Scientific database lookup

何时使用

需要从约 78 个公开科研数据库经其 REST API 取数时使用，覆盖：

• 物理/天文（NASA、NIST、SDSS、SIMBAD、NASA Exoplanet）
• 地球/环境（USGS、NOAA、EPA、OpenWeatherMap）
• 化学/药物（PubChem、ChEMBL、FDA/OpenFDA、KEGG、ChEBI、ZINC、BindingDB、DailyMed）
• 材料（Materials Project、COD）
• 生物/基因组（Reactome、UniProt、STRING、Ensembl、NCBI Gene/Protein/Taxonomy、GEO、GTEx、PDB、AlphaFold、InterPro、BioGRID、QuickGO/Gene Ontology、dbSNP、gnomAD、ENCODE、JASPAR、HPA、HCA、PRIDE、ENA、SRA 等）
• 疾病/临床（Open Targets、cBioPortal、GDC/TCGA、ClinVar、OMIM、DisGeNET、GWAS Catalog、Monarch、HPO、ClinicalTrials.gov）
• 专利/监管（USPTO、SEC EDGAR）
• 经济/金融（FRED、BEA、BLS、World Bank、Federal Reserve、ECB、US Treasury、Alpha Vantage、Data Commons）
• 人口/社科（US Census、Eurostat、WHO GHO）

任务本质：判断该查哪些库 → 调 API → 返回原始 JSON + 所用数据库与端点清单。

不该用的边界：

• DrugBank（付费授权）、COSMIC（学术注册 + JWT）、BRENDA（注册 + SOAP 非 REST）等付费/受限库——改用免费替代（见「注意事项」）。
• 不是公开 API 取数的需求，例如本地 CSV/表格清洗（用 csv-data-cleaner）、私有数据库 SQL（用 sql-query-builder）、事实核查/文献溯源（用 fact-checking）。
• 不负责对结果做深度统计建模，只负责取回原始数据并标注来源。

步骤

1. 理解意图：用户要的是化合物？基因？通路？专利？表达数据？经济指标？由此决定查哪个库。
2. 选库：用下方「指令」中的选库对照；拿不准时多库并查，宁可撒大网也别漏。跨域问题（如「关于阿司匹林的一切」「BRCA1 的一切」）并行查所有相关库。
3. 校正标识符：库不认标识符是失败首因，先按标识符表换算（见「指令」）。
4. 发请求：Claude Code 用 WebFetch（仅 GET）；POST-only 库与需自定义 header 的库用 curl。
5. 返回结果：始终给出①每个库的原始 JSON；②已查数据库 + 具体端点清单；③无结果的库要显式说明，不可省略。

指令

选库速查（节选高频项）

用户问…	首选库	备选
化合物、分子性质、SMILES	PubChem	ChEMBL
生物活性 IC50/Ki/Kd、药物-靶点	ChEMBL、BindingDB	PubChem、Open Targets
药品标签/不良事件/召回	FDA(OpenFDA)	DailyMed
可购买化合物、虚拟筛选	ZINC	PubChem
材料（化学式/能带/晶体结构）	Materials Project	COD
通路	Reactome、KEGG	—
蛋白序列/功能/注释	UniProt	Ensembl
蛋白互作	STRING	BioGRID
基因信息/基因组定位	NCBI Gene	Ensembl
跨组织表达	GTEx	Human Protein Atlas
3D 结构（实验/预测）	PDB / AlphaFold	EMDB
SNP/变异、人群频率	dbSNP / gnomAD	ClinVar
靶点-疾病关联	Open Targets	ChEMBL
癌症体细胞突变/基因组	cBioPortal、GDC(TCGA)	Open Targets
临床试验	ClinicalTrials.gov	FDA
专利（关键词/发明人/受让人）	USPTO(PatentsView)	—
美国经济时序（GDP/CPI/利率）	FRED	BEA
国际发展指标	World Bank	FRED

物种很关键：多数生物库覆盖多物种，别默认人类。Ensembl 用 URL 路径 {species}（如 homo_sapiens）；STRING/BioGRID/QuickGO 用 NCBI taxon ID（人 9606、鼠 10090）；UniProt 用 organism_id:9606；KEGG 用物种码（hsa/mmu）。GTEx 与 HPA 仅限人类。

常见标识符格式

标识符	格式	示例	用于
UniProt accession	P#####/Q#####	P04637(TP53)	UniProt、STRING、AlphaFold、Reactome
Ensembl 基因 ID	ENSG###########	ENSG00000141510	Ensembl、Open Targets、GTEx
NCBI Gene ID	整数	7157(TP53)	NCBI Gene、GEO、DisGeNET、HPO
PubChem CID	整数	2244(阿司匹林)	PubChem
ChEMBL ID	CHEMBL####	CHEMBL25	ChEMBL
Reactome stable ID	R-HSA-######	R-HSA-109581	Reactome
dbSNP rsID	rs########	rs334	dbSNP、gnomAD、GWAS Catalog
GO term	GO:#######	GO:0008150	QuickGO
HP term	HP:#######	HP:0001250	HPO（冒号 URL 编码为 %3A）
GENCODE ID	ENSG###.##（带版本号）	ENSG00000139618.17	GTEx（必须带版本后缀）

标识符解析工作流：

• 基因：符号 → NCBI Gene（esearch）取 Gene ID → 经 Ensembl /xrefs/symbol/homo_sapiens/{symbol} 换 Ensembl ID，或 UniProt 搜 gene_exact:{symbol} AND organism_id:9606。
• 化合物：名称 → PubChem /compound/name/{name}/cids/JSON 取 CID →（UniChem/ChEMBL）换 ChEMBL ID；名称失败改用 SMILES/InChIKey/CAS。
• 变异：rsID 在 dbSNP/ClinVar/GWAS/gnomAD 直接可用；坐标用 Ensembl VEP 取注释与 rsID。
• 疾病：名称 → Open Targets / Monarch 搜，取 EFO 或 MONDO ID 供下游。

POST-only 库（WebFetch 不可用，必须 curl）

库	原因	示例
Open Targets	GraphQL	curl -X POST -H "Content-Type: application/json" -d '{"query":"..."}' https://api.platform.opentargets.org/api/v4/graphql
gnomAD	GraphQL	curl -X POST -H "Content-Type: application/json" -d '{"query":"..."}' https://gnomad.broadinstitute.org/api
RummaGEO	POST 富集	curl -X POST -H "Content-Type: application/json" -d '{"genes":["..."]}' https://rummageo.com/api/enrich
GDC/TCGA	复杂过滤	curl -X POST -H "Content-Type: application/json" -d '{"filters":...}' https://api.gdc.cancer.gov/ssms
SEC EDGAR	需 User-Agent	curl -H "User-Agent: YourApp [email protected]" https://efts.sec.gov/LATEST/search-index?q=...

API Key 加载（三级回退）

1. 先查环境变量（如 echo $FRED_API_KEY），已设且非空就用。
2. 回退 .env：读当前工作目录 .env，格式 FRED_API_KEY=your_key。
3. 都没有则无 key 继续：多数 API 仍可用（速率更低），并告知用户缺哪个 key、去哪申请。

需 key 的免费库（env 变量）：FRED FRED_API_KEY、BEA BEA_API_KEY、BLS BLS_API_KEY、NCBI NCBI_API_KEY、OpenFDA OPENFDA_API_KEY、USPTO PATENTSVIEW_API_KEY、Materials Project MP_API_KEY、NASA NASA_API_KEY（有 DEMO_KEY）、NOAA NOAA_API_KEY、OMIM OMIM_API_KEY、BioGRID BIOGRID_API_KEY、Alpha Vantage ALPHAVANTAGE_API_KEY、US Census CENSUS_API_KEY、DisGeNET DISGENET_API_KEY 等，均免费注册。

示例

请求「关于阿司匹林我们知道什么」→ 跨域并行查 PubChem + ChEMBL + Reactome：

# PubChem 名称取 CID 与基本性质（GET）
curl -s -H "Accept: application/json" \
  "https://pubchem.ncbi.nlm.nih.gov/rest/pug/compound/name/aspirin/property/MolecularFormula,MolecularWeight,CanonicalSMILES/JSON"
# Reactome 搜索（GET）
curl -s "https://reactome.org/ContentService/search/query?query=aspirin"

输出结构：

## 已查数据库
- **PubChem** — /compound/name/aspirin/property/...
- **Reactome** — /search/query?query=aspirin

## 结果
### PubChem
[原始 JSON]
### Reactome
[原始 JSON]

结果很大时给出最相关部分并说明还有更多；但默认展示完整原始 JSON（用户要的就是它）。

注意事项

• URL 编码：失败高发于特殊字符——SMILES（/ # = @）、含括号的化合物名、含冒号的本体词（HP:0001250→HP%3A0001250）。curl 用 --data-urlencode 更稳。
• 并行 vs 串行：查不同库可并行（限速宽松）；对限速 API 须串行——NCBI 无 key 3 req/s、有 key 10；Ensembl 15 req/s；BLS v1 无 key 25 次/天；SEC EDGAR 10 req/s；NOAA 5 req/s。遇 429/503 略等后重试一次。
• 分页：别只读首页。Offset/Limit（ChEMBL、FRED、NCBI、ENA、GDC、FDA）；游标 nextPageToken/cursor（ClinicalTrials.gov、UniProt）；页码 page/per_page（World Bank、cBioPortal、ZINC）。单点查询首页通常够；「全部试验/全部变异」类需翻页。
• 错误恢复：①查标识符格式；②换备用标识符；③换库（选库表「备选」列）；④如实报告失败库、错误与替代方案。
• 付费/受限库替代：DrugBank→ChEMBL+PubChem+OpenFDA；COSMIC→Open Targets；BRENDA→KEGG。用了替代要告知用户原因与替代项。
• 始终返回原始 JSON，不要编造或省略未命中的库。

互见

• fact-checking：取回数据后若需对结论做事实核查/多源交叉验证。
• csv-data-cleaner：把抓取的 JSON 落地为表格并清洗时。
• sql-query-builder：面向私有/本地关系库（非公开 REST API）取数时。
• rag-pipeline-builder：把数据库结果纳入检索增强管线时。

---

本条采编自 K-Dense-AI/scientific-agent-skills（MIT）。