tooluniverse-multiomic-disease-characterization

多组学疾病特征分析流水线

从多个分子层面（基因组学、转录组学、蛋白质组学、通路）刻画疾病，以系统层面的视角理解疾病机制、识别治疗机会并发现生物标志物候选项。

核心原则：

1. 报告优先——先创建报告文件，再逐步填充内容
2. 首先消歧疾病——在进行组学分析前解析所有标识符
3. 逐层分析——系统地覆盖所有组学层面
4. 跨层整合——识别出现在多个层面的基因／靶点
5. 证据分级——将所有证据分为 T1（人体／临床）至 T4（计算）
6. 组织背景——重点关注与疾病相关的组织／器官
7. 量化评分——多组学置信度评分（0-100）
8. 聚焦可成药靶点——优先考虑具有治疗潜力的靶点
9. 生物标志物识别——突出诊断／预后标志物
10. 机制综合分析——生成可检验的假设
11. 来源引用——每项陈述都必须引用工具／数据库
12. 完整性清单——必须包含展示分析覆盖范围的章节
13. 优先使用英文查询——工具调用中始终使用英文术语。使用用户的语言作答

多组学疾病特征分析旨在回答：哪些分子层面发生了失调？基因组突变 → 转录组变化 → 蛋白质组效应 → 代谢组后果。多个层面上的一致性会增强发现的可信度。不一致则揭示调控的复杂性。

查询数据库，不要猜测

对任何科学事实存在疑问时，先搜索数据库，而不是凭记忆推理。经数据库验证的答案始终比猜测更可靠。

---

进行计算，不要只描述

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。不要描述你会怎么做——实际执行并报告真实结果。使用 ToolUniverse 工具检索数据，然后使用 Python（pandas、scipy、statsmodels、matplotlib）进行分析。

何时使用此技能

适用于用户：

• 询问跨组学层面的疾病机制
• 需要对疾病进行多组学特征分析
• 想从系统生物学层面了解疾病
• 询问“[疾病]涉及哪些通路／基因／蛋白质？”
• 需要发现疾病的生物标志物
• 想通过疾病特征分析识别可成药靶点
• 询问整合的基因组学 + 转录组学 + 蛋白质组学分析
• 需要进行跨层一致性分析
• 询问疾病网络生物学／枢纽基因

不适用于以下情况（请改用其他技能）：

• 单个基因／靶点验证 -> 使用 tooluniverse-drug-target-validation
• 药物安全性特征分析 -> 使用 tooluniverse-adverse-event-detection
• 疾病概述 -> 使用 tooluniverse-disease-research
• 变异解读 -> 使用 tooluniverse-variant-interpretation
• 特定于 GWAS 的分析 -> 使用 tooluniverse-gwas-* 技能
• 仅进行通路分析 -> 使用 tooluniverse-systems-biology

---

输入参数

参数	必需	描述	示例
disease	是	疾病名称、OMIM ID、EFO ID 或 MONDO ID	Alzheimer disease、MONDO_0004975
tissue	否	感兴趣的组织／器官	brain、liver、blood
focus_layers	否	需要重点关注的特定组学层面	genomics、transcriptomics、pathways

---

流水线概述

该流水线按顺序运行 9 个阶段。每个阶段使用的特定工具均在 tool-reference.md 中详细说明。

阶段 0：疾病消歧（始终优先）

将疾病解析为标准标识符（MONDO/EFO），供所有下游查询使用。

• 首选工具：OpenTargets_get_disease_id_description_by_name
• 获取描述、同义词、治疗领域、疾病层级和交叉引用
• 关键：疾病 ID 使用下划线格式（例如 MONDO_0004975），而非冒号
• 如果存在歧义，请列出排名前 3–5 的选项并让用户选择

阶段 1：基因组学层

确定遗传变异、GWAS 关联和受遗传因素影响的基因。

• 工具：gwas_search_associations（使用 efo_id 以提高精确度，而非自由文本 disease_trait）、gwas_get_snps_for_gene、ClinVar、OpenTargets 相关靶点
• gnomad_get_gene_constraints — 基因约束指标（pLI、oe_lof），用于判断 LoF 变异是可耐受还是会导致单倍剂量不足
• 获取具有遗传证据评分的前 10–15 个基因；记录 Ensembl ID，供后续阶段使用

阶段 2：转录组学层

确定差异表达基因、组织特异性表达和基于表达的生物标志物。

• GTEx_get_expression_summary — 汇总 54 种组织中的基线表达（可直接接受 gene_symbol）
• 工具：Expression Atlas、HPA（组织表达）、EuropePMC 评分
• 检查阶段 1 中排名靠前基因在疾病相关组织中的表达

阶段 3：蛋白质组学与相互作用层

绘制蛋白质-蛋白质相互作用图谱，确定枢纽基因，并描述相互作用网络特征。

• UniProt_get_function_by_accession — 蛋白质功能描述（对于机制背景至关重要）
• 工具：STRING_get_network（参数：identifiers、species=9606）、intact_get_interactions、HumanBase
• 使用排名前 15–20 的基因构建 PPI 网络；通过度中心性确定枢纽基因

阶段 4：通路与网络层

确定富集的生物通路和跨通路关联。

• ReactomeAnalysis_pathway_enrichment — 标识符必须以换行符（\n）分隔，而非空格
• enrichr_gene_enrichment_analysis — 参数：gene_list（数组）、libs（数组）。注意：data 字段是需要解析的 JSON 字符串
• kegg_search_pathway — 通路关键词搜索

阶段 5：基因本体与功能注释

描述生物过程、分子功能和细胞组分。

• 工具：Enrichr（GO 库）、QuickGO、GO 注释、OpenTargets GO
• 对全部 3 个方面进行 GO 富集分析（BP、MF、CC）

阶段 6：治疗格局

梳理已批准药物、可成药靶点、药物再利用机会和临床试验。

• DGIdb_get_drug_gene_interactions — 按基因查询药物相互作用（参数：genes 为数组）。对于药物-基因数据，其覆盖范围通常比 OpenTargets 更全面。
• OpenTargets 药物/可成药性（使用 Crohn's 等疾病对应的 EFO ID，如 EFO_0000384，而非 MONDO；使用 MONDO ID 查询药物时可能返回 null）
• search_clinical_trials — 必须提供 query_term

阶段 7：多组学整合

整合所有层级的研究结果。完整详情请参阅 integration-scoring.md。

• 跨层级基因一致性：统计每个基因涉及的层级数，为多层级枢纽基因评分
• 方向一致性：遗传学与表达结果的一致性
• 生物标志物鉴定：诊断性、预后性、预测性
• 生成机制假设

阶段 8：报告定稿

撰写执行摘要、计算置信度评分并核实完整性。

• 质量检查清单和评分公式请参阅 integration-scoring.md

---

关键工具参数说明

以下是最常见的参数陷阱：

• OpenTargets 疾病 ID：使用下划线格式（MONDO_0004975），不能使用冒号
• STRING 的 protein_ids：必须是数组（['APOE']），不能是字符串
• enrichr 的 libs：必须是数组（['KEGG_2021_Human']）
• HPA_get_rna_expression_by_source：必须提供全部 3 个参数（gene_name、source_type、source_name）
• humanbase_ppi_analysis：必须提供全部参数（gene_list、tissue、max_node、interaction、string_mode）
• expression_atlas_disease_target_score：必须提供 pageSize
• search_clinical_trials：即使提供了 condition，也必须提供 query_term

完整的工具参数和各阶段工作流，请参阅 tool-reference.md。

---

参考文件

所有详细内容都在此目录的参考文件中：

文件	内容
tool-reference.md	完整的工具参数、输入/输出、各阶段工作流和速查表
report-template.md	完整的报告 Markdown 模板，包含所有章节和检查清单
integration-scoring.md	置信度评分公式（0-100）、证据分级（T1-T4）、整合流程和质量检查清单
response-formats.md	关键工具已验证的 JSON 响应结构
use-patterns.md	常见使用模式、边缘情况处理和回退策略