ENA-Genomdaten abrufen
Das Auffinden von ENA-Accession-Nummern, Metadaten und Sequenzdateien kann für Genomik-Teams zeitaufwendig sein. Diese Skill bietet Claude, Codex und Claude Code strukturierte Anleitungen zur ENA API.
Kopieren Sie diese Anfrage in Ihren Agent. Sie enthält die maßgebliche Skill-Seite und das Manifest.
Review the Skillstore skill "ena-database" from https://skillstore.io/skills/davila7-ena-database.md and its manifest at https://skillstore.io/api/skills/davila7-ena-database/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ihr Agent sollte weiterhin seinen Plan anzeigen und alle von der Sicherheitsrichtlinie verlangten Bestätigungen anfordern.
Verwenden Sie diese Links, wenn ein KI-Agent, Crawler oder Skript sauberen Kontext benötigt, statt die vollständige Seite zu lesen.
„ena-database“ wird verwendet. Find FASTQ files for run ERR123456.
Erwartetes Ergebnis:
Verwenden Sie den ENA-Dateibericht-Endpunkt für Read Runs. Fordern Sie vor der Übertragung die Run-Accession-Nummer, FASTQ-Links, Prüfsummen und Dateigrößen an.
„ena-database“ wird verwendet. Search assemblies for Escherichia coli.
Erwartetes Ergebnis:
Verwenden Sie den Portal API-Assembly-Ergebnistyp mit einer Taxonomiebaum-Abfrage. Geben Sie Assembly-Accession-Nummer, wissenschaftlichen Namen und Qualitätsfelder zurück.
„ena-database“ wird verwendet. Handle ENA rate limits in a workflow.
Erwartetes Ergebnis:
Bündeln Sie Anfragen, bleiben Sie unter 50 Anfragen pro Sekunde, wiederholen Sie Antworten mit 429 und 5xx, und cachen Sie wiederholte Taxonomieabfragen.
The skill is documentation-focused and its network examples target official public ENA and EBI services. Most static findings are false positives from Markdown examples, but the FTP download guidance is a real medium-risk transport issue because it uses unencrypted ftp:// URLs.
Dies sind echte lokale Fähigkeiten, die für diese Fähigkeit erwartet werden können; daher müssen sie überprüft werden, werden jedoch nicht als bestätigtes bösartiges Verhalten gezählt.
Teile den versionierten Bewertungsbericht, das neutrale Badge, die Einbettungskarte und Zitate. Skillstore berichtet Nachweise, ohne zu entscheiden, ob dieser Skill sicher ist.
https://skillstore.io/skills/davila7-ena-database/audits/15?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-ena-database?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-ena-database?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-ena-database/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-ena-database.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). ena-database security audit report (audit version 15) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-ena-database/audits/15@techreport{davila7-davila7-ena-database-2026,
author = {davila7},
title = {ena-database security audit report (audit version 15)},
institution = {Skillstore},
year = {2026},
number = {15},
url = {https://skillstore.io/skills/davila7-ena-database/audits/15},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "ena-database security audit report (audit version 15)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/davila7-ena-database/audits/15"
identifiers:
- type: other
value: "skillstore:davila7-ena-database:audit:15"
description: "Skillstore immutable audit report identifier"
Jeder Autor bleibt ein eigener installierbarer Skill. Die empfohlene Variante wird nach Skillstore-Nachweisen bewertet.
Warum diese Variante zuerst steht
davila7-ena-database
2026-09-09
k-dense-ai-ena-database
2026-09-09
Finden Sie Proben, Runs, Metadatenfelder und FASTQ-Links für eine öffentliche ENA-Studien-Accession-Nummer.
Erstellen Sie Portal API-Filter für Organismus, Taxonomie, Datum, Assay-Typ und Assemblierungsmetadaten.
Planen Sie ENA-Abrufschritte mit Wiederholungsbehandlung, Paginierung, Ratenbegrenzungen und Optionen für Massendownloads.
Use the ENA database skill to explain how I can retrieve metadata for accession ERR123456. Include the best API endpoint.
Use the ENA database skill to design a Portal API search for all samples in study PRJNA123456. Include useful fields.
Use the ENA database skill to outline how to find FASTQ URLs, MD5 checksums, and byte sizes for run ERR123456.
Use the ENA database skill to plan a bulk retrieval workflow for 2,000 bacterial runs. Include rate limits and validation steps.
Autor
davila7Lizenz
MIT
Skillstore-Revision
r1
Versionshinweis
Der Autor hat keine Version angegeben.
Ref.
b959ebfd1043a07c0c4378ab94ca4342cb0259f5
Aktualität der Wartung
23.7.2026
Nutzung
6 Downloads · 576 Aufrufe
Dateistruktur
LaTeX-Forschungsposter erstellen
Forschungsposter sind in LaTeX schwer zu formatieren und für den Druck zu prüfen. Dieser Skill bietet Vorlagen, Layout-Anleitung und PDF-Prüfungen für konferenzfertige Poster.
SEO-fertige Marketinginhalte erstellen
Marketingteams benötigen klare Inhalte, die zur Markenstimme und zu Suchzielen passen. Diese Skill bietet Vorlagen, Analyseskripte und plattformspezifische Leitlinien für eine wiederholbare Content-Produktion.
Strukturierte medizinische Behandlungspläne erstellen
Klinische Behandlungspläne werden häufig uneinheitlich, lang oder schwer überprüfbar. Dieser Skill bietet fokussierte Vorlagen, messbare Ziele, Zeitpläne und lokale Qualitätsprüfungen.
Strukturierte klinische Berichte erstellen
Klinische Teams benötigen klare Berichte, die medizinischen und regulatorischen Standards entsprechen. Dieser Skill stellt Vorlagen, Checklisten und Validierungshinweise für Fallberichte, Diagnostik, Studien und Patientennotizen bereit.
Wissenschaftliche Datendateien analysieren
Wissenschaftliche Datendateien sind schwer zu untersuchen, da jedes Format Strukturen und Metadaten anders speichert. Dieser Skill erkennt Formate, erstellt Datenqualitätsprofile und erzeugt praxisorientierte EDA-Berichte im Markdown-Format.
DiffDock-Workflows für molekulares Docking ausführen
Die Einrichtung molekularer Docking-Verfahren scheitert häufig daran, dass Eingaben, Parameter und Konfidenzwerte schwer aufeinander abzustimmen sind. Dieser Skill führt durch DiffDock-Workflows von der Vorbereitung bis zur Prüfung der Ergebnisse.
Ensembl-Genomdaten abfragen
von K-Dense-AI
Genomische Forschung benötigt häufig genaue Gen-, Sequenz-, Varianten- und Orthologiedaten aus Ensembl. Diese Skill hilft Claude, Codex und Claude Code dabei, Ensembl REST APIs abzufragen und Ergebnisse für Analysen zu strukturieren.
RNA-seq-Differenzialexpression analysieren
von K-Dense-AI
Die Differenzialexpression bei Bulk RNA-seq erfordert eine sorgfältige Vorbereitung der Count-Daten, die Auswahl des Designs und die Interpretation der Ergebnisse. Diese Skill führt PyDESeq2-Workflows von Eingabeprüfungen bis zu getesteten Genen, Plots und gespeicherten Ergebnissen.
Genomische Intervalle mit gtars analysieren
von K-Dense-AI
Große Workflows für genomische Intervalle benötigen schnelle, reproduzierbare Werkzeuge. Dieser Skill führt Claude, Codex und Claude Code durch gtars-Befehle, Python-APIs und Workflows für BED, Coverage, Tokenisierung und Referenzsequenzen.
DNAnexus-Genomik-Workflows erstellen
von K-Dense-AI
Genomik-Teams benötigen verlässliche Anleitung für DNAnexus-Apps, Daten und Workflow-Ausführung. Dieser Skill organisiert Plattformmuster für Claude, Codex und Claude Code.
Therapeutische ML-Datensätze mit PyTDC analysieren
von K-Dense-AI
Teams in der Wirkstoffforschung benötigen zuverlässige Datensätze und faire Bewertungsprotokolle. Diese Skill hilft Claude dabei, PyTDC für kuratierte therapeutische ML-Daten, Benchmark-Splits, Metriken und molekulare Orakel zu verwenden.
Single-Cell-RNA-seq mit Scanpy analysieren
von K-Dense-AI
Die Single-Cell-RNA-seq-Analyse erfordert viele miteinander verknüpfte Entscheidungen über QC, Normalisierung, Clustering und Visualisierung hinweg. Diese Skill bietet Claude, Codex und Claude Code strukturierte Scanpy-Workflows, Referenzanleitungen und wiederverwendbare Analyseskripte.