查询 STRING 蛋白质相互作用数据库（覆盖五千余物种），开展网络分析、GO/KEGG 富集与相互作用发现，适用于系统生物学研究。

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59M蛋白质和20B+相互作用，跨越5000+生物。查询相互作用网络，执行功能富集，通过REST API发现合作伙伴，用于系统生物学和通路分析。

何时使用此技能

当以下情况时应使用此技能：

检索单个或多个蛋白质的蛋白质-蛋白质相互作用网络
对蛋白质列表进行功能富集分析（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
生成带有基于证据的着色的网络可视化
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
识别中心蛋白质和网络连接模式

快速入门

该技能提供：

Python辅助函数（scripts/string_api.py）用于所有STRING REST API操作
综合参考文档（references/string_reference.md），包含详细的API规范

当用户请求STRING数据时，确定需要哪个操作并使用scripts/string_api.py中的适当函数。

核心操作

1. 标识符映射（`string_map_ids`）

将基因名称、蛋白质名称和外部ID转换为STRING标识符。

何时使用：开始任何STRING分析，验证蛋白质名称，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)

# 每个查询映射多个匹配
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：在输出中包含查询词（默认：1）

最佳实践：始终首先映射标识符，以便后续查询更快。

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)

# 使用额外的相互作用蛋白扩展网络
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：中等置信度（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、置信度分数和各个证据分数（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`）

生成作为PNG图像的网络可视化。

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)

# 基于证据着色的网络
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')

# 动作网络（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所有蛋白质。

何时使用：发现新的相互作用，寻找中心蛋白质，扩展网络。

用法：

from scripts.string_api import string_interaction_partners

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

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

# 查找多个蛋白质的相互作用伙伴
partners = string_interaction_partners(['TP53', 'MDM2'],
                                      species=9606, limit=15)

参数：

limit：返回的伙伴最大数量（默认：10）
required_score：置信度阈值（0-1000）

用例：

中心蛋白质识别
从种子蛋白质扩展网络
发现间接连接

5. 功能富集（`string_enrichment`）

在基因本体论、KEGG通路、Pfam域等方面进行富集分析。

何时使用：解释蛋白质列表，通路分析，功能表征，理解生物学过程。

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)

# 解析结果以找到显著术语
import pandas as pd
df = pd.read_csv(io.StringIO(enrichment), sep='\t')
significant = df[df['fdr'] < 0.05]

富集类别：

基因本体论：生物学过程、分子功能、细胞组件
KEGG通路：代谢和信号通路
Pfam：蛋白质域
InterPro：蛋白质家族和域
SMART：域结构
UniProt关键词：策划的功能关键词

输出列：

category：注释数据库（例如，"KEGG Pathways"、"GO Biological Process"）
term：术语标识符
description：人类可读的术语描述
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有显著更多的相互作用。

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"Observed edges: {data['number_of_edges']}")
print(f"Expected edges: {data['expected_number_of_edges']}")
print(f"P-value: {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：随机网络中的预期值
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

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

用例：

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，记录方法。

用法：

from scripts.string_api import string_version

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

常见分析工作流

工作流1：蛋白质列表分析（标准工作流）

用例：分析来自实验的蛋白质列表（例如，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：将基因名称映射到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：单个蛋白质调查

用例：深入研究一种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：映射蛋白质名称
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

用例：识别和可视化特定生物学通路中的蛋白质。

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DNA修复通路的富集
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

用例：比较不同生物之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（如果存在同源物）
yeast_network = string_network('gene_name', species=4932, required_score=700)

工作流5：网络扩展和发现

用例：从种子蛋白质开始，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：获取一级相互作用蛋白
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：对扩展网络执行富集
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 | 通用名称 | 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：https://string-db.org/cgi/input?input_page_active_form=organisms 查看

理解置信度分数

STRING提供综合置信度分数（0-1000），整合多种证据类型：

证据渠道

邻域（nscore）：跨物种保守的基因组邻域
融合（fscore）：基因融合事件
系统发育谱（pscore）：跨物种的共现模式
共表达（ascore）：相关RNA表达
实验（escore）：生化和遗传实验
数据库（dscore）：策划的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（实验数据和物理相互作用的数据库注释）。

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
需要物理接触时

API最佳实践

始终首先映射标识符：在其他操作之前使用string_map_ids()以加快查询速度
尽可能使用STRING ID：使用格式9606.ENSP00000269305而不是基因名称
为>10个蛋白质的网络指定物种：准确结果所需
尊重速率限制：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：将阈值与分析目标匹配

详细参考

有关综合API文档、完整参数列表、输出格式和高级用法，请参考references/string_reference.md。这包括：

完整的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
与其他工具的集成（Cytoscape、R、Python库）
数据许可和引用信息

故障排除

未找到蛋白质：

验证物种参数与标识符匹配
尝试首先使用string_map_ids()映射标识符
检查蛋白质名称中的拼写错误

空网络结果：

降低置信度阈值（required_score）
检查蛋白质是否实际相互作用
验证物种正确

超时或缓慢查询：

减少输入蛋白质数量
使用STRING ID而不是基因名称
将大型查询分成批次

"需要物种"错误：

为>10个蛋白质的网络添加species参数
始终包含物种以保持一致性

结果看起来意外：

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

其他资源

对于蛋白质组规模分析或完整物种网络上传：

访问 https://string-db.org
使用"Upload proteome"功能
STRING将生成完整的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
包括完整的相互作用文件、蛋白质注释和通路映射

数据许可

STRING数据在Creative Commons BY 4.0许可下免费提供：

学术和商业使用免费
发布时需要归因
引用最新的STRING出版物

引用

在出版物中使用STRING时，请引用最新的出版物，可从：https://string-db.org/cgi/about 获取

STRING数据库