ClawHub

Protein Mining

自动化蛋白质挖掘完整流程，从文献调研到潜在蛋白确定，生成可发表的学术成果

Audits

Pass
ClawScanPass

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install protein-mining

Protein Mining Skill - 蛋白质挖掘自动化流程

本skill实现了系统化的蛋白质挖掘工作流，包含7个核心模块，每个模块产生可交付的实验结果和可视化图表，适用于高质量学术论文发表。

Module 1: Literature Survey & Target Identification

模块1：文献调研与靶标确定

Objectives

  • 系统性文献检索与分析
  • 确定研究靶标蛋白家族
  • 建立研究假设和科学问题

Workflow

  1. 文献数据库检索
  • PubMed/Google Scholar关键词搜索
  • 检索策略：蛋白家族名 + 功能 + 物种
  • 时间范围：近10年高影响因子文献优先
  1. 文献筛选与分析
  • 提取关键蛋白序列信息
  • 总结已知功能域和保守位点
  • 识别研究空白和创新点
  1. 靶标蛋白确定
  • 选择代表性种子序列（seed sequences）
  • 记录UniProt/NCBI登录号
  • 确定研究物种范围

Deliverables

  • 01_literature_review.pdf - 文献综述报告
  • 01_target_proteins.csv - 靶标蛋白列表（含登录号、物种、功能注释）
  • 01_research_hypothesis.md - 研究假设和科学问题陈述

Module 2: Protein Sequence Collection

模块2：蛋白序列收集

Objectives

  • 从公共数据库获取目标蛋白序列
  • 序列质量控制和去冗余
  • 构建初始序列数据集

Deliverables

  • 02_raw_sequences.fasta - 原始序列集
  • 02_filtered_sequences.fasta - 质控后序列集
  • 02_nr_sequences.fasta - 非冗余序列集
  • 02_sequence_statistics.csv - 序列统计信息
  • 02_length_distribution.png - 序列长度分布图

Module 3: HMM Profile Construction

模块3：隐马尔可夫模型构建

Objectives

  • 构建蛋白家族特异性HMM模型
  • 验证模型敏感性和特异性
  • 优化模型参数

Deliverables

  • 03_msa_alignment.fasta - 多序列比对结果
  • 03_protein_family.hmm - HMM模型文件
  • 03_model_validation.csv - 模型验证统计
  • 03_roc_curve.png - ROC曲线图

Module 4: Cross-Species Sequence Search

模块4：跨物种序列搜索

Objectives

  • 使用HMM模型进行全基因组搜索
  • 跨物种同源蛋白识别
  • 构建候选蛋白数据集

Deliverables

  • 04_hmm_search_results.tbl - HMM搜索原始结果
  • 04_candidate_proteins.fasta - 候选蛋白序列
  • 04_species_distribution.csv - 物种分布统计
  • 04_species_heatmap.png - 物种分布热图

Module 5: Structure-Based Search (Foldseek)

模块5：基于结构的搜索

Objectives

  • 利用AlphaFold2预测结构
  • Foldseek结构相似性搜索
  • 识别远程同源蛋白

Deliverables

  • 05_predicted_structures/ - AlphaFold2预测结构
  • 05_plddt_scores.csv - 结构置信度评分
  • 05_foldseek_results.m8 - Foldseek搜索结果

Module 6: Phylogenetic Analysis

模块6：进化树构建与分析

Objectives

  • 构建高质量系统发育树
  • 进化关系分析
  • 功能分化预测

Deliverables

  • 06_refined_alignment.fasta - 优化后的多序列比对
  • 06_phylogenetic_tree.nwk - Newick格式进化树
  • 06_tree_visualization.pdf - 高质量进化树图
  • 06_positive_selection_sites.csv - 正选择位点

Module 7: Candidate Protein Prioritization

模块7：候选蛋白优先级排序

Objectives

  • 整合多维度数据
  • 候选蛋白评分与排序
  • 确定高优先级实验验证靶标

Deliverables

  • 07_feature_matrix.csv - 候选蛋白特征矩阵
  • 07_scoring_results.csv - 综合评分结果
  • 07_top_candidates.csv - Top 20候选蛋白列表
  • 07_experimental_design.md - 实验验证方案建议

Technical Requirements

Software Dependencies

  • HMMER 3.3+, MAFFT 7.0+, CD-HIT 4.8+, TrimAl 1.4+
  • IQ-TREE 2.0+, PAML 4.9+, CAFE 5.0+
  • AlphaFold2 / ColabFold, Foldseek 8.0+, PyMOL 2.5+
  • Biopython 1.79+, pandas, numpy, scipy, matplotlib, seaborn, scikit-learn

Computational Resources

  • CPU: ≥16核心（推荐32核心）
  • RAM: ≥64GB（推荐128GB）
  • GPU: 用于AlphaFold2结构预测（推荐NVIDIA A100/V100）

Usage

# 启动完整流程
protein-mining --target "ABC transporter" --species plants

# 分步执行
protein-mining --module 1 --target "ABC transporter"

Citation

  • HMMER: Eddy SR. (2011) PLoS Comput Biol.
  • IQ-TREE: Nguyen et al. (2015) Mol Biol Evol.
  • AlphaFold2: Jumper et al. (2021) Nature.
  • Foldseek: van Kempen et al. (2023) Nat Biotechnol.