9.6 KiB
Executable File
9.6 KiB
Executable File
基因家族分析论文结构化提取提示词
版本: v1.0 日期: 2026-03-15 用途: 使用LLM从PDF论文中提取70+维度结构化信息
系统提示
你是一个专业的生物信息学论文信息提取专家。你的任务是从基因家族分析论文中提取完整的结构化信息。
请严格按照指定的JSON格式输出，不要输出任何其他内容。
用户提示
请从以下论文中提取完整结构化信息。
## 论文内容（部分）：
{chunk_text}
## 请提取以下JSON格式（所有字段）：
{
"metadata": {
"species": "物种名称（中文+英文，如果有）",
"family": "基因家族名称（英文，如SPL、NLR等）",
"family_cn": "基因家族中文名称",
"journal": "期刊名",
"year": "年份（4位数字）",
"if": "影响因子（如果有）",
"pmid": "PMID编号（如果有）",
"doi": "DOI编号（如果有）",
"stages": ["使用的分析阶段列表"]
},
"analysis_methods": {
"standard_stages": {
"gene_identification": {
"method": "鉴定方法",
"tool": "使用的工具（如HMMER、BLAST）",
"database": "使用的数据库（如Pfam、CDD）",
"threshold": "阈值（如E-value<1e-5）",
"member_count": "鉴定到的成员数量"
},
"phylogeny": {
"software": "建树软件（如MEGA、iqtree、RAxML）",
"method": "建树方法（如NJ、ML、BI）",
"bootstrap": "bootstrap值",
"model": "进化模型",
"software_version": "软件版本"
},
"motif": {
"tool": "motif挖掘工具（如MEME）",
"nmotifs": "motif数量",
"minw": "最小宽度",
"maxw": "最大宽度",
"database": "motif数据库"
},
"domain": {
"database": "domain数据库（如InterPro、Pfam）",
"pfam_ids": ["PFAM ID列表"],
"cdd_ids": ["CDD ID列表"]
},
"gene_structure": {
"tool": "基因结构可视化工具（如GSDS）",
"exon_count_range": "外显子数量范围",
"intron_pattern": "内含子模式"
},
"promoter": {
"database": "启动子数据库（如PlantCARE、PLACE）",
"element_types": ["顺式元件类型"],
"length": "启动子分析长度（bp）"
},
"synteny": {
"tool": "共线性分析工具（如MCScanX）",
"score": "score参数",
"match_size": "match_size参数",
"max_gaps": "max_gaps参数",
"collinear_gene_pairs": "共线性基因对数"
},
"chromosome": {
"tool": "染色体定位可视化工具（如MG2C、TBtools）",
"distribution_pattern": "分布模式"
},
"comparative": {
"species_compared": ["比较的物种列表"],
"analysis_type": "比较分析类型"
},
"expression": {
"data_type": "数据类型（如RNA-seq、qRT-PCR）",
"data_source": "数据来源（如GEO、PRJNA）",
"accessions": ["数据编号列表"],
"tissues": ["分析的组织和部位"],
"treatments": ["处理条件"]
},
"functional_validation": {
"methods": ["使用的验证方法列表"],
"key_findings": "主要发现"
}
},
"protein_interaction": {
"analyzed": true,
"database": "PPI数据库（如String、BioGRID）",
"method": "预测/验证方法",
"interaction_count": "互作对数"
},
"subcellular": {
"analyzed": true,
"tool": "定位预测工具（如TargetP、WoLF PSORT）",
"predicted_localization": "预测的亚细胞定位"
},
"protein_structure": {
"analyzed": true,
"tool": "结构预测工具（如AlphaFold、SWISS-MODEL）",
"structure_type": "二级/三级结构"
},
"phosphorylation": {
"analyzed": true,
"tool": "磷酸化位点预测工具（如NetPhos）",
"sites_count": "预测位点数"
},
"mirna_targeting": {
"analyzed": true,
"tool": "miRNA靶向预测工具（如psRNATarget）",
"target_genes": ["靶基因列表"]
},
"tf_binding": {
"analyzed": true,
"database": "转录因子数据库（如PlantTFDB、JASPAR）",
"tf_families": ["TF家族列表"]
},
"ceRNA": {
"analyzed": true,
"description": "ceRNA网络描述"
},
"wgcna": {
"analyzed": true,
"power": "软阈值",
"min_module_size": "最小模块大小",
"module_count": "模块数量",
"key_modules": ["关键模块描述"]
},
"expression_clustering": {
"analyzed": true,
"method": "聚类方法（如k-means、层次聚类）",
"cluster_count": "聚类数"
},
"eqtl": {
"analyzed": true,
"description": "eQTL分析描述"
},
"methylation": {
"analyzed": true,
"data_type": "数据类型（如BS-seq）",
"context": "CG/CHG/CHH"
},
"histone_modification": {
"analyzed": true,
"modification_types": ["修饰类型（如H3K4me3）"]
},
"cnv": {
"analyzed": true,
"description": "拷贝数变异分析描述"
},
"domestication": {
"analyzed": true,
"description": "驯化选择分析描述"
},
"evolutionary_rate": {
"analyzed": true,
"tool": "工具（如KaKs_Calculator、PAML）",
"method": "方法（如NG、LWL、MLWL）"
}
},
"experimental_methods": {
"qRT_PCR": true,
"western_blot": true,
"fish": true,
"chip_seq": true,
"ip_coip": true,
"emsa": true,
"y1h": true,
"y2h": true,
"luc": true,
"crispr": true,
"rnai": true,
"agrobacterium": true,
"in_situ_hybridization": true
},
"databases_used": {
"genome": {
"name": "基因组数据库名",
"version": "版本号",
"species": "物种"
},
"protein": [
{"name": "数据库名", "version": "版本号"}
],
"transcription_factor": {
"name": "数据库名",
"version": "版本号"
},
"ppi": {
"name": "数据库名",
"version": "版本号"
},
"other_databases": ["其他使用的数据库"]
},
"tools_params": {
"hmmsearch": {"E_value": "1e-5", "domE": "0.01"},
"blast": {"evalue": "1e-5", "word_size": "3", "matrix": "BLOSUM62"},
"mega": {"bootstrap": 1000, "model": "LG+G", "method": "NJ"},
"iqtree": {"alrt": 1000, "bb": 1000, "model": "LG+F"},
"raxml": {"m": "PROTGAMMALG", "f": "a", "x": 12345, "N": 100},
"mcscanx": {"score": 50, "match_size": 5, "gap": -1, "max_gaps": 200},
"meme": {"nmotifs": 10, "minw": 6, "maxw": 50, "evt": 0.05},
"kaks_calculator": {"method": "NG"},
"tbtools": {"uses": ["功能1", "功能2"]},
"plantcare": {"analysis_length": 2000},
"targetp": {"organism": "plant"},
"wgcna": {"power": 20, "minModuleSize": 30, "mergeCutHeight": 0.25}
},
"public_data": [
{"accession": "GSE111937", "type": "RNA-seq", "description": "描述", "source_db": "GEO", "tissue": "组织", "treatment": "处理"}
],
"recommended_data": [
{"species": "物种", "family": "家族", "suggested_accessions": ["数据编号"], "reason": "推荐理由", "relevance": "高/中/低"}
],
"visualization": {
"phylogeny_tool": "FigTree/iTOL/MEGA",
"gene_structure_tool": "GSDS/TBtools",
"heatmap_tool": "TBtools/pheatmap",
"synteny_tool": "Circos/MCScanX",
"other_tools": ["其他工具"]
},
"entities": [
{"name": "基因/蛋白名称", "type": "gene/domain/database", "species": "物种", "description": "描述"}
],
"relations": [
{"source": "源实体", "target": "目标实体", "type": "关系类型", "description": "描述"}
],
"key_findings": {
"main_conclusions": ["主要结论1", "主要结论2"],
"innovations": ["创新点1", "创新点2"]
}
}
## 重要说明：
1. **所有字段都必须填写**，如果没有使用某个分析或工具，字段值为null或false
2. **public_data中的accession必须填写完整格式**（如GSE111937，不是111937）
3. **tools_params中的参数必须填写具体数值**，不要只写"默认参数"
4. **如果正则提取已经发现了一些数据编号，请在public_data中包含它们**
5. **只输出JSON，不要输出任何解释性文字**
6. **如果某项信息无法从论文中确定，字段值为null**
---
## 提取的30+分析维度清单（供检查）：
- [x] 基因鉴定 (gene_identification)
- [x] 系统进化 (phylogeny)
- [x] Motif分析 (motif)
- [x] Domain结构 (domain)
- [x] 基因结构 (gene_structure)
- [x] 启动子分析 (promoter)
- [x] 共线性分析 (synteny)
- [x] 染色体定位 (chromosome)
- [x] 物种间比较 (comparative)
- [x] 表达分析 (expression)
- [x] 功能验证 (functional_validation)
- [x] PPI网络 (protein_interaction)
- [x] 亚细胞定位 (subcellular)
- [x] 蛋白结构 (protein_structure)
- [x] 磷酸化位点 (phosphorylation)
- [x] miRNA靶向 (mirna_targeting)
- [x] TF结合 (tf_binding)
- [x] ceRNA网络 (ceRNA)
- [x] WGCNA共表达 (wgcna)
- [x] 表达聚类 (expression_clustering)
- [x] eQTL分析 (eqtl)
- [x] 甲基化 (methylation)
- [x] 组蛋白修饰 (histone_modification)
- [x] CNV分析 (cnv)
- [x] 驯化选择 (domestication)
- [x] 进化速率 (evolutionary_rate)
- [x] 实验技术 (experimental_methods) - 13种
- [x] 数据来源 (databases_used) - 6类
- [x] 工具参数 (tools_params) - 12+工具
- [x] 公共数据 (public_data)
- [x] 数据推荐 (recommended_data)
- [x] 可视化工具 (visualization)
- [x] 实体关系 (entities + relations)
- [x] 关键结论 (key_findings)
---