科学数据库
本页介绍支持哪些数据源、可以完成什么任务，以及如何在 Open-Science 中启用和连接。需要带操作截图与结果文件的完整案例时，进入科研工作流。
目前支持哪些数据库
Open-Science v1.0.5 内置 48 个 Connector，共提供 418 项操作：其中 47 个数据源 Connector 提供 416 项操作，1 个离线 Molecule Connector 提供 2 项操作。下表名称对应 Settings → Connectors 中的条目，一个 Connector 可以包含多个数据库。支持某个数据源不表示覆盖其网站的全部功能。
这里统计全部内置条目，包括未启用的条目；用户自行添加的 MCP Connector 另计。Connector 数量、所覆盖的数据库数量和可调用的操作数量是不同的统计口径。
| Connector | 来源 | 操作数 | 用途 |
|---|---|---|---|
Chemistry · chemistry | PubChem, ChEBI, Rhea, BindingDB, LIPID MAPS, UniChem | 14 | 小分子、化学标识符、反应及结合数据 |
Literature Graph · literature | OpenAlex, arXiv, Crossref, DataCite | 13 | 文献、作者、引用、DOI 更新及数据集/软件记录 |
PubMed · pubmed | PubMed, PMC, Europe PMC, PubTator 3 | 9 | PubMed 文献检索与记录 |
Genes & Ontologies · genes | HGNC, MyGene, UniProt, OLS, QuickGO, Reactome, g:Profiler, Enrichr | 20 | 基因及蛋白标识映射、UniProt 序列查找、GO 与 Reactome 注释、g:Profiler 与 Enrichr 基因集富集 |
Genomes · genomes | NCBI Datasets, NCBI BLAST, EMBL-EBI Job Dispatcher, Ensembl, UCSC | 22 | 基因组注释、同源及序列信息；NCBI 物种、组装与序列身份；BLAST 检索、Clustal Omega 多序列比对；指定人群的 LD 与代理变异 |
Variants · variants | gnomAD, ClinVar, dbSNP, MaveDB | 22 | 群体频率、临床记录，以及实验特定的功能分数、变异映射和实验信息 |
Clinical Trials · clinical-trials | ClinicalTrials.gov | 7 | 检索试验与方案，并读取已公布的结局测量、分组、统计及不良事件 |
Clinical Genomics · clinical-genomics | ClinGen, CIViC, Open Targets, ClinPGx, DGIdb | 32 | 临床基因组证据资源；新增 ClinPGx 药物基因组学记录 |
Structures & Interactions · structures | PDB, PDBe, AlphaFold, EMDB, Complex Portal, IntAct, OmniPath | 20 | 结构档案与相关记录 |
ChEMBL · chembl | ChEMBL | 7 | 化合物、靶标和活性记录 |
bioRxiv · biorxiv | bioRxiv, medRxiv, ROR | 7 | 预印本元数据 |
Drug Regulatory · drug-regulatory | openFDA | 11 | Drugs@FDA、药品标签、FAERS 不良事件报告和药品召回 |
Human Genetics · human-genetics | GWAS Catalog, eQTL Catalogue, PheWeb | 15 | 人类遗传关联资源 |
Expression · expression | GTEx, Bgee | 16 | GTEx 人类组织表达和 eQTL；Bgee 跨物种基线表达 |
Protein Annotation · protein-annotation | InterPro, Pfam, Human Protein Atlas, STRING | 14 | 蛋白结构域与功能注释；新增互作富集检验 |
Cancer Models · cancer-models | cBioPortal, DepMap / CCLE | 15 | 研究、突变、拷贝数、样本、患者、临床属性及分子 profile 表达 |
RNA · rna | Rfam, RNAcentral | 11 | RNA 家族与相关资源 |
Omics Archives · omics-archives | ArrayExpress, GEO, ENA, MetaboLights, Metabolomics Workbench, MGnify, PRIDE | 28 | 组学研究／运行元数据与文件清单；代谢组样本、实验因素、分析及化合物记录 |
CellGuide · cellguide | CELLxGENE | 5 | 细胞类型参考信息 |
Regulation · regulation | ENCODE, JASPAR, UniBind | 16 | 调控与功能组学记录 |
Research Resources · research-resources | Grants.gov, Antibody Registry | 5 | 研究项目、资助等资源 |
BioMart · biomart | Ensembl BioMart | 8 | BioMart 数据集与字段查询 |
ZINC · zinc | ZINC | 5 | ZINC 化合物记录 |
GDC · gdc | Genomic Data Commons (GDC) | 5 | 癌症项目、病例与文件元数据，公开／受控访问类别及传输清单；不下载或授予受控访问 |
Zenodo · zenodo | Zenodo | 2 | 公开数据集、软件和文献记录的检索、版本级元数据与文件清单；不上传或下载文件 |
HMMER · hmmer | HMMER3, EMBL-EBI | 3 | 按程序提交蛋白序列／profile HMM／比对检索，查询状态并获取结果 |
InterProScan · interproscan | InterProScan, EMBL-EBI | 3 | 提交蛋白序列、查询注释任务状态并获取 TSV 报告 |
Pathway Commons · pathway-commons | Pathway Commons, Reactome | 4 | 通路检索、顶层通路、图查询及 BioPAX 子模型导出 |
Alliance Genome Resources · alliance | Alliance of Genome Resources | 8 | 人类与模式生物基因、直系同源、疾病模型、表型、等位基因及表达 |
CELLxGENE Discover · cellxgene-discover | CELLxGENE Discover | 9 | 单细胞集合与数据集发现、发布版本、文件格式／大小／下载 URL |
Cellosaurus · cellosaurus | Cellosaurus | 6 | 查找细胞系名称和别名，再检查编号身份及质量注释 |
Monarch Initiative · monarch | Monarch Initiative | 2 | 查询疾病或基因与表型的关联，保留物种和支持证据 |
IEDB · iedb | IEDB | 8 | 检索表位、抗原、T 细胞、B 细胞和 MHC 实验、TCR/BCR 证据及来源文献 |
PDC · pdc | PDC | 5 | 癌症蛋白组研究版本、样本关联、公开病例临床信息及文件元数据；不下载文件 |
ENCORI · encori | ENCORI | 10 | miRNA／RBP 靶标、RNA 互作、ceRNA、motif、结合位点与参考／批量数据 |
Orphadata · orphadata | Orphadata, Orphanet | 2 | 罕见病—基因关联及 HPO 表型频率；默认关闭 |
TCIA · tcia | TCIA, NBIA | 3 | 公开影像集合、访问条件与序列元数据 |
KEGG · kegg | KEGG | 3 | 通路、化合物条目及基因映射；须遵守许可限制 |
RxNorm / RxNav · rxnorm | RxNorm, RxNav | 2 | 药名解析与有效概念属性 |
DailyMed · dailymed | DailyMed | 2 | 药品标签身份与版本历史 |
BioSamples · biosamples | EMBL-EBI BioSamples | 2 | 公开样本元数据与交叉引用 |
WikiPathways · wikipathways | WikiPathways | 2 | 通路元数据、物种及修订信息 |
Europe PMC · europepmc | Europe PMC | 1 | 直接检索文献、摘要与分页 |
Research Datasets · research-datasets | NHANES, CHARLS, CHNS, SEER, MIMIC, eICU, GBD | 3 | 数据访问条件与公开文件发现 |
ChEA3 · chea3 | ChEA3 | 2 | 转录因子富集排名与 GMT 链接 |
bioDBnet · biodbnet | bioDBnet | 6 | 标识转换、同源映射与通路 |
CTD · ctd | CTD | 1 | 官方公开报告入口与条款 |
离线 Molecule 工具见科学查看器。各数据源实际提供的操作见 Connector 操作参数参考。
可以完成什么任务
| 科研任务 | 使用的 Connector | 常见输出 |
|---|---|---|
| 查找文献、追踪引用、检查 DOI 关联关系 | Literature Graph、PubMed、bioRxiv | 文献记录、编号、引用关系和全文可用信息 |
| 查找基因或蛋白并比较序列 | Genes & Ontologies、Genomes | 标识符映射、蛋白记录、FASTA 和 BLAST 报告 |
| 发现公开组学数据并检查可用文件 | Omics Archives | 项目/运行元数据，以及带来源地址、大小和可用校验值的文件清单 |
| 解释基因列表或查看相互作用网络 | Genes & Ontologies、Protein Annotation | 富集结果表、本体注释和网络记录 |
| 核查变异、表达与调控证据 | Variants、Clinical Genomics、Human Genetics、Expression、Regulation | 带物种、组织、参考基因组版本和相关证据字段的来源记录 |
| 获取化合物、结构或临床研究记录 | Chemistry、ChEMBL、Structures & Interactions、Clinical Trials | 化学标识及性质、结构档案和试验元数据 |
批量转换标识符时，Genes & Ontologies 提供 submit_uniprot_id_mapping、get_uniprot_id_mapping_status 和 get_uniprot_id_mapping_results。保存任务 ID，至少间隔三秒查询一次状态，再取完所有结果页。保留一对多映射和明确返回的 failed_ids，某页未出现不等于未匹配。最多可提交 100000 个标识符，结果最长保留约七天。见映射参数。
Zenodo 无需认证即可查询公开记录元数据，应保留版本级记录 ID、访问和许可字段。GDC 提供公开元数据，生成清单不等于获得下载授权，受控文件仍需 GDC 权限。GDC 操作 · Zenodo 操作。
数据库响应可以支持一个科研步骤，但不会自动下载数据、把所有论文加入文献库或完成整套分析。需要保存哪些记录和文件，应在请求中明确说明。
RNA 调控证据：ENCORI
在 Settings → Connectors 搜索 ENCORI，启用并使其对 Main 可用。它是内置数据源，不需要自定义 MCP 地址或 API key。选择可用主模型，在会话中明确物种／assembly、RNA 或靶基因、细胞类型与证据阈值。
| 任务 | 结果与使用边界 |
|---|---|
| miRNA、RNA–RNA、RBP 靶标及 ceRNA 查询 | 保留 CLIP、降解组、预测程序、p 值与 FDR 等适用证据；结合或关联不等于因果调控 |
| RBP 疾病、motif 与结合位点 | 保留参考基因组、组织／细胞、上游顺序和原始坐标，避免混合不同物种或坐标体系 |
| 参考表与批量数据 | 先列出精确表路径或文件名；批量下载是单独操作，明确文件、目录与所需空间后再执行 |
案例演示 查询 PDCD4 在 HeLa 条件下的 miRNA 靶标证据
Use ENCORI to find human miRNA interactions targeting PDCD4 in HeLa cells,
using hg38, mRNA targets, at least one CLIP experiment and TargetScan support.
Show at most two rows. Preserve the exact filters, total count and full raw
response in the session data folder. Explain the evidence limits in English.
Do not download bulk datasets.
本例得到 19 条记录，前两条为 hsa-miR-23a-3p 与 hsa-miR-181a-5p。下图显示保存后的完整原始响应及其证据范围；这是本次查询结果，数据库更新后数量可能变化。
读取结果时，区分 total_records 与 returned_records，并检查 is_complete、result_scope 和 completeness_note。预览只显示部分行时，不要用它概括全部靶标分布。完整原始响应的 raw_response_path 是本地文件路径，不自动等于可下载的会话产物；需要共享时，让 Agent 保存到会话可访问的数据目录并附加文件，打开后核对内容。
查询可返回真实空结果，也可返回 ok:false。不要为了得到命中自动放宽条件。批量文件下载完成后检查实际路径、大小与 verified_gzip；参考表查询和文件列表不等于已取得批量数据。精确参数见 ENCORI 操作参考。
实验条件与逐条提交证据
| 入口 | 操作顺序 | 判断边界 |
|---|---|---|
| ChEMBL | 启用 Connector，无需 API key。先从活性记录取得 assay_chembl_id，用 get_assay 查看方法、物种、细胞／组织和靶标；再用同一 assay ID 查询 get_bioactivity | 靶标归属置信度不是测量质量；比较 IC50／Ki 前核对条件、单位及关系符号 |
| Variants → ClinVar | 在 Connector 中配置真实的 NCBI 联系邮箱，API key 可选。查询 clinvar_get_submissions，传入 VCV accession 或正整数 Variation ID；后续分页沿返回的 next_page 固定版本 | 保留 SCV、提交者、疾病、评估日期、方法及引用；胚系、体细胞临床影响与致癌性应分别比较 |
ChEMBL 每页按 activity_id 排序。保持过滤条件不变，将 next_offset 作为下一页 offset，直到 has_more:false；可以取得超过 1,000 条记录。summary 仅覆盖当前页，不能用一页最强活性代表整个查询。ClinVar 首页解析到最新版本后，继续使用返回的带版本 VCV；不要用 RCV、SCV 或 rsID 替代输入。
ChEMBL 实验参数 · 活性分页 · ClinVar 提交参数。
单细胞、模式生物及变异功能数据
在 Settings → Connectors 搜索下表中的入口，开启 Main 的可用性，再向会话说明研究对象、物种及需要保存的记录。这四类新增操作读取公开数据，无需另外添加自定义 MCP 服务器、API key 或 NCBI 联系邮箱；同一 Connector 的其他服务可能有不同要求。
| 入口 | 可以做什么 | 使用要点 |
|---|---|---|
| CELLxGENE Discover | 按物种、组织、疾病、实验方法或细胞类型发现单细胞数据集；查询版本及文件清单 | 本体过滤使用精确标签或 ID，多个条件同时满足。保留 dataset_version_id，按发布快照读取文件清单；普通 dataset_id 指向当前版本。只返回可用下载 URL，不下载文件或查询 Census 表达矩阵。细胞类型说明和标记基因仍使用独立的 CellGuide |
| Alliance Genome Resources | 查询人类、小鼠、大鼠、果蝇、线虫、斑马鱼、酵母和蛙的基因、同源关系、疾病模型、表型及表达 | 先搜索并核对物种，再沿返回的基因 ID 查询。保留证据及同源严格程度；模型生物的表型不等于人类疾病结论 |
| Variants → MaveDB | 查找变异效应实验分数集、实验方法、CSV 分数页及已有 VRS 映射 | 保留 URN、许可、实验方法与分数校准。功能分数不是临床致病分类；CSV 按 start/limit 分页，返回文本仍需保存成文件。映射查询不会执行 liftover |
| Omics Archives → Metabolomics Workbench | 搜索研究，查看 ST 编号对应的样本、因素、分析及代谢物；查化合物结构和交叉引用 | section 区分 summary、factors、analysis、metabolites。化合物名称先用 PubChem 解析为支持的标识符；这些操作不下载原始测量矩阵 |
CELLxGENE 的筛选与分页在本地对当次取得的上游目录执行，跨请求目录可能更新。固定发布版本时使用版本 ID；上游没有报告的文件大小为 -1，不能当成零字节。MaveDB、Workbench 的缺失值和实验定义也应随结果保留。
具体输入见 CELLxGENE Discover、Alliance、MaveDB 和 Metabolomics Workbench。
细胞系、表型与免疫实验证据
在 Settings → Connectors 启用 Cellosaurus、Monarch Initiative 或 IEDB，并将其提供给 Main。这些操作读取公共记录，无需自建服务器或 API key。
| 入口 | 可以查询什么 | 应保留和核对什么 |
|---|---|---|
| Cellosaurus | 按细胞系名称或别名搜索，再读取返回的 CVCL 编号或 RRID | 物种、身份、别名，以及污染或错误鉴定注释。搜索接受普通短语，不接受原始 Solr 查询。缺少质量注释不代表细胞系已通过认证 |
| Monarch Initiative | 使用 MONDO:0007254、HGNC:11998 等规范 CURIE 查询疾病或基因的表型关联 | 物种、表型、来源与证据。别名不会自动转换，先解析标识符。直接匹配描述的是标识符匹配方式，不代表实验确认 |
| IEDB | 检索表位、抗原，或具体的 T 细胞、B 细胞、MHC 实验 | 至少提供一个生物学或证据筛选条件，仅分页不够。antigen_iri 与 uniprot_accession 二选一。保留实验方法、结果、单位和文献；MHC 洗脱观察不等于亲和力测量 |
聚合的表位或抗原记录可能合并多个实验的观察。如果多个筛选条件必须在同一实验中成立，应查询相应的实验操作。零匹配不代表生物学上的阴性结论。Cellosaurus 参数 · Monarch 参数 · IEDB 参数。
查找 GEO 矩阵和序列匹配结构
Omics Archives → geo_get_matrix_files 查找官方 GEO Series Matrix 和 NCBI 生成的计数、FPKM、TPM、注释文件。它返回文件位置，不会下载文件内容。geo_get_series 仍用于元数据查询。
取得矩阵后，geo_preflight_matrix 检查已经读取、解压的文本，大小上限为 8 MiB。该操作不访问网络或文件系统。保留 GSM 标识符与平台元数据，按样本 ID 映射，而不是依赖列的位置。预览片段必须设置 complete: false；只有传入完整文件时才能使用 complete: true。片段不能证明整个文件的维度。压缩包、稀疏矩阵和 HDF5 文件不能直接交给此文本检查器。见矩阵发现和文本预检查。
Structures & Interactions → pdb_search_sequence 接受一条 25–10,000 个残基的蛋白质序列，可用原始序列或单条 FASTA。序列一致性和查询覆盖度阈值均为 0 到 1 的比例。返回的查询覆盖度描述与输入序列的比对范围，不等于实验解析的结构覆盖度。上游总数是在本地覆盖度筛选前计算的，有上限的扫描也可能未读到后续匹配。该操作查询结构记录，不下载坐标文件。见精确输入与扫描上限。
如何连接并开始使用
1. 启用内置 Connector
- 打开 Settings → Connectors，搜索上表中的名称，例如 Omics Archives。
- 打开详情并展开 Tools，阅读目标操作的输入、结果上限和第三方要求。
- 启用 Main 的访问权限，检查 Used by。通过资源的 Manage access 调整 Main Agent 和 Specialist 关联。启用 Connector 与每个工具的审批策略是独立设置。
这些 Connector 已内置，无需为它们添加自定义服务器。连接自己运行的外部服务时，参阅自定义 Connector 设置。出现在列表中或已启用，不等于认证通过或查询成功。
2. 按目标操作配置凭据
| 服务或使用条件 | 配置位置 |
|---|---|
| OpenAlex | 密钥可选。需要配置时，打开 Settings → Connectors → Literature Graph → Manage credentials → OpenAlex，验证后保存 |
| 要求联系邮箱的 NCBI 直接变异查询 | Settings → Connectors → Manage credentials → Literature access。填写 Contact email 并点击 Save；NCBI API key 为可选项 |
| 其他需要凭据的操作 | 按工具要求及凭据指南配置，并将凭据绑定到目标服务 |
密钥应填写在凭据表单中，不要放进科研提示词或共享结果文件。按所选操作配置要求；上面的联系邮箱要求不表示所有 NCBI 工具都需要同样的设置。
Literature Graph 还提供 crossref_get_work、crossref_get_updates、datacite_search_records 和 datacite_get_record，这四个公开方法不需要 OpenAlex key。OpenAlex 引用关系中，openalex_citations 查找引用该成果的文献，openalex_references 查找该成果引用的文献。具体字段见 Literature Graph 参数。
3. 用一次小查询确认可用
启用 Genes & Ontologies，打开已连接模型的会话，发送：
示例 核对一个已知的人类基因标识
Use Genes & Ontologies query_genes to resolve TP53 with scopes="symbol",
species="human" and fields="symbol,name,entrezgene". Return the input query,
matched records and any unmatched identifiers. Keep the response in English.
检查实际工具返回。对于人 TP53，核对 query、symbol、Entrez Gene 7157 和名称 tumor protein p53。有多个匹配时，先保留全部结果，再确认物种与目标记录。一次查询成功只说明该操作可用，不代表所有来源均已连通。准确字段。
进入完整科研工作流
以下文章包含输入材料、操作步骤、真实英文界面截图和可下载的案例结果。
查找公开组学数据
查找公共组学数据并整理文件清单：从已知运行编号或研究主题出发，检查 ENA 与 PRIDE 记录，保存来源地址和校验值。下载数据是后续独立步骤。
比较蛋白序列
从基因名称获取蛋白序列并完成 BLAST 比对：获取 UniProt FASTA，保存 BLAST 任务编号，再检查完成后的比对、一致率和查询覆盖率。
分析候选基因集
对候选基因集进行功能富集分析：选择物种、标识符和统计背景，运行 g:Profiler，并结合来源版本解读校正后的概率。
核对参考基因组
分析前核对物种、参考基因组与染色体编号：关联记录前，先核对物种、带版本的组装和染色体别名。
检查通路网络
检查通路及其互作网络：通过 Pathway Commons 查找人类 Reactome 通路，保留返回的 URI、导出互作，并区分选定的网络与通路活性证据。
其他任务可参阅 PubChem 结构化记录获取、科学记录交叉核对及组会文献发现。
使用数据时注意什么
- 保存查询条件、来源、物种、组织、单位及登录号版本。数据库记录、预测和模型生成的总结属于不同证据类型。
- 检查返回数量、分页和截断标记，再判断是否完整。零条匹配、部分响应和请求错误需要分别处理。
- 文件清单提供地址与元数据。下载文件、校验内容和分析数据是独立操作。
- 请求需要凭据时，先填写对应表单再重试。触发限流时按服务要求等待，超时时缩小请求范围。具体处理见故障排查。
人群频率与相互作用网络
需要人群细节时，对 get_variant 设置 include_populations: true，保留数据集与参考组装。外显子组与基因组观察应分开；不可用值为 null，不等于零；相互重叠的人群或性别分层不能相加。这些是观察频率，不是过滤等位基因频率。gnomAD 参数
从 v0.31.0 起，get_string_network.nodes 包含返回的邻居及孤立的已映射输入。单个映射输入会请求邻居，多个映射输入不扩展。只需输入节点时筛选 is_query，全部输入别名使用 queries。n_nodes 是网络节点数，n_mapped 是输入映射数；复用旧脚本前修正将两者等同的逻辑。STRING 参数
查找具体操作参数
Connector 操作参数参考列出必填输入、可选值和准确调用方法。本页用于选择和连接数据源，参数参考用于查询某个具体工具的字段。
目录来源：catalog.ts、registry.ts。
序列检索与多序列比对
HMMER 支持按程序选择蛋白序列、profile HMM 或比对输入。将程序与数据库配对，保存任务 ID，等 SUCCESS 后获取结果，见 HMMER 操作。
InterProScan 从 v0.35.1 起支持提交蛋白序列，再查询任务状态并获取 TSV 注释。具体连接与步骤见提交 InterProScan。
Genomes → Clustal Omega 对至少三条名称唯一的蛋白质、DNA 或 RNA FASTA 记录进行比对。配置服务要求的联系邮箱，提交一次并保存任务 ID，再查询状态、保存返回的比对，见多序列比对工作流。
Enrichr、STRING 与 ClinPGx
- Genes & Ontologies → Enrichr：先列出当前库，再用基因列表查询功能、转录因子、扰动、药物、疾病、组织或细胞类型相关富集。选择与物种和问题相符的库；记录背景、库名称及校正 P 值。
- Protein Annotation → STRING：检查蛋白网络的互作数量是否超过背景预期。它与通路过度代表分析回答不同问题，不能用网络 P 值代替通路检验。参见基因集富集工作流。
- Clinical Genomics → ClinPGx：按药物、基因或变异查阅临床注释、指南、监管标签和族群频率。先解析标识符，再按操作所需字段查询，保留原始来源和证据等级。该入口用于检索资料，不自动给出个体用药方案。
在 Settings → Connectors 中向当前代理开启相应 Connector；这些内置入口不需要另建自定义 MCP 服务器。准确字段和条件见操作参考。
通路、表达及临床数据
在 Settings → Connectors 中开启对应家族，再向代理说明物种、来源、标识符和所需范围。这些扩展沿用内置 Connector，无需另建自定义 MCP 服务器。
| 入口 | 可以做什么 | 连接和解释要点 |
|---|---|---|
| Pathway Commons | 搜索通路、查顶层通路、查询基因间路径或导出子模型 | 公共服务；保留实际返回的 URI、物种和来源。图查询与富集检验不同，见通路互作工作流 |
| Expression → Bgee | 跨物种表达存在／缺失判断、标准化分数、有界 SPARQL 查询及下载链接 | 先查物种，保留 NCBI taxonomy ID；SPARQL 的基因、物种、组织均必填。健康野生型基线不是差异表达结果，下载链接不等于已下载文件 |
| Cancer Models → cBioPortal | 列出样本与患者、查询临床属性和 mRNA／蛋白表达 | 先定 study，再查 profile，明确测量与归一化。临床值按样本／患者层级提供相应 ID；表达查询提供明确基因，并在 sample_ids 与 sample_list_id 中恰好选一个。缺失行不是零 |
| Drug Regulatory → openFDA | 搜索／统计 FAERS 报告及药品召回 | 限定日期和产品，保留截断信息。报告计数不是发生率或因果证据；多值分组可能重叠，不能相加当作去重报告总数 |
| Omics Archives → MGnify | 按 MGYA 分析编号列出结果文件 | 返回类型、类别、来源 URL 和可用大小；没有下载文件内容，缺少大小或 URL 时保留 null |
准确必填字段、条件和示例见Connector 操作参考。
理解 Bgee 物种的数据可用性
先用 bgee_species 确定物种。taxon_id 是该物种的 NCBI taxonomy ID，不是为它提供参考基因组的物种 ID。列表响应中的 has_expression_data: null 表示尚未判断可用性。将返回的物种 ID 作为 species_id 再查一次，加载该物种的数据来源元数据。元数据缺失时保留 null 的未知状态，只有明确的 false 才是无可用数据的结果。这些字段描述图谱的数据覆盖范围，不表示某个基因在某组织中是否表达。
查找 GWAS 汇总统计文件
在 Settings → Connectors 将 Human Genetics 提供给 Main。用研究的 GCST 编号请求发现汇总统计文件，保留返回的原始／标准化文件 URL、元数据和声明的参考基因组。公开查询不需要 API key。
gwas_get_summary_statistics 列出研究文件并读取可用的 YAML 元数据，不下载大型关联结果表。返回的 GWAS-SSF 列定义描述的是标准，不是已检查的实际文件表头。另行下载目标文件后，核对实际列名、基因组版本、效应等位基因和单位，再进行分析。显著关联位点不能代替完整汇总统计。参数与输出。
向 InterProScan 提交蛋白序列
- 在 Settings → Connectors 将 InterProScan 提供给 Main。在 Settings → Credentials → Literature access 保存用于 EMBL-EBI 任务的有效联系邮箱，不需要 API key。
- 提供蛋白序列或名称唯一的蛋白 FASTA 记录，请求提交一次。序列和联系邮箱会发送到 EMBL-EBI。单次最多 1,000 条记录，每条最多 10,000 个残基，编码后的请求体不超过 4 MiB。
- 保存返回的 job_id。SUBMITTED 且 ready: false 是提交回执，不是注释结果。至少间隔十秒查询一次 status，系统不会自动轮询。
- 状态为 FINISHED 后获取 results，在远端结果过期前保存完整 TSV。超过 2 MiB 获取限制时会报错，不会静默返回截断报告。
- 核对蛋白标识、来源程序及从 1 开始且包含两端的坐标。不同成员程序的得分不能直接比较；没有命中不代表蛋白没有功能。
超时后避免重复提交，先找回已有任务 ID。取消本地请求不会取消已提交的远端任务。见提交、状态和结果参数。
查询 IEDB 的 TCR 与 BCR 证据
将 IEDB 提供给 Main，使用 search_tcrs 或 search_bcrs，至少给出一个生物学或证据筛选条件，仅分页不够。sequence 指表位序列，chain1_cdr3 与 chain2_cdr3 才筛选受体的 CDR3 序列。这些公开查询不需要 API key。
保留受体组 ID、链信息、返回的实验 ID 和来源文献。宿主及结果条件作用于聚合后的组，可能分别由不同实验满足。若要确认条件在同一实验中成立，应按返回的实验 ID 查询对应的实验操作，并在那里应用所需筛选。分页针对受体组，不保证每条内嵌导出记录都完整。这是在检索已有证据，不是在预测受体结合。IEDB 参数。
用 PDC 查找癌症蛋白组资料
在 Settings → Connectors 启用 PDC。公开元数据 API 不需要 API key。它可查找研究及版本、查看实验类型与样本计数、关联 case—sample—aliquot，并列出 Protein Assembly 等定量文件。它不返回治疗／结局数据，也不下载文件。
可从 PDC000127 等研究编号开始，或搜索研究标识符和版本名称。PDC 的关键词匹配不是临床疾病筛选。取得研究记录后，使用实际返回的 study_id UUID 固定后续查询版本；pdc_study_id 选择最新版本。这两个选择字段必须且只能提供一个。
生物样本列表的 upstream 分页按 case 计数，展开 sample 与 aliquot 后的关联行数可以超过病例上限。默认 local 模式在已收到的关联中分页，上游最多返回 1,000 条关联；达到此上限时，即使到了本地最后一页，也不能证明研究数据完整。分别保留 PDC 标识符和注明来源的 GDC 外部引用。文件列表包含名称、字节数、MD5 和存储路径；列出的路径不是授权下载 URL。
具体参数见 PDC 操作与分页。合并来源前，核对研究版本、实验类型、样本身份，以及各来源的访问与引用要求。
查询指定人群的连锁不平衡
在 Settings → Connectors 启用 Genomes。Ensembl LD 工具使用公开 API，不需要密钥。ensembl_ld_pairwise 需要两个变异 ID，ensembl_ld_proxies 需要一个；两者都必须提供完整人群名，例如 1000GENOMES:phase_3:KHV。工具不会自动发现人群或推断祖源，应选择适合研究的参考人群。
两变异查询报告 r² 和 D′。代理变异查询默认 r² ≥ 0.8，窗口为 总宽 500 kb，即两侧各约 250 kb。max_records 限制排序后的返回列表，不限制上游工作量。结果应保留人群与检索元数据；该接口不报告参考基因组或 Ensembl 版本。空结果表示未返回符合条件的数据，不是零 LD；高 LD 既不证明因果，也不证明功能等价。见两变异参数与代理变异参数。
保留样本、表达和组装背景
| 查询 | v1.0.2 中的解读方式 |
|---|---|
arrayexpress_get_experiment_samples | samples 是按路径排序后的第一个 SDRF 文件中的关系行。n_rows_total／n_rows_returned 计行数；n_samples／n_samples_returned 计去重标识数量，优先 Sample Name，其次 Source Name，不是独立生物学重复数。缺少标识可使样本计数为 null；空文件或 no_sdrf 不表示实验没有样本 |
metabolights_get_studies 配合 include_samples | 导出 sample_table 时按返回的 headers 顺序处理；重名列使用不覆盖原名称的 #2、#3 等后缀。保留所有列，短行中的空字符串表示缺失元数据，并检查 rows_truncated |
bgee_expression_calls | 同时保留 anatomical_entity_id/name 与 cell_type_id/name。细胞类型缺失时是 null，不是阴性表达判断；表达状态、质量和条件应一起保留 |
| dbSNP 变异查询 | 保留每个定位结果的 assembly、assembly_full、seq_id、位置与等位基因。同一序列可能关联多个组装，不能折叠这些关联，也不能把第一个定位结果当成自动坐标转换 |
这些修正影响返回证据的解读。比较旧响应与新查询前，先核对操作参数参考。
OpenAlex 凭据提示
v1.0.2 会在当前会话中记住对 OpenAlex 凭据提示的拒绝，避免重复打断。之后需要该来源时，在 Settings → Connectors → Literature Graph → Manage credentials → OpenAlex 主动配置，再重试目标查询。拒绝提示不等于已经提供密钥，也不保证访问权限或额度。
连接新增数据源并正确理解结果
在 Settings → Connectors 找到下表入口，向 Main 或目标 Specialist 开放。HGNC、PubTator 3、DGIdb 和 RNAcentral 属于现有入口中的工具；Orphadata 为独立入口，默认关闭。这些新工具使用公开接口，不需要单独的 API key；同一入口内的其他工具可能有不同凭据要求。
| 数据源 | 设置入口 | 请求与检查 |
|---|---|---|
| HGNC | Genes & Ontologies | 查询已批准的人类基因符号或解析精确别名；选择基因前保留全部歧义匹配及批准／撤回状态 |
| PubTator 3 | PubMed | 按 PMID 获取标注或搜索实体／关系；标注获取覆盖标题／摘要，不提交你的原始文本，也不能证明全文支持某个论断 |
| DGIdb | Clinical Genomics | 按基因或药物名称查询，保留来源与文献，并沿返回游标继续；药物—基因相互作用不是用药建议 |
| RNAcentral | RNA | 查询 URS accession，再分页读取专家数据库交叉引用；保留分类、序列 MD5 和 accession 版本 |
| Orphadata | Orphadata | 先启用访问，再提供 ORPHAcode 查询基因或 HPO 表型；保留关联类型及频率类别，它们不是个体患者概率 |
具体调用：HGNC、PubTator、DGIdb、RNAcentral、Orphadata。
关联癌症元数据与解释变异
- PDC： 用
pdc_list_clinical获取公开人口学和诊断字段。pdc_study_id选择最新版本，study_id固定具体版本，二者选一。保留缺失／遮蔽值与标明来源的外部引用；PDC 和 GDC 的 UUID 不可互换。 - GDC： 用
case_ids、sample_types和workflow_types筛选文件。保留每个文件的样本、aliquot 及肿瘤／正常流程关联，不要将同一病例下所有文件混合。单个字段内按 OR 合并，字段之间按 AND 合并。能查询元数据不代表获准下载受控文件。 - Ensembl VEP： 单独传入
hgvs_notation，不要同时提供variant_id、region、allele或allele_orientation。保留返回组装、转录本版本和截断标志。输入参考版本会原样传递，不进行验证；matched不表示版本匹配。这是后果注释，不是临床解释或 liftover。 - Clinical Trials： 用
get_trial_results读取已公布的结局测量、分母、统计分析和不良事件。组 ID 仅在同一个结果模块／结局内匹配。缺失结果不等于零事件，也不证明无效果。
参数见 PDC 字段、GDC 筛选、VEP 模式和已公布试验结果。
影像、通路、脂质与癌症模型
在 Settings → Connectors 中启用所需来源，并设置为 Main 可用。TCIA、KEGG、RxNorm / RxNav、DailyMed、BioSamples 和 WikiPathways 是默认关闭的独立入口。下列操作访问公开服务，不需要自建 MCP 服务或 API key。启用 Connector 不等于取得数据许可或受限数据权限。
| 入口 | 可以请求什么 | 结果中要保留什么 |
|---|---|---|
| TCIA | 查找影像集合；查看集合或已有 DICOM series UID | 许可、访问条件和下载要求；返回链接可能是 Data Retriever 清单，而不是影像文件 |
| KEGG | 搜索通路、KO、化合物与反应条目；映射带物种前缀的基因 | 学术用途资格和许可条款、一对多映射及截断标记；这不是基因集富集分析 |
| Chemistry → LIPID MAPS / UniChem | 用精确 LMID 或 PubChem CID 查询；用 InChIKey 或 ChEMBL ID 映射 | 名称先通过 PubChem 解析；保留不同匹配结果与来源归属，这些操作不做相似性搜索 |
| Structures & Interactions → OmniPath | 按人类标准 UniProt accession 查询上游或下游调控 | 方向、激活与抑制的冲突证据、复合物标识；汇总关系不是组织特异的因果证据 |
| Structures & Interactions → PDBe / PDB | 查看实验结构验证统计，或检索相似的已存档蛋白链 | 实验方法与缺失指标；使用 label_asym_id 而非作者链编号；相似性分数不是实际计算的结构比对或 RMSD |
| Cancer Models → DepMap / CCLE | 将细胞系解析为 ModelID，再查询基因或化合物的测量值 | 数据版本与量纲：Chronos 不是概率，PRISM AUC 不是 IC50，RNA 为 log2(TPM+1)，拷贝数相对于倍性 |
| RxNorm / RxNav · DailyMed | 将药名解析为 RxCUI；查看 SPL 标签身份与版本历史 | 保留有歧义的身份；名称匹配不代表临床等效，DailyMed 收录不代表 FDA 批准 |
| BioSamples · WikiPathways | 查找样本元数据或通路元数据与修订信息 | accession、物种、来源日期及证据链接；查询不会下载关联的样本文件或通路图 |
精确输入与分页方式见操作参数参考。保留空值与结果截断标记；有限结果不等于整个数据库。
查找官方研究数据与文件列表
在 Settings → Connectors 中，只启用当前问题需要的入口。新增的 Europe PMC、Research Datasets、ChEA3、bioDBnet 和 CTD 使用公开服务，不要求 API Key；请求仍会将输入的检索词、标识或基因列表发送给相应服务。连接控件。
| 需要做什么 | 入口与返回内容 | 下一步 |
|---|---|---|
| 直接检索生物医学文献 | Europe PMC 返回核心记录、可用摘要与下一页游标 | 保存标识并继续翻页；全文 URL 不等于已经取得全文 |
| 找调查数据或临床演示文件 | Research Datasets 提供带周期及说明链接的 NHANES 文件列表，以及固定版本的公开 MIMIC/eICU 演示数据 | 从官方来源下载前核对周期、版本、许可和文档 |
| 了解数据访问条件 | Research Datasets 说明 NHANES、CHARLS、CHNS、SEER、MIMIC、eICU、FAERS、GBD 的入口 | 按来源要求完成注册、培训或导出流程 |
| 找公开报告文件 | Drug Regulatory、CTD 和 Cellosaurus 列出官方文件位置 | 查看当前来源页面、发布版本和条款；发现文件不会自动下载或导入 |
| 整理基因标识 | Genes & Ontologies 补充 HGNC 服务字段、字段查询及文件列表；bioDBnet 提供转换和同源映射 | 先查询支持的字段或类型；保留歧义、未映射和一对多结果 |
| 排序候选调控因子 | ChEA3 返回各来源库的转录因子排名及 GMT 库链接 | 将排名用于提出假设；下载的 GMT 库可能不同于在线结果使用的库 |
| 检查细胞系证据 | Cellosaurus 补充 RDF、有边界的 SPARQL 查询和 STR 相似度 | 保留 accession 和标记设置；仅凭相似度不能认证样本身份 |
文件列表返回官方 URL 与来源元数据，不会自动下载文件或建立分析数据库。NHANES 分析仍需正确的调查设计和权重；MIMIC/eICU 演示数据权限不等于完整数据集权限；FAERS 报告不能直接解释为发生率。具体字段和示例见操作参考。