المهارات biomni
🧬

biomni

مخاطر متوسطة ⚡ يحتوي على سكربتات⚙️ الأوامر الخارجية🔑 متغيرات البيئة🌐 الوصول إلى الشبكة

تشغيل أبحاث الطب الحيوي المستقلة باستخدام الذكاء الاصطناعي

متاح أيضًا من: K-Dense-AI

تتطلب مهام أبحاث الطب الحيوي المعقدة معرفة متخصصة وخطوات تحليل متكررة. يقوم Biomni بأتمتة سير عمل البحث متعدد الخطوات عبر علم الجينوم واكتشاف الأدوية والطب الجينوم السريري باستخدام التفكير المدعوم بنماذج اللغة الكبيرة وقواعد البيانات الحيوية المتكاملة.

يدعم: Claude Codex Code(CC)
📊 69 كافٍ
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

استخدام "biomni". صمم شاشة CRISPR لتحديد الجينات التي تنظم الالتهام الذاتي في خلايا HEK293

النتيجة المتوقعة:

  • مكتبة sgRNA: ~80,000 دليل تستهدف 20,000 جين ترميز البروتين
  • 4 sgRNA لكل جين مع درجات مثالية للاستهداف (مقياس Doench 2016)
  • الجينات ذات الأولوية: ATG5 و BECN1 و ULK1 كضوابط إيجابية
  • تثريط المسارات يبرز آلية الالتهام الذاتي الأساسية
  • كود Python مُنشأ لتصميم المكتبة ومقاييس الجودة

استخدام "biomni". تحليل بيانات RNA-seq أحادية الخلية من عينة غسل القصبة الهوائية لمريض كوفيد-19

النتيجة المتوقعة:

  • 8 أنواع خلوية رئيسية محددة عبر التجميع
  • توسع البلاعم (38%) يشير إلى استجابة التهابية
  • نوع فرعي جديد من الخلايا الرئوية بتوقيع الإنترفيرون
  • DEGs تظهر تنظيم تصاعد لإشارات السيتوكين
  • خط أنابيب scanpy المُنشأ مع تصورات UMAP

استخدام "biomni". توقع خصائص ADMET لهذا المرشح الدوائي: CC1=CC=C(C=C1)NC(=O)C2=CC=C(C=C2)CN3CCN(CC3)C

النتيجة المتوقعة:

  • HIA المتوقع: 92% (يُتوقع امتصاص عالي)
  • اختراق BBB: سلبي (توزيع طرفي فقط)
  • ركيزة CYP3A4: نعم، مثبط CYP2D6: ضعيف
  • خطر hERG: منخفض (IC50 > 10 ميكرومتر)
  • سمية الكبد: منخفضة المخاطر بناءً على التنبيهات الهيكلية

التدقيق الأمني

مخاطر متوسطة
v5 • 1/17/2026

This is a legitimate biomedical research framework from Stanford SNAP Lab. The static analyzer flagged 418 potential issues, but the vast majority are false positives: markdown backticks misinterpreted as shell execution, SMILES chemical notation flagged as C2/crypto keywords, and legitimate API key configuration patterns. The skill's core functionality (LLM-generated code execution with API credential access) triggers heuristic alerts but is documented, intended behavior for a research tool. SKILL.md explicitly warns users about running in isolated environments and reviewing generated code.

7
الملفات التي تم فحصها
3,168
الأسطر التي تم تحليلها
7
النتائج
5
إجمالي عمليات التدقيق
مشكلات متوسطة المخاطر (1)
SKILL.md:228-233
LLM-generated code execution with full system privileges
The agent executes LLM-generated Python code with full system privileges. This is documented functionality for biomedical analysis but represents elevated risk. SKILL.md lines 228-233 explicitly warn users and recommend running in isolated environments (Docker, VMs).
مشكلات منخفضة المخاطر (2)
scripts/setup_environment.py:25-32
Subprocess execution for conda environment setup
Setup script uses subprocess.run for conda commands. Commands are hardcoded with no user input in construction. Standard practice for environment management.
scripts/setup_environment.py:145-151
API keys stored in .env file without .gitignore verification
The setup script saves API keys to .env but does not verify the file is in .gitignore. Users should manually ensure .env is gitignored.

عوامل الخطر

⚡ يحتوي على سكربتات (2)
scripts/generate_report.py:1-371 scripts/setup_environment.py:1-356
⚙️ الأوامر الخارجية (2)
scripts/setup_environment.py:25-32 scripts/setup_environment.py:67-69
🔑 متغيرات البيئة (2)
scripts/setup_environment.py:82-122 SKILL.md:43-44
🌐 الوصول إلى الشبكة (2)
SKILL.md:269-273 references/llm_providers.md:114-126
تم تدقيقه بواسطة: claude عرض سجل التدقيق →

درجة الجودة

68
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
22
المجتمع
56
الأمان
91
الامتثال للمواصفات

ماذا يمكنك بناءه

أتمتة أبحاث علم الجينوم

أتمتة تفسير GWAS وتحليل المسارات والتنبؤ بإمراضية المتغيرات للنشر

خط أنابيب التنبؤ بـ ADMET

فحص المرشحات الدوائية لخصائص الامتصاص والتوزيع والتمثيل والإخراج والسمية

تشخيص الأمراض النادرة

تحليل بيانات WES ومصطلحات النمط الظاهري لتحديد المرشحات المتغيرة ودعم التقارير التشخيصية

جرّب هذه الموجهات

استعلام وظيفة الجين 
ما هي الوظائف الرئيسية للجين {gene_name}؟ قم بتضمين الوظيفة الجزيئية والأمراض المرتبطة والتفاعلات البروتينية.
تصميم شاشة CRISPR 
صمم شاشة CRISPR لقتل الجين لـ {phenotype} في {cell_type}. قم بتضمين تصميم مكتبة sgRNA ومعايير تحديد أولوية الجينات والجينات المتوقعة.
تحليل scRNA-seq 
قم بتحليل مجموعة بيانات RNA-seq أحادية الخلية في {file_path}. قم بإجراء مراقبة الجودة والتجميع وتعليق نوع الخلية باستخدام جينات العلامة وتحليل التعبير التفاضلي.
تكامل علم الجينوم المتعدد 
دمج بيانات علم الجينوم المتعدد لـ {disease}: متغيرات GWAS والتعبير RNA-seq للبروتين وعلم البروتينات. حدد الجينات السببية وتثريط المسارات والأهداف العلاجية.

أفضل الممارسات

  • قدم سياق بيولوجي محدد بما في ذلك العضو ونوع الخلية والظروف التجريبية
  • قم بتضمين مسارات الملفات وتنسيقات البيانات لمهام التحليل
  • حدد عتبات واضحة لل статистиية ونقاط قطع طي التغير
  • تشغيل في بيئات معزولة (Docker، VMs) عند معالجة بيانات المرضى الحساسة

تجنب

  • طرح أسئلة غامضة دون تحديد العضو أو النسيج أو التصميم التجريبي
  • تخطي مراجعة الكود المُنشأ قبل التنفيذ على مجموعات البيانات القيمة
  • تشغيل بدون حدود زمنية لل timeout على التحليلات المعقدة متعددة الخطوات
  • استخدام بيانات اعتماد الإنتاج في بيئات مشتركة أو عامة

الأسئلة المتكررة

أي موفر نموذج لغة كبيرة يعمل بشكل أفضل مع Biomni؟
تقدم Anthropic Claude Sonnet 4 أفضل توازن بين جودة التفكير والسرعة للمهام الطبية الحيوية.
كم المساحة القرصية التي يتطلبها Biomni؟
تتطلب قواعد البيانات الطبية الحيوية المتكاملة approximately 11 جيجابايت. يتم تنزيل البيانات تلقائياً عند第一次 الاستخدام.
هل يمكن لـ Biomni التكامل مع أدوات المعلومات الحيوية الحالية؟
نعم، يقوم Biomni بتوليد وتنفيذ كود Python باستخدام المكتبات القياسية مثل scanpy و pandas و scipy.
هل بياناتي آمنة عند استخدام Biomni؟
يعالج Biomni البيانات محلياً ولا يرسل سوى الاستفسارات إلى واجهات نموذج اللغة الكبيرة. استخدم بيئات معزولة للبيانات الحساسة.
لماذا انتهت مهمتي بالوقت؟
قد تتجاوز التحليلات المعقدة وقت timeout الافتراضي. قم بزيادة default_config.timeout_seconds في التكوين.
كيف يقارن Biomni بنماذج اللغة الكبيرة الطبية الحيوية الأخرى؟
يجمع Biomni بين التفكير بنموذج اللغة الكبيرة وتنفيذ الكود والقواعد البيانات المتكاملة للتحليل المستقل متعدد الخطوات.

تفاصيل المطور

المؤلف

davila7

الترخيص

MIT

المستودع

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/biomni

مرجع

main

بنية الملفات

📁 references/

📄 api_reference.md

📄 llm_providers.md

📄 use_cases.md

📁 scripts/

📄 generate_report.py

📄 setup_environment.py

📄 SKILL.md