用途
该技能用于检索基因表达实验与多组学数据集，覆盖 ArrayExpress 和 BioStudies 两个主要数据源，并集成 GEO、OmicsDI、GTEx、ENA、CxGDisc、EBI Gene Expression Atlas、ARCHS4、Bgee、PubMed 等补充来源。其核心目标是在检索过程中进行基因名消歧，并对返回的数据集进行质量评估，帮助用户判断哪些数据集适合后续分析。
主要能力
- 基因名消歧：将查询解析为官方基因符号（人类使用 HGNC，小鼠使用 MGI），并记录常见别名以扩展搜索。
- 多数据库检索：支持 ArrayExpress 实验搜索、BioStudies 多组学研究搜索，以及 GEO、OmicsDI、GTEx、ENA、CxGDisc、GxA、ARCHS4、Bgee、PubMed 等补充来源。
- 实验详情获取：可获取实验元数据、样本注释和数据文件列表。
- 质量评估：按生物学重复数、元数据完整度、原始与处理后数据是否齐备等标准，将数据集分为高（●●●）、中（●●○）、低（●○○）、谨慎（○○○）四个等级。
- 报告生成：输出数据集搜索报告，包含搜索摘要、实验列表、样本分组表、数据文件表、质量评估、多组学研究、汇总排名、推荐建议和数据访问链接。
使用方式
工作流分为四个阶段：
- 阶段 0：澄清（仅在必要时）：当基因名有歧义、组织或条件不明确、物种未指定时进行询问。若用户提供具体登录号（如 E-MTAB-、E-GEOD-、S-BSST*）、明确的疾病/组织加物种、或指定平台，则跳过此阶段。
- 阶段 1：查询消歧：解析官方基因符号，记录别名。根据查询类型选择搜索策略：具体登录号直接检索；基因加条件使用“[基因] [条件]”加物种过滤；仅疾病使用“[疾病]”加物种过滤；指定技术则添加平台关键词。
- 阶段 2：数据检索（内部执行，不叙述过程）：调用 ArrayExpress 搜索、实验详情、样本、文件等工具；调用 BioStudies 搜索、研究详情、文件等工具。设有回退链：ArrayExpress 搜索失败时回退到 BioStudies 搜索；arrayexpress_get_experiment 失败时回退到 biostudies_get_study；文件不可用时注明“Files unavailable”。
- 阶段 3：报告数据集概况：以数据集搜索报告形式呈现，隐藏搜索过程，包含搜索摘要、顶级实验详情、样本分组表、数据文件表、质量评估、多组学研究、汇总表、推荐建议和数据访问方式。
工具调用必须使用英文术语，回答使用用户语言。检索时不应假设数据集是否存在或其登录号，必须通过搜索确认。
适用场景
- 查找特定基因或疾病相关的基因表达实验。
- 调研 RNA-seq 或微阵列数据集，比较不同平台的数据特点。
- 评估数据集是否具备足够的重复和元数据以支持预期分析。
- 寻找多组学研究资源。
- 进行跨物种表达比较（如使用 Bgee）。
- 快速检查基因基线表达或寻找共表达基因（如使用 ARCHS4）。
- 通过出版物发现数据集（如使用 PubMed）。
限制
- 工具调用需使用英文术语。
- 不应假设数据集存在或登录号有效，必须搜索确认。
- 单次重复实验可作为参考但不能作为唯一证据。
- 跨平台合并需要批次校正。
- 元数据评分低于或等于 2 分的数据集需谨慎使用。
- 部分数据文件可能受提交者限制而不可用。
- API 超时需重试一次并注明元数据检索不完整。
- Bgee 需要 Ensembl 基因 ID 和 NCBI 分类 ID，若只有基因符号需先解析。
- CxGDisc 需要精确的疾病本体术语。
- GxA 获取表达数据需要具体实验登录号和基因 ID。
- 具体收费、价格、平台支持范围等信息暂未提供。