Agent Skills
返回列表
生信转化机会定位

生信转化机会定位

行业专业 更新于 2026.08.29

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 @user_c7479c7a/bioinformatics-translational-opportunity-finder。

技能介绍

要解决什么问题

组学或生信分析跑出一组基因签名、通路活性分数、细胞状态或风险模型之后,常见困境不是「有没有统计显著」,而是这到底算哪一类发现、该往诊断、分层、预后、疗效预测还是靶点提名哪条转化叙事上靠,以及哪些说法在证据上站不住。把关联性结果直接写成临床生物标志物或治疗靶点,审稿人和合作方都会追问桥接证据与验证负担。

本技能面向「想定位转化角度、而不是要患者级诊疗建议」的研究者:帮你判断发现的真实类型、比较几种可辩护的转化用例、标出过度宣称的路径,并给出一条最窄、仍可信的下一步转化方向。

技能如何工作

输出是一份转化定位分析,而不是泛泛 brainstorm 或临床推荐。执行上按固定流程推进:

  1. 精确定义发现单元——疾病/表型背景、数据模态、生物尺度与问题边界。
  2. 在定框前检索文献——围绕疾病与发现类型的交集检索,不编造 PMID/试验名;证据不足会标明未核实。
  3. 发现类型分类——区分单标志物、多特征签名、通路分数、细胞状态、分子亚型、基因组改变模式、网络层发现、多组学整合模型等。
  4. 比较转化用例——在诊断/检测、分层、预后、治疗反应、监测、靶点或通路提名、富集假说、机制优先跟进等路径中,只保留生物学与方法上可辩护的选项。
  5. 审计桥接证据与验证负担——外部队列、跨平台可迁移性、正交验证、对照与检测实施成本。
  6. 评估可检测性与工作流——标本可及性、特征稳定性、是否真能嵌入转化或临床流程。
  7. 重框与收敛——把偏大的宣称收窄为可发表的表述;最后给出单一主推荐方向并自检是否把统计信号误当成转化价值。

技能内置 references/ 下的框架模块(发现类型、转化用例、桥接证据、检测实施、验证负担、转化障碍、重框规则与输出结构),未按这些维度展开的分析视为不完整。

适用边界

  • 适用:携带具体生信/组学发现,并明确要求转化机会、转化叙事或向应用桥接的路径分析。
  • 不适用:患者特异性诊断/预后/用药建议、生物标志物个体解读;虚构验证证据或临床效用;在无支持的情况下宣称成药性或生物标志物就绪。
  • 超出范围时会明确拒答并说明原因,而不是勉强给出临床结论。

使用场景

  • 卵巢癌免疫相关 12 基因签名已算完,要在诊断、分层与预后几条转化叙事里选出证据最站得住的一条
  • 单细胞测序提示耐药相关巨噬细胞状态,需判断更适合写成分层轴、机制假说还是过早的临床标志物
  • 甲基化分类器在 TCGA 队列有 AUC,想对照桥接证据区分「检测」「预后」与「疗效预测」哪种表述不越界
  • 通路活性打分只做机制图不够,要收窄成可投稿的转化主题并列出仍缺的外部队列与检测验证

适合人员

  • 用公共或自队列做多组学建模的生信博士/博后,投稿前要把「临床生物标志物」式标题改写成与证据匹配的转化表述
  • 肿瘤或免疫方向 PI,要审核课题组成员把关联分析直接写成靶点或疗效预测时的证据链与验证负担
  • 医学转化或临床合作课题中的计算负责人,需向湿实验同事说明发现类型、可检测性与下一步最小验证路径
  • 基金或开题材料撰写者,手里是风险模型或分子亚型结果,需要一条最窄、仍可辩护的转化研究方向