一个问题输入。
你的科学工具栈协同回答。

Perslis 如何集成 PubMed

PubMed 是美国国立医学图书馆的生物医学文献索引 —— 覆盖 MEDLINE 的摘要、MeSH 主题词、DOI 与引文元数据。它是多数研究问题最先落地的地方。

在控制台上，pubmed_search 按相关度或日期运行查询并返回结构化记录；pubmed_abstracts 按 PMID 取回完整摘要。两者都交回可用于追溯断言的标识符。

它要修复的失效模式，是被编造出来的引文 —— 那篇看似合理却并不存在的论文。因为 Lois 只能转述 PubMed 返回的内容，控制台上每条引用都带着一个能解析的实时 PMID。虚构的 DOI 没有任何进入记录的通路。

PubMed 也是文献网络的枢纽：带 PMCID 的 PMID 直接交给 pmc_fulltext 取开放获取全文；同一个问题还会扇出到 OpenAlex 与 Semantic Scholar，让一次检索成为三方印证，而非一家之言。

Perslis 如何集成 PubMed Central

PubMed Central（PMC）是美国国立卫生研究院的生物医学文献免费全文库。凡属开放获取的论文，PMC 就有完整正文 —— 引言、方法、图注、结果与参考文献。

在控制台上，pmc_fulltext 接收一个 PMCID 并返回正文。它是 PubMed 命中的后半程：检索找到论文，PMC 读它。

交棒是自动的。当 pubmed_search 返回一条带 PMCID 的记录时，那个标识符就是直通全文的钥匙 —— 无需二次检索，无需猜 URL。断言与它出自的段落，始终只隔一次点击。

这也让离线的可溯源阅读成为可能：经 PMC 取回的全文可被采收进本地主题包，于是拔掉网线，评审手里仍有源论文。

Perslis 如何集成 arXiv

arXiv 是物理、数学、计算机科学与定量生物学（q-bio）的开放预印本服务器。一篇论文往往在同行评审之前、甚至取而代之地出现在这里。

在控制台上，arxiv_search 运行查询（可限定到如 q-bio.GN 的类别），返回标题、作者、摘要与可直通 PDF 的稳定 arXiv 编号。

预印本是幻觉风险最高的地方 —— 工作太新，模型最容易编造一篇听起来合理的。经 arxiv_search 路由消除了这种诱惑：控制台引用的每篇预印本，都带着一个能解析到真实摘要与 PDF 的 arXiv 编号。

arXiv 与 bioRxiv 同处预印本工作台，又与 OpenAlex、Semantic Scholar 同处学术图谱，于是一个前沿问题能同时由预印本与已发表记录作答。

Perslis 如何集成 bioRxiv 与 medRxiv

bioRxiv（生物学）与 medRxiv（临床/健康）是生命科学的预印本服务器。它们的 API 以时间窗为基础 —— 没有关键词检索 —— 因此你浏览已发布的内容（最新在前）并按类别过滤。

在控制台上，biorxiv_recent 返回一个窗口内的预印本（可按如 genomics 的类别过滤），biorxiv_fetch 取回指定 DOI，若存在发表版本则一路跟进。

运行时对 API 的形态如实以告。bioRxiv 没有关键词检索，仪器就不假装有：它精确返回所请求的时间窗，在客户端按类别过滤，窗口为空时直说，而不是编造预印本来填满。

当预印本已被发表，biorxiv_fetch 沿 DOI 跟进到定稿版本 —— 于是一旦存在，引用便指向经同行评审的论文，而非被取代的草稿。

Perslis 如何集成 OpenAlex

OpenAlex 是对旧有专有引文数据库的免费开放替代。它覆盖 2.5 亿余篇作品，附作者、venue、年份与引用元数据 —— 生物医学及其之外的一切。

在控制台上，openalex_search 查询语料，openalex_work 按编号解析单篇作品，返回让智能体权衡一个想法有多确立的元数据。

OpenAlex 是运行时的跨学科索引：PubMed 覆盖生物医学，但材料或物理问题需要更广的图，而 OpenAlex 无需付费墙或密钥即可提供。每篇作品都带着 OpenAlex 编号、以及已知时的 DOI —— 两者都能解析。

它与 Semantic Scholar 并肩作答，后者的正向引用图补足了 OpenAlex 的广度，于是一个问题同时给出一篇论文被引多少、以及谁在其基础上继续。

Perslis 如何集成 Semantic Scholar

Semantic Scholar 是艾伦研究所的学术图谱 —— 论文、摘要、引用数，以及颇具特色的正向引用边，让你沿时间向前追踪一条工作脉络。

在控制台上，semantic_scholar_search 查询论文，semantic_scholar_citations 返回引用了某篇论文的作品 —— 通往“接下来发生了什么”的最短路径。

它在控制台上的独特价值在于方向。给定一篇里程碑论文 —— 比如 AlphaFold 的 Nature 文章，DOI 10.1038/s41586-021-03819-2 —— 引用仪器向前行走到在其基础上继续的工作，把一条引用变成智能体可追随的活跃研究前沿。

未鉴权层受速率限制，运行时如实对待：被限流的调用被标为未验证，绝不悄悄丢弃或用猜测的数字填充。它与 OpenAlex 配对，后者的开放广度可补任何缺口。

Perslis 如何集成 UniProt

UniProt（UniProtKB）是专家审编的蛋白质知识库 —— 经审阅的条目，含功能、亚细胞定位、疾病关联、序列特征，以及到结构与基因组数据库的交叉引用。

在控制台上，uniprot_search 把名称或基因解析为编号，uniprot_entry 返回完整记录 —— 功能、疾病、结构域及其 PDB 结构清单 —— 钉在编号上。

UniProt 是蛋白质工作台的连接键。问起血红蛋白，Lois 把它解析为 P69905，随后这一个编号扇出：它的 PDB 交叉引用成为结构查询，它的序列成为 AlphaFold 模型，它的特征成为 InterPro 结构域。这些仪器能彼此对话，正因为它们共享 UniProt 这个锚。

审编的疾病文本 —— α-地中海贫血、Heinz 小体贫血 —— 逐字取自条目，绝不被改写成模型觉得更整洁的说法。UniProt 说了，控制台就说；它没说，控制台就不编。

Perslis 如何集成 RCSB PDB

RCSB PDB 是由 X 射线晶体学、冷冻电镜与 NMR 解析的大分子结构的全球库。每个条目记录了它如何被测定、分辨率几何。

在控制台上，pdb_search 查找结构，pdb_entry 返回单个结构 —— 方法、分辨率、分子量、主要文献（含 DOI 与 PMID）以及直接的 .pdb/.cif 下载链接。

PDB 是蛋白质的结构断言变得可核之处。一条 UniProt 条目列出其交叉引用的 PDB 编号；控制台沿其中之一直通 pdb_entry，分辨率与主要文献随之返回 —— 于是一个结构陈述始终带着背后的证据与论文。

实验结构被有意地与 AlphaFold 的预测同置一个工作台：智能体可将实测结构与预测结构对照，并从元数据看清孰为实测、孰为预测。

Perslis 如何集成 AlphaFold DB

AlphaFold DB（EMBL-EBI）托管 DeepMind 为 UniProt 蛋白质预测的三维结构，附每残基置信度（pLDDT）与预测对齐误差（PAE），量化每个区域的可靠程度。

在控制台上，alphafold_structure 接收一个 UniProt 编号，返回模型版本、平均 pLDDT，以及 CIF/PDB 坐标与 PAE 的下载 URL。

预测唯有附上置信度才有用，因此仪器绝不在不带 pLDDT 的情况下返回折叠。高分（血红蛋白为 98.06）说明模型可靠；低分则是一个警告，控制台原样传递，而非藏起。

由于 AlphaFold 与蛋白质工作台上的一切共用同一个 UniProt 编号，一个预测模型与一个实验 PDB 结构会为同一蛋白质自动对齐 —— 正是这个锚，让控制台能把实测与预测并排呈现。

Perslis 如何集成 InterPro

InterPro（EMBL-EBI）把十余个蛋白质签名数据库整合为一套分类 —— 家族、结构域、同源超家族与位点 —— 各带一个稳定的 InterPro 编号。

在控制台上，interpro_domains 返回匹配某 UniProt 蛋白质的条目，interpro_entry 解析单个 InterPro 编号。计数为零是一个真实结果，并如此报告。

如实返回零，正是要点所在。一个被问及某蛋白质有哪些结构域的模型，会不请自来地给出一个听起来自信的清单。InterPro 用查询替换那种猜测：血红蛋白返回 Globin 结构域及其超家族；一个未分类的蛋白质则一无所返，控制台便报告“无”，而非填补沉默。

以 UniProt 编号为键，InterPro 补全工作台所构建的蛋白质图景 —— 序列与疾病来自 UniProt，结构来自 PDB 与 AlphaFold，构成来自 InterPro，全部指向同一个锚。

Perslis 如何集成 Ensembl

Ensembl（EMBL-EBI）是人类及其它物种的注释参考基因组 —— 基因、转录本、坐标，以及到蛋白质与变异数据库的交叉引用，全部落在如 GRCh38 的指定组装版本上。

在控制台上，ensembl_gene 把符号解析为记录，ensembl_sequence 返回 FASTA，ensembl_xrefs 列出交叉引用 —— 把一个基因带向它的蛋白质与变异的链接。

Ensembl 是基因组的锚，正如 UniProt 是蛋白质的锚。在此解析的一个基因 —— HBA1 在 GRCh38 上解析为 ENSG00000206172 —— 随身带着组装版本，于是一个坐标始终指一个位置，交叉引用也能干净地交棒给 VEP（变异效应）、dbSNP（已知变异）与 NCBI（序列记录）。

每个字段都被钉住：基因编号、区间、规范转录本、组装版本。控制台上的基因组陈述都写明其坐标系，因为一个没有组装版本的位置，是一个可能出错的位置。

Perslis 如何集成 Ensembl VEP

Ensembl VEP 用其在所有重叠转录本上的预测分子后果、最严重后果，以及来自 SIFT 与 PolyPhen 的致病性预测来注释一个变异。

在控制台上，vep_consequences 接收 rsID 或 HGVS 记法，返回逐转录本的后果术语、影响等级与 SIFT/PolyPhen 分数 —— 一个预测，并被明确标注为预测。

VEP 是预测，控制台把这条边界划得清清楚楚。它把 SIFT 与 PolyPhen 分数作为计算估计返回，与 ClinVar 的专家临床分类相区别 —— 智能体把算法判断与审编判断看作两种不同证据，绝不合并成一个自信的裁决。

与 dbSNP 和 Ensembl 使用相同坐标，VEP 补全了变异三角：dbSNP 说变异存在，VEP 预测其效应，ClinVar 报告临床医生的结论。每个判断都标注“仅供研究使用”。

Perslis 如何集成 NCBI

NCBI 托管主要的核酸（nuccore）与蛋白质序列数据库 —— RefSeq 审编记录、GenBank 提交、RefSeqGene 条目 —— 是序列及其来源的权威存储。

在控制台上，ncbi_sequence_search 查询任一数据库并返回带标题与长度的编号；ncbi_fetch_sequence 取回其中之一的 FASTA 或 GenBank 记录。

NCBI 是原始序列保有其身份之处。检索血红蛋白基因返回 NG_059186.1 —— 一个带编号、长度、物种的 RefSeqGene —— 而非一串模型本可能编造的匿名碱基。编号就是收据。

它与锚定注释基因组的 Ensembl、锚定蛋白质的 UniProt 并置：NCBI 提供支撑二者的底层序列记录，于是控制台上的核酸或蛋白质序列总能追溯到一条已提交、有编号的条目。

Perslis 如何集成 ClinVar

ClinVar（NCBI）汇集对遗传变异临床意义的提交解读，并附审阅状态，说明每个分类受到多少审查。

在控制台上，clinvar_search 查找变异，clinvar_variant 返回其一 —— 分类、审阅状态、关联疾病与规范 SPDI —— 每个字段原样传递。

这是整个运行时最锋利的一处边界。一个被要求评判变异的语言模型，会欣然给出临床意见 —— 而对一位真实患者的变异而言，那是危险的。控制台禁止它：ClinVar 的分类逐字传递，附审阅状态，模型在结构上被禁止升级、降级或把它概括成一个裁决。

ClinVar 的临床判断与 VEP 的算法预测、dbSNP 的记录并置，让智能体把它们看作各自独立的证据 —— 审编的人类分类绝不与计算的猜测混为一谈。每个结果都标注“仅供研究使用，非医疗建议”。

Perslis 如何集成 dbSNP

dbSNP（NCBI）是短序列遗传变异（SNP 与小 indel）的参考档案 —— 各带稳定 rsID、映射位置、等位基因、功能类别及任何汇总的临床意义。

在控制台上，dbsnp_variant 接收一个 rsID（带或不带 rs 前缀），返回它在指定组装版本上的位置、基因、等位基因，以及其他仪器所消费的 HGVS 字符串。

dbSNP 是变异工作台的前门。在此解析的一个 rsID —— rs6025，凝血因子 V Leiden，位于 F5 基因 1:169,549,811 —— 随身带着组装版本与 HGVS 记法，可直接交给 VEP 预测效应、交给 ClinVar 作临床分类。一个标识符，三件仪器。

凡 dbSNP 汇总的临床意义，均逐字报告 —— 与 ClinVar 遵循的“绝不重新评级”规则相同 —— 并标注“仅供研究使用”。控制台上的变异总知道其坐标属于哪个基因组构建。

Perslis 如何集成 PubChem

PubChem（NCBI）是最大的开放化学数据库 —— 化合物附计算与审编属性：分子式、分子量、SMILES、InChIKey、XLogP 等，各在一个稳定 CID 之下。

在控制台上，pubchem_compound 把名称解析为记录，pubchem_compound_by_cid 按 CID 取回其一 —— 是每个下游化学步骤所依据的规范身份。

SMILES 字符串正是语言模型自信超越正确之处 —— 一个貌似合理的结构可能细微地错。PubChem 用解析替换生成：查阿司匹林，控制台返回 CID 2244 与真实 InChIKey，而非模型拼出的字符串。身份是被查出来的，绝非被编造。

那个经核实的身份是化学工作台的钥匙：同一化合物解析进 ChEMBL 查实测活性，进 KEGG 与 Reactome 查它作用的通路 —— 一个分子，被正确识别，横跨四个数据库。

Perslis 如何集成 ChEMBL

ChEMBL（EMBL-EBI）是人工审编的生物活性分子数据库 —— 结构、计算属性、临床开发阶段，以及取自文献、对生物靶点的实测活性（IC50、Ki、EC50）。

在控制台上，chembl_search 查找分子，chembl_bioactivity 返回某分子的实测活性 —— 每个都是带来源的实验值，而非估计。

效力数字，正是语言模型编造得最令人信服的那种听起来很具体的事实。ChEMBL 让这没有必要：阿司匹林解析为 CHEMBL25，附其真实分子量与最高临床阶段，任何活性值都作为绑定其实验的实测数据点返回 —— 绝非一个背后没有实验的貌似合理的数。

ChEMBL 经化合物身份汇入化学工作台：PubChem 定住分子是什么，ChEMBL 说它做什么，而它的靶点链接回到 UniProt 蛋白质 —— 正是结构工作台所依托的同一个锚。

Perslis 如何集成 KEGG

KEGG（京都基因与基因组百科全书）把基因组与分子信息连到更高阶的功能 —— 通路图，及填充其中的酶、化合物、疾病与药物，各带一个稳定的 KEGG 标识符。

在控制台上，kegg_search 查找条目，kegg_entry 取回某条目的完整平文件记录 —— 一条通路及其基因清单、化合物、模块与关联药物。

KEGG 把一个孤立分子变成一个过程中的位置。在 PubChem 识别的化合物、或来自 ChEMBL 的靶点，可被放到一条 KEGG 通路上 —— 糖酵解，hsa00010，附其酶基因、从葡萄糖到丙酮酸的化合物，以及作用于它的药物（mitapivat、etavopivat）—— 每个元素都带着 KEGG 编号。

KEGG 与 Reactome 共处通路工作台；二者对生物过程的审编方式不同，因此控制台两者并呈，而非把它们压成一个视图。每个条目都被钉住，于是一个通路断言解析到一条 KEGG 记录。

Perslis 如何集成 Reactome

Reactome 是一个开放、人工审编且经同行评审的人类通路与反应数据库 —— 分子事件被组织成可导航的层级，各带如 R-HSA-70171 的稳定标识符。

在控制台上，reactome_search 按名称或物种查询通路、反应与蛋白质，返回带稳定编号的条目 —— 是一个通路断言所解析的锚。

Reactome 与 KEGG 都映射生物过程，但审编方式不同 —— 反应级细节对通路图 —— 因此控制台两者并留，而非择一。关于糖酵解的问题返回 Reactome 的 R-HSA-70171 与 KEGG 的 hsa00010，智能体看到对同一生物学的两种独立审编。

由于 Reactome 的蛋白质带着 UniProt 编号，在此找到的通路能回到蛋白质工作台 —— 正是把结构、预测与结构域串起来的同一个锚，如今把一个蛋白质放进它参与的反应中。

直接计算仪器检索到的数据。

Biopython、pandas、SciPy、NumPy 与 RDKit 位于来源通道旁，因此序列和分子工作无需把证据复制到另一个应用中即可运行。它被如实标注：进程隔离，而非安全沙箱。

比会话活得更久的实验。

WetHands 运行最长 24 小时的受管理后台任务，具备进度保存、监控与取消功能。其文件操作限定在指定工作区内。同一任务契约也是 LIMS、电子实验记录本与仪器自动化 API 的集成面；不声称自主实验室。