SkillFoxx
Telegram

Bioinformatics Agent Skills

17 скиллов для вычислительной биологии: RNA-seq, одноклеточный анализ, структуры белков, докинг, литература и графики

  • 75 ★ репозитория
  • Последний коммит
Скилл

Расширенный доступ

Почему такой уровень

  • Скрипты обращаются к внешним сервисам: PubMed, PubChem, HDOCK, AlphaFold DB
  • Скилл докинга HDOCK отправляет структуры белков на внешний сервер
Все причины и проверки

ssinder/bioinformatics-agent-skillsАвтор:ssinder

Установка

В терминале, через SkillFoxx CLI

npx skillfoxx add skills/bioinformatics-agent-skills

Определит агенты на машине, покажет уровень доступа и зафиксирует версию.

Другие способы установки

Доступ и проверки

Как мы проверяем

Расширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.

  • Скрипты обращаются к внешним сервисам: PubMed, PubChem, HDOCK, AlphaFold DB
  • Скилл докинга HDOCK отправляет структуры белков на внешний сервер

Это чужой код. Посмотрите файлы в репозитории перед установкой.

Что делает

Коллекция из 17 независимо устанавливаемых скиллов по стандарту Agent Skills, собранная из архива более 200 исследовательских скриптов. В каждом скилле есть `SKILL.md` с условиями вызова и порядком работы, папка `scripts/` с исполняемыми скриптами и справочники `methodology.md` и `troubleshooting.md` с обоснованием параметров и разбором типичных сбоев. Охват такой: объемный RNA-seq (`bulk-rnaseq` с FastQC, Salmon и DESeq2), загрузка данных из ENA, одноклеточный анализ, разбор PDB и вторичной структуры, взаимодействия белок-лиганд по PLIP, молекулярная динамика с RMSD и RMSF, структуры AlphaFold DB, докинг через HDOCK и LightDock, контакты между цепями с визуализацией в PyMOL, дизайн и отбор антимикробных пептидов, поиск литературы по PubMed, OpenAlex и Semantic Scholar, метаданные NCBI BioProject, извлечение текста статей из PDF через GROBID и публикационные графики. Скиллы можно скопировать в `~/.claude/skills/`, поставить как Python-пакет `pip install -e .` с общей командой `biopipe` или запускать скрипты напрямую. Алгоритмы написаны на чистом Python, поэтому работают без тяжелых библиотек вроде scanpy или OpenMM.

Для кого. Биоинформатикам и вычислительным биологам, которые анализируют транскриптомы, структуры белков и литературу вместе с агентом.

Подходит, если

  • Данные RNA-seq надо прогнать от контроля качества до дифференциальной экспрессии и объяснить, почему `padj` вышел `NA`
  • Нужно выбрать порог митохондриальных генов для одноклеточных данных, чтобы не потерять живые клетки
  • Результаты молекулярной динамики надо посчитать: RMSD, RMSF, водородные связи
  • Из тысяч статей надо отобрать работы по поиску мишеней и оформить график ROC для рецензента

Не подходит, если

  • Нужен конвейер для кластера с очередью заданий: скиллы рассчитаны на запуск скриптов, оркестрации в них нет
  • Нужен клинический или диагностический анализ: набор исследовательский, для медицинских решений он не предназначен
  • Нужны методы вне перечисленных областей, например метагеномика: такого скилла в наборе нет

Пример запроса к агенту

Прогони bulk RNA-seq от FASTQ до дифференциальной экспрессии скиллом bulk-rnaseq и объясни, какие параметры контроля качества ты выбрал

Ограничения

Скиллы HDOCK, AlphaFold DB, PubChem и поиска литературы ходят во внешние сервисы по HTTP, поэтому им нужен доступ в сеть и они зависят от доступности этих сервисов. Нативные программы вроде FastQC, Salmon, DSSP, PyMOL и GROBID в набор не входят, их ставят отдельно, и Python-реализации без них покрывают лишь часть задач. Параметры в `methodology.md` отражают опыт автора, и для своей работы их стоит сверять с документацией инструментов. Проект живой: последний коммит 27 октября 2026 года.

Как отключить. Удалите папки нужных скиллов из `~/.claude/skills/`. Если ставили пакет, выполните `pip uninstall` для него. Результаты расчетов лежат там, куда вы направили `--output`.

Частые вопросы

Как поставить набор в Claude Code?

Склонируйте репозиторий и скопируйте папки из `skills/` в `~/.claude/skills/`, затем перезапустите Claude Code. Скилл вызывается по описанию задачи, например по просьбе провести анализ RNA-seq.

Нужны ли API-ключи?

Нет, в README сказано, что ни облачных сервисов, ни ключей, ни баз настраивать не требуется. Некоторые скиллы лишь обращаются к открытым API вроде PubMed и PubChem.

Что такое biopipe?

Единая точка входа в Python-пакете. `biopipe --list` показывает все скиллы, `biopipe bulk-rnaseq --help` выводит справку по одному.

Работает ли без scanpy и OpenMM?

Да. Основные алгоритмы написаны на чистом Python: одноклеточный анализ запускается без scanpy, а траектории DCD читаются без OpenMM.

Как проверяют сами скиллы?

Валидатор `scripts/validate_skills.py` и семь конвейеров CI проверяют соответствие стандарту Agent Skills, синтаксис, тесты и поиск секретов и уязвимых зависимостей.

Обсуждение

Вопросов и отзывов пока нет.

Скиллы

Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул

СкиллРасширенный доступ388
Выбор редакции

166 скиллов для научных задач: биоинформатика, хемоинформатика, клинические данные, геоданные и доступ к более чем 100 базам

СкиллРасширенный доступ56,8 тыс.
Выбор редакции

Набор скиллов Google DeepMind для научных задач: доступ к биологическим и химическим базам, поиск литературы и структурная биология

СкиллРасширенный доступ3,5 тыс.

ClawBio — 110 скиллов для агентов по биоинформатике: геномика, фармакогеномика и популяционная генетика с воспроизводимостью.

ПлагинРасширенный доступ1,2 тыс.
Официальный

43 скилла для медицины и наук о жизни: геномика, клинические данные, разработка лекарств, CDISC и расчеты по страховым выплатам

СкиллМинимальный доступ76

37 скиллов для вычислительной химии и биологии лекарств: от поиска мишени и докинга до ADMET и клинической истории.

ПлагинРасширенный доступ54

Сравнение с похожими

Карточки с тем же главным запросом: чем они отличаются.

ИнструментОфициальныйАвторизацияЗвезды репозиторияГлавное отличие
Bioinformatics Agent Skills (эта карточка)нет75
Scientific Agent Skillsнет56 837166 скиллов для научных задач, от хемоинформатики до геоданных
ClawBioнет1 181110 скиллов по геномике, фармакогеномике и популяционной генетике
BioMCPнетне нужна678один бинарник и MCP-режим для 70 биомедицинских источников

Коротко о README

README объясняет, что набор вырос из приватного архива исследовательских скриптов, затем дает три способа установки и таблицы скиллов по областям с ключевыми возможностями. Закрывают его принципы проекта, схема репозитория и раздел для разработчиков.

Бейдж для README

Исходный SKILL.md

---
name: bulk-rnaseq
description: "This skill should be used when running bulk RNA-seq differential expression analysis: FastQC/trimming, Salmon quantification, counts matrix construction, DESeq2 statistics, GO/KEGG enrichment and publication figures. 用于 bulk 转录组（RNA-seq）差异表达分析全流程。"
license: MIT
compatibility: "Python 3.9+; numpy, scipy, pandas required. Optional: matplotlib (figures), Rscript + Bioconductor DESeq2 (r backend), fastqc/fastp/salmon (external tools)"
metadata:
  version: "1.0"
  last-reviewed: "2026-10-25"
  skill-author: sinder
---

## Overview

本技能把 bulk RNA-seq 的原始 FASTQ 一路处理到可发表的差异表达结论：先做质控与接头去除，再用 Salmon 做转录本定量并汇总成基因水平整数 counts，随后运行 DESeq2 风格负二项 Wald 检验得到差异基因列表，接着做 GO/KEGG 超几何富集，最后输出火山图、MA 图、PCA 图、热图与文字报告。

差异表达统计提供 **双后端**：`--backend python` 使用内置的纯 NumPy/SciPy 实现（size factor 归一化、Cox-Reid 离散度估计、趋势拟合、MAP 收缩、Wald 检验、BH 校正），`--backend r` 调用 Rscript 上的 Bioconductor DESeq2。两者输出同一套列名的结果表，可直接互换对比。

## When to Use This Skill

- 用户要做 bulk 转录组差异表达分析（关键词：RNA-seq、bulk RNA-seq、转录组、差异表达、DEG、DESeq2、Salmon、counts matrix）
- 用户已有 Salmon/STAR 的定量结果，需要构建 counts 矩阵并做差异表达
- 用户需要 GO / KEGG 富集分析（关键词：GO 富集、KEGG 富集、pathway enrichment、功能富集）
- 用户需要 RNA-seq 的标准发表级图表（火山图、MA 图、PCA、热图）
- 用户想在没有 R / Bioconductor 的环境里得到可靠的 DESeq2 风格结果

不适用：单细胞数据（用 `single-cell-rnaseq`）、仅做原始 reads 可视化、蛋白组与代谢组分析。

> **上游衔接**：如果还没有 FASTQ 文件，可先用 [`ena-download`](../ena-download/) 技能按
> SRA/ENA accession 下载原始测序数据（支持断点续传与 MD5 校验），再交给本技能做定量与差异分析。

## Quick Start

```bash
# 完整流程（需要 fastqc / fastp / salmon 在 PATH 中）
export PYTHONPATH="$PWD/packages"
python skills/bulk-rnaseq/scripts/run_pipeline.py \
    --input  /data/fastq \
    --output /results/rnaseq \
    --transcriptome /ref/transcriptome.fa \
    --tx2gene /ref/tx2gene.tsv \
    --metadata /data/metadata.csv \
    --go-annotation /ref/go_annotation.csv \
    --group-a treated --group-b control

# 跳过外部工具，直接从已有 Salmon 结果开始

Сообщить о проблеме