用途:访问 InterPro 数据库,该库整合 Pfam、CDD、SMART 等多个成员数据库的签名,提供统一可检索资源。可用于识别蛋白质中的域、家族和位点;找出属于某蛋白质家族或含某特定域的全部蛋白质(即使名称和活性高度可变);考察某家族或域出现在哪些物种;用蛋白质家族信息与 Gene Ontology(GO)术语注释基因组。
主要能力与用法:技能提供封装工具 scripts/interpro_client.py,须始终通过它查询,不直接访问数据库;脚本内置限流(HTTP 429)、后台查询休眠跟踪(HTTP 408)、终端错误(404/410)与惰性分页处理。探索性查询用 CLI 并加 --limit;结果用 --output 写入文件再用 jq 或代码处理;复杂流程可直接在 Python 中导入 fetch_interpro_data 生成器。端点构造支持四种路径形式,参数需严格映射,不能自行拼接斜杠字符串。API 开放且含 6 个核心端点:/entry、/protein、/structure、/taxonomy、/proteome、/set,各端点接受的 source_db 取值不同,非法值返回 404。域结构(IDA)搜索需两步:先在根 /entry 用 ida_search 找架构,再用 ida 参数在 /protein 拉取蛋白质。计数必须读取响应的 count 字段,禁止遍历生成器统计。查询蛋白质须用 UniProt 登录号,不支持基因名。标准查询无结果时须以 interpro_n 标志回退检查 InterPro-N 深度学习预测,并在输出中说明。
前提与限制:需 uv 已安装并在 PATH。若工作区根目录不存在 .licenses/interpro_database_LICENSE.txt,须显著提醒用户查看 https://www.ebi.ac.uk/interpro/ 与 https://www.ebi.ac.uk/about/terms-of-use/ 的条款,并创建记录通知文本与时间戳的文件。使用该技能需在输出中提及。InterPro-N 为预测结果,不应取代标准签名;具体收费、价格、数据规模与性能等资料暂未提供。