📦 项目概览

• SRAgent 自动化地搜索、提取并注释 10X Genomics 单细胞 RNA‑seq 数据，是构建 scBaseCamp 的关键基础设施之一

• scBaseCount（也称为 scBaseCamp） 确实是使用 SRAgent pipeline 自动化、统一地处理了 SRA 数据库中经过筛选的 10X Genomics 单细胞 RNA-seq 数据集，并进行了标准化。这是 Arc Institute 为了解决公共数据库中数据杂乱、不一致的问题而开发的一个大规模项目。

• SRAgent 是由 Arc Institute开发的 Python 工具包，用于与 NCBI Sequence Read Archive（SRA） 及其相关数据库协作，自动化数据检索和元数据提取流程 Github-SRAgent。

✨ 核心功能和代理模块

1. find-datasets 代理

• 功能：通过 esearch API 查询 SRA 中的数据集，基于文本搜索得到初步结果。

• 后续调用 SRX-info agent 以提取详细元数据信息。

• 支持筛选参数（如物种、最大数量、禁用摘要、使用已有数据库）

示例：

# Example accession conversion:
SRAgent entrez "Convert GSE121737 to SRX accessions"
# Example of summarizing a dataset:
SRAgent entrez "Summarize SRX4967527"

• SRAgent agent

## Example of summarizing a dataset
SRAgent sragent "Summarize SRX4967527"
## Example of obtaining metadata for a specific SRX accession:
SRAgent sragent "Obtain any available publications for GSE196830"
## Example of obtaining specific metadata fields for a dataset:
SRAgent sragent "Which 10X Genomics technology was used for ERX11887200?"

• SRX-info agent
  (Obtain specific metadata for >=1 SRA dataset.)

  • 输入 Entrez ID
  • 输出 SRX 和 SRR accession;是否是 Illumina，是否为单细胞 RNA-seq，是否为 paired-end，10X 技术细节等; 物种、组织类型（带 Uberon ontology）、病情/处理信息、细胞系等

# A single SRA dataset:
SRAgent srx-info 25576380

# Multiple SRA datasets:
SRAgent srx-info 36106630 32664033 27694586

#Use the SQL database to filter out already-processed datasets:
SRAgent srx-info --use-database 18060880 27454880 27454942 27694586

• Metadata agent

  • 接受 Entrez ID 与 SRX accession 对应的 CSV 文件，快速获取元数据，跳过 Entrez→SRX 转换流程，提升效率

SRAgent metadata "entrez-id_srx-accession.csv"

• tissue‑ontology

  • 使用 Uberon 本体，将自然语言描述的组织／器官映射为标准化的 Uberon ID，如 brain → UBERON:000095。

  • 支持输入多个组织描述并对应输出 ID

## Categorize a single tissue:
SRAgent tissue-ontology "Categorize the following tissue: brain"

## Categorize multiple tissues:
SRAgent tissue-ontology "Tissues: lung, heart, liver"

## Finding ontology terms for complex tissue descriptions:
SRAgent tissue-ontology "Find the ontology term for the thin layer of epithelial cells lining the alveoli in lungs"

• disease‑ontology agent

  • 类似 tissue 本体模块，但使用的是 MONDO / PATO 疾病本体，能够将自由文本描述的疾病映射为 MONDO 标准 ID
    输入：一种或多种疾病的自由文本描述
    输出：每个疾病描述的 MONDO/PATO 本体 ID

## Categorize a single disease:
SRAgent disease-ontology "Categorize the following disease: heart disorder"
## Finding ontology terms for specific diseases:
SRAgent disease-ontology "What is the MONDO ontology ID for congestive heart failure?"
## Categorize multiple diseases:
SRAgent disease-ontology "Diseases: heart neoplasm, bursitis"

• find-datasets agent
  • 一种高级代理，用于通过esearch在 SRA 中查找数据集，然后使用 SRX-info 代理进行处理。

SRAgent find-datasets --max-datasets 2 \
  "Obtain recent single cell RNA-seq datasets in the SRA database"
## Target specific organisms
SRAgent --no-summaries \
  find-datasets --max-datasets 1 --organisms pig -- \
    "Obtain recent single cell RNA-seq datasets in the SRA database"

📊 总结概览

✅ 适用场景与价值

• 对科研人员：帮助快速获取与标准化处理 SRA 中的单细胞数据集，节省手动检索和注释时间。

• 对生物信息平台：支持可规模化的数据自动化构建与本体标注流程。

• 系统集成者：可与数据库、分析 pipeline 无缝对接，用于评估、建库或机器学习任务。

整体而言，SRAgent 是一个为科研人员量身打造的、高度模块化的LLM 驱动型工具，可以自动处理 SRA 中单细胞测序数据的发现、注释与本体映射任务，已在 Arc Institute 的 scBaseCamp 工程中承担核心作用。