Fähigkeiten biomni
🧬

biomni

Niedriges Risiko ⚙️ Externe Befehle🔑 Umgebungsvariablen📁 Dateisystemzugriff🌐 Netzwerkzugriff

Biomedizinische Forschung mit KI-Agenten automatisieren

Auch verfügbar von: davila7

Biomni transformiert die komplexe biomedizinische Forschung durch die autonome Ausführung mehrstufiger Analysen. Forscher können sich auf wissenschaftliche Fragen konzentrieren, während KI Datenverarbeitung, Literaturrecherche und Berechnungsanalysen in den Bereichen Genomik, Medikamentenentwicklung und klinische Forschung übernimmt.

Unterstützt: Claude Codex Code(CC)
🥉 75 Bronze
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "biomni". Design a CRISPR screen for autophagy regulators

Erwartetes Ergebnis:

  • Generierte sgRNA-Bibliothek mit 76.230 Guides für 19.057 Gene
  • Entwarf 4 sgRNAs pro Gen mit On-Target-Scores über 0.7
  • Positive Kontrollen eingeschlossen: ATG5, BECN1, ULK1, mTOR
  • Priorisierte 347 Kandidatengene basierend auf Pfadanalyse
  • Python-Code für Screen-Analyse-Pipeline bereitgestellt

Verwendung von "biomni". Analyze single-cell RNA-seq from tumor samples

Erwartetes Ergebnis:

  • Identifizierte 12 verschiedene Zellpopulationen durch Clustering
  • Annotation der Hauptimmunzelltypen: T-Zellen, B-Zellen, Makrophagen
  • 3 neuartige Zellcluster mit unbekannten Markern gefunden
  • Differentielle Expression zeigte 234 hochregulierte Gene im Tumor-Bereich

Sicherheitsaudit

Niedriges Risiko
v4 • 1/17/2026

The static analysis flagged 415 patterns, but 95% are FALSE POSITIVES from markdown documentation. The backtick patterns are markdown code delimiters, not shell execution. The API key patterns show example environment variable names in documentation, not actual secrets. The skill is a legitimate Stanford SNAP lab biomedical research framework. The code execution + network + credential combination is the intended design for an AI agent that generates bioinformatics analysis code. Proper security warnings are documented recommending sandboxed execution.

7
Gescannte Dateien
3,120
Analysierte Zeilen
4
befunde
4
Gesamtzahl Audits

Risikofaktoren

⚙️ Externe Befehle (3)
scripts/setup_environment.py:25-30 scripts/setup_environment.py:47-51 scripts/setup_environment.py:67-70
🔑 Umgebungsvariablen (2)
scripts/setup_environment.py:82-122 scripts/setup_environment.py:125-149
📁 Dateisystemzugriff (2)
scripts/setup_environment.py:128-149 scripts/setup_environment.py:211-214
🌐 Netzwerkzugriff (1)
SKILL.md:272-276
Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

68
Architektur
100
Wartbarkeit
87
Inhalt
21
Community
90
Sicherheit
91
Spezifikationskonformität

Was du bauen kannst

Genomweite CRISPR-Screens entwerfen

Automatisierung von sgRNA-Bibliotheksdesign, Genpriorisierung und Knockout-Effektanalyse für funktionelle Genomik-Studien

Einzelzell-Sequenzierungsdaten verarbeiten

Qualitätskontrolle, Clustering, Zelltyp-Annotation und differentielle Expressionsanalyse durchführen

Verbindungs-ADMET-Eigenschaften vorhersagen

Absorption, Distribution, Metabolismus, Exkretion und Toxizität für Medikamentenkandidaten bewerten

Probiere diese Prompts

CRISPR-Screen-Design 
Design a CRISPR knockout screen to identify genes regulating autophagy in HEK293 cells. Include sgRNA library design, positive/negative controls, and gene prioritization based on pathway relevance.
Einzelzell-Analyse 
Analyze this single-cell RNA-seq dataset: perform QC, identify cell populations via clustering, annotate cell types using marker genes, and conduct differential expression. File: path/to/data.h5ad
GWAS-Interpretation 
Interpret GWAS results for Type 2 Diabetes: identify genome-wide significant variants, map to causal genes, perform pathway enrichment, and predict functional consequences
Medikamenten-ADMET-Vorhersage 
Predict ADMET properties for these compounds: [SMILES strings]. Focus on Caco-2 permeability, plasma protein binding, CYP450 interactions, clearance, and hERG toxicity

Bewährte Verfahren

  • Biologischen Kontext angeben, einschließlich Organismus, Zelltyp und experimentelle Bedingungen
  • Datenpfade bereitstellen bei der Analyse von Datensätzen
  • Rechenbeschränkungen für komplexe Analysen festlegen
  • Konversationsverlauf für Reproduzierbarkeit speichern

Vermeiden

  • Ausführung ohne Überprüfung des generierten Codes in Produktionsumgebungen
  • Freigabe von API-Schlüsseln oder Anmeldeinformationen in gemeinsamen Umgebungen
  • Verarbeitung sensibler klinischer Daten ohne ordnungsgemäße Autorisierung
  • Ignorieren von Timeout-Einstellungen für langlaufende Analysen

Häufig gestellte Fragen

Ist biomni sicher zu verwenden?
Ja, biomni stammt von Stanfords SNAP-Lab. In isolierten Umgebungen ausführen, da es generierten Code mit Systemberechtigungen ausführt.
Welche LLM-Anbieter unterstützt biomni?
Anthropic Claude (empfohlen), OpenAI GPT, Google Gemini, Groq, Azure OpenAI und AWS Bedrock.
Wie viele Daten lädt biomni herunter?
Ungefähr 11GB biomedizinische Datenbanken einschließlich Genannotationen, Proteinstrukturen und klinischer Datensätze.
Kann biomni meine experimentellen Daten analysieren?
Ja, Pfade zu Ihren Datensätzen in natürlichsprachlichen Abfragen angeben. Unterstützt gängige Formate wie FASTA, BAM, VCF und HDF5.
Welche Bereiche deckt biomni ab?
Genomik, Proteomik, Medikamentenentwicklung, klinische Genomik, Molekularbiologie und Multi-Omics-Integration.
Wie zitiere ich biomni?
Verweis auf das Preprint: https://www.biorxiv.org/content/10.1101/2025.05.30.656746v1 und GitHub-Repository.

Entwicklerdetails

Lizenz

Apache-2.0 license

Repository

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/biomni

Ref

main

Dateistruktur

📁 references/

📄 api_reference.md

📄 llm_providers.md

📄 use_cases.md

📁 scripts/

📄 generate_report.py

📄 setup_environment.py

📄 SKILL.md