Compétences bioservices
🧬

bioservices

Sûr ⚙️ Commandes externes🌐 Accès réseau📁 Accès au système de fichiers

Accéder aux bases de données bioinformatiques depuis Python

Également disponible depuis: davila7

Interrogez plus de 40 bases de données biologiques, notamment UniProt, KEGG et ChEMBL, via une API Python cohérente. Simplifie l'analyse inter-base de données et la conversion d'identifiants pour la recherche en bioinformatique.

Prend en charge: Claude Codex Code(CC)
🥈 77 Argent
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "bioservices". Trouver des informations sur la protéine P43403

Résultat attendu:

  • ID UniProt: P43403
  • Gène: ZAP70
  • Organisme: Homo sapiens (Humain)
  • ID KEGG: hsa:7535
  • Voies métaboliques: hsa04660 (Signalisation du récepteur des cellules B), hsa04650

Utilisation de "bioservices". Convertir les identifiants de composés de KEGG vers ChEMBL

Résultat attendu:

  • ID KEGG: C11222
  • ID ChEMBL: CHEMBL278315
  • ID ChEBI: CHEBI:17957
  • Composé: Geldanamycin

Audit de sécurité

Sûr
v4 • 1/17/2026

All 521 static findings are false positives. Scanner misidentified markdown code block delimiters as shell commands, biological database identifiers as cryptographic algorithms, and legitimate API queries to bioinformatics databases as system reconnaissance. The skill is a legitimate scientific library interface.

9
Fichiers analysés
4,227
Lignes analysées
3
résultats
4
Total des audits

Facteurs de risque

⚙️ Commandes externes (4)
SKILL.md:34 references/identifier_mapping.md:33 references/services_reference.md:12 references/workflow_patterns.md:25
🌐 Accès réseau (1)
SKILL.md:356-357
📁 Accès au système de fichiers (2)
scripts/batch_id_converter.py:168 scripts/pathway_analysis.py:114
Audité par: claude Voir l’historique des audits →

Score de qualité

68
Architecture
100
Maintenabilité
85
Contenu
22
Communauté
100
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

Analyse inter-base de données de protéines

Récupérez les données de protéines depuis UniProt, mappez-les aux voies KEGG et analysez les interactions dans un seul flux de travail.

Mapping d'identifiants de composés

Convertissez les identifiants de composés entre les bases de données KEGG, ChEMBL et ChEBI pour la recherche chimique.

Extraction de réseaux de voies métaboliques

Extrayez les réseaux d'interactions protéiques des voies KEGG pour l'analyse de réseau en aval.

Essayez ces prompts

Trouver une séquence de protéine 
Utilisez BioServices pour trouver l'entrée UniProt de la protéine ZAP70 et récupérer sa séquence FASTA.
Mapper les identifiants de gènes 
Convertissez l'ID UniProt P43403 en son ID de gène KEGG correspondant à l'aide du mapping BioServices.
Analyser les voies métaboliques 
Utilisez BioServices pour obtenir toutes les voies humaines contenant le gène 7535 et extraire le réseau d'interactions.
Référencer croisé des composés 
Recherchez le composé Geldanamycin dans KEGG, puis utilisez UniChem pour trouver ses identifiants ChEMBL et ChEBI.

Bonnes pratiques

  • Définissez verbose=False pour réduire la sortie de journalisation pour des résultats plus propres
  • Ajoutez des délais entre les requêtes par lots pour respecter les limites de débit des API
  • Spécifiez toujours les codes d'organismes pour éviter toute ambiguïté

Éviter

  • Faire des milliers de requêtes sans limitation de débit
  • Utiliser des noms de gènes ambigus sans spécifier l'organisme
  • Ignorer la gestion des erreurs pour les opérations dépendantes du réseau

Foire aux questions

Quelles bases de données sont prises en charge ?
Plus de 40 bases de données, notamment UniProt, KEGG, ChEMBL, ChEBI, PDB, Reactome, BioMart et ArrayExpress.
Ai-je besoin de clés API ?
La plupart des bases de données sont gratuites. Les services NCBI nécessitent une adresse e-mail valide pour les recherches BLAST.
Comment gérer les limites de débit ?
Ajoutez time.sleep entre les requêtes et utilisez le paramètre chunk_size pour les opérations par lots.
Puis-je convertir des identifiants par lots ?
Oui, utilisez le script batch_id_converter.py ou implémentez un mapping fragmenté avec 50-100 identifiants par requête.
Quels formats de sortie sont pris en charge ?
FASTA, XML, JSON, formats séparés par des tabulations et formats spécifiques à la base de données selon le service.
Comment obtenir les interactions de voies métaboliques ?
Utilisez KEGG.pathway2sif() ou parse_kgml_pathway() pour extraire les réseaux d'interactions protéine-protéine.

Détails du développeur

Auteur

K-Dense-AI

Licence

GPLv3 license

Dépôt

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

Réf

main

Structure de fichiers

📁 references/

📄 identifier_mapping.md

📄 services_reference.md

📄 workflow_patterns.md

📁 scripts/

📄 batch_id_converter.py

📄 compound_cross_reference.py

📄 pathway_analysis.py

📄 protein_analysis_workflow.py

📄 SKILL.md