技能简介
很多选题停留在“炎症、纤维化、代谢重构可能都相关”的阶段，却没有真正收敛到可做的靶点。第 28 期的目标就是把这一步做得更像正式项目决策。
传统方式通常需要 半天搜证据，而把流程说清楚后，AI 辅助可以在 约10–15分钟 内先跑出第一轮可汇报结果。
🧭 开始前先确认这 4 件事
疾病定义和上下文先说清楚
同样是心衰，不同亚型、不同结局或不同组织层面的靶点优先级可能完全不同。
排序规则要先定
是按证据分数、tractability、是否有现成分子还是临床可转化性排序，需要先讲好。
证据边界要先区分
遗传证据、表达证据、功能证据和药物证据强度不同，最好分层看。
输出目标先明确
是做开题 shortlist、药物重定位初筛还是项目 brainstorming，信息颗粒度不一样。
📦 一轮像样输出至少应交付这 4 样
候选靶点清单
先按 target-disease evidence score 把候选对象排出队列。
tractability 与分子证据摘要
帮助判断“有没有现成抓手”而不是只停留在机制描述。
代表性通路 summary
把靶点放回疾病相关通路中，便于开题和汇报时讲逻辑链。
优先级 shortlist
最终收成一张更短、更硬的候选表，便于团队讨论下一步实验。
💡 适用场景
开题前选靶点
需要把泛泛的机制讨论收敛成真正能做的目标时最有价值。
药物重定位初筛
先看已有分子和活性数据，再判断哪些靶点更适合继续追。
生信结果向机制落地
当你已经有差异基因或通路结果，下一步就可以接到靶点优先级。
团队讨论 shortlist
把分散的数据库证据压缩成一页，更方便开会决策。
⚙️ 核心实操流程
先从疾病反推候选靶点
第一步你先别讲机制图。 先问一个最现实的问题：这个疾病到底有哪些值得优先看的靶点？ 候选靶点和证据分数已经先排好队了
调用 `opentargets-database`： 检索 HFpEF / 心力衰竭相关的候选靶点， 按 target-disease evidence score 排序， 返回 top 15 靶点、支持证据类型和 tractability 提示。
看看这些靶点有没有药可追
真正拉开差距的是第二步。 你不是只知道“这个基因可能重要”， 还知道有没有分子能打它。 这一下，课题的可做性就出来了
对 top 5 候选靶点调用 `chembl-database`： 查询已知活性化合物、代表性 IC50 / Ki 数据、是否有临床前或临床候选药物。
把通路故事补完整
到这一步，靶点终于不是一个孤零零的基因名。 它开始和通路、疾病逻辑、药物可达性连起来。 开题里最像“研究设计”的那一页，直接成形
调用 `reactome-database`： 对筛出的关键靶点做 pathway mapping， 整理其涉及的炎症、纤维化、代谢重构相关通路， 输出适合开题答辩的一页 pathway summary。
生成一张 shortlist 供开题会讨论
最后你要的不是百科全书。 是一张够短、够硬、够能讨论的 shortlist。 最终可以把候选靶点整理成一张可讨论的 shortlist
整合以上结果， 生成一张候选靶点 shortlist，包含： - target 名称 - 证据分数 - tractability - 已知药物 / 活性分子 - 相关通路 - 推荐优先级 并给出“最值得做的 3 个靶点”。
建议录制的关键画面
- Open Targets 靶点结果页
- evidence score 与 tractability 表
- ChEMBL 活性分子结果
- Reactome pathway summary
- 候选靶点 shortlist
建议准备的关键截图
- top targets 列表
- 已知活性分子摘要
- pathway summary
- 最终 shortlist 表
🧯 最常见的 4 类翻车点
只凭直觉选靶点
没有 evidence score 或 tractability 支撑时，很容易选到“讲得动但做不动”的目标。
忽略可成药性
靶点再热门，如果缺少分子可达性或工具分子，项目推进会非常慢。
没有通路上下文
单个基因名不够解释为什么值得做，最好同时整理疾病相关 pathway。
不做优先级收敛
如果最后还是十几个靶点并列，团队讨论效率并不会真正提高。
🔗 相关技能
💡 代码包内含 README.md，说明目录结构、主要文件与使用建议。解压后即可继续整理或二次演示。