前言¶
做生物醫藥調研，繞不開一堆數據庫：文獻在 PubMed，靶點證據在 Open Targets，變異與致病性在 ClinVar 和 gnomAD，基因與蛋白註釋在 Ensembl，小分子活性在 ChEMBL，臨牀試驗在 ClinicalTrials.gov。各自有一套接口、字段和檢索習慣，一個調研任務往往要在六七個系統之間來回切，整理結果還得手動拼。
下面介紹的這個 Skill，把這條鏈路收進一次對話裏。
這是什麼¶
生物醫藥調研助手（座標 @user_463e8e26/biopharma-research-assistant，版本 1.0.0），定位是生物醫藥企業的調研副駕駛。它由社區開發者 user_463e8e26 發佈，源頭是 OpenAI Life Science Research 插件的本地化版本，即把原插件的能力改造成可本地調用的形式。
它解決的問題是：讓一個調研任務能直接落到公共科學數據庫上，不用人工逐個系統查詢再彙總。
核心功能¶
按官方簡介，這個 Skill 內置 50 個子 skill，直連 20 多個公共科學數據庫，覆蓋 PubMed、Open Targets、ClinVar、gnomAD、Ensembl、ChEMBL、ClinicalTrials.gov 等。
支持的調研類型有七類：
- 文獻調研與綜述
- 靶點調研與優先級排序
- 競品管線與臨牀格局梳理
- 變異解讀
- 藥物化學與藥理證據
- 基因表達與蛋白結構查詢
- 公共數據集發現
輸入形式覆蓋常見的生物信息標識，支持基因/蛋白 symbol、rsID、HGVS、chr-pos-ref-alt 形式的變異、accession 和化合物名。也就是說，給出一個基因符號或一個變異描述，不必先說明該走哪個數據庫。
安裝與啓用¶
需要說明的是，目前能覈實到的信息裏只有 Skill 的標識與來源，沒有官方安裝命令、目錄路徑或配置文件字段。抓取時官方頁面和接口地址均無法訪問，因此這裏不給出安裝步驟，避免寫出無法驗證的命令。
已知的部署信息是：來源爲 community，分類爲 professional，標籤中標註 requires_api_key=false。這意味着它按通用 SKILL.md 格式提供，使用時不需要自行準備 API key（至少官方標籤如此聲明），但數據庫層面的訪問限制以各公共數據庫自身的政策爲準。
具體安裝方式建議以發佈者 user_463e8e26 的 SkillHub 頁面爲準，地址見文末。
典型用法¶
官方簡介裏給出了觸發詞，可以直接作爲調用入口：生物醫藥調研、文獻調研、靶點調研、競品監測、競品管線、變異解讀、藥物證據、藥物評審調研、生命科學研究、life science research。
從觸發詞反推，典型的調用方式是把調研目標寫成一句話，並帶上對應的觸發詞。例如要做靶點調研，就用「靶點調研」開頭描述目標基因或疾病領域；要做競品監測，就用「競品管線」開頭給出競爭對手或適應症。
輸入示例對應關係如下：
- 基因/蛋白 symbol：如給出某基因名，走靶點調研、基因表達或蛋白結構查詢
- rsID：dbSNP 編號，走變異解讀
- HGVS：標準變異描述格式，走變異解讀
chr-pos-ref-alt：染色體位置形式的變異，走變異解讀- accession：數據庫登錄號，走對應數據集的精確查詢
- 化合物名：走藥物化學與藥理證據查詢
具體的返回格式，需要在實際調用時確認，資料中沒有給出字段級示例。
適用場景與注意¶
適合的人羣是藥企內部的法規、醫學事務、市場/BD、研發和生信崗位，也就是需要頻繁查文獻、查靶點證據、查競品管線的崗位。
使用上有兩條限制要看清楚：
- 僅限研究用途，不提供臨牀診斷或治療建議。所以它不能被當作臨牀決策工具接入工作流。
- 結果質量取決於所查公共數據庫的覆蓋與更新情況。不同數據庫對同一靶點或化合物的證據密度差別很大，靶點優先級排序這類結論需要人工複覈證據鏈。
另外，50 個子 skill 意味着能力面廣，單次任務實際調用哪些子 skill 取決於提問方式。提問越具體，越容易命中對應的子 skill。
結語¶
生物醫藥調研助手的價值在於把分散的公共科學數據庫收進一個入口，把檢索和彙總的機械工作交給 Skill，讓人聚焦在證據判斷上。它適合藥企內部需要頻繁做文獻、靶點、管線調研的崗位，不適合臨牀決策場景。
官方地址：https://api.skillhub.cn/user_463e8e26/biopharma-research-assistant
SkillHub 頁面：https://www.skillhub.cn/skills/user_463e8e26/biopharma-research-assistant
抓取時點該頁面顯示評分 100000、下載 961、安裝 0。
