育仁930

青

使用3天感受：Zotero+Obsidian联动可以给到夯! AI部分目前感觉有些鸡肋，一方面可能配置的模型还不够聪明，另一方面目前的OB库还没有完全覆盖我自己的认知范围，信息源太狭窄。

青

@西交09leepei 好呀好呀！我的微信id: wangxyyy621

青

哈喽大家好！我是青医16级王雪妍，现在香港大学生物医学phd-year2。
在过去的这个小假期，我迭代了本地的 AI 科研工作流，将 Obsidian、Zotero 与 Claude Code 进行了深度整合。
对于AI，之前一直在担心的两个问题，通过这套工作流中得到了一定程度的解决：

AI幻觉：无法确定信息源的准确性
Agent对本地文件安全性的威胁

简单来说，这套工作流解决的核心痛点是：看过的 PDF 散落在各处难以串联，且传统的 AI 对话每次都会“失忆”。通过这套工作流，我们可以实现：Zotero阅读时天马行空的想法，落实成Obsidian中具体的条目笔记（天然markdown环境），最后Claude把你的思路整理规划。所有的思考还可以是你自己的，并不是让AI代替你思考，而是让它帮你理清思路。这样在阅读时，不必顾虑后续再怎么捡起来这些想法，可以肆无忌惮地思考然后标注，剩下的总结归纳就通过和Claude问答的形式实现。

以下是我使用notebookLM协助我整理的安装手册：

第一阶段：基础环境

Obsidian 初始化
去官网下载 Obsidian，新建一个专门的 Vault（知识库文件夹）。
进入设置，关闭安全模式，开启社区插件（Community Plugins）。
安装必备插件：Terminal 和 Templater 并启用。
在“核心插件”中开启 Web Viewer（网页视图），方便在笔记内直接查阅网页。
Node.js 环境
下载安装 Node.js 后，在 Windows PowerShell 输入 node -v 和 npm -v 检查版本。

第二阶段：构建 Zotero 与 Obsidian 的联动

Zotero 端配置
在 Zotero 中安装 Better BibTex 插件，这能为每一篇文献自动生成类似于“作者+短标题+年份”的唯一 Citation Key（引用键）。
建立你自己的颜色高亮系统，例如：黄色代表核心观点、绿色代表赞同并准备引用、红色代表存疑或不同意、紫色代表章节标题。
Obsidian 端配置与导入机制
在 Obsidian 社区插件中下载并启用三个核心插件：Zotero Integration、Highlighter 和 Templater。
在 Highlighter 插件中，配置与你 Zotero 中完全一致的自定义颜色（如 red, yellow, green 等）。
利用 Templater 编写导入模板（使用 Nunjucks 语法）。在模板中设定提取文献的标题、年份、作者等元数据，并写一个循环（For Loop）自动抓取所有高亮和批注。
核心优势：通过 Zotero Integration 导入的笔记中，每一条高亮都会保留原来的颜色，并且附带一个精准的 PDF 返回链接。日后你或 AI 在 Obsidian 里分析文献时，随时点击链接就能瞬间跳回 Zotero 中对应的 PDF 原文页面查看上下文。

第三阶段：建立“左右脑”隔离架构（保护个人思想）
为了防止 AI 助理在归档或总结时篡改你真实的思考，知识库必须物理隔离。

划分边界
人类端（左脑）：集中存放你的个人思考、日记以及刚刚从 Zotero 导出的纯净文献笔记。
机器端（右脑/Machine）：专门存放 AI 生成的研究报告、代码脚本、思维导图等。
固化“最高行为准则”
在 Terminal 插件中输入 /init，在根目录生成 claude.md（AI的系统大脑）。
在对话框中对 Claude 下达指令：“请更新 claude.md，你可以随时读取整个知识库获取上下文，但绝对不能在‘人类端’文件中写入或修改我的原话。你生成的所有内容只能保存在‘Machine’专属文件夹内。”
AI 听懂后会自动更新配置，从此成为安分守己的助理。

第四阶段：接入高性价比 AI 与专属对话界面

手动安装 Claudian 插件
前往 GitHub 搜索 Claudian，下载 main.js, manifest.json, styles.css。
在 .obsidian/plugins 目录下新建 claudian 文件夹并放入上述文件，重启 Obsidian 启用插件。
替换国产大模型引擎
在 Claudian 插件底部的“自定义变量”模块，填入 DeepSeek 或智谱 GLM 等兼容 Anthropic API 格式的国产大模型信息（URL、API Key、模型名称）。
通过 Ctrl+P 打开 "Open Chat View"，发送“你好”测试秒回即可。

第五阶段：装备 K-Dense 科研专属技能包 (Claude Scientific Skills)
普通 AI 只能聊天，但注入 Skills 后，它能直接调用科研级工具库。

什么是 K-Dense Scientific Skills？
这是一个包含了 134 种开箱即用科研技能的超级工具包，专门为科研工作者打造：包含 100+ 个科研与金融数据库查询技能（如 PubMed, PubChem, UniProt, ClinicalTrials.gov, COSMIC 等），无需手动查阅 API 文档。
70+ 专业 Python 库优化：为 RDKit、Scanpy、PyTorch、BioPython 等硬核工具库提供了极其明确的操作规范和示例代码。
学术沟通流：具备一键生成 LaTeX 海报、文献审查、同行评审甚至生成可发表级别信息图表的能力。
安装与配置
前往 GitHub (K-Dense-AI/claude-scientific-skills) 下载仓库。你可以将下载好的 skills 文件夹直接放入你的 .claude 目录中，或者运行他们提供的 Python 安装脚本进行安装。
(注：该仓库还包含了诸如生成 Obsidian / Mermaid 图表的分析工具，与我们的本地工作流完美契合。)
解决中英指令触发误差
为了让大模型在接收到你的中文研究指令时，能准确调用这些复杂的英文 Skills，请在 Claudian 插件的“System Prompt”中填入以下指令：
"You are a dedicated AI research assistant running within Obsidian, equipped with various specialized Skills. Upon receiving any command from me (whether in Chinese or English), you must first evaluate your available Skills. Once you identify the most suitable Skill, automatically invoke it immediately to execute the task."

我参考的视频/git链接列表:
Youtube:
How to Connect Zotero and Obsidian for the Ultimate PhD Workflow
所属频道：Girl in Blue Music
Obsidian 接入 Claude Skill 教程：CEO亲自下场写的Skill如何使用？
用AI + Obsidian精通任何一个知识领域：AI深度研究未知领域，一键搭建Obsidian知识库架构和学习路径
 Claude Skill快速上手教程：三个步骤就能用上。
所属频道：杰森的效率工坊
Claude + Obsidian = Full AI Operating System
所属频道：Eric Michaud
How I Use Obsidian, Claude Cowork, and Word to Turn Research into Writing
所属频道：Squared Away Life
How I research and write in Obsidian
所属频道：Danny Talks Tech
Git:
https://github.com/kepano/obsidian-skills
https://github.com/K-Dense-AI/claude-scientific-skills

ps. 我对claude-scientific-skills的认识还比较少，不太确定它是否可以做到宣传的效果。但是即便不搭载AI板块，Zotero 与 Obsidian 的联动也已经可以让我们每一次阅读和思考都更有条理。后续我也会继续更新我的使用体验。

欢迎讨论，祝大家科研腾飞！

青

题目： Vepdegestrant, a PROTAC Estrogen Receptor Degrader, in Advanced Breast Cancer
DOI: 10.1056/NEJMoa2505725.
Background
• 临床背景：雌激素受体（ER）阳性、人表皮生长因子受体2（HER2）阴性的乳腺癌约占所有病例的70% 。尽管内分泌治疗联合CDK4/6抑制剂是标准一线方案，但大多数患者最终会出现耐药和疾病进展。
• 耐药机制：治疗耐药通常由获得性基因突变驱动，其中ESR1（雌激素受体1）基因突变尤为常见，在接受内分泌联合CDK4/6抑制剂治疗的转移性患者中发生率约为40%至50% 。
• 新药机制： Vepdegestrant是一种口服的蛋白降解靶向嵌合体（PROTAC）ER降解剂。与间接导致ER降解的选择性ER降解剂（SERDs，如氟维司群）不同，Vepdegestrant可同时结合ER和E3连接酶，直接利用泛素-蛋白酶体系统诱导ER的泛素化和降解，从而发挥抗肿瘤作用。
• 研究目的： VERITAC-2是一项III期临床试验，旨在评估Vepdegestrant相较于氟维司群，在既往接受过内分泌治疗和CDK4/6抑制剂的ER阳性、HER2阴性晚期乳腺癌患者中的疗效与安全性。
PICO
• 研究设计： III期、全球多中心、开放标签、随机对照试验。
• P (Population，研究对象)
o 纳入标准：经确诊的ER阳性、HER2阴性局部复发或转移性晚期乳腺癌患者，不适合手术或放疗。既往接受过一线CDK4/6抑制剂联合内分泌治疗。
o 排除标准：既往接受过针对晚期疾病的化疗，或曾使用氟维司群、elacestrant等药物。
o 样本量：共纳入624例患者，随机分配至Vepdegestrant组（313例）和氟维司群组（311例）。其中，携带ESR1突变的患者共270例。
• I (Intervention，干预)
o Vepdegestrant组：每日口服一次Vepdegestrant 200 mg 。
• C (Comparison，对照)
o 氟维司群组：标准剂量氟维司群（肌肉注射500 mg，在第1周期的第1天和第15天，以及后续周期的第1天给药）。
• O (Outcomes，结局)
o 主要终点：经盲态独立中心审查（BICR）评估的无进展生存期（PFS），在ESR1突变人群和所有随机化患者中分别进行评估。
o 关键次要终点：总生存期（OS）。
o 其他次要终点：客观缓解率（ORR）、安全性等。
主要结果
一、疗效对比
• ESR1突变人群中的无进展生存期（PFS）（主要终点）:
o Vepdegestrant组的中位PFS为 5.0个月，而氟维司群组为 2.1个月。
o Vepdegestrant显著延长了PFS，使疾病进展或死亡风险降低了42%（HR, 0.58; 95% CI, 0.43-0.78; P<0.001）。
• 所有随机化患者中的无进展生存期（PFS）（主要终点）:
o Vepdegestrant组的中位PFS为 3.8个月，氟维司群组为 3.6个月。
o 两组之间无统计学显著差异（HR, 0.83; 95% CI, 0.69-1.01; P=0.07）。
• ESR1突变人群中的客观缓解率（ORR）:
o Vepdegestrant组的ORR为 18.6%，而氟维司群组为 4.0% 。
• 总生存期（OS）：
o 截至数据分析时，OS数据尚不成熟。
二、安全性对比
• 总体不良事件： Vepdegestrant组与氟维司群组的任何级别不良事件发生率相似（86.9% vs 81.4%）。
• 严重不良事件： 3级及以上不良事件的发生率在Vepdegestrant组略高（23.4% vs 17.6%）。
• 因不良事件停药： Vepdegestrant组的停药比例较低，为2.9%，氟维司群组为0.7% 。
• 最常见不良事件（Vepdegestrant组 vs 氟维司群组）：
o 疲劳 (26.6% vs 15.6%)
o 天冬氨酸转氨酶升高 (14.4% vs 10.4%)
o 丙氨酸转氨酶升高 (14.4% vs 9.8%)
o 恶心 (13.5% vs 8.8%)
研究结论
在经治的ER阳性、HER2阴性晚期乳腺癌患者中，对于携带ESR1突变的亚组，新型口服PROTAC ER降解剂Vepdegestrant在延长无进展生存期方面显著优于标准药物氟维司群。然而，在未筛选ESR1突变状态的总体人群中，未能观察到显著获益。Vepdegestrant的安全性可控，不良事件主要为低级别，显示出良好的临床应用前景，尤其是在这一具有明确生物标志物的耐药人群中。

青医 16 王雪妍 发布的帖子

青医 16 王雪妍发布的帖子