String Database

Banco de Dados STRING

Visão Geral

STRING é um banco de dados abrangente de interações proteína-proteína conhecidas e preditas, cobrindo 59M proteínas e 20B+ interações em 5000+ organismos. Consulte redes de interação, execute análise de enriquecimento funcional, descubra parceiros via REST API para biologia de sistemas e análise de vias.

Quando Usar Esta Habilidade

Esta habilidade deve ser usada quando:

• Recuperar redes de interação proteína-proteína para uma ou múltiplas proteínas
• Executar análise de enriquecimento funcional (GO, KEGG, Pfam) em listas de proteínas
• Descobrir parceiros de interação e expandir redes de proteínas
• Testar se proteínas formam módulos funcionais significativamente enriquecidos
• Gerar visualizações de rede com coloração baseada em evidência
• Analisar homologia e relações de família de proteínas
• Conduzir comparações de interação proteína entre espécies
• Identificar proteínas hub e padrões de conectividade de rede

Início Rápido

A habilidade fornece:

1. Funções auxiliares Python (scripts/string_api.py) para todas as operações REST API do STRING
2. Documentação de referência abrangente (references/string_reference.md) com especificações detalhadas de API

Quando usuários solicitarem dados STRING, determine qual operação é necessária e use a função apropriada de scripts/string_api.py.

Operações Principais

1. Mapeamento de Identificadores (string_map_ids)

Converta nomes de genes, nomes de proteínas e IDs externos para identificadores STRING.

Quando usar: Iniciando qualquer análise STRING, validando nomes de proteínas, encontrando identificadores canônicos.

Uso:

from scripts.string_api import string_map_ids

# Mapear proteína única
result = string_map_ids('TP53', species=9606)

# Mapear múltiplas proteínas
result = string_map_ids(['TP53', 'BRCA1', 'EGFR', 'MDM2'], species=9606)

# Mapear com múltiplas correspondências por consulta
result = string_map_ids('p53', species=9606, limit=5)

Parâmetros:

• species: ID de táxon NCBI (9606 = humano, 10090 = camundongo, 7227 = mosca)
• limit: Número de correspondências por identificador (padrão: 1)
• echo_query: Incluir termo de consulta na saída (padrão: 1)

Melhor prática: Sempre mapeie identificadores primeiro para consultas subsequentes mais rápidas.

2. Recuperação de Rede (string_network)

Obtenha dados de rede de interação proteína-proteína em formato tabular.

Quando usar: Construindo redes de interação, analisando conectividade, recuperando evidência de interação.

Uso:

from scripts.string_api import string_network

# Obter rede para proteína única
network = string_network('9606.ENSP00000269305', species=9606)

# Obter rede com múltiplas proteínas
proteins = ['9606.ENSP00000269305', '9606.ENSP00000275493']
network = string_network(proteins, required_score=700)

# Expandir rede com interatores adicionais
network = string_network('TP53', species=9606, add_nodes=10, required_score=400)

# Apenas interações físicas
network = string_network('TP53', species=9606, network_type='physical')

Parâmetros:

• required_score: Limiar de confiança (0-1000)
  • 150: confiança baixa (exploratória)
  • 400: confiança média (padrão, análise padrão)
  • 700: confiança alta (conservadora)
  • 900: confiança mais alta (muito rigorosa)
• network_type: 'functional' (todas as evidências, padrão) ou 'physical' (apenas ligação direta)
• add_nodes: Adicionar N proteínas mais conectadas (0-10)

Colunas de saída: Pares de interação, pontuações de confiança e pontuações de evidência individual (vizinhança, fusão, coexpressão, experimental, banco de dados, mineração de texto).

3. Visualização de Rede (string_network_image)

Gere visualização de rede como imagem PNG.

Quando usar: Criando figuras, exploração visual, apresentações.

Uso:

from scripts.string_api import string_network_image

# Obter imagem de rede
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1']
img_data = string_network_image(proteins, species=9606, required_score=700)

# Salvar imagem
with open('network.png', 'wb') as f:
    f.write(img_data)

# Rede colorida por evidência
img = string_network_image(proteins, species=9606, network_flavor='evidence')

# Visualização baseada em confiança
img = string_network_image(proteins, species=9606, network_flavor='confidence')

# Rede de ações (ativação/inibição)
img = string_network_image(proteins, species=9606, network_flavor='actions')

Sabores de rede:

• 'evidence': Linhas coloridas mostram tipos de evidência (padrão)
• 'confidence': A espessura da linha representa confiança
• 'actions': Mostra relações de ativação/inibição

4. Parceiros de Interação (string_interaction_partners)

Encontre todas as proteínas que interagem com proteína(s) fornecida(s).

Quando usar: Descobrindo novas interações, encontrando proteínas hub, expandindo redes.

Uso:

from scripts.string_api import string_interaction_partners

# Obter top 10 interatores de TP53
partners = string_interaction_partners('TP53', species=9606, limit=10)

# Obter interatores de alta confiança
partners = string_interaction_partners('TP53', species=9606,
                                      limit=20, required_score=700)

# Encontrar interatores para múltiplas proteínas
partners = string_interaction_partners(['TP53', 'MDM2'],
                                      species=9606, limit=15)

Parâmetros:

• limit: Número máximo de parceiros a retornar (padrão: 10)
• required_score: Limiar de confiança (0-1000)

Casos de uso:

• Identificação de proteína hub
• Expansão de rede a partir de proteínas sementes
• Descoberta de conexões indiretas

5. Enriquecimento Funcional (string_enrichment)

Execute análise de enriquecimento em Gene Ontology, vias KEGG, domínios Pfam e mais.

Quando usar: Interpretando listas de proteínas, análise de vias, caracterização funcional, entendendo processos biológicos.

Uso:

from scripts.string_enrichment import string_enrichment

# Enriquecimento para lista de proteínas
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1', 'ATR', 'TP73']
enrichment = string_enrichment(proteins, species=9606)

# Analisar resultados para encontrar termos significativos
import pandas as pd
df = pd.read_csv(io.StringIO(enrichment), sep='\t')
significant = df[df['fdr'] < 0.05]

Categorias de enriquecimento:

• Gene Ontology: Processo Biológico, Função Molecular, Componente Celular
• Vias KEGG: Vias metabólicas e de sinalização
• Pfam: Domínios de proteína
• InterPro: Famílias e domínios de proteína
• SMART: Arquitetura de domínio
• Palavras-chave UniProt: Palavras-chave funcionais curadas

Colunas de saída:

• category: Banco de dados de anotação (ex.: "KEGG Pathways", "GO Biological Process")
• term: Identificador de termo
• description: Descrição legível do termo
• number_of_genes: Proteínas de entrada com esta anotação
• p_value: Valor p de enriquecimento não corrigido
• fdr: Taxa de descoberta falsa (valor p corrigido)

Método estatístico: Teste exato de Fisher com correção FDR de Benjamini-Hochberg.

Interpretação: FDR < 0,05 indica enriquecimento estatisticamente significativo.

6. Enriquecimento de PPI (string_ppi_enrichment)

Teste se uma rede de proteína tem significativamente mais interações do que o esperado pelo acaso.

Quando usar: Validando se proteínas formam módulo funcional, testando conectividade de rede.

Uso:

from scripts.string_api import string_ppi_enrichment
import json

# Testar conectividade de rede
proteins = ['TP53', 'MDM2', 'ATM', 'CHEK2', 'BRCA1']
result = string_ppi_enrichment(proteins, species=9606, required_score=400)

# Analisar resultado JSON
data = json.loads(result)
print(f"Arestas observadas: {data['number_of_edges']}")
print(f"Arestas esperadas: {data['expected_number_of_edges']}")
print(f"Valor p: {data['p_value']}")

Campos de saída:

• number_of_nodes: Proteínas na rede
• number_of_edges: Interações observadas
• expected_number_of_edges: Esperadas em rede aleatória
• p_value: Significância estatística

Interpretação:

• valor p < 0,05: Rede é significativamente enriquecida (proteínas provavelmente formam módulo funcional)
• valor p ≥ 0,05: Sem enriquecimento significativo (proteínas podem ser não relacionadas)

7. Pontuações de Homologia (string_homology)

Recupere informações de similaridade de proteína e homologia.

Quando usar: Identificando famílias de proteínas, análise de paráloga, comparações entre espécies.

Uso:

from scripts.string_api import string_homology

# Obter homologia entre proteínas
proteins = ['TP53', 'TP63', 'TP73']  # família p53
homology = string_homology(proteins, species=9606)

Casos de uso:

• Identificação de família de proteína
• Descoberta de paráloga
• Análise evolutiva

8. Informações de Versão (string_version)

Obtenha versão atual do banco de dados STRING.

Quando usar: Garantindo reprodutibilidade, documentando métodos.

Uso:

from scripts.string_api import string_version

version = string_version()
print(f"Versão STRING: {version}")

Fluxos de Trabalho Comuns

Fluxo de Trabalho 1: Análise de Lista de Proteínas (Fluxo de Trabalho Padrão)

Caso de uso: Analisar lista de proteínas de experimento (ex.: expressão diferencial, proteômica).

from scripts.string_api import (string_map_ids, string_network,
                                string_enrichment, string_ppi_enrichment,
                                string_network_image)

# Etapa 1: Mapear nomes de genes para IDs STRING
gene_list = ['TP53', 'BRCA1', 'ATM', 'CHEK2', 'MDM2', 'ATR', 'BRCA2']
mapping = string_map_ids(gene_list, species=9606)

# Etapa 2: Obter rede de interação
network = string_network(gene_list, species=9606, required_score=400)

# Etapa 3: Testar se rede é enriquecida
ppi_result = string_ppi_enrichment(gene_list, species=9606)

# Etapa 4: Executar enriquecimento funcional
enrichment = string_enrichment(gene_list, species=9606)

# Etapa 5: Gerar visualização de rede
img = string_network_image(gene_list, species=9606,
                          network_flavor='evidence', required_score=400)
with open('protein_network.png', 'wb') as f:
    f.write(img)

# Etapa 6: Analisar e interpretar resultados

Fluxo de Trabalho 2: Investigação de Proteína Única

Caso de uso: Investigação profunda nas interações e parceiros de uma proteína.

from scripts.string_api import (string_map_ids, string_interaction_partners,
                                string_network_image)

# Etapa 1: Mapear nome de proteína
protein = 'TP53'
mapping = string_map_ids(protein, species=9606)

# Etapa 2: Obter todos os parceiros de interação
partners = string_interaction_partners(protein, species=9606,
                                      limit=20, required_score=700)

# Etapa 3: Visualizar rede expandida
img = string_network_image(protein, species=9606, add_nodes=15,
                          network_flavor='confidence', required_score=700)
with open('tp53_network.png', 'wb') as f:
    f.write(img)

Fluxo de Trabalho 3: Análise Centrada em Vias

Caso de uso: Identificar e visualizar proteínas em uma via biológica específica.

from scripts.string_api import string_enrichment, string_network

# Etapa 1: Começar com proteínas conhecidas de via
dna_repair_proteins = ['TP53', 'ATM', 'ATR', 'CHEK1', 'CHEK2',
                       'BRCA1', 'BRCA2', 'RAD51', 'XRCC1']

# Etapa 2: Obter rede
network = string_network(dna_repair_proteins, species=9606,
                        required_score=700, add_nodes=5)

# Etapa 3: Enriquecimento para confirmar anotação de via
enrichment = string_enrichment(dna_repair_proteins, species=9606)

# Etapa 4: Analisar enriquecimento para vias de reparo de DNA
import pandas as pd
import io
df = pd.read_csv(io.StringIO(enrichment), sep='\t')
dna_repair = df[df['description'].str.contains('DNA repair', case=False)]

Fluxo de Trabalho 4: Análise Entre Espécies

Caso de uso: Comparar interações de proteína entre diferentes organismos.

from scripts.string_api import string_network

# Rede humana
human_network = string_network('TP53', species=9606, required_score=700)

# Rede de camundongo
mouse_network = string_network('Trp53', species=10090, required_score=700)

# Rede de levedura (se ortólogo existir)
yeast_network = string_network('gene_name', species=4932, required_score=700)

Fluxo de Trabalho 5: Expansão de Rede e Descoberta

Caso de uso: Começar com proteínas sementes e descobrir módulos funcionais conectados.

from scripts.string_api import (string_interaction_partners, string_network,
                                string_enrichment)

# Etapa 1: Começar com proteína(s) semente
seed_proteins = ['TP53']

# Etapa 2: Obter interatores de primeiro grau
partners = string_interaction_partners(seed_proteins, species=9606,
                                      limit=30, required_score=700)

# Etapa 3: Analisar parceiros para obter lista de proteína
import pandas as pd
import io
df = pd.read_csv(io.StringIO(partners), sep='\t')
all_proteins = list(set(df['preferredName_A'].tolist() +
                       df['preferredName_B'].tolist()))

# Etapa 4: Executar enriquecimento em rede expandida
enrichment = string_enrichment(all_proteins[:50], species=9606)

# Etapa 5: Filtrar para módulos funcionais interessantes
enrichment_df = pd.read_csv(io.StringIO(enrichment), sep='\t')
modules = enrichment_df[enrichment_df['fdr'] < 0.001]

Espécies Comuns

Ao especificar espécies, use IDs de táxon NCBI:

Lista completa disponível em: https://string-db.org/cgi/input?input_page_active_form=organisms

Entendendo Pontuações de Confiança

STRING fornece pontuações de confiança combinadas (0-1000) integrando múltiplos tipos de evidência:

Canais de Evidência

1. Vizinhança (nscore): Vizinhança genômica conservada entre espécies
2. Fusão (fscore): Eventos de fusão gênica
3. Perfil Filogenético (pscore): Padrões de co-ocorrência entre espécies
4. Coexpressão (ascore): Expressão de RNA correlacionada
5. Experimental (escore): Experimentos bioquímicos e genéticos
6. Banco de Dados (dscore): Vias curadas e bancos de dados de complexos
7. Mineração de Texto (tscore): Co-ocorrência em literatura e extração por PNL

Limiares Recomendados

Escolha limiar baseado nos objetivos de análise:

• 150 (confiança baixa): Análise exploratória, geração de hipóteses
• 400 (confiança média): Análise padrão, sensibilidade/especificidade equilibrada
• 700 (confiança alta): Análise conservadora, interações de alta confiança
• 900 (confiança mais alta): Muito rigoroso, evidência experimental preferida

Compensações:

• Limiares mais baixos: Mais interações (recall mais alto, mais falsos positivos)
• Limiares mais altos: Menos interações (precisão mais alta, mais falsos negativos)

Tipos de Rede

Redes Funcionais (Padrão)

Inclui todos os tipos de evidência (experimental, computacional, mineração de texto). Representa proteínas que são funcionalmente associadas, mesmo sem ligação física direta.

Quando usar:

• Análise de vias
• Estudos de enriquecimento funcional
• Biologia de sistemas
• Maioria das análises gerais

Redes Físicas

Inclui apenas evidência de ligação física direta (dados experimentais e anotações de banco de dados para interações físicas).

Quando usar:

• Estudos de biologia estrutural
• Análise de complexo de proteína
• Validação de ligação direta
• Quando contato físico é necessário

Melhores Práticas de API

1. Sempre mapeie identificadores primeiro: Use string_map_ids() antes de outras operações para consultas mais rápidas
2. Use IDs STRING quando possível: Use formato 9606.ENSP00000269305 em vez de nomes de genes
3. Especifique espécie para redes >10 proteínas: Obrigatório para resultados precisos
4. Respeite limites de taxa: Aguarde 1 segundo entre chamadas de API
5. Use URLs versionadas para reprodutibilidade: Disponível na documentação de referência
6. Trate erros com elegância: Verifique prefixo "Error:" em strings retornadas
7. Escolha limiares de confiança apropriados: Combine limiar com objetivos de análise

Referência Detalhada

Para documentação abrangente de API, listas completas de parâmetros, formatos de saída e uso avançado, consulte references/string_reference.md. Isso inclui:

• Especificações completas de endpoint de API
• Todos os formatos de saída suportados (TSV, JSON, XML, PSI-MI)
• Recursos avançados (upload em massa, enriquecimento de valores/ranks)
• Tratamento de erros e troubleshooting
• Integração com outras ferramentas (Cytoscape, R, bibliotecas Python)
• Licença de dados e informações de citação

Troubleshooting

Nenhuma proteína encontrada:

• Verifique se parâmetro species corresponde aos identificadores
• Tente mapear identificadores primeiro com string_map_ids()
• Verifique erros de digitação em nomes de proteínas

Resultados de rede vazios:

• Diminua limiar de confiança (required_score)
• Verifique se proteínas realmente interagem
• Verifique se species está correto

Timeout ou consultas lentas:

• Reduza número de proteínas de entrada
• Use IDs STRING em vez de nomes de genes
• Divida consultas grandes em lotes

Erro "Species required":

• Adicione parâmetro species para redes com >10 proteínas
• Sempre inclua species para consistência

Resultados parecem inesperados:

• Verifique versão STRING com string_version()
• Verifique se network_type é apropriado (funcional vs físico)
• Revise seleção de limiar de confiança

Recursos Adicionais

Para análise em escala de proteoma ou upload completo de rede de espécie:

• Visite https://string-db.org
• Use recurso "Upload proteome"
• STRING gerará rede de interação completa e preverá funções

Para downloads em massa de conjuntos de dados completos:

• Página de download: https://string-db.org/cgi/download
• Inclui arquivos de interação completos, anotações de proteína e mapeamentos de vias

Licença de Dados

Os dados STRING estão livremente disponíveis sob licença Creative Commons BY 4.0:

• Livre para uso acadêmico e comercial
• Atribuição necessária ao publicar
• Cite publicação STRING mais recente

Citação

Ao usar STRING em publicações, cite a publicação mais recente em: https://string-db.org/cgi/about