---
name: metabolomics-workbench-database
description: Access NIH Metabolomics W或kbench via REST API (4,200+ studies). Query metabolites, RefMet nomenclature, MS/NMR data, m/z searches, study metadata, 用于 metabolomics 和 biomarker discovery.
license: Unknown
metadata:
    skill-author: K-Dense Inc.
---






# Metabolomics Workbench数据库

## 概述

Metabolomics Workbench是美国NIH支持的代谢组学数据库和资源平台。它提供了代谢物数据、实验数据、分析工具、代谢通路和文献资源。该平台支持代谢物鉴定、定量分析、代谢通路分析、数据上传和共享，并整合了HMDB、KEGG、PubChem等数据库，提供REST API和Web界面访问。

## 核心能力

### 1. 代谢物数据库

- **代谢物信息**：代谢物名称、结构、性质
- **代谢物鉴定**：基于质谱和NMR的代谢物鉴定
- **代谢物定量**：定量代谢组学数据
- **代谢物分类**：按化学类别和生物途径分类

### 2. 实验数据

- **研究数据**：公开可用的代谢组学研究数据
- **实验设计**：实验设计和方法学信息
- **原始数据**：原始质谱和NMR数据
- **处理数据**：经过处理和注释的数据

### 3. 分析工具

- **代谢物鉴定**：基于质谱和NMR的代谢物鉴定工具
- **定量分析**：代谢物定量分析工具
- **统计分析**：差异分析、聚类分析、PCA等
- **通路分析**：代谢通路富集分析

### 4. 代谢通路

- **通路映射**：代谢物到代谢通路的映射
- **通路富集**：代谢通路富集分析
- **通路可视化**：代谢通路可视化工具
- **通路比较**：跨条件或物种的通路比较

### 5. 文献资源

- **文献检索**：代谢组学相关文献检索
- **文献注释**：文献的代谢物和通路注释
- **文献关联**：文献与代谢物和通路的关联

## 何时使用此技能

此技能应在以下情况下使用：查询代谢物结构、访问研究数据、标准化命名、执行质谱搜索，或通过 Metabolomics Workbench REST API 检索基因/蛋白质-代谢物关联。

在以下情况下使用此技能：
- 查询代谢物信息和性质
- 进行代谢物鉴定
- 访问代谢组学实验数据
- 进行代谢通路分析
- 使用代谢组学分析工具
- 上传和共享代谢组学数据
- 检索代谢组学文献
- 整合多个代谢组学数据库
- 标准化代谢物命名（使用RefMet）
- 访问基因和蛋白质信息

## API访问

Metabolomics Workbench提供REST API用于程序化访问。

### 基本端点

```
https://www.metabolomicsworkbench.org/rest/
```

### 常用端点

- `/study/study_id` - 获取研究信息
- `/study/study_id/analysis` - 获取分析信息
- `/compound/compound_id` - 获取代谢物信息
- `/compound/name` - 按名称搜索代谢物
- `/pathway/pathway_id` - 获取通路信息
- `/pathway/compound_id` - 获取代谢物的通路

## 使用示例

### 查询研究信息

```python
import requests

# 查询研究信息
study_id = "ST000001"
url = f"https://www.metabolomicsworkbench.org/rest/study/{study_id}"
response = requests.get(url)
study_data = response.json()

print(f"研究标题: {study_data['study_title']}")
print(f"研究描述: {study_data['study_description']}")
```

### 查询代谢物信息

```python
# 查询代谢物信息
compound_name = "glucose"
url = f"https://www.metabolomicsworkbench.org/rest/compound/{compound_name}"
response = requests.get(url)
compound_data = response.json()

print(f"代谢物名称: {compound_data['name']}")
print(f"代谢物ID: {compound_data['inchikey']}")
```

### 查询代谢通路

```python
# 查询代谢通路
pathway_id = "PWY-5415"
url = f"https://www.metabolomicsworkbench.org/rest/pathway/{pathway_id}"
response = requests.get(url)
pathway_data = response.json()

print(f"通路名称: {pathway_data['name']}")
print(f"通路描述: {pathway_data['description']}")
```

### 搜索代谢物

```python
# 搜索代谢物
search_term = "glucose"
url = f"https://www.metabolomicsworkbench.org/rest/compound/search/{search_term}"
response = requests.get(url)
results = response.json()

for compound in results:
    print(f"名称: {compound['name']}, ID: {compound['inchikey']}")
```

## 数据格式

### 代谢物数据

- **InChIKey**：国际化学标识符
- **SMILES**：简化分子线性输入规范
- **分子量**：分子量
- **化学式**：化学式
- **分类**：化学类别和生物途径

### 实验数据

- **研究ID**：研究标识符
- **分析ID**：分析标识符
- **样本ID**：样本标识符
- **代谢物ID**：代谢物标识符
- **定量值**：代谢物定量值

## 数据格式

API 支持两种主要输出格式：
- **JSON**（默认）：机器可读格式，非常适合程序化访问
- **TXT**：人类可读的制表符分隔文本格式

通过在 API URL 后附加 `/json` 或 `/txt` 来指定格式。当省略格式时，默认返回 JSON。

## 最佳实践

1. **使用 RefMet 进行标准化**：在搜索研究之前，始终通过 RefMet 标准化代谢物名称以确保命名一致

2. **指定适当的加合离子**：执行 m/z 搜索时，使用与您的分析方法正确的离子加合类型（例如，正离子模式 ESI 的 M+H）

3. **设置合理的容差**：使用适当的质谱容差值（低分辨率通常为 0.5 Da，高分辨率为 0.01 Da）

4. **缓存参考数据**：考虑缓存常用参考数据（RefMet 数据库、化合物信息）以减少 API 调用

5. **处理分页**：对于大型结果集，准备好处理响应中的多个数据结构

6. **验证标识符**：尽可能交叉验证多个数据库中的代谢物标识符以确保正确的化合物鉴定

1. **使用标准标识符**：使用InChIKey、HMDB ID等标准标识符
2. **验证数据**：验证查询结果的准确性和完整性
3. **理解数据格式**：理解数据格式和结构
4. **使用API限制**：遵守API速率限制和使用政策
5. **缓存结果**：缓存常用查询结果以提高性能
6. **处理分页**：处理大型结果集的分页
7. **错误处理**：实现适当的错误处理和重试逻辑

## 常见问题

**Q: Metabolomics Workbench支持哪些代谢物？**
A: 支持各种代谢物，包括氨基酸、脂质、碳水化合物等。

**Q: 如何上传数据到Metabolomics Workbench？**
A: 通过Web界面或API上传数据。

**Q: Metabolomics Workbench的数据来源是什么？**
A: 数据来自公开的代谢组学研究和公共数据库。

**Q: 如何进行代谢通路分析？**
A: 使用通路分析工具或API进行代谢通路分析。

## 资源

- **Metabolomics Workbench官网**：https://www.metabolomicsworkbench.org
- **API文档**：https://www.metabolomicsworkbench.org/rest
- **GitHub**：https://github.com/MetabolomicsWorkBench