技能简介
很多选题会卡在“知道疾病很重要，但不知道该从哪个靶点切入”。这一期的重点是把疾病、靶点、药物和试验进展放到同一张表里，帮助团队更快看见转化链路。
传统方式通常需要 1天左右整理，而把流程说清楚后，AI 辅助可以在 约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
疾病问题先具体化
最好先限定亚型、关键结局或组织背景，不同场景下的靶点优先级差异很大。
靶点排序规则先说明
是看证据强度、是否有现成药物，还是看临床试验成熟度，需要一开始就定好。
药物与试验范围要同步
药名、适应证和试验阶段最好一起整理，避免信息脱节。
交付对象先明确
给导师开题、给合作者对齐方向还是给组会讲路线，输出细节会不同。
📦 一轮像样输出至少应交付这 4 样
疾病—靶点全景表
集中展示候选靶点、证据强度和简短机制背景。
药物与试验进展摘要
把已上市、在研药物和相关临床试验状态汇总成一页。
转化优先级建议
初步区分哪些方向更适合继续文献复核、实验验证或试验跟踪。
组会讨论页
把复杂转化链路压缩成更适合团队讨论的单页材料。
💡 适用场景
开题前选方向
帮助把泛泛的疾病讨论收敛到更具体的靶点与试验线索。
药物重定位摸底
适合快速查看某个疾病附近是否已有可利用的药物入口。
转化医学组会
把疾病、靶点、药物和试验放在同一页更便于讨论。
综述或 proposal 附页
全景表很适合作为背景综述与项目价值说明的补充材料。
⚙️ 核心实操流程
先找这个疾病最值得看的候选靶点
第一步你先别管 trial。 先看哪个 target 值得盯。 哪些靶点只是“常被提到”，哪些是真的证据更硬，已经先排出来了
调用 `opentargets-database`： 以 HFpEF、肺纤维化或炎症性肠病为例， 查询证据最强的候选靶点， 输出 genetic evidence、expression、drug evidence 和 tractability 摘要。
把现有药物和机制补全
第二步是你把“靶点”翻成“可干预对象”的关键。 因为不是每个 target 都有药，也不是每个药都真打在你关心的点上
调用 `drugbank-database`： 对排名靠前的候选靶点， 检索已上市药物、在研药物和主要作用机制， 并区分直接靶向与通路间接调控。
看临床试验到底走到哪一步了
很多方向看起来很美， 但一看 trial，你就知道它是概念热，还是已经跑进临床了。 phase、状态和主要终点一出来，整条转化链路就清楚很多
调用 `clinicaltrials-database`： 检索上述疾病和候选靶点 / 药物相关的临床试验， 返回 phase、招募状态、主要终点和代表性试验名称。
生成一页疾病-靶点-试验 landscape
最后你拿到的，不是三堆数据库截图。 而是一张能直接讲“这个病的转化开发现在走到哪”的路线图。 这一步对开题、综述、项目储备都特别有用
把以上结果整合成一页 landscape，包含： - top targets - tractability - 相关药物 - 关键临床试验 - 哪些方向更适合做课题切入 / 综述 / 组会汇报
建议录制的关键画面
- 疾病输入与靶点优先级结果
- 药物机制与状态列表
- 临床试验 phase / status 结果
- 疾病-靶点-试验总表
- 课题切入建议页
建议准备的关键截图
- target evidence summary
- 药物列表卡片
- trial landscape 表
- 最终 translational roadmap
🧯 最常见的 4 类翻车点
只看靶点不看试验进展
没有临床进展层的信息时，很难真正判断转化成熟度。
只看试验不回到疾病机制
缺少疾病背景时，列表会变成信息堆砌，难以支撑选题。
把数据库线索直接当最终优先级
全景表更适合第一轮收敛，后续仍需文献与专家判断。
结论没有分层
如果不把高、中、低优先级分开，团队讨论效率并不会真正提升。
🔗 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。