技能介绍

要解决的问题

藏药方剂与单体常包含大量酚酸、鞣质、多糖或生物碱，成分结构复杂且相互作用未知。当你完成了基于活性的蛋白质谱（ABPP）、细胞热位移（CETSA）或热蛋白质组学（TPP）的质谱实验后，拿到的通常是噪声极高、假阳性频发的高维蛋白数据。手动筛选直接靶蛋白、剔除非特异性结合、并将靶标映射回藏药理论或现代通路，不仅周期长，还容易漏掉关键的脱靶效应。该技能目标是把这套“数据到靶标”的清洗与归因流程标准化。

核心能力与工作流

它并非黑盒预测，而是按五模块闭环执行：先质控，再筛选，后归因。

数据路由与质控 (QC)：根据输入类型（如 H/L Ratio 或 多温度点MS矩阵）自动调用 calc_abpp_ratio.py 或 calc_tm_shift.py。自动检查缺失值比例（>30% 报警）、批次效应，并内置假阳性标记，自动识别并标注角蛋白（KRT）、热休克蛋白（HSP）及核糖体蛋白。
差异筛选与多成分解卷积：对于 ABPP，计算 log2FC 与显著性；对于 CETSA/TPP，拟合 Tm 值并筛选 ΔTm。若提供藏药单体（如没食子酸），会自动将靶蛋白区分为直接结合靶点与下游间接调控靶点，并强调协同机制。
功能富集与验证蓝图：对靶标进行 GO/KEGG 富集，专门映射藏医核心理论（如 HIF-1 对应隆，PPAR 对应赤巴）。最后输出 Top 3 靶点的验证建议表（含 CETSA-WB、SPR/ITC、DARTS）。

适用边界与注意点

假阳性不可避免：藏药中的鞣质/多糖极易引起蛋白聚集，技能虽会自动标记“聚集干扰嫌疑”，但仍需人工审查。
验证是硬门槛：分析结果仅是筛选线索，严禁作为确证依据。所有阳性靶点必须经 CETSA-WB 或 SPR 等独立实验验证。
数据库限制：内置的 GO/KEGG 为精简版，仅用于快速归因。如需发表级富集分析，请将结果导出至 Metascape 或 DAVID 进行深度分析。