使用说明

Alzkb更新程序

一个简化的阿尔茨海默氏症知识库（AlzKB）更新程序，可以自动整合来自多个生物医学数据库的数据。

概述

此应用程序从以下位置获取并整合阿尔茨海默病相关数据：

UniProt：蛋白质和基因信息
PubChem：药物和化合物信息

集成数据导出为干净的CSV文件，用于下游分析。

特性

🔄 从公共生物医学数据库中自动获取数据
🧬 蛋白质和基因数据集成
💊 药物和化合物数据集成
🔗 蛋白质与药物靶点相互作用图谱
📊 清洁CSV输出格式
🤖 GitHub针对计划更新的操作
🛡️ 优雅的错误处理

安装

先决条件

Python 3.8或更高版本
pip包管理器

设置

克隆存储库：

git clone <repository-url>
cd AlzKB-updater-without-mcp

安装依赖项：

pip install -r requirements.txt

用法

本地执行

在本地运行更新程序：

python main.py

该应用程序将：

从UniProt获取蛋白质数据
从PubChem获取药物数据
整合数据
将CSV文件导出到 data/ 目录

输出文件

成功执行后，您将在 data/ 目录：

alzkb_proteins.csv -整合蛋白质和基因数据
alzkb_drugs.csv -综合药物和化合物数据
alzkb_interactions.csv -蛋白质与药物靶点相互作用
alzkb_summary.csv -汇总统计

CSV文件格式

alzkb-proteins.csv

列	说明
uniprot_id	uniprot登录id
primary_gene	初级基因符号
protein_name	完整蛋白质名称
有机体	源有机体
蛋白质_长度	氨基酸长度
功能	蛋白质功能描述
疾病相关	疾病协会
entity_type	始终为“蛋白质”
source	数据源（UniProt）
fetch_date	数据检索日期

alzkb-drugs.csv

列	说明
drug_name	常用药物名称
pubchem_cid	pubchem化合物ID
分子式	化学式
分子重量	分子量
canonical_smiles	smiles符号
适应症	疾病适应症
entity_type	始终为“药物”
来源	数据来源（PubChem）
fetch_date	数据检索日期

alzkb_交互.csv

列	说明
protein_a	第一个蛋白质ID
protein_b	第二个蛋白质ID（用于PPI）
pubchem_cid	药物ID（用于药物靶标）
target_name	靶蛋白名称
interaction_type	交互类型
source	数据源
fetch_date	数据检索日期

自动更新

GitHub操作

该存储库包括一个GitHub Actions工作流，可以按计划自动更新AlzKB。

日程：每周（每周一00:00 UTC）

工作流程：

设置Python环境
安装依赖项
运行更新程序
将更新的CSV文件提交回存储库

手动触发

您还可以从GitHub Actions选项卡手动触发更新工作流。

配置

编辑 config.py 自定义：

数据获取限制
速率限制延迟
输出目录
日志级别

错误处理

应用程序优雅地处理错误：

记录并跳过网络超时
丢失的数据返回None而不是崩溃
单个实体的获取失败不会停止整个过程
所有错误都会记录时间戳

项目结构

AlzKB-updater-without-mcp/
├── main.py                 # Main application entry point
├── config.py              # Configuration settings
├── requirements.txt       # Python dependencies
├── README.md             # This file
├── src/
│   ├── uniprot_fetcher.py    # UniProt data fetcher
│   ├── drug_fetcher.py       # PubChem data fetcher
│   └── integrator.py         # Data integration module
├── data/                 # Output directory (created on first run)
│   ├── alzkb_proteins.csv
│   ├── alzkb_drugs.csv
│   ├── alzkb_interactions.csv
│   └── alzkb_summary.csv
└── .github/
    └── workflows/
        └── update_alzkb.yml  # GitHub Actions workflow

数据源

UniProt

统一资源定位符: https://www.uniprot.org/
API：REST API
数据：蛋白质序列、功能、疾病关联
许可证：立方厘米乘以4.0

PubChem

统一资源定位符: https://pubchem.ncbi.nlm.nih.gov/
API：哈巴狗休息
数据：化合物、药物信息、生物活性
许可证：公共领域

局限性

获取有限数量的记录（可配置）
遵守API指南的比率限制
由于API的限制，某些交互可能不完整
DrugBank需要身份验证，因此使用PubChem作为替代方案

故障排除

网络错误

如果遇到网络错误，请检查：

互联网连接
API端点可用性
速率限制（增加config.py中的延迟）

空结果

如果没有提取数据：

检查API端点是否可访问
验证提取器模块中的查询参数
检查日志中的特定错误消息

权限错误

如果您无法写入数据目录：

chmod +w data/

贡献

这是一个专注于核心功能的简化版本。欢迎为以下项目捐款：

其他数据来源
增强的数据清理
更好的错误恢复
性能优化

参考文献

PrimeKG：https://github.com/mims-harvard/PrimeKG
AlzKB：https://github.com/EpistasisLab/AlzKB-updates

支持

对于问题或疑问，请在GitHub上打开问题。