⚡

代谢组学工作台数据库Skill metabolomics-workbench-database

这个技能提供对NIH代谢组学工作台数据库的REST API访问，支持查询代谢物、标准化命名、质谱/NMR数据搜索、研究元数据等，用于代谢组学研究和生物标志物发现。关键词：代谢组学、数据库、REST API、数据查询、生物标志物、质谱分析、NMR、RefMet、研究元数据。

数据分析 0 次安装 0 次浏览 更新于 3/16/2026

名称: 代谢组学工作台数据库 描述: “通过REST API访问NIH代谢组学工作台（4,200+项研究）。查询代谢物、RefMet命名、MS/NMR数据、m/z搜索、研究元数据，用于代谢组学和生物标志物发现。”

代谢组学工作台数据库

概述

代谢组学工作台是由NIH共同基金赞助的综合平台，由UCSD托管，作为代谢组学研究数据的主要存储库。它提供对超过4,200项处理研究（3,790+项公开可用）的程序化访问，通过RefMet标准化代谢物命名，并提供跨多个分析平台（GC-MS、LC-MS、NMR）的强大搜索功能。

何时使用此技能

此技能应在查询代谢物结构、访问研究数据、标准化命名、执行质谱搜索或通过代谢组学工作台REST API检索基因/蛋白质-代谢物关联时使用。

核心能力

1. 查询代谢物结构和数据

访问全面的代谢物信息，包括结构、标识符和对外部数据库的交叉引用。

关键操作：

  • 通过各种标识符（PubChem CID、InChI Key、KEGG ID、HMDB ID等）检索化合物数据
  • 下载分子结构作为MOL文件或PNG图像
  • 访问标准化化合物分类
  • 在不同代谢物数据库之间交叉引用

示例查询：

import requests

# 通过PubChem CID获取化合物信息
response = requests.get('https://www.metabolomicsworkbench.org/rest/compound/pubchem_cid/5281365/all/json')

# 下载分子结构为PNG
response = requests.get('https://www.metabolomicsworkbench.org/rest/compound/regno/11/png')

# 通过注册号获取化合物名称
response = requests.get('https://www.metabolomicsworkbench.org/rest/compound/regno/11/name/json')

2. 访问研究元数据和实验结果

通过各种标准查询代谢组学研究并检索完整的实验数据集。

关键操作：

  • 按代谢物、机构、研究者或标题搜索研究
  • 访问研究摘要、实验因素和分析详情
  • 以各种格式检索完整的实验数据
  • 下载mwTab格式文件以获取完整研究信息
  • 查询非靶向代谢组学数据

示例查询：

# 列出所有可用的公共研究
response = requests.get('https://www.metabolomicsworkbench.org/rest/study/study_id/ST/available/json')

# 获取研究摘要
response = requests.get('https://www.metabolomicsworkbench.org/rest/study/study_id/ST000001/summary/json')

# 检索实验数据
response = requests.get('https://www.metabolomicsworkbench.org/rest/study/study_id/ST000001/data/json')

# 查找包含特定代谢物的研究
response = requests.get('https://www.metabolomicsworkbench.org/rest/study/refmet_name/Tyrosine/summary/json')

3. 使用RefMet标准化代谢物命名

使用RefMet数据库标准化代谢物名称，并在四个结构分辨率级别上访问系统分类。

关键操作：

  • 将常见代谢物名称匹配到标准化的RefMet名称
  • 通过化学式、精确质量或InChI Key查询
  • 访问分层分类（超类、主类、子类）
  • 检索所有RefMet条目或按分类过滤

示例查询：

# 标准化代谢物名称
response = requests.get('https://www.metabolomicsworkbench.org/rest/refmet/match/citrate/name/json')

# 通过分子式查询
response = requests.get('https://www.metabolomicsworkbench.org/rest/refmet/formula/C12H24O2/all/json')

# 获取特定类中的所有代谢物
response = requests.get('https://www.metabolomicsworkbench.org/rest/refmet/main_class/Fatty%20Acids/all/json')

# 检索完整的RefMet数据库
response = requests.get('https://www.metabolomicsworkbench.org/rest/refmet/all/json')

4. 执行质谱搜索

按质量荷比（m/z）搜索化合物，指定离子加合物和容差水平。

关键操作：

  • 在多个数据库（代谢组学工作台、LIPIDS、RefMet）中搜索前体离子质量
  • 指定离子加合物类型（M+H、M-H、M+Na、M+NH4、M+2H等）
  • 计算已知代谢物具有特定加合物的精确质量
  • 设置质量容差以实现灵活匹配

示例查询：

# 使用M+H加合物按m/z值搜索
response = requests.get('https://www.metabolomicsworkbench.org/rest/moverz/MB/635.52/M+H/0.5/json')

# 计算代谢物具有特定加合物的精确质量
response = requests.get('https://www.metabolomicsworkbench.org/rest/moverz/exactmass/PC(34:1)/M+H/json')

# 在RefMet数据库中搜索
response = requests.get('https://www.metabolomicsworkbench.org/rest/moverz/REFMET/200.15/M-H/0.3/json')

5. 按分析和生物参数过滤研究

使用MetStat上下文查找匹配特定实验条件的研究。

关键操作：

  • 按分析方法（LCMS、GCMS、NMR）过滤
  • 指定电离极性（POSITIVE、NEGATIVE）
  • 按色谱类型（HILIC、RP、GC）过滤
  • 目标特定物种、样本来源或疾病
  • 使用分号分隔格式组合多个过滤器

示例查询：

# 查找使用LC-MS的人类血液糖尿病研究
response = requests.get('https://www.metabolomicsworkbench.org/rest/metstat/LCMS;POSITIVE;HILIC;Human;Blood;Diabetes/json')

# 查找所有包含酪氨酸的人类血液研究
response = requests.get('https://www.metabolomicsworkbench.org/rest/metstat/;;;Human;Blood;;;Tyrosine/json')

# 仅按分析方法过滤
response = requests.get('https://www.metabolomicsworkbench.org/rest/metstat/GCMS;;;;;;/json')

6. 访问基因和蛋白质信息

检索与代谢途径和代谢物代谢相关的基因和蛋白质数据。

关键操作：

  • 按符号、名称或ID查询基因
  • 访问蛋白质序列和注释
  • 在基因ID、RefSeq ID和UniProt ID之间交叉引用
  • 检索基因-代谢物关联

示例查询：

# 按符号获取基因信息
response = requests.get('https://www.metabolomicsworkbench.org/rest/gene/gene_symbol/ACACA/all/json')

# 通过UniProt ID检索蛋白质数据
response = requests.get('https://www.metabolomicsworkbench.org/rest/protein/uniprot_id/Q13085/all/json')

常见工作流程

工作流程1：查找特定代谢物的研究

查找所有包含特定代谢物测量的研究：

  1. 首先使用RefMet标准化代谢物名称：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/refmet/match/glucose/name/json')

  2. 使用标准化名称搜索研究：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/study/refmet_name/Glucose/summary/json')

  3. 从特定研究检索实验数据：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/study/study_id/ST000001/data/json')

工作流程2：从MS数据识别化合物

从质谱m/z值识别潜在化合物：

  1. 执行m/z搜索，使用适当的加合物和容差：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/moverz/MB/180.06/M+H/0.5/json')

  2. 查看结果中的候选化合物

  3. 为候选化合物检索详细信息：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/compound/regno/{regno}/all/json')

  4. 下载结构以确认：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/compound/regno/{regno}/png')

工作流程3：探索疾病特定代谢组学

查找特定疾病和分析平台的代谢组学研究：

  1. 使用MetStat过滤研究：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/metstat/LCMS;POSITIVE;;Human;;Cancer/json')

  2. 查看结果中的研究ID

  3. 访问详细研究信息：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/study/study_id/ST{ID}/summary/json')

  4. 检索完整的实验数据：

    response = requests.get('https://www.metabolomicsworkbench.org/rest/study/study_id/ST{ID}/data/json')

输出格式

API支持两种主要输出格式：

  • JSON（默认）：机器可读格式，适合程序化访问
  • TXT：人类可读的制表符分隔文本格式

通过向API URL附加/json或/txt指定格式。省略格式时，默认返回JSON。

最佳实践

  1. 使用RefMet进行标准化：在搜索研究之前，始终通过RefMet标准化代谢物名称，以确保一致的命名

  2. 指定适当的加合物：执行m/z搜索时，使用适合您分析方法的正确离子加合物类型（例如，正模式ESI使用M+H）

  3. 设置合理的容差：使用适当的质量容差值（通常低分辨率MS为0.5 Da，高分辨率MS为0.01 Da）

  4. 缓存参考数据：考虑缓存常用参考数据（RefMet数据库、化合物信息），以最小化API调用

  5. 处理分页：对于大型结果集，准备好处理响应中的多个数据结构

  6. 验证标识符：尽可能跨多个数据库交叉引用代谢物标识符，以确保正确的化合物识别

资源

参考/

详细的API参考文档可在references/api_reference.md中找到，包括：

  • 完整的REST API端点规范
  • 所有可用上下文（compound、study、refmet、metstat、gene、protein、moverz）
  • 输入/输出参数详情
  • 质谱离子加合物类型
  • 额外的查询示例

当需要详细的API规范或处理较少使用的端点时，加载此参考文件。