cancer_therapy_design: Скилл для разработки терапии рака

--- name: cancer_therapy_design description: 'Разработка терапии рака: определение мишеней, поиск лекарств, проверка безопасности и анализ дифференциальной экспрессии. Используйте этот навык для задач онкологии, включающих получение связанных мишеней по идентификатору заболевания EFO, получение связанных лекарств по названию мишени, получение побочных эффектов по названию лекарства, анализ дифференциальной экспрессии TCGA. Объединяет 4 инструмента из 3 серверов SCP.' i18n: zh: description: 癌症治疗设计：靶点、药物、安全。 --- # Разработка терапии рака **Дисциплина**: Онкология | **Инструменты**: 4 | **Серверы**: 3 ## Описание Разработка терапии рака: определение мишеней, поиск лекарств, проверка безопасности и анализ дифференциальной экспрессии. ## Используемые инструменты - **`get_associated_targets_by_disease_efoId`** от `opentargets-server` (streamable-http) - `https://scp.intern-ai.org.cn/api/v1/mcp/15/Origene-OpenTargets` - **`get_associated_drugs_by_target_name`** от `opentargets-server` (streamable-http) - `https://scp.intern-ai.org.cn/api/v1/mcp/15/Origene-OpenTargets` - **`get_adverse_reactions_by_drug_name`** от `fda-drug-server` (streamable-http) - `https://scp.intern-ai.org.cn/api/v1/mcp/14/Origene-FDADrug` - **`tcga_differential_expression_analysis`** от `tcga-server` (streamable-http) - `https://scp.intern-ai.org.cn/api/v1/mcp/11/Origene-TCGA` ## Рабочий процесс 1. Поиск мишеней для рака 2. Получение связанных лекарств 3. Проверка безопасности лекарств 4. Анализ дифференциальной экспрессии ## Пример теста ### Входные данные ```json { "disease_efo": "EFO_0000311", "query": "lung adenocarcinoma drug targets" } ``` ### Ожидаемые шаги 1. Поиск мишеней для рака 2. Получение связанных лекарств 3. Проверка безопасности лекарств 4. Анализ дифференциальной экспрессии ## Пример использования > **Примечание:** Замените `<YOUR_SCP_HUB_API_KEY>` на свой собственный API-ключ SCP Hub. Вы можете получить его на [платформе SCP](https://scphub.intern-ai.org.cn). ```python import asyncio import json from mcp import ClientSession from mcp.client.streamable_http import streamablehttp_client from mcp.client.sse import sse_client SERVERS = { "opentargets-server": "https://scp.intern-ai.org.cn/api/v1/mcp/15/Origene-OpenTargets", "fda-drug-server": "https://scp.intern-ai.org.cn/api/v1/mcp/14/Origene-FDADrug", "tcga-server": "https://scp.intern-ai.org.cn/api/v1/mcp/11/Origene-TCGA" } async def connect(url, transport_type): transport = streamablehttp_client(url=url, headers={"SCP-HUB-API-KEY": "<YOUR_SCP_HUB_API_KEY>"}) read, write, _ = await transport.__aenter__() ctx = ClientSession(read, write) session = await ctx.__aenter__() await session.initialize() return session, ctx, transport def parse(result): try: if hasattr(result, 'content') and result.content: c = result.content[0] if hasattr(c, 'text'): try: return json.loads(c.text) except: return c.text return str(result) except: return str(result) async def main(): # Подключение к необходимым серверам sessions = {} sessions["opentargets-server"], _, _ = await connect("https://scp.intern-ai.org.cn/api/v1/mcp/15/Origene-OpenTargets", "streamable-http") sessions["fda-drug-server"], _, _ = await connect("https://scp.intern-ai.org.cn/api/v1/mcp/14/Origene-FDADrug", "streamable-http") sessions["tcga-server"], _, _ = await connect("https://scp.intern-ai.org.cn/api/v1/mcp/11/Origene-TCGA", "streamable-http") # Выполнение шагов рабочего процесса # Шаг 1: Поиск мишеней для рака result_1 = await sessions["opentargets-server"].call_tool("get_associated_targets_by_disease_efoId", arguments={}) data_1 = parse(result_1) print(f"Результат шага 1: {json.dumps(data_1, indent=2, ensure_ascii=False)[:500]}") # Шаг 2: Получение связанных лекарств result_2 = await sessions["opentargets-server"].call_tool("get_associated_drugs_by_target_name", arguments={}) data_2 = parse(result_2) print(f"Результат шага 2: {json.dumps(data_2, indent=2, ensure_ascii=False)[:500]}") # Шаг 3: Проверка безопасности лекарств result_3 = await sessions["fda-drug-server"].call_tool("get_adverse_reactions_by_drug_name", arguments={}) data_3 = parse(result_3) print(f"Результат шага 3: {json.dumps(data_3, indent=2, ensure_ascii=False)[:500]}") # Шаг 4: Анализ дифференциальной экспрессии result_4 = await sessions["tcga-server"].call_tool("tcga_differential_expression_analysis", arguments={}) data_4 = parse(result_4) print(f"Результат шага 4: {json.dumps(data_4, indent=2, ensure_ascii=False)[:500]}") # Очистка print("Рабочий процесс завершен!") if __name__ == "__main__": asyncio.run(main()) ```