_ortholog(gene_id="<symbol>", organism=9606, target_organism=<taxon>) — 分类群 ID：mouse=10090、fly=7227、worm=6239、zebrafish=7955、yeast=559292、frog=8364
2. NCBIDatasets_get_orthologs(gene_id="<entrez_id>") — 范围广，覆盖所有脊椎动物
3. 对于果蝇：FlyMine_search(query="<human_gene_symbol>") — 文本搜索可找到自动化工具遗漏的远缘直系同源基因；使用 FlyBase_get_gene_orthologs 确认
4. 对于线虫：WormBase_get_gene(gene_id="<gene_symbol>") — 基因记录通常包含直系同源基因信息

通过 Monarch 交叉引用：

• Monarch_search_gene(query="<gene_symbol>") — 获取 Monarch 基因实体
• MonarchV3_get_associations(subject="HGNC:<id>", category="biolink:GeneHomologAssociation") — 获取所有直系同源基因

注意：“工具未找到直系同源基因”不等于“直系同源基因不存在”。序列差异不等于功能差异。下结论认为不存在之前，请先尝试手动搜索。

---

阶段 2：小鼠表型（MGI）

1. MGI_search_genes(query="<mouse_symbol>") — 确认 MGI ID
2. MGI_get_gene(gene_id="MGI:XXXXXXX") — 获取完整基因详情
3. MGI_get_phenotypes(gene_id="MGI:XXXXXXX", limit=50) — 获取敲除/转基因表型

提取：MP 本体术语、等位基因类型（无效 KO、条件性 KO、点突变）、合子状态、致死性、疾病模型相关性。

通过 Monarch 补充：

• MonarchV3_get_associations(subject="MGI:XXXXXXX", category="biolink:GeneToPhenotypicFeatureAssociation")
• MonarchV3_get_associations(subject="MGI:XXXXXXX", category="biolink:GeneToDiseaseAssociation")

---

阶段 2b：系统性敲除表型分析（IMPC）——具备统计效力，可补充 MGI 筛选整理的结果

MGI（第 2 阶段）汇总了已发表文献中整理的表型注释——等位基因各不相同，检测方法也各不相同，且不能保证每个基因都曾针对每个系统进行过测试。IMPC（国际小鼠表型分析联盟）提供的是另一类证据：在 IMPC 表型分析中心，使用同一套标准化流程（源自 EUCOMM/KOMP 的敲除等位基因，例如 Trp53<tm1b(EUCOMM)Hmgu>），对数千条敲除品系进行同一套广泛的测试（存活率、眼部形态、临床化学、行为等），并为每项结果附上 p 值和效应量。如果你需要以统计学上可靠的方式回答“敲除这个基因是否确实会产生显著表型”，而不只是“是否有人报告过表型”，请使用 IMPC。

1. IMPC_search_genes(query="<mouse_symbol_or_MGI_ID_or_name_fragment>", limit=20) — 将符号／名称片段解析为其 MGI ID 和人类直系同源基因；当不确定小鼠符号是否准确时，可用于消歧
2. IMPC_get_gene_summary(gene_symbol="<mouse_symbol>")（或 mgi_id="MGI:XXXXXXX"）— 仅提供顶层标记：has_phenotype_data、phenotype_status、production_status。即使 has_phenotype_data 为 true，mp_terms／mp_ids／top_level_mp_terms 数组也为空（已在线验证）——此工具只会告诉你是否存在数据，而不会告诉你数据内容；要获取实际表型列表，务必继续执行第 3 步或第 4 步。
3. IMPC_get_phenotypes_by_gene(gene_symbol="<mouse_symbol>", limit=100) — 返回完整的基因型－表型结果列表：MP 术语、合子状态、性别、生命阶段、流程／参数、p 值、效应量、表型分析中心、等位基因符号；还会返回 phenotype_summary_by_system（MP 顶层术语 -> 具体表型列表），便于在深入查看单项结果前快速了解各系统的情况
4. IMPC_get_gene_phenotype_hits(gene_symbol="<mouse_symbol>", significant_only=true, limit=100) — 底层数据与第 3 步类似，但侧重统计结果本身：增加 classification_tag（以通俗语言概述显著性／性别特异性）、statistical_method（例如 “Linear Mixed Model framework, LME, including Weight”、“Fisher Exact Test framework”），并在效应具有性别特异性时分别提供 female_ko_estimate／male_ko_estimate。将 significant_only=false 可查看经过测试但未达到显著性的参数（有助于确认某个系统确实经过筛查且结果为阴性，而非从未测试）。

未找到基因／结果为零是有信息的，并非错误：如果基因的敲除品系尚未完成统计分析，真实存在的基因也可能确实没有 IMPC 表型结果（已在线验证：IMPC_get_phenotypes_by_gene(gene_symbol="Braf") 返回 total_phenotype_calls: 0 和 mgi_id: ""——Braf 有 MGI 记录，但截至本文撰写时尚无已完成的 IMPC 流程数据）。应明确说明这一点，而不要将 IMPC 结果为空视为“没有表型”，也不要在不说明的情况下悄悄回退到 MGI。

示例（已在线验证）：IMPC_get_gene_summary(gene_symbol="Trp53") 解析得到 MGI:98834，人类直系同源基因为 TP53。IMPC_get_phenotypes_by_gene 返回 6 项显著结果／5 个唯一 MP 术语，涉及 4 个系统：视觉／眼部（玻璃体血管系统持续存在，p=1.2e-5；视网膜形态异常，p=1.9e-7）、稳态／代谢（循环肌酸激酶降低，仅见于杂合子，p=6.0e-5）、死亡率／衰老（断奶前死亡，且外显率不完全，p<0.001），以及行为／神经系统（惊跳反射增强，雌性特异性效应量为 878，雄性为 355，p=1.7e-12）。对同一基因调用 IMPC_get_gene_phenotype_hits，会返回相同结果，并附上 statistical_method 和按性别划分的估计值，例如将惊跳反射结果标记为“仅在雌性中显著”。 工作流：对于任何已完成 Phase 2（MGI）的基因，也运行本阶段并进行比较——如果 MGI 根据一篇旧论文整理了某种表型，而 IMPC 的系统筛查中没有该表型（反之亦然），就应明确标记出来，而不是默默偏向其中一个来源。

---

Phase 2c：更广泛的数据仓库搜索（HumanMine / MouseMine）——结构化查询结果不足时的自由文本备用方案

MGI/IMPC（Phase 2/2b）要求你已经知道小鼠基因符号或 MGI ID，并用于回答范围较窄的结构化问题（表型结果、基因记录）。HumanMine 和 MouseMine 是通用的 InterMine 数据仓库，整合了 30 多个底层来源（NCBI Gene、Ensembl、UniProt、Reactome、KEGG、GWAS Catalog、出版物），并通过一个自由文本搜索提供查询——当你尚未获得准确 ID、希望同时查找通路/出版物和基因，或需要 MGI 固定端点不支持的灵活图查询时，这些工具很有用。

1. HumanMine_search(q="<term>", size=10)——对人类、小鼠和大鼠的基因/蛋白质/通路/疾病进行自由文本搜索；结果会通过 organism.shortName 标注物种（例如 H. sapiens、M. musculus、R. norvegicus），因此一次调用即可查看跨物种结果。已实时验证：q="TP53" 返回 32 条结果，其中人类 21 条 / 小鼠 3 条 / 大鼠 8 条。
2. HumanMine_search_genes(q="<term>", size=10) / HumanMine_search_pathways(q="<term>", size=10)——更精简的便捷封装，分别仅筛选基因或通路（来源为 Reactome/KEGG）。
3. MouseMine_search(q="<term>", size=10, format="json")——仅针对小鼠的 InterMine 同类服务；其搜索范围比 MGI 自身的基因/表型端点更广，因为它也会同时索引出版物和通路成员信息。
4. MouseMine_search_genes(q="<term>", size=10)——仅筛选 ProteinCodingGene。已在 q="Trp53"（Phase 2b IMPC 示例中使用的同一基因）上实时验证：返回 180 条结果，pathways.name 分面显示 Transcriptional Regulation by TP53、G1/S DNA Damage Checkpoints 等——无需单独调用 Reactome，即可快速查看通路背景。
5. MouseMine_search_alleles(q="<term>", size=10)——等位基因/突变体搜索，返回 attributeString（例如 Null/knockout）和 alleleType（Targeted、Endonuclease-mediated、Spontaneous 等）。已在 q="Trp53" 上实时验证：返回 170 个等位基因，包括 Trp53<em2Mvw>（内切核酸酶介导的无效等位基因）。
6. InterMine_run_pathquery(query="<XML PathQuery>")——仅适用于 HumanMine；当预置搜索工具无法提供所需关系时，可用它直接遍历 InterMine 数据模型图（基因→通路、基因→蛋白质结构域、区域→特征）。需要手写包含 model、view 和 constraint 元素的 XML——已使用该工具自带的示例（Gene.symbol Gene.pathways.name，并限定为 PAX6）实时验证，正确返回了 PAX6 → Activation of HOX genes during differentiation、Developmental Biology 等结果。

请将这些工具用作备用方案/补充，而非 Phase 1-2b 的替代品：MGI/IMPC 提供经过整理、结构化且经统计评分的数据；当你尚不确定要查找什么时，HumanMine/MouseMine 则可帮助你快速筛查更广泛来源中的自由文本信息。对于专门的人类疾病关联研究（而不只是“这个基因是否出现在某个疾病术语附近”），应转交给 tooluniverse-gene-disease-association 的 DisGeNET/OpenTargets/Monarch 流程处理，而不是将 HumanMine 的疾病分面结果视为真实关联。 小鼠表型数据库（Mouse Phenome Database）——不要仅凭 MPD_get_phenotype_data 的名称判断其功能。 尽管它注册为 MPD 工具，但其自身描述指出，MPD 的真实 REST API 不支持简单的「品系 + 表型类别」搜索，因此它改为在 提及该品系名称的 ENCODE 实验记录中进行关键词搜索——这只是实际 MPD 表型测量数据的一个较弱替代指标，并非 MPD 数据本身。在线验证结果：strain="C57BL/6J" 可以成功，但 strain="DBA/2J" 会稳定地返回 404（品系名称中未经转义的 / 会导致发出的 ENCODE 查询 URL 出错）——这是取决于品系名称的故障，并不能证明该品系缺少数据。此工具返回的任何结果充其量只能视为间接证据；如需进行真实的跨品系表型比较，优先使用下文的 Phase 2b（IMPC）或 Phase 2c 中的 GeneNetwork 部分；不要将「没有 ENCODE 命中结果」报告为「该品系没有表型数据」。

---

Phase 2d：重组近交系群体的系统遗传学 / eQTL（GeneNetwork）

GeneNetwork 提供的是另一种数据类型：遗传杂交群体（涵盖 13 种以上物种），其中每个个体 / 品系都有配套的基因型和表达 / 表型测量数据，可用于 QTL 定位（即确定哪个基因组区域导致该性状出现变异）。它最知名的资源是 BXD 家系（C57BL/6J × DBA/2J 重组近交小鼠品系——请注意，这两个亲本品系正是上文 MPD 注意事项中提到的 C57BL/6J 和 DBA/2J），但也涵盖大鼠（HXB/BXH）、拟南芥等。

1. GeneNetwork_list_species() — 无参数；在线验证可返回 {"FullName": "Mus musculus", "Name": "mouse", "TaxonomyId": 10090}，以及大鼠 / 人类 / 拟南芥等。
2. GeneNetwork_list_groups(species="mouse") — 列出该物种的遗传杂交群体；在线验证可返回 BXD（GeneticType: "riset"，即重组近交系群体）等。
3. GeneNetwork_list_datasets(group="bxd") — 列出该杂交群体中按组织 / 平台划分的数据集；在线验证可返回 Long_Abbreviation: "BXDMicroArray_ProbeSet_August03"（脑组织表达）等条目，以及仅含表型的数据集（如 BXDPublish）。
4. GeneNetwork_get_sample_data(dataset_name="<Long_Abbreviation>", trait_name="<probe_or_trait_id>") — 返回整个群体中某个性状各品系的测量值及标准误。
5. GeneNetwork_get_trait_info(dataset_name="<...>", trait_name="<...>") — 性状元数据：基因符号、染色体 / Mb 位置、lrs（类似 LOD 的连锁评分）、additive 效应、最佳 locus（峰值标记）——即该性状的 QTL 定位结果。在该工具自带的示例（HC_M2_0606_P/1436869_at = Shh 探针）中在线验证可返回：symbol: "Shh"、chr: "5"、峰值 locus: "rs8253327"、lrs: 12.77。
6. GeneNetwork_get_dataset_info(dataset_name="<...>") — 数据集级元数据（组织、平台、数据尺度、公开 / 保密状态），用于在获取样本数据前确认查询的是正确数据集。

当问题具体是「哪个基因组位点可以解释性状 X 在不同品系间的变异」时（经典 QTL 定位），使用此阶段；若问题是「基因 X 是否会导致敲除表型」，则使用 Phase 2/2b。GeneNetwork 回答的是变异的遗传学问题，而非功能缺失问题。

---

Phase 3：无脊椎动物模型

果蝇（FlyBase）

1. FlyBase_get_gene(gene_id="FB:FBgnXXX") — 基因详情、功能摘要
2. FlyBase_get_gene_alleles(gene_id="FB:FBgnXXX", limit=20) — 功能缺失（LOF）、功能获得（GOF）、RNAi 品系
3. FlyBase_get_gene_disease_models(gene_id="FB:FBgnXXX") — 果蝇中的人类疾病模型
4. FlyBase_get_gene_expression(gene_id="FB:FBgnXXX") — 组织 / 发育阶段表达
5. FlyBase_get_gene_interactions(gene_id="FB:FBgnXXX") — 遗传和物理互作

线虫（WormBase）

1. WormBase_get_gene(gene_id="WBGene00XXXXXX") — 基因详情、简明描述
2. WormBase_get_phenotypes(gene_id="WBGene00XXXXXX") — RNAi 和突变体表型
3. WormBase_get_expression(gene_id="WBGene00XXXXXX") — 表达模式

---

阶段 4：非哺乳动物脊椎动物模型

斑马鱼（ZFIN）

1. ZFIN_get_gene(gene_id="ZFIN:ZDB-GENE-XXXXXX-X")
2. ZFIN_get_gene_phenotypes(gene_id="...", limit=30) — morpholino/CRISPR/突变体表型
3. ZFIN_get_gene_expression(gene_id="...") — 时空表达

区分：morpholino 敲低（快速，但可能存在脱靶效应）、CRISPR 突变体（更可靠）、ENU 突变体（无偏正向遗传学）。

蛙类（Xenbase）

1. Xenbase_search_genes(query="<gene_symbol>")
2. Xenbase_get_gene(gene_id="<xenbase_id>") — 基因详情、表达、表型

---

阶段 4b：大鼠（RGD）——生理学与疾病模型品系

大鼠是心血管、代谢、行为和毒理学生理学研究的首选哺乳动物模型。RGD 的独特优势是其经过整理的品系目录（近交系/同基因系/同源染色体替换系），这些品系被注释为疾病模型——MGI 或 Alliance 中没有此类数据。

基因层面：

1. RGD_search_genes(query="<gene_symbol>") 然后执行 RGD_get_gene(rgd_id=<id>) — 大鼠基因详情
2. RGD_get_annotations(rgd_id=<id>) — 基因的疾病/表型/GO 注释
3. RGD_get_orthologs(rgd_id=<id>) — 大鼠到人类/小鼠的直系同源基因
4. RGD_get_qtls_in_region(chromosome="1", start=1, stop=10000000, map_key=360) — 染色体区域内的 QTL

品系层面（大鼠疾病模型——问题是“哪种大鼠品系可模拟疾病 X？”时使用）： 5. RGD_search_strains(query="hypertensive", strain_type="inbred") — 按关键词/类型查找品系（类型：inbred、congenic、consomic、transgenic、recombinant_inbred、……） 6. RGD_get_strain(symbol="SHR") — 指定品系的完整记录（例如，SHR = 自发性高血压大鼠，rgd_id 61000；BN = Brown Norway；SS = Dahl 盐敏感大鼠；GK = Goto-Kakizaki 糖尿病大鼠） 7. RGD_get_strain_annotations(symbol="SHR", category="disease") — 用于定义该品系模型特征的疾病/表型整理注释

示例——SHR 被注释为 Left Ventricular Hypertrophy（DOID:9004616，限定符 MODEL: spontaneous）和 arterial blood pressure trait（VT:2000000），因此它是原发性高血压及其心脏后遗症的典型模型。

---

阶段 5：酵母（SGD）

1. SGD_search(query="<gene_symbol>", category="gene")
2. SGD_get_gene(sgd_id="<sgd_id>") — 功能、通路
3. SGD_get_phenotypes(sgd_id="<sgd_id>") — 缺失和过表达表型
4. SGD_get_go_annotations(sgd_id="<sgd_id>") — GO 术语（保守基因通常注释最完善）
5. SGD_get_interactions(sgd_id="<sgd_id>") — 合成致死互作伙伴 = 潜在药物靶点

最有参考价值的领域：细胞周期、DNA 修复、蛋白质折叠、代谢、自噬、分泌通路、染色质。不适用的领域：多细胞过程（发育、免疫、神经功能）。

蛋白质层面的细节（补充上述基因层面的步骤）——以下三个工具直接接受 locus 字符串（标准基因名称、系统/ORF 名称或 SGD ID——无需单独进行 ID 解析）： 6. SGD_get_protein_domains(locus="<gene_or_ORF_name>") — 一次调用即可获取来自 Pfam/InterPro/SMART/PROSITE/CDD/Gene3D/SUPERFAMILY 的映射结构域。在 locus="CDC28" 上进行了实时验证（CDC28 是 Phase 5b PomBase 示例中裂殖酵母 cdc2 的酿酒酵母直系同源基因）：共命中 12 个结构域，包括 Gene3D 的“Phosphorylase Kinase; domain 1”和“Transferase(Phosphotransferase) domain 1”——这与 CDC28 作为出芽酵母 CDK 的作用一致。 7. SGD_get_ptm_sites(locus="<gene_or_ORF_name>") — 经整理的翻译后修饰位点（磷酸化、泛素化等），包含残基、位置、文献和 PMID。在 locus="CDC28" 上进行了实时验证：共 34 个位点，例如磷酸化的 Ser2（Lanz 等，2021，PMID:33491328；Leutert 等，2023，PMID:37845410 也独立报告了该结果）。 8. SGD_get_literature(locus="<gene_or_ORF_name>") — 按整理类别统计的参考文献数量（主要文献、综述、补充文献等），不提供完整引文——可在判断是否预期能获取丰富的阶段 5 数据前，用它评估基因的研究程度。实时验证结果：ACT1 共计 1659 篇参考文献，CDC28 则有 1971 篇——两者都是研究充分的基因，作为必需的细胞周期/细胞骨架基因，这并不意外。

阶段 5b：裂殖酵母（PomBase）——S. pombe，与 SGD 的 S. cerevisiae 不同

S. pombe（裂殖酵母）和 S. cerevisiae（出芽酵母）在约 3.5 亿至 4.5 亿年前分化；在某些通路上，它们彼此的差异与各自和人类的差异大致相当——在这两种酵母中，S. pombe 的细胞周期和 RNAi 机制往往更接近人类。因此，当阶段 5（SGD）的搜索结果有限，或所研究的过程与细胞周期、染色质或 RNA 加工有关时，请同时查询两者。

1. PomBase_search_genes(query="<gene_name_or_keyword>", limit=10) — 按基因名称、系统 ID 前缀（例如 "SPAC"）或产物关键词搜索 12,600 多个基因
2. PomBase_get_gene(gene_id="<systematic_id>") — 基因名称、产物、InterPro 结构域、敲除后的存活能力、UniProt 交叉引用（系统 ID 格式如 SPBC11B10.09、SPAC2F7.03c）
3. PomBase_get_gene_phenotypes(gene_id="<systematic_id>") — FYPO（裂殖酵母表型本体）术语及证据代码，以及 deletion_viability
4. PomBase_get_orthologs(gene_id="<systematic_id>") — 一次调用即可获取人类直系同源基因（HGNC ID，分类群 9606）和 S. cerevisiae 直系同源基因（系统名称，分类群 4932）；可通过两种酵母同时追踪人类基因
5. PomBase_get_interactions(gene_id="<systematic_id>") — 物理相互作用（Affinity Capture-MS 等）和遗传相互作用，以及相关证据、PMID、通量和来源数据库
6. PomBase_get_go_annotations(gene_id="<systematic_id>") — 按类别列出的 GO 术语（biological_process/molecular_function/cellular_component）

实测示例（已在线验证）：PomBase_get_gene(gene_id="SPBC11B10.09") 返回 cdc2，即裂殖酵母的细胞周期蛋白依赖性激酶。对同一 ID 调用 PomBase_get_orthologs，会返回人类 HGNC:1722/HGNC:1771/HGNC:1772（CDK1/CDK2/CDK3 家族）以及 S. cerevisiae 的 YBR160W（CDC28）——cdc2 是 CDK 家族的创始成员，最早在裂殖酵母中得到鉴定。PomBase_get_gene_phenotypes 确认 deletion_viability: "inviable"，并列出 60 个 FYPO 术语，其中包括“有丝分裂 G2/M 期转换时细胞周期停滞异常”，这与其在有丝分裂中的必需作用一致。PomBase_get_interactions 返回 100 个物理相互作用（例如通过 Affinity Capture-MS 发现的与 red1/SPAC1006.03c 的相互作用，PMID:24713849）。

---

阶段 3b：真核病原体（VEuPathDB）——疟疾、弓形虫病、真菌、媒介生物

VEuPathDB 是一系列病原体／媒介生物／宿主基因组数据库（PlasmoDB 用于 Plasmodium／疟疾，ToxoDB 用于 Toxoplasma，以及 FungiDB、VectorBase、CryptoDB、GiardiaDB、MicrosporidiaDB、PiroplasmaDB、TrichDB、TriTrypDB、AmoebaDB），它们共用一个 WDK REST API。当所讨论的“模式生物”实际上是病原体，且问题关注的是病原体基因功能，而非人类疾病模型转化时，这就是合适的资源（若要获取疫情／药物再利用方面的情报，请在确定靶基因后转交给 tooluniverse-infectious-disease）。

已实时验证的访问限制（使用前请阅读）： 截至撰写本文时，只有 VEuPathDB_list_record_types 无需身份验证即可使用。其他 4 个工具—— VEuPathDB_list_gene_searches、VEuPathDB_list_organism_searches、VEuPathDB_search_genes_by_organism、VEuPathDB_get_gene_record——在实时调用时均会失败，并返回 HTTP 401: Valid API Key required for this endpoint，尽管工具自身的模块文档字符串声称“无需身份验证”。这是工具编写后上游策略发生变化所致，并非你的请求有误；而且该工具目前没有内置的 API 密钥传入机制（veupathdb_tool.py 不支持 required_api_keys／环境变量），因此此技能目前无法完成这 4 项操作。请先进行一次成本较低的调用以验证：

VEuPathDB_list_record_types()  # {} — no params, this one still works

如果调用 VEuPathDB_search_genes_by_organism 或 VEuPathDB_get_gene_record 返回 401，请明确告知用户，VEuPathDB 现在限制了此端点的访问，而该工具尚无传入密钥的机制；不要为绕过限制而捏造基因记录或生物体基因列表。

如果／当访问权限恢复或新增密钥传入机制时：VEuPathDB_search_genes_by_organism(organism="<Genus species Strain>", project="<plasmodb|toxodb|fungidb|vectorbase|cryptodb|giardiadb|microsporidiadb|piroplasmadb|trichdb|tritrypdb|amoebadb>", limit=25) 可按指定生物体／菌株查找基因（例如 organism="Plasmodium falciparum 3D7"、project="plasmodb"）；VEuPathDB_get_gene_record(gene_id="<primary_key>", project="<same project>") 可通过 VEuPathDB 主键（例如 P. falciparum 的 DHFR-TS 基因对应 PF3D7_0417200）获取单个基因的属性（产物、基因类型、基因组位置、染色体、转录本数量）。

---

阶段 6：跨物种综合分析（关键）

此阶段将各生物的数据转化为生物学洞见。

步骤 1：构建表型矩阵

特征	人类	小鼠	果蝇	蠕虫	斑马鱼	酵母
是否存在直系同源基因？	—
功能缺失是否致死
主要表型
表达区域

步骤 2：确定核心／祖先功能 找出在各物种间最一致的表型。从物种特异性术语中提炼共性：

• 小鼠“发声减少” + 果蝇“求偶鸣声异常” + 人类“言语失用症” → 核心：已习得动作序列的运动回路发育
• 小鼠“胚胎致死” + 蠕虫“致死” + 酵母“必需” → 核心：维持细胞存活的基本功能
• 小鼠“心脏缺陷” + 斑马鱼“心脏水肿” + 人类“心肌病” → 核心：心脏发育

步骤 3：跨物种表型映射 不同物种使用不同的本体（HPO、MP、FBcv、WBPhenotype、ZP）。使用 MonarchV3_phenotype_similarity_search 通过 uPheno 本体查找等效表型。当自动映射失败时，运用生物学推理找出概念上等效的表型。

步骤 4：评估保守性

• 高度保守：6 个物种中均存在直系同源基因，表型一致，通路相同
• 脊椎动物特有：小鼠／鱼类／蛙类中存在直系同源基因，但果蝇／蠕虫／酵母中不存在
• 后生动物特有：小鼠／鱼类／果蝇／蠕虫中存在直系同源基因，但酵母中不存在
• 人类特有：在任何模式生物中都没有明确的直系同源基因

步骤 5：检查通路保守性

• STRING_get_network(identifiers="<human_gene> <mouse_ortholog> <fly_ortholog>", species=9606) — 检查相互作用伙伴是否也具有保守性
• ReactomeAnalysis_pathway_enrichment(identifiers="<human_gene> <ortholog1> <ortholog2>") — 检查是否属于共同通路

步骤 6：推荐研究生物 推荐用于进一步研究的生物。考虑因素包括：表型与人类疾病的匹配程度、可用的遗传工具、互补模型（例如，用小鼠研究生理学 + 用果蝇进行遗传筛选），以及实际因素（成本、通量、成像）。

---

阶段 7：人类疾病关联（可选）

• OMIM_search(query="<gene_symbol>") — 孟德尔遗传病关联
• ClinVar_search_variants(query="<gene_symbol>") — 致病变异
• ClinGen_search_gene_validity(gene="<gene_symbol>") — 基因－疾病有效性（确定／强／中等／有限）
• HPO_search_terms(query="<disease_name>") — 用于跨物种比较的表型术语

将 HPO 术语映射回模式生物表型（阶段 6），以评估模型的保真度。

---

细菌与经典遗传学推理

这些问题需要计算和逻辑推演，而非查询数据库。请逐步推理。

Hfr 接合与染色体作图

进入时间作图：在 Hfr × F- 杂交中，基因从整合的 F 因子起点按固定的线性顺序转移。在不同时间中断接合，可以揭示基因顺序和图距（在 E. coli 环状染色体上，1 分钟约等于 1 个图距单位，约 47 kb）。

关键推理步骤：

1. 基因顺序 = 随着接合时间增加，基因在重组子中出现的顺序
2. 图距 = 相邻标记进入时间（分钟）之差
3. 方向性：不同 Hfr 菌株的 F 因子整合位置和方向不同。比较多个 Hfr 菌株的基因顺序，构建环状图谱。如果 Hfr1 按 A-B-C 的顺序转移，而 Hfr2 按 C-B-A 的顺序转移，则它们的 F 因子以相反方向整合在同一位点附近。
4. F' 形成：F 因子的切除不精确，会捕获相邻的染色体基因。携带基因 X 的 F' 表示 X 与 F 因子整合位点相邻。F' × F- = 携带区域的部分二倍体（部分二倍体菌）；可用于互补／显隐性测试。
5. 重组子筛选：只有通过双交换（或偶数次交换）整合供体标记的重组子才稳定。被筛选的标记必须是最后进入的标记（最靠近 Hfr 起点、最先进入的标记是错误答案——被筛选的标记是用于平板筛选的标记，这需要完整转移或发生重组）。

操纵子调控与衰减

lac 操纵子逻辑（负调控、诱导型）：

• 无诱导物（异乳糖）时，阻遏蛋白（lacI）与操纵序列（lacO）结合
• lacI+ 对 lacI- 显性（阻遏蛋白可扩散）
• lacOc（组成型操纵序列）为顺式显性（只影响同一 DNA 分子上的基因）
• 在部分二倍体中：分别确定每个 DNA 分子的基因型，然后综合判断

trp 操纵子衰减（前导肽机制）：

• 前导转录本有 4 个区域（1-2-3-4），可形成不同的发夹结构
• 区域 1 编码一条富含 Trp 密码子的短肽
• Trp 浓度高：核糖体快速翻译区域 1-2，区域 3-4 形成终止子发夹结构 -> 转录停止
• Trp 浓度低：核糖体在区域 1 的 Trp 密码子处停滞，区域 2-3 形成抗终止子发夹结构 -> 转录继续
• 无核糖体（体外）：区域 1-2 配对，随后区域 3-4 配对 -> 终止（默认状态）
• 关键：核糖体相对于 mRNA 折叠区域的位置决定了形成哪种发夹结构

分解代谢物阻遏：即使存在诱导物，lac 操纵子也需要 cAMP-CAP 才能充分表达。葡萄糖浓度高 -> cAMP 浓度低 -> 表达量低。这是在负调控阻遏系统基础上叠加的正调控。

根据杂交数据进行基因作图

三点杂交（最常见的考试题型）：

1. 确定 8 种表型类别及其频率
2. 亲本型 = 频率最高的两类
3. 双交换型 = 频率最低的两类
4. 将双交换型与亲本型比较，找出中间基因（即 DCO 类中相对于亲本型发生等位基因改变的基因）
5. 图距：（单交换区段 1 + DCO）/ 总数 = 距离 1；（单交换区段 2 + DCO）/ 总数 = 距离 2
6. 并发系数 = 观察到的 DCO / 预期 DCO；干扰 = 1 - CoC

共转导频率（细菌中用噬菌体 P1 作图）：

• 共转导频率越高 = 基因间距越近
• Wu 公式：共转导频率 = (1 - d/L)^3，其中 d = 距离，L = 噬菌体头部可容纳的 DNA 长度（P1 约为 2.5 分钟）
• 如果两个基因有 50% 的概率共转导：d = L(1 - 0.5^(1/3)) ~ 0.5 分钟

完整性清单

完成报告前：

• 将人类基因解析为 Ensembl ID、Entrez ID、UniProt 和 symbol
• 尝试为所有请求的物种进行直系同源映射；注明置信度等级（1:1、1:many、none）
• 检索每个存在直系同源基因的物种的表型数据
• 明确注明“无直系同源基因”或“无数据”（不得悄然省略）
• 提供跨物种保守性摘要
• 如果提供了疾病背景，给出物种建议
• 对证据进行分级：T1 = 直接实验（KO 表型），T2 = 遗传筛选，T3 = 计算直系同源分析，T4 = 仅序列相似性