name: string-database description: “查询STRING API以获取蛋白质-蛋白质相互作用（5900万蛋白质，200亿次相互作用）。网络分析、GO/KEGG富集、相互作用发现、5000+物种，用于系统生物学。”

STRING 数据库

概述

STRING 是一个全面的已知和预测蛋白质-蛋白质相互作用数据库，涵盖5000多种生物中的5900万蛋白质和200亿次相互作用。查询相互作用网络、执行功能富集、通过REST API发现伙伴，用于系统生物学和通路分析。

何时使用此技能

此技能应在以下情况下使用：

检索单个或多个蛋白质的蛋白质-蛋白质相互作用网络
对蛋白质列表执行功能富集分析（GO、KEGG、Pfam）
发现相互作用伙伴并扩展蛋白质网络
测试蛋白质是否形成显著富集的功能模块
生成基于证据着色的网络可视化
分析同源性和蛋白质家族关系
进行跨物种蛋白质相互作用比较
识别枢纽蛋白质和网络连接模式

快速开始

此技能提供：

所有STRING REST API操作的Python辅助函数（scripts/string_api.py）
全面的参考文档（references/string_reference.md），包含详细API规范

当用户请求STRING数据时，确定所需操作并使用scripts/string_api.py中的适当函数。

核心操作

1. 标识符映射（`string_map_ids`）

将基因名、蛋白质名和外部ID转换为STRING标识符。

何时使用：开始任何STRING分析、验证蛋白质名、查找规范标识符。

用法：

from scripts.string_api import string_map_ids

# 映射单个蛋白质
result = string_map_ids('TP53', species=9606)

# 映射多个蛋白质
result = string_map_ids(['TP53', 'BRCA1', 'EGFR', 'MDM2'], species=9606)

# 映射每个查询的多个匹配
result = string_map_ids('p53', species=9606, limit=5)

参数：

species：NCBI分类ID（9606 = 人类，10090 = 小鼠，7227 = 果蝇）
limit：每个标识符的匹配数（默认：1）
echo_query：在输出中包含查询项（默认：1）

最佳实践：始终先映射标识符以加快后续查询。

2. 网络检索（`string_network`）

以表格格式获取蛋白质-蛋白质相互作用网络数据。

何时使用：构建相互作用网络、分析连接性、检索相互作用证据。

用法：

from scripts.string_api import string_network

# 获取单个蛋白质的网络
network = string_network('9606.ENSP00000269305', species=9606)

# 获取多个蛋白质的网络
proteins = ['9606.ENSP00000269305', '9606.ENSP00000275493']
network = string_network(proteins, required_score=700)

# 使用额外相互作用物扩展网络
network = string_network('TP53', species=9606, add_nodes=10, required_score=400)

# 仅物理相互作用
network = string_network('TP53', species=9606, network_type='physical')

参数：

required_score：置信度阈值（0-1000）
- 150：低置信度（探索性）
- 400：中置信度（默认，标准分析）
- 700：高置信度（保守）
- 900：最高置信度（非常严格）
network_type：'functional'（所有证据，默认）或'physical'（仅直接结合）
add_nodes：添加N个最连接的蛋白质（0-10）

输出列：相互作用对、置信度分数和个体证据分数（邻域、融合、共表达、实验、数据库、文本挖掘）。

3. 网络可视化（`string_network_image`）

生成网络可视化作为PNG图像。

何时使用：创建图形、视觉探索、演示。

用法：

from scripts.string_api import string_network_image

# 获取网络图像
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1']
img_data = string_network_image(proteins, species=9606, required_score=700)

# 保存图像
with open('network.png', 'wb') as f:
    f.write(img_data)

# 证据着色网络
img = string_network_image(proteins, species=9606, network_flavor='evidence')

# 基于置信度的可视化
img = string_network_image(proteins, species=9606, network_flavor='confidence')

# 操作网络（激活/抑制）
img = string_network_image(proteins, species=9606, network_flavor='actions')

网络风格：

'evidence'：彩色线条显示证据类型（默认）
'confidence'：线条粗细表示置信度
'actions'：显示激活/抑制关系

4. 相互作用伙伴（`string_interaction_partners`）

查找与给定蛋白质相互作用的蛋白质。

何时使用：发现新相互作用、查找枢纽蛋白质、扩展网络。

用法：

from scripts.string_api import string_interaction_partners

# 获取TP53的前10个相互作用物
partners = string_interaction_partners('TP53', species=9606, limit=10)

# 获取高置信度相互作用物
partners = string_interaction_partners('TP53', species=9606,
                                      limit=20, required_score=700)

# 为多个蛋白质查找相互作用物
partners = string_interaction_partners(['TP53', 'MDM2'],
                                      species=9606, limit=15)

参数：

limit：返回的最大伙伴数（默认：10）
required_score：置信度阈值（0-1000）

使用案例：

枢纽蛋白质识别
从种子蛋白质扩展网络
发现间接连接

5. 功能富集（`string_enrichment`）

跨基因本体、KEGG通路、Pfam域等执行富集分析。

何时使用：解释蛋白质列表、通路分析、功能表征、理解生物过程。

用法：

from scripts.string_enrichment import string_enrichment

# 蛋白质列表的富集
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1', 'ATR', 'TP73']
enrichment = string_enrichment(proteins, species=9606)

# 解析结果以查找显著项
import pandas as pd
df = pd.read_csv(io.StringIO(enrichment), sep='\t')
significant = df[df['fdr'] < 0.05]

富集类别：

基因本体：生物过程、分子功能、细胞组分
KEGG通路：代谢和信号通路
Pfam：蛋白质域
InterPro：蛋白质家族和域
SMART：域架构
UniProt关键词：策展功能关键词

输出列：

category：注释数据库（如“KEGG通路”、“GO生物过程”）
term：项标识符
description：人类可读的项描述
number_of_genes：具有此注释的输入蛋白质
p_value：未校正的富集p值
fdr：错误发现率（校正p值）

统计方法：Fisher精确检验，使用Benjamini-Hochberg FDR校正。

解释：FDR < 0.05表示统计显著富集。

6. PPI富集（`string_ppi_enrichment`）

测试蛋白质网络是否比随机预期具有更多相互作用。

何时使用：验证蛋白质是否形成功能模块、测试网络连接性。

用法：

from scripts.string_api import string_ppi_enrichment
import json

# 测试网络连接性
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1']
result = string_ppi_enrichment(proteins, species=9606, required_score=400)

# 解析JSON结果
data = json.loads(result)
print(f"观察边数: {data['number_of_edges']}")
print(f"预期边数: {data['expected_number_of_edges']}")
print(f"P值: {data['p_value']}")

输出字段：

number_of_nodes：网络中的蛋白质
number_of_edges：观察到的相互作用
expected_number_of_edges：随机网络中的预期
p_value：统计显著性

解释：

p值 < 0.05：网络显著富集（蛋白质可能形成功能模块）
p值 ≥ 0.05：无显著富集（蛋白质可能无关）

7. 同源性分数（`string_homology`）

检索蛋白质相似性和同源性信息。

何时使用：识别蛋白质家族、旁系同源分析、跨物种比较。

用法：

from scripts.string_api import string_homology

# 获取蛋白质间同源性
proteins = ['TP53', 'TP63', 'TP73']  # p53家族
homology = string_homology(proteins, species=9606)

使用案例：

蛋白质家族识别
旁系同源发现
进化分析

8. 版本信息（`string_version`）

获取当前STRING数据库版本。

何时使用：确保可重复性、文档方法。

用法：

from scripts.string_api import string_version

version = string_version()
print(f"STRING版本: {version}")

常见分析工作流

工作流1：蛋白质列表分析（标准工作流）

使用案例：分析来自实验的蛋白质列表（如差异表达、蛋白质组学）。

from scripts.string_api import (string_map_ids, string_network,
                                string_enrichment, string_ppi_enrichment,
                                string_network_image)

# 步骤1：将基因名映射到STRING ID
gene_list = ['TP53', 'BRCA1', 'ATM', 'CHEK2', 'MDM2', 'ATR', 'BRCA2']
mapping = string_map_ids(gene_list, species=9606)

# 步骤2：获取相互作用网络
network = string_network(gene_list, species=9606, required_score=400)

# 步骤3：测试网络是否富集
ppi_result = string_ppi_enrichment(gene_list, species=9606)

# 步骤4：执行功能富集
enrichment = string_enrichment(gene_list, species=9606)

# 步骤5：生成网络可视化
img = string_network_image(gene_list, species=9606,
                          network_flavor='evidence', required_score=400)
with open('protein_network.png', 'wb') as f:
    f.write(img)

# 步骤6：解析和解释结果

工作流2：单蛋白质调查

使用案例：深入探究一个蛋白质的相互作用和伙伴。

from scripts.string_api import (string_map_ids, string_interaction_partners,
                                string_network_image)

# 步骤1：映射蛋白质名
protein = 'TP53'
mapping = string_map_ids(protein, species=9606)

# 步骤2：获取所有相互作用伙伴
partners = string_interaction_partners(protein, species=9606,
                                      limit=20, required_score=700)

# 步骤3：可视化扩展网络
img = string_network_image(protein, species=9606, add_nodes=15,
                          network_flavor='confidence', required_score=700)
with open('tp53_network.png', 'wb') as f:
    f.write(img)

工作流3：通路中心分析

使用案例：识别和可视化特定生物通路中的蛋白质。

from scripts.string_api import string_enrichment, string_network

# 步骤1：从已知通路蛋白质开始
dna_repair_proteins = ['TP53', 'ATM', 'ATR', 'CHEK1', 'CHEK2',
                       'BRCA1', 'BRCA2', 'RAD51', 'XRCC1']

# 步骤2：获取网络
network = string_network(dna_repair_proteins, species=9606,
                        required_score=700, add_nodes=5)

# 步骤3：富集以确认通路注释
enrichment = string_enrichment(dna_repair_proteins, species=9606)

# 步骤4：解析富集查找DNA修复通路
import pandas as pd
import io
df = pd.read_csv(io.StringIO(enrichment), sep='\t')
dna_repair = df[df['description'].str.contains('DNA repair', case=False)]

工作流4：跨物种分析

使用案例：比较不同生物间的蛋白质相互作用。

from scripts.string_api import string_network

# 人类网络
human_network = string_network('TP53', species=9606, required_score=700)

# 小鼠网络
mouse_network = string_network('Trp53', species=10090, required_score=700)

# 酵母网络（如果存在直系同源）
yeast_network = string_network('gene_name', species=4932, required_score=700)

工作流5：网络扩展和发现

使用案例：从种子蛋白质开始并发现连接的功能模块。

from scripts.string_api import (string_interaction_partners, string_network,
                                string_enrichment)

# 步骤1：从种子蛋白质开始
seed_proteins = ['TP53']

# 步骤2：获取一级相互作用物
partners = string_interaction_partners(seed_proteins, species=9606,
                                      limit=30, required_score=700)

# 步骤3：解析伙伴以获取蛋白质列表
import pandas as pd
import io
df = pd.read_csv(io.StringIO(partners), sep='\t')
all_proteins = list(set(df['preferredName_A'].tolist() +
                       df['preferredName_B'].tolist()))

# 步骤4：在扩展网络上执行富集
enrichment = string_enrichment(all_proteins[:50], species=9606)

# 步骤5：筛选有趣的功能模块
enrichment_df = pd.read_csv(io.StringIO(enrichment), sep='\t')
modules = enrichment_df[enrichment_df['fdr'] < 0.001]

常见物种

指定物种时，使用NCBI分类ID：

生物	常用名	分类ID
Homo sapiens	人类	9606
Mus musculus	小鼠	10090
Rattus norvegicus	大鼠	10116
Drosophila melanogaster	果蝇	7227
Caenorhabditis elegans	秀丽隐杆线虫	6239
Saccharomyces cerevisiae	酵母	4932
Arabidopsis thaliana	拟南芥	3702
Escherichia coli	大肠杆菌	511145
Danio rerio	斑马鱼	7955

完整列表可在以下地址获取：https://string-db.org/cgi/input?input_page_active_form=organisms

理解置信度分数

STRING提供结合置信度分数（0-1000），整合多种证据类型：

证据通道

邻域（nscore）：跨物种的保守基因组邻域
融合（fscore）：基因融合事件
系统发育谱（pscore）：跨物种共现模式
共表达（ascore）：相关RNA表达
实验（escore）：生化和遗传实验
数据库（dscore）：策展通路和复合物数据库
文本挖掘（tscore）：文献共现和NLP提取

网络类型

功能网络（默认）

包括所有证据类型（实验、计算、文本挖掘）。表示功能相关的蛋白质，即使没有直接物理结合。

何时使用：

通路分析
功能富集研究
系统生物学
大多数一般分析

物理网络

仅包括直接物理结合的证据（实验数据和数据库注释的物理相互作用）。

何时使用：

结构生物学研究
蛋白质复合物分析
直接结合验证
当物理接触是必需时

API最佳实践

始终先映射标识符：使用string_map_ids()在其他操作之前以加快查询
尽可能使用STRING ID：使用格式9606.ENSP00000269305而不是基因名
为>10蛋白质的网络指定物种：需要准确结果
遵守速率限制：API调用之间等待1秒
使用版本化URL以确保可重复性：在参考文档中可用
优雅处理错误：检查返回字符串中的“Error:”前缀
选择适当的置信度阈值：匹配分析目标

详细参考

关于全面API文档、完整参数列表、输出格式和高级用法，请参阅references/string_reference.md。这包括：

完整API端点规范
所有支持的输出格式（TSV、JSON、XML、PSI-MI）
高级功能（批量上传、值/排名富集）
错误处理和故障排除
与其他工具集成（Cytoscape、R、Python库）
数据许可证和引用信息

故障排除

未找到蛋白质：

验证物种参数与标识符匹配
尝试先使用string_map_ids()映射标识符
检查蛋白质名是否有拼写错误

空网络结果：

降低置信度阈值（required_score）
检查蛋白质是否确实相互作用
验证物种是否正确

超时或查询慢：

减少输入蛋白质数量
使用STRING ID而不是基因名
将大查询分批处理

“需要物种”错误：

为>10蛋白质的网络添加species参数
始终包含物种以确保一致性

结果看起来意外：

使用string_version()检查STRING版本
验证network_type是否适当（功能vs物理）
审查置信度阈值选择

额外资源

对于蛋白质组规模分析或完整物种网络上载：

访问https://string-db.org
使用“上传蛋白质组”功能
STRING将生成完整相互作用网络并预测功能

对于完整数据集的批量下载：

下载页面：https://string-db.org/cgi/download
包括完整相互作用文件、蛋白质注释和通路映射

数据许可证

STRING数据在知识共享署名4.0许可证下免费提供：

学术和商业使用免费
发表时需要署名
引用最新STRING出版物

引用

在出版物中使用STRING时，请从以下地址引用最新出版物：https://string-db.org/cgi/about

STRING数据库查询与分析技能Skill string-database

name: string-database description: “查询STRING API以获取蛋白质-蛋白质相互作用（5900万蛋白质，200亿次相互作用）。网络分析、GO/KEGG富集、相互作用发现、5000+物种，用于系统生物学。”