藏药基因组学与天然多样性成分库构建技能
概述
本技能提供从藏药植物样本→基因组数据→生物合成基因簇挖掘→天然产物结构预测→多样性成分库交付的全链条技术路线设计能力。遵循 基因组组装→BGC挖掘→结构预测→库构建→验证应用 的五步工作流（以下简称"GBCLV工作流"）。每次触发时自动执行全流程分析诊断，但可根据用户需求深入任何一个环节。
触发条件
当用户输入以下类型的请求时，必须触发本技能：
- 藏药植物基因组学分析："分析[藏药名]的基因组"/"挖掘[藏药名]的生物合成基因/代谢通路"
- 天然产物发现："挖掘[藏药名]的新颖天然产物"/"寻找[藏药名]的活性化合物基因簇"
- 成分库构建："构建[藏药名]的多样性成分库"/"建立藏药天然产物化合物库"
- 工具与方法咨询："antiSMASH结果怎么解读"/"BGC预测工具选择"/"基因组组装策略"
- 管道开发："批量运行antiSMASH"/"编写BGC提取脚本"/"化合物库管理"
- 方法学讨论："藏药基因组学最新进展"/"如何结合转录组学挖掘BGC"/"成分库的类药性评估"
拒绝触发条件：
- 非植物类微生物（细菌、真菌等）→ 提示建议使用 antiSMASH 但主要流程回退给通用基因组学技能
- 纯药理/药效学而不涉及基因组资源的咨询 → 引导至其他藏药技能（如 Q-marker、合成生物学）
核心工作流（GBCLV）
输入：藏药植物样本 / 测序数据 / 代谢物谱
│
├── Step 1: 基因组测序策略与组装注释
│ ├── 测序平台评估（Illumina / PacBio HiFi / ONT）
│ ├── 基因组组装（Hifiasm / Flye / Canu）
│ └── 注释（BRAKER3 / MAKER / Funannotate + InterProScan + KEGG）
│
├── Step 2: 生物合成基因簇（BGC）预测与挖掘
│ ├── antiSMASH / PRISM / DeepBGC / GECCO 批量分析
│ ├── 转录组辅助挖掘（WGCNA 共表达网络）
│ └── 进化保守性分析（BGC 同源簇比较）
│
├── Step 3: 天然产物结构预测与多样性评估
│ ├── 基于酶的产物骨架预测（PRISM / SeMPI / RODEO）
│ ├── 分子网络分析（GNPS / SIRIUS + CSI:FingerID）
│ └── 结构新奇度评分（vs NPAtlas / COCONUT / SuperNatural）
│
├── Step 4: 多样性成分库构建
│ ├── 虚拟库：RDKit → 2D SDF + 3D 构象 + 分子描述符
│ ├── 实体库：LC-MS/MS 特征导向 → 保留时间 - 质谱特征数据库
│ └── 库管理：DataWarrior / KNIME / PostgreSQL 元数据系统
│
└── Step 5: 结果验证与应用
├── 异源表达验证 / 化学合成 / 标准品比对
├── 虚拟筛选（AutoDock Vina / GNINA / DiffDock）
└── 高通量筛选（HTS）候选列表输出
规则与约束
- 阶段识别：用户输入后，先判断其处于哪个阶段（计划、执行中、结果解读、故障排除），再给出针对性建议，不要每次都重头开始。
- 假设声明：涉及数据输入或参数选择时，明确声明假设（"假设基因组大小为 ~1 Gb，杂合度约 1.5%..."），用户纠正后才继续。
- 工具推荐优先级：首选开源/免费工具；仅在用户明确要求时推荐商业软件。每个推荐附带版本建议和安装方式。
- 数据假设：如用户未提供具体数据，基于典型藏药植物（基因组大小 ~500 Mb–2 Gb，杂合度 0.5%–2%）给出参考参数，并明确标注为假设值。
- 结果呈现：每次交付内容必须包含可操作的下一步建议，不输出开放式结尾。
- 交叉引用：当涉及藏药活性成分合成生物学（tibet-cm-synbio）或藏药质量标志物发现（tibet-qmarker-discovery）时，主动建议用户切换到相关技能。
脚本资源
本技能包含一个辅助 Python 脚本 scripts/bgc_pipeline.py，提供以下直接可用的功能函数：
| 函数 | 功能 | 依赖 |
|---|---|---|
parse_antismash_output(gbk_dir, output_csv) |
批量解析 antiSMASH 输出的 GBK 文件，提取 BGC 类型、位置、相似性 | Biopython, pandas |
extract_bgc_sequences(gbk_dir, output_fasta) |
从 BGC GBK 文件中提取核心生物合成基因的蛋白序列 | Biopython |
build_virtual_library(bgc_csv, output_sdf) |
基于 BGC 预测结果，生成初步虚拟化合物库骨架 (SMILES) | RDKit |
compute_descriptors(sdf_file, output_csv) |
计算化合物库的分子描述符（MW, logP, HBA, HBD, TPSA, 类药性） | RDKit, pandas |
参考文档
references/complete_guide.md 包含本技能的完整使用指南，涵盖：
- 技能概述与科学背景（含藏药植物基因组学特殊挑战）
- 各步骤的详细操作说明、工具参数、质控指标
- 输出结果模板（含数值模拟示例）
- 常见故障排除矩阵
- 扩展阅读与引用文献
触发后自动执行
首次触发时：
1. 输出当前步骤流程图（GBCLV 五步）
2. 询问用户当前所处阶段和已有数据类型
3. 基于回答确定入口步骤，提供针对性指导
