Agent Skills
返回列表
⚖️

科研助手

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/thcjp-scientific-research-assistant-102

技能介绍

科研流程里哪些环节最吃时间

从 PubMed 关键词检索、纳入排除标准,到 Scanpy 做单细胞质控聚类,再到 ChEMBL 查 IC50、RDKit 做 SAR,最后还要按 IMRaD 写稿和排 APA/Nature 引用——这些步骤往往跨多个工具、脚本和文档模板,重复劳动多,且对统计与生物信息学细节要求高。

技能如何串联这些能力

本技能基于 134 个科学技能库,在 Agent 对话里用文本指令或结构化参数(如 input、options)驱动流程,并可配合 exec 执行本地 Python 分析。大致对应五条主线:

  • 文献检索与综述:PubMed / Google Scholar / arXiv 检索、前向/后向引用追踪、Zotero/Mendeley 管理、质量评估与主题聚类,输出综述结构与图表说明
  • 数据分析与可视化:描述与推断统计、PCA/生存分析、BLAST/单细胞 RNA-seq/通路富集(KEGG 等),以及 matplotlib、热图、UMAP 等出版级或交互式图表
  • 药物发现(按需):Open Targets 靶点、ChEMBL/PubChem/ZINC 虚拟筛选、AutoDock/DiffDock 对接、ADMET 与先导化合物 SAR
  • 论文写作与发表:大纲→方法→结果→讨论→引言→摘要,期刊选择与 Cover Letter,结果可落到 output/{paper}/
  • 基金申请(按需):基于文献空白写假设、研究计划、预算与影响陈述

典型输出路径包括 output/{project}/(药物管线)、output/{review}/(综述)、output/{grant}/(基金材料)等,与 SKILL 中场景表一致。

适用边界与注意点

它不能替代研究者的科学判断、同行评议或伦理审查,也不适用于未经审批的人体/动物实验操作或临床诊疗决策。依赖 PubMed、ChEMBL 等外网资源时可能出现连接超时,宜配合虚拟环境固定 Python/RDKit/Scanpy 版本;重计算(对接、大规模单细胞)需考虑本机或云 GPU 资源。部分数据库(如 NCBI)提高速率需 API Key,应通过环境变量配置,勿写入代码或论文。

使用场景

  • 给定 EGFR 靶点与活性阈值,从 ChEMBL 拉化合物并整理虚拟筛选与对接分析笔记到项目目录
  • 手上有单细胞转录组矩阵,需要按 Scanpy 流程做 QC、聚类、差异表达与通路富集并出图
  • 选定肿瘤微环境主题后,要系统检索 PubMed 文献、做质量评估并生成综述章节与参考文献表
  • 研究数据已齐备,需要按 IMRaD 写方法结果讨论并匹配目标期刊格式与 Cover Letter

适合人员

  • 研究生或博后,每周要在 PubMed/arXiv 追前沿并维护 Zotero 库写课题综述
  • 计算生物学岗,常驻 Python 做 BLAST、scRNA-seq 与 KEGG 富集,需要统一对话入口出脚本与图表
  • 药企或 CRO 早研人员,从疾病-基因关联到 ChEMBL 筛选与分子对接要写可复现管线文档
  • PI 或青年教师,在截稿前要把实验结果整理成 IMRaD 文稿并准备基金假设与预算表