前言¶

在 DeepSeek Harness（DSH）里做生信类 Agent，常见难点不是「会不会写提示词」，而是流程太长：目标酶怎么标准化、候选蛋白怎么筛、结构证据和 EC 注释怎么对齐、最后怎么排出可验证的实验清单。若每一步都靠临时对话拼凑，路径占位符、工具版本和中间 TSV 很容易对不上。

下面介绍维护者 Liuyixin-lily 发布的 human-microbiome-function-mining 插件（GitHub 仓库 Liuyixin-lily/dsh-bio-human-microbiome-function-mining，npm 包名 @dsh-bio/human-microbiome-function-mining）。它把「目标酶 / EC / 底物-产物反应 → 候选蛋白 → 证据链 → 排序 → 实验设计」做成可安装的 DSH 工作流包：内置 9 个 skill、脚本与 schema，但不托管服务、不打包 DIAMOND 等外部工具，也不提供算力。社区目录页见 SkillHub 插件页（独立站点，与 DeepSeek / 幻方无官方从属关系）。

这是什么¶

human-microbiome-function-mining 是可装入 DSH 或兼容 Agent harness 的插件交付包（版本 0.1.0，MIT 许可证）。核心输入是目标酶序列、EC 号或底物-产物关系；输出包括候选蛋白证据表、带 overall_rank 的排序表，以及可证伪实验假设与实验设计相关汇总。

插件提供 skills、scripts、schemas 与 references/ 规则。DIAMOND、CD-HIT、US-align、DEER、FedKEA、Bakta、SignalP 和文献库仍由用户在本地或自有服务器准备；Agent 仅在路径可达且用户允许时本地执行，否则写出确切命令并消费用户回传的结果文件。

核心功能¶

九项 skill 分工¶

1. functional-dark-matter-discover：主流程，串联候选发现与实验设计。
2. build-target-function-card：标准化目标输入，生成 target_function_card.json。
3. screen-sequence-candidates：CD-HIT 去冗余（单菌单基因组默认 100%，多基因组泛蛋白组默认 95%）后 DIAMOND 序列筛选。
4. structure-prediction：缺结构时按 PDB → AlphaFold DB（mean pLDDT ≥ 60）→ 同源建模 → de novo 的优先级准备 structure/<protein_sequence_id>.pdb。
5. screen-structure-candidates：US-align 结构证据；某基因组无合格 US-align 结果且用户同意时才 DEER fallback；仅在序列+注释未共同确认目标功能时启用结构路线。
6. literature-evidence：文献审计；有 MCP 文献工具时可走学术检索类流程，否则给出检索词或接收用户已验证引用，禁止编造 PMID/DOI。
7. genome-search / genome-download / genome-annotation：从 NCBI 选 GCF/GCA、下载基因组、用 Bakta 注释——在用户尚无候选 .faa / .gbff 时独立使用。

流程概览¶

经过上面的 skill 划分，主路径可概括为：

target enzyme / EC / substrate-product
  -> target_function_card.json
  -> preflight（.faa / .ffn / .gbff / 结构路径）
  -> 可选 genome-search / download / annotation
  -> CD-HIT -> DIAMOND -> 解析已有注释
  -> 快速路径：序列命中且注释匹配 -> SEQUENCE_ANNOTATION_CONFIRMED，跳过结构步骤
  -> 否则结构预测 -> US-align -> 条件性 DEER
  -> 可选 SignalP、FedKEA、文献证据
  -> 合并表 -> score_candidates -> 实验假设与设计

若 DIAMOND 命中且 .faa/.gbff 注释已与目标功能一致，候选标记为 SEQUENCE_ANNOTATION_CONFIRMED，不做 US-align（无 TM 值，排序时落在「无 TM」组内但 priority 最高）。

排序策略¶

默认由 scripts/score_candidates.py 生成 scored_candidates_full.tsv，对外以 overall_rank 为准。默认 --rank-by structure：有 TM-score 的行按 TM 降序在前；无 TM 的行在后，再按 priority_order 等字段破平。对趋同/兼职酶靶点，这样可避免「EC 字面完全一致」的候选压过结构更可信的真阳性。需要旧版层级排序时使用 --rank-by priority。

priority_rule 层级（供溯源）依次为：SEQUENCE_ANNOTATION_CONFIRMED → USALIGN_TARGET_EC → DEER_FEDKEA_CONFIRMED → … → ANNOTATION_ONLY（共九档，详见仓库 README）。

安装与启用¶

插件以 DSH npm/bundle 形式安装。官方文档给出的命令如下（任选一种来源，路径按你本地实际替换）：

# 本地目录
npx -y @deepseek-ai/dsh plugin --profile web add ./human_microbiome_function_mining

# 由本仓库打出的 tarball
npx -y @deepseek-ai/dsh plugin --profile web add ./human_microbiome_function_mining.tar.gz

# 发布或镜像后
npx -y @deepseek-ai/dsh plugin --profile web add @dsh-bio/human-microbiome-function-mining
npx -y @deepseek-ai/dsh plugin --profile web add github:Liuyixin-lily/dsh-bio-human-microbiome-function-mining

postinstall 会把 Agent preset 安装到 ~/.dsh/.agent-presets/human-microbiome-function-mining，预设选择器中出现「人体微生物功能挖掘专家」人设。新开 Agent 会话后，确认 skill functional-dark-matter-discover 已加载。

package.json 要求 Node ^22.19 || >=24。安装前建议阅读仓库源码与 MIT 许可证；插件随当前 dsh 进程权限运行，勿在未审阅的情况下对不可信包直接 add。

典型用法¶

1. 无外部工具的自测¶

先在插件目录验证脚本与 schema，不依赖 DIAMOND / US-align 等：

cd human_microbiome_function_mining
python3 scripts/example_test.py

预期末尾输出 example test passed。

2. 准备项目配置¶

复制最小示例并按你的数据改路径：

cp human_microbiome_function_mining/config.minimal.example.json project.json

project.json 中需填写（完整字段见 config.example.json 与 QUICKSTART）：

• 目标酶 FASTA、目标结构 PDB，或 EC/反应信息；
• 候选蛋白组 .faa，可选 .gbff、.fna、结构目录；
• DIAMOND、CD-HIT、US-align 可执行文件路径；可选 DEER、FedKEA、Bakta、SignalP；
• 是否 auto_run_local 等执行意图。

3. 预检与跑流程¶

工作流起点是预检，确认数据与工具从当前终端是否可达：

python3 scripts/preflight_inputs.py --project project.json --require-tools

报告各路径为 ok / placeholder / missing / invalid。通过后，可让 Agent 按 skill 跑全流程，或分步调用封装脚本，例如：

python3 human_microbiome_function_mining/scripts/preflight_inputs.py --project project.json
python3 human_microbiome_function_mining/scripts/run_diamond.py --project project.json
python3 human_microbiome_function_mining/scripts/run_usalign.py --project project.json

DEER 在合并表无合格候选时的第二道门示例：

python3 human_microbiome_function_mining/scripts/run_deer.py \
  --project project.json \
  --combined-candidates outputs/task/combined_candidates.tsv

4. 合并、打分与交付物¶

python3 human_microbiome_function_mining/scripts/merge_candidates.py \
  --structural outputs/alignments/run_full_085/structural_candidates.tsv \
  --project project.json \
  --output outputs/task/combined_candidates_full.tsv

python3 human_microbiome_function_mining/scripts/score_candidates.py \
  --input outputs/task/combined_candidates_full.tsv \
  --output outputs/task/scored_candidates_full.tsv \
  --target-ec 3.1.4.12

python3 human_microbiome_function_mining/scripts/summarize_candidates.py \
  --scored outputs/task/scored_candidates_full.tsv \
  --gene-evidence outputs/task/candidate_sequences/candidate_gene_evidence.tsv \
  --literature outputs/task/literature_evidence.tsv \
  --project project.json \
  --outdir outputs/task/summary

主要交付包括 scored_candidates_full.tsv、combined_candidates_full.tsv、候选序列 FASTA、以及 summary/ 下的高置信候选与 experimental_hypotheses.tsv 等（完整列表见 QUICKSTART.md）。

适用场景与注意¶

适合谁：已有或计划准备人体相关微生物基因组/蛋白组数据，想从目标酶功能反查候选蛋白，并需要序列、结构、注释、FedKEA 与文献证据统一成表、且默认 结构相似性优先排序 的研究或工程团队。

工具边界：插件不会静默安装 DIAMOND、CD-HIT、US-align、DEER、FedKEA、Bakta；路径仍是 /path/to/... 占位符或远程主机时，应明确提供 user@host 与绝对路径。不可达时只生成命令，不伪造工具输出；不会程序化调用 FedKEA 网页服务。

数据准备：若只有分类群或 accession 列表、尚无 .faa，可先加载 genome-search / genome-download / genome-annotation 三个子 skill。

分类：在 SkillHub 上该插件归类为 工作流。

初次使用建议通读仓库 QUICKSTART.md；路径清单见 references/input_paths.md。

结尾¶

human-microbiome-function-mining 把人体微生物组上的酶功能挖掘拆成可复用的 DSH 工作流：标准化目标卡片、序列与结构证据、可选基因组准备与文献审计，并以 TM 优先的确定性排序落到实验假设。安装与细节以 GitHub 为准：Liuyixin-lily/dsh-bio-human-microbiome-function-mining；目录索引：SkillHub 插件页。