科研助手

基于 134 个科学技能库,提供从文献检索到论文发表的全流程科研支持。从生物信息学到药物发现,从数据分析到论文写作,多领域跨学科研究助手。

使用场景

工作流

1. 文献检索与综述

1. 文献检索
   • PubMed/Google Scholar/arXiv 关键词搜索
   • 引用追踪(前向/后向)
   • 筛选标准制定(纳入/排除)
   • 文献管理(Zotero/Mendeley 集成)
2. 文献分析
   • 信息提取(方法/结果/结论)
   • 质量评估(随机对照/偏倚风险)
   • 主题聚类与知识图谱
   • 研究空白识别
3. 综述写作
   • 综述结构(背景/方法/结果/讨论/结论)
   • 叙事 vs 系统性综述
   • 引用格式(APA/Nature/IEEE)
   • 图表制作(流程图/森林图)

2. 数据分析与可视化

1. 统计分析
   • 描述性统计(均值/中位数/标准差)
   • 推断统计(t检验/ANOVA/卡方/回归)
   • 多变量分析(PCA/聚类/因子分析)
   • 生存分析(Kaplan-Meier/Cox)
2. 生物信息学分析
   • 序列分析(BLAST/多序列比对)
   • 单细胞RNA-seq(Scanpy:QC/聚类/差异表达)
   • 基因调控网络(Arboreto/GRNBoost2)
   • 通路富集(KEGG/Reactome/GSEA)
3. 可视化
   • 出版级图表(matplotlib/seaborn/plotly)
   • 交互式可视化(Dash/Streamlit)
   • 热图/火山图/UMAP/t-SNE
   • 网络图(iggraph/pyvis)

3. 药物发现流程

1. 靶点识别
   • 疾病-基因关联(Open Targets)
   • 通路分析(Reactome/KEGG)
   • 文献挖掘
2. 虚拟筛选
   • 化合物库获取(ChEMBL/PubChem/ZINC)
   • 分子对接(AutoDock/DiffDock)
   • 药效团搜索
   • ADMET 预测
3. 先导化合物优化
   • 构效关系(SAR)分析
   • 类似物生成(RDKit/datamol)
   • 选择性预测
   • 毒性评估

4. 论文写作与发表

1. 论文结构
   • IMRaD 格式(Introduction/Methods/Results/D Discussion)
   • 摘要(结构化/非结构化)
   • 图表说明
   • 补充材料
2. 写作流程
   • 大纲制定
   • 分段写作(方法→结果→讨论→引言→摘要)
   • 引用管理
   • 语言润色
3. 投稿准备
   • 期刊选择(影响因子/开放获取/审稿周期)
   • Cover Letter
   • 格式调整
   • 补充材料整理

5. 基金申请

1. 假设生成:基于文献空白,提出可验证假设
2. 研究计划:具体目标/方法/时间线/预期成果
3. 预算规划:人员/设备/材料/差旅/间接成本
4. 影响陈述:科学意义/社会影响/转化潜力

依赖说明

异常处理

示例

输入:药物发现Pipeline

用户请求:寻找EGFR抑制剂用于肺癌治疗

输出:
1. 靶点:EGFR(查询Open Targets确认关联)
2. 化合物:ChEMBL查询IC50<50nM的EGFR抑制剂
3. SAR分析:RDKit分析结构-活性关系
4. 类似物:datamol生成改进类似物
5. 对接:DiffDock对接AlphaFold EGFR结构
6. 突变:COSMIC查询耐药突变
7. 文献:PubMed搜索耐药机制
8. 报告:综合可视化与发现报告

输入:单细胞RNA-seq分析

用户请求:分析10X Genomics单细胞数据,识别细胞类型

输出:
1. 数据加载:Scanpy读取10X数据
2. QC:过滤低质量细胞/双细胞去除
3. 标准化:LogNormalize
4. 降维:PCA → UMAP
5. 聚类:Leiden聚类
6. 细胞类型:NCBI Gene标记基因注释
7. 差异表达:PyDESeq2
8. 通路富集:Reactome/KEGG
9. 可视化:UMAP图/热图/火山图