1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | kegg-pathways-gptomics-bioskills |
| 作者/维护者 | GPTomics（GitHub 组织，自述为专注生物学的 AI 研究实验室）；主要维护者 djemec |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/pathway-analysis/kegg-pathways |
| 许可证 | MIT（GitHub API 确认，仓库根 LICENSE 文件） |
| GitHub Stars | 1,125（GitHub API；数字属整个 bioSkills 合集，不代表本技能自身热度） |
| Forks | 193（同上，合集整体） |
| 最新版本 | 仓库无该子目录专属版本标签；该路径最近一次相关提交为 2026-07-10，此前另有 8 次提交，横跨 2026-01～07 |
| 安装方式 | 见第 10 章 |
2. 功能介绍与亮点
kegg-pathways 教 agent 用 KEGG 数据库做通路富集分析的完整三代方法，并解决一个容易被忽视的可复现性陷阱：
- 三代方法一站覆盖：过表出分析（enrichKEGG/enrichMKEGG，基因列表命中检验）、基因集富集分析（gseKEGG，全排序无阈值检验）、有向信号通路拓扑扰动分析（SPIA/graphite）。技能明确指出 KEGG 是主流数据库里唯一提供带方向信令拓扑（KGML）的一个，这是它拥有第三代拓扑分析能力的根本原因——纯基因集方法只能判断“通路里的基因是否整体偏移”，SPIA 能进一步判断“沿着信号传导方向，这条通路是被激活还是被抑制”。
- 可复现性陷阱：KEGG 是实时在线数据库而非本地静态包，同一段代码几个月后重跑可能返回不同通路列表。技能给出 gson 快照固化方案，并特别指出常见误区——
use_internal_data=TRUE并不能锁定当前版本，而是加载已废弃的 2012 年KEGG.db。 - 物种 ID 陷阱：真核生物（人/鼠等，Entrez ID）与原核生物（细菌，locus tag）在 KEGG 里走完全不同的 ID 体系；传错 ID 类型不会报错，只会静默返回 0 个显著通路，技能把这个隐蔽失败模式单独列出。
- 附完整决策树（按“有没有排序、要不要方向、代谢还是信号通路”分流到具体方法）、7 类“触发-机制-症状-修复”结构的失败模式表、量化阈值表（含出处）、9 篇正式学术引用（含 KEGG 奠基论文 Kanehisa 2000、SPIA 方法论文 Tarca 2009）。
- 独立 usage-guide.md 含 5 组自然语言示例提示词，覆盖人类 ORA、信号拓扑扰动、细菌非模式物种、结果版本固化、多条件对比五类典型任务。
亮点：该子目录内容量（SKILL.md + usage-guide.md 合计约 29KB）是 GPTomics/bioSkills 通路分析类目下最完整的一份；在 LobeHub 技能市场有以 bio-pathway-kegg-pathways 为标题的独立收录页；与仓库内 gsea、go-enrichment、reactome-pathways 等技能形成明确的“Related Skills”交叉引用网络，各自职责边界清晰不重叠。
3. 适用场景
所属分类：数据分析与可视化（技能产出是对基因表达/差异表达数据的统计富集与拓扑扰动分析并生成可执行代码，属数据分析范畴）。
适用人群：完成差异表达分析（如 DESeq2/edgeR）后需要判断哪些 KEGG 通路显著富集或被扰动的计算生物学研究者与生信数据科学家；尤其适合需要做信号通路方向性判断（激活/抑制）而非只判断“是否命中”的场景，以及处理细菌等非模式物种、需要正确选用 KEGG locus tag ID 体系的用户。
4. 跨 Agent 兼容性
| Agent 生态 | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 仓库提供 install-claude.sh，支持全局/按项目/按类别安装 |
| Codex | 原生支持 | 仓库提供 install-codex.sh，用法与 Claude Code 版本一致 |
| OpenClaw | 原生支持 | 仓库提供专用 install-openclaw.sh |
| Hermes Agent | 未验证 | 仓库 README 未提及 Hermes；官方 Hermes 生物信息学技能网关文档目前公开列出的类目为 CRISPR/免疫信息学/空间转录组三类，未见通路分析类目的具名条目，无法确认是否收录本技能 |
5. 推荐理由
KEGG 是通路富集分析里最常用的数据库，也是唯一提供有向信令拓扑数据的主流选择，但多数使用者只把它当成“基因集合”用来做超几何检验或 GSEA，浪费了它独有的方向性信息，也很少意识到它是活数据库、结果会随时间漂移。这个技能把三代方法、两套物种 ID 规则、以及“活数据库不可复现”这个隐蔽陷阱一次性讲透，配合决策树与失败模式表，能帮助使用者少踩“结果对不上、传错 ID 却零报错、几个月后复现不出来”这几个真实存在的坑。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | GPTomics 是小型专业研究团队，非广为人知的一线厂商；本技能具体路径在 LobeHub 技能市场有独立收录页（bio-pathway-kegg-pathways），构成子技能自身可查证的独立第三方证据 |
| 可用性 | 9 | 无需付费依赖，文档是同类目下最完整的一份（三代方法+决策树+7类失败模式+量化阈值表+9篇引用+独立 usage-guide），该路径 2026 年内持续收到独立提交（最近一次 2026-07-10），维护活跃 |
| 安全性 | 9 | 纯 R 代码指导，仅调用知名 Bioconductor 包与 KEGG 公开 REST API 做只读查询，无需 API Key，无凭据存储，MIT 许可证明确，未发现可疑指令 |
安全检查清单：
① shell 命令执行：技能本身不含自动执行的 shell 脚本，R 代码模式需用户/agent 在自己环境中手动运行
② 联网外发数据：enrichKEGG/gseKEGG/SPIA/pathview 运行时查询 KEGG 公开 REST API 获取通路数据，仅传出基因 ID/物种代码等非隐私信息，属公开数据库查询而非私有数据外发
③ API key/凭据：不需要，KEGG 基础查询免费开放
④ 可疑指令：通读 SKILL.md 与 usage-guide.md 全文未发现 prompt injection 或其他可疑指令
⑤ 作者/组织信誉：GPTomics 为 GitHub 组织，主要维护者 djemec 长期主导仓库提交，无刷星或造假迹象
⑥ License：MIT，明确
⑦ 最近维护时间：该技能路径最近提交 2026-07-10，约一个月前；仓库整体最近 push 于 2026-07-25，在近 3 个月维护窗口内
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
同合集 gsea（bioSkills） |
跨 GO/KEGG/Reactome/MSigDB 统一的排序型 GSEA 引擎，负责排序统计量、权重指数、置换类型三个隐性选择 | 是通用排序检验引擎；本技能是 KEGG 单一数据库的专属实现，额外提供 GSEA 覆盖不到的第三代方法——基于有向信令拓扑的 SPIA 扰动分析，两者互补，kegg-pathways 的 GSEA 部分直接路由回 gsea |
同合集 go-enrichment（bioSkills） |
基于 GO 本体的超几何检验（ORA）与背景基因集问题 | 面向 GO 本体而非 KEGG 通路，且不涉及信号方向或拓扑结构 |
同合集 reactome-pathways/wikipathways（bioSkills） |
分别对接 Reactome、WikiPathways 两个替代通路数据库 | 与本技能同属“选哪个通路数据库”的决策分支；本技能是唯一覆盖 KGML 有向拓扑数据、能做信号方向判断的选项 |
| Broad Institute 官方 GSEA 桌面软件 | 原始 GSEA 算法的官方参考实现，独立 Java 桌面应用，人工点选参数运行 | 面向人工交互式桌面操作，不含 KEGG 专属的 ID 体系陷阱说明或拓扑扰动分析；本技能封装成 agent 可直接生成的 R 代码模式，并标注版本兼容性与失败模式 |
8. 用户评价
该技能在 LobeHub 技能市场已有独立收录页，但截至目前评论区与评分区均显示暂无内容，尚无具名用户评价。
9. 其他补充
所属仓库 bioSkills 创建于 2026-01-15，README 自述覆盖 63 个功能类目、约 561 个子技能。pathway-analysis 类目下与 kegg-pathways 相邻的还有 gsea、go-enrichment、reactome-pathways、wikipathways、enrichment-visualization 等技能，彼此通过 SKILL.md 内的“Related Skills”区块互相引用，显示该合集在通路分析方向有统一的架构设计而非零散堆砌。
10. 安装使用方式
- Claude Code（推荐）：
git clone https://github.com/GPTomics/bioSkills.git && cd bioSkills && ./install-claude.sh --categories "pathway-analysis"按类别安装，或不带参数全量安装；也可手动把pathway-analysis/kegg-pathways/目录复制到.claude/skills/ - Codex：同一仓库下运行
./install-codex.sh - OpenClaw：运行专用的
./install-openclaw.sh - 安装后注意事项：技能本身零额外安装，但运行其推荐代码需预先装好 R/Bioconductor 包（
BiocManager::install(c('clusterProfiler','org.Hs.eg.db','SPIA','graphite','pathview'))加gson）；无需重启 agent；对话中出现“KEGG 富集”“通路拓扑扰动”“SPIA”等关键词或直接引用技能名即可触发
11. 注意事项
enrichKEGG/gseKEGG/SPIA/pathview查询的是实时更新的 KEGG 在线数据库，同一段代码在不同时间运行可能因数据库更新而返回不同通路列表；需要按技能给出的 gson 快照方法固化版本才能保证结果可复现- SPIA 仅适用于信号通路（signaling map），在代谢通路（如糖酵解）上运行会得到没有意义的扰动分数，技能已在文档中明确标注该边界
- 该技能提供的是方法选择与代码模式，不代替用户搭建 R/Bioconductor 运行环境
- 合集仓库整体 1,125 stars 与 193 forks 覆盖数百个子技能，不代表本技能个体的采用热度