SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场tooluniverse-pharmacogenomics

tooluniverse-pharmacogenomics

数据与分析

查看项目

更新于 10-15 17:15

技能介绍

用途

本技能面向药物基因组学（Pharmacogenomics, PGx）研究，提供从输入（基因、药物、变异或表型）到证据分级临床摘要的系统化分析流程。核心原则是“计算而非描述”：当分析需要统计、数据处理、评分或富集时，应通过 Bash 编写并运行 Python 代码（pandas、scipy、statsmodels、matplotlib），使用 ToolUniverse 工具检索数据后实际执行分析并报告结果。

工作流程

整体流程分为七个阶段：

  • 阶段 0：消歧。将用户输入解析为规范标识符，例如通过 PharmGKB_search_genes 获取基因 accession ID（如 CYP2D6 对应 PA128），通过 PharmGKB_search_drugs 获取药物化学 ID，通过 PharmGKB_search_variants 解析 rsID。CPIC_get_drug_info 可解析药物名并返回 drugid、rxnormid、drugbankid、atcid、guidelineid 及流程图 URL；CPIC_get_gene_info 返回基因坐标、PharmGKB/HGNC/Ensembl ID、lookupmethod（ACTIVITY_SCORE 或 PHENOTYPE）及等位基因频率方法。
  • 阶段 1：识别基因-药物对。CPIC_search_gene_drug_pairs 支持按基因符号与 CPIC 等级（A/B/C/D）过滤，返回 genesymbol、drugid、cpiclevel、guidelineid、pgxtesting、clinpgxlevel、usedforrecommendation。CPIC_get_gene_drug_pairs 返回某基因的全部配对并含药物名称。CPIC_list_drugs 与 CPIC_list_pgx_genes 用于浏览。EpiGraphDB_get_gene_drug_associations 可一次调用聚合 CPIC、PharmGKB 证据与 FDA 标签状态。查找指南 ID 应使用 CPIC_list_guidelines(gene=...) 或 (drug=...)，而非记忆 ID。
  • 阶段 2：检索剂量指南。CPIC_get_recommendations 支持 guideline_id（整数）或 drug/drug_name（字符串自动解析），返回 drugrecommendation、classification（Strong/Moderate/Optional）、phenotypes、implications、activityscore、lookupkey、population 等。PharmGKB_get_dosing_guidelines 需使用 clinpgxid（如 PA166251445），提供 CPIC 指南元数据、文献引用与链接。
  • 阶段 3：等位基因与变异注释。CPIC_get_alleles 返回 name、clinicalfunctionalstatus、activityvalue、functionalstatus，应使用 clinicalfunctionalstatus（functionalstatus 可能为空）。PharmGKB_get_clinical_annotations 需 annotation_id，返回 allelePhenotypes 与 levelOfEvidence（1A/1B/2A/2B/3/4）。PharmVar 是星号等位基因命名权威，PharmVar_list_genes() 列出所有已整理药物基因，PharmVar_get_alleles(gene=...) 返回某基因完整等位基因定义集，需 PHARMVAR_API_KEY。
  • 阶段 4：FDA 生物标志物标签。fda_pharmacogenomic_biomarkers 可按药物名、生物标志物或两者查询，返回 Drug、TherapeuticArea、Biomarker、LabelingSection；应始终传 limit=1000 以获取完整结果。LabelingSection 取值包括 Dosage and Administration、Clinical Pharmacology、Precautions、Use in Specific Populations、Boxed Warning、Contraindications。FDA_get_pharmacogenomics_info_by_drug_name 可获取实际 FDA 标签中的 PGx 文本。
  • 阶段 5：跨数据库富集。DGIdb_get_drug_gene_interactions 与 DGIdb_get_gene_druggability 提供更广覆盖（含非 PGx 相互作用与基因可成药性分类）；OpenTargets_drug_pharmacogenomics_data 按 ChEMBL ID 返回 PGx 变异注释；FAERS_filter_serious_events 可用于检测 PGx 相关药物的严重不良事件信号。
  • 阶段 6：报告。生成带证据分级的临床摘要。

关键推理要点

代谢表型解读取决于药物是活性药物还是前药：活性药物 + 弱代谢者（PM）可致药物蓄积与毒性风险；前药 + PM 可致活性形式转化不足、疗效降低；前药 + 超快代谢者（UM）可致过度活化与毒性（如 CYP2D6 UM 使用可待因导致吗啡蓄积与呼吸抑制）。星号等位基因推理逻辑为：等位基因功能状态 → 双倍型 → 预测酶活性 → 表型（UM/NM/IM/PM）→ 临床建议。

证据分级方面，CPIC A/B 级代表可操作证据，C/D 级为信息性；PharmGKB 1A 级表示已纳入 CPIC 或 DPWG 指南，置信度最高，3/4 级为假设生成性，不构成处方级依据。关键问题不是“这是几级”，而是“该级别是否足以改变处方”。

使用方式与限制

使用时应通过 ToolUniverse 工具检索数据，再用 Python 执行计算。需注意若干易错参数：CPIC_get_recommendations 的 guideline_id 必须为整数；PharmGKB_get_dosing_guidelines 需 clinpgxid 而非旧格式 pharmgkbid；PharmGKB_get_clinical_annotations 需 annotation_id，不能按基因或药物直接查询；fda_pharmacogenomic_biomarkers 默认 limit=10 通常过小；CPIC_get_drug_info 药物名须小写；DGIdb 工具的 genes 参数为数组。华法林（指南 100425）为算法化给药，CPIC_get_recommendations 返回 0 行，需引导至 CPIC 网站或 PharmGKB。多基因指南（如 TCA 指南 100414 覆盖 CYP2D6 与 CYP2C19）的建议含表型组合。并非所有药物都有条目（如辛伐他汀在 SLCO1B1 下缺失，应使用瑞舒伐他汀）。PharmVar 工具需 PHARMVAR_API_KEY，注册地址为 https://www.pharmvar.org/。