SciAgent-Skills — скиллы по биоинформатике
SciAgent-Skills
Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул
- 384 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Скиллы велят агенту запускать Python-код анализа и устанавливать научные пакеты
- Коннекторы обращаются к внешним базам данных по сети
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/sciagent-skillsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Скиллы велят агенту запускать Python-код анализа и устанавливать научные пакеты
- Коннекторы обращаются к внешним базам данных по сети
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
SciAgent-Skills — библиотека скиллов для научных расчетов в биологии и химии. Каждый скилл лежит в своей папке с файлом SKILL.md на 300–550 строк: обзор, когда применять, зависимости, быстрый старт, ключевые параметры, готовые рецепты и таблица типичных ошибок. Агент при планировании видит только описание, а полный текст подгружает, когда задача подходит. Наибольшая часть, 65 скиллов, посвящена геномике и биоинформатике: Scanpy для одноклеточного РНК-секвенирования, BioPython, pysam, базы KEGG и PubMed. Еще 26 относятся к структурной биологии и поиску лекарств: RDKit, AutoDock Vina, ChEMBL, PDB. Остальное делится между научными расчетами, клеточной биологией, биостатистикой, протеомикой, системной биологией, автоматизацией лаборатории, визуализацией и 21 скиллом по научному письму. По типу это 72 набора инструментов, 53 коннектора к базам данных, 37 руководств и 37 конвейеров. В Claude Code скиллы доступны как плагин sciagent-skills и вызываются командами вида `/sciagent-skills:scanpy-scrna-seq`, а можно просто описать задачу, и агент сам подберет подходящий. Для Codex, Cursor и Windsurf в папке integration-templates лежат шаблоны правил. Автор приводит результат 92,0% на тесте BixBench-Verified-50 против 65,3% у Claude Code без скиллов.
Для кого. Для биоинформатиков, химиков-вычислителей и биостатистиков, которые анализируют данные секвенирования, ищут лекарственные молекулы или пишут статьи вместе с Claude Code, Codex или Cursor.
Подходит, если
- Есть матрица счетов одноклеточного РНК-секвенирования, и нужно пройти путь от контроля качества до аннотации типов клеток
- Требуется дифференциальная экспрессия по матрице счетов с вулкан-диаграммой («volcano plot») для статьи
- Нужно отобрать из ChEMBL ингибиторы по порогу IC50, отфильтровать по правилам Липински в RDKit и запустить докинг
- Для структуры белка по коду UniProt надо найти предсказание AlphaFold и оценить уверенность по участкам
- Задача требует байесовской модели с индивидуальными эффектами пациентов в PyMC
Не подходит, если
- Нужен анализ в R: скиллы написаны под Python, а для Seurat в самом скилле Scanpy советуют брать другой путь
- Нужны клинические решения или диагностика: это справочные рецепты для исследований, проверять результаты должен человек
- Нужен один небольшой скилл: ставить плагин на почти 200 скиллов ради одного нет смысла, проще скопировать нужную папку
- Задача не из естественных наук, например веб-разработка: скиллы к ней отношения не имеют
Пример запроса к агенту
Загрузи данные 10X из папки filtered_feature_bc_matrix, отфильтруй клетки по митохондриальной доле, кластеризуй методом Лейдена и найди маркерные гены для каждого кластера.Ограничения
Установка Claude Code плагином ставит все скиллы сразу, выборочной установки в README нет. Для остальных агентов репозиторий клонируют в `.sciagent-skills` и подключают через шаблон правил, поэтому автоматического выбора скилла по описанию, как в Claude Code, там может не быть.
Самим скиллам нужны сторонние пакеты: например, Scanpy требует `scanpy`, `leidenalg`, `igraph`, а для больших датасетов нужно 16 ГБ памяти и больше. Автор советует окружение через Pixi и Python 3.12 или новее для скриптов проверки реестра. Коннекторы к базам ходят во внешние сервисы, у некоторых из них есть свои условия доступа.
Лицензия CC-BY-4.0 распространяется на собственное содержание, а лицензии описанных инструментов остаются прежними. Результат BixBench получен самим автором на 50 заданиях. Доступность Claude и части сервисов из России при подготовке карточки не проверялась.
Как отключить. Выполните в Claude Code `/plugin uninstall sciagent-skills`. При подключении через шаблоны удалите папку `.sciagent-skills` и добавленный блок из AGENTS.md либо файла правил Cursor или Windsurf.
Частые вопросы
Как поставить SciAgent-Skills в Claude Code?
Выполните `/plugin marketplace add jaechang-hits/SciAgent-Skills`, затем `/plugin install sciagent-skills`. Для разовой загрузки на сессию есть запуск `claude --plugin-dir /путь/к/SciAgent-Skills`. Проверить установку можно командой `/plugin` на вкладке Installed.
Работают ли эти скиллы в Codex и Cursor?
Да, скиллы лежат обычными markdown-файлами. Репозиторий клонируют в `.sciagent-skills` проекта, а затем копируют шаблон из integration-templates: AGENTS.md для Codex, cursor-rules.md в `.cursor/rules` для Cursor и windsurf-rules.md для Windsurf.
Что внутри каждого скилла?
SKILL.md с описанием для обнаружения агентом, разделами про применение, зависимости, быстрый старт, параметры, рецепты и таблицу проблем. Рядом могут лежать папки references и assets с углубленными справками и шаблонами.
Чем SciAgent-Skills отличается от Scientific Agent Skills?
Это разные наборы под одну область. В SciAgent-Skills скиллы делятся по типам: конвейер, набор инструментов, база данных и руководство, и каждый индексируется в registry.yaml. Автор сравнивает свой набор с другими по числу скиллов и результату на BixBench.
Откуда взята цифра 92,0% на BixBench?
Это замер самого автора на BixBench-Verified-50 для Claude Code на Opus 4.6: 92,0% со скиллами и 65,3% без них. Независимой проверки в репозитории нет, поэтому рассматривайте цифру как заявление автора.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
Скиллы166 скиллов для научных задач: биоинформатика, хемоинформатика, клинические данные, геоданные и доступ к более чем 100 базам
Набор скиллов Google DeepMind для научных задач: доступ к биологическим и химическим базам, поиск литературы и структурная биология
Библиотека скиллов для медицинских исследований: поиск и разбор литературы, планирование исследований, анализ данных и написание научных статей
NVIDIA BioNeMo Agent Toolkit — скиллы для наук о жизни
NVIDIA BioNeMo Agent Toolkit
Скиллы NVIDIA для биологии и химии: агент предсказывает структуры белков, стыкует молекулы, проектирует белки и разбирает геномы
Плагин для Claude Code и MCP-сервер: более 1000 научных инструментов для биологии, химии и медицины, команды для сверки данных и скиллы-маршрутизаторы
Скилл для научных графиков по канонам Nature, Cell и Science: 29 типов, проверка данных и векторный PDF на выходе.
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| SciAgent-Skills — скиллы по биоинформатике (эта карточка) | нет | 384 | |
| Scientific Agent Skills | нет | 56 313 | 166 скиллов для научной работы, другой набор под ту же область |
| Life Sciences — маркетплейс Anthropic для Claude Code | да | 642 | официальный маркетплейс Anthropic с плагинами для биологии и медицины |
Коротко о README
README открывается таблицей бенчмарка и ссылкой на веб-платформу HyperLab, которая построена на этих скиллах. Дальше идут таблица категорий, пять способов установки по агентам, устройство скилла, структура репозитория и шесть примеров цепочек скиллов. Раздел для авторов объясняет, как добавить скилл по шаблону и проверить реестр скриптом.
Бейдж для README
Исходный SKILL.md
---
name: "scanpy-scrna-seq"
description: "scRNA-seq with Scanpy: QC, normalization, HVG selection, PCA, neighborhood graph, UMAP/t-SNE, Leiden clustering, markers, cell annotation, trajectory inference. Standard scRNA-seq exploration."
license: "CC-BY-4.0"
---
# Scanpy Single-Cell RNA-seq Analysis
## Overview
Scanpy is a scalable Python toolkit for analyzing single-cell RNA-seq data built on the AnnData format. This skill covers the end-to-end standard workflow: quality control, normalization, highly variable gene selection, dimensionality reduction, clustering, marker gene identification, and cell type annotation. It produces annotated datasets and publication-quality visualizations.
## When to Use
- Analyzing single-cell RNA-seq count matrices (10X Genomics, h5ad, CSV, loom)
- Performing quality control filtering on scRNA-seq datasets (mitochondrial %, gene counts)
- Running dimensionality reduction: PCA, UMAP, t-SNE
- Identifying cell clusters via Leiden community detection
- Finding differentially expressed marker genes per cluster (Wilcoxon, t-test, logistic regression)
- Annotating cell types from known marker gene panels
- Conducting trajectory inference and pseudotime analysis (PAGA, diffusion pseudotime)
- Generating publication-quality single-cell plots (dot plots, heatmaps, stacked violins)
- Comparing gene expression across experimental conditions within cell types
- Use **omics-plotting** SKILL for generic figures (volcano/heatmap/bar/KM) from exported tables; single-cell views stay in scanpy `sc.pl.*`
- Use **Seurat** (R/Bioconductor) instead for scRNA-seq analysis in an existing R workflow or when Seurat-specific assay types are required
## Prerequisites
- **Python packages**: `scanpy>=1.10`, `leidenalg`, `igraph`, `anndata`
- **Data requirements**: Gene expression count matrix (cells x genes). Common formats: 10X Cell Ranger output (`filtered_feature_bc_matrix/`), `.h5ad`, `.h5`, `.csv`
- **Environment**: Python 3.9+; 16GB+ RAM recommended for >50k cells
```bash
pip install "scanpy[leiden]" anndata
```
## Pre-flight Interview
Settle these with the user before writing any analysis code.
```yaml
decisions:
- id: D1
param: pct_counts_mt
kind: required