技能介绍

要解决的问题

TCMSP 是中药成分与靶点数据的常用来源，但手工整理存在几个反复出现的麻烦：网页抓取的字段不统一，OB/DL 是字符串需要自行转数值比较，筛选后还要按 MOL_ID 回表匹配靶点，最后 TCMSP 给出的是蛋白名，下游网络药理学分析（Cytoscape、STRING、KEGG 富集）需要的是标准基因符号。这个技能把「抓取 → 筛选 → 合并 → UniProt 映射」串成一条顺序执行的管线，最终产出 Drug_Targets_Gene_List.txt，下游脚本可以直接读取。

核心能力与关键步骤

四步严格顺序依赖，不能跳步：

Step 1 抓取：输入中药中文名（支持 --list 批量），脚本自动获取搜索 token，默认 1.5 秒间隔避免限流，输出 {Pinyin}_Ingredients.json 和 {Pinyin}_Targets.json。
Step 2 筛选：默认 OB≥30 且 DL≥0.18，也可用 --ob / --dl 自定义阈值；OB、DL 转 float 失败的记录直接跳过。无参数运行时自动发现目录下所有未筛选的成分文件。
Step 3 合并：扫描 *_Targets_Filter.json，抽取 Drug、MOL_ID、Molecule_Name、Target_Name 四列，合并为 All_Targets.json。
Step 4 映射：下载人类蛋白组 TSV 缓存到 np-output/cache/，用四层策略（精确 → 归一化 → 结构化拆解 → 别名表）把蛋白名映射到 UniProt ID 与 Gene Symbol，输出 JSON/CSV/TXT 三种格式。

需要注意的几点

NOT_FOUND 决策门是硬约束：只要 Match_Status 出现任意一条 not_found，就必须停下交给用户判断，不能带着缺口继续跑下游。脚本会把未匹配靶点追加到 target_aliases.csv 作为待填模板，用户确认 A（补映射后重跑）或 B（忽略继续）后再决定下一步。

缓存层面，uniprot_proteome.tsv 与 disease-target-collection 技能共享，跨技能不会重复下载；首次下载跨天或文件过小时会重新拉取。运行前还要检查输出目录是否有残留文件，脚本本身不防覆盖，同名文件可能被直接覆盖。

本技能只负责药物侧靶点采集，疾病靶点、韦恩图、PPI、富集分析都要交给后续技能，不要拿它做这些任务。