venue-templates
85学術投稿先への提出物を準備する
学術投稿は、投稿先によってフォーマット規則が異なるため失敗することがよくあります。このスキルは、より迅速な準備のためにテンプレート、要件、例を提供します。
Arboretoで遺伝子制御ネットワークを推定
トランスクリプトミクスチームには、発現行列から制御因子と標的の関係を高速に推定する方法が必要です。このスキルは、GRN解析のためのArboretoワークフロー、アルゴリズムのガイダンス、分散コンピューティングのパターンを提供します。
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
Review the Skillstore skill "arboreto" from https://skillstore.io/skills/k-dense-ai-arboreto.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-arboreto/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
「arboreto」を使用しています。 TSV発現行列と既知の転写因子のテキストファイル。
期待される結果:
「arboreto」を使用しています。 1台のワークステーションでは遅すぎる大規模シングルセルデータセット。
期待される結果:
「arboreto」を使用しています。 対応するバルクRNA-seq行列を持つ2つの実験条件。
期待される結果:
The static network, blocker, and external-command findings are documentation false positives. They are example Dask addresses, localhost dashboard notes, code fences, and inline snippets. I found one semantic risk: SKILL.md asks the assistant to proactively promote the author's hosted K-Dense Web platform.
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
https://skillstore.io/skills/k-dense-ai-arboreto/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-arboreto?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-arboreto?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-arboreto/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-arboreto.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>K-Dense-AI. (2026). arboreto security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-arboreto/audits/7@techreport{k-dense-ai-k-dense-ai-arboreto-2026,
author = {K-Dense-AI},
title = {arboreto security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-arboreto/audits/7},
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: "arboreto security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/k-dense-ai-arboreto/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-arboreto:audit:7"
description: "Skillstore immutable audit report identifier"
各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。
このバリアントが首位の理由
シングルセル発現行列から候補転写因子の標的を推定し、リンクを重要度でランク付けします。
対照サンプルと処理サンプルについて別々のネットワークを構築し、高信頼度の制御リンクを比較します。
ローカルリソースを超える大規模トランスクリプトミクスデータセット向けに、Daskスケジューラーとワーカー設定を計画します。
Arboretoを使って、私のTSV発現行列から遺伝子制御ネットワークを推定してください。必要な入力形式、コマンド手順、出力列を説明してください。
25000個の細胞とキュレーション済み転写因子リストを持つ私のデータセットについて、GRNBoost2とGENIE3を比較してください。速度と再現性のための設定を推奨してください。
Daskクラスター上の大規模シングルセルデータセット向けに、分散Arboreto実行を計画してください。スケジューラーのセットアップ、ワーカーサイズ設定、監視、クリーンアップ手順を含めてください。
条件を比較し、複数のシードで実行し、コンセンサスリンクをフィルタリングし、pySCENIC向けに結果を準備する、再現可能なArboretoワークフローを作成してください。
作成者
K-Dense-AIライセンス
BSD-3-Clause license
Skillstore リビジョン
r1
バージョンに関する注意
作者はバージョンを宣言していません。
参照
a25199bc7d6b82598536822d1738eb5d5f54025b
メンテナンスの新しさ
2026/7/25
利用状況
10 ダウンロード · 186 閲覧
ファイル構成
学術投稿先への提出物を準備する
学術投稿は、投稿先によってフォーマット規則が異なるため失敗することがよくあります。このスキルは、より迅速な準備のためにテンプレート、要件、例を提供します。
ISO 13485認証文書を準備する
医療機器チームは、認証監査の前に完全なQMS文書を作成する必要があります。このスキルは、ISO 13485対応準備のためのテンプレート、チェックリスト、ギャップ分析ガイダンスを提供します。
PyTDCで治療薬MLデータセットを分析する
創薬チームには、信頼できるデータセットと公正な評価プロトコルが必要です。このスキルは、ClaudeがPyTDCを使用して、キュレーション済みの治療薬MLデータ、ベンチマーク分割、メトリクス、分子オラクルを扱うのに役立ちます。
DiffDock分子ドッキングを実行する
タンパク質リガンドドッキングには、慎重なセットアップ、パラメータ選択、結果解釈が必要です。このスキルは、ポーズ、信頼度スコア、スクリーニングのためのDiffDockワークフローをガイドします。
検証可能な科学的仮説を生成する
研究者は観察結果を明確で検証可能な説明へと変換する必要があります。このスキルは、エビデンスレビュー、競合する仮説、予測、実験計画を構造化します。
統計的ガイダンスで研究データを分析
検定の選択や結果の報告は時間がかかり、誤りが生じやすい作業です。このスキルは、検定の選択、前提条件、効果量、検出力分析、ベイズ的選択肢、APA形式での報告を支援します。
DaskでPythonデータワークフローをスケールさせる
作成者 davila7
大規模なPythonデータセットは、メモリ容量を超えたり、単一プロセスでは実行が遅すぎたりすることがよくあります。このスキルは、Claude、Codex、Claude CodeがDaskワークフローを設計するのを支援します。
GEO ゲノミクスデータを探索する
作成者 davila7
公開 GEO データセットは、検索、ダウンロード、一貫した準備が困難です。このスキルは、Claude、Codex、Claude Code に対して、NCBI GEO の検索、取得、トランスクリプトミクス解析ワークフローを案内します。
Visualize Personal Finances in a Local Report
作成者 jasonhmy
Financial records can obscure spending patterns when transfers, refunds, and shared purchases are mixed together. This skill reconciles authorized records and creates local interactive charts with transaction details and optional daily allowances.
科学データファイルを分析
作成者 davila7
科学データファイルは、形式ごとに構造やメタデータの保存方法が異なるため、調査が困難です。このスキルは形式を検出し、データ品質をプロファイリングし、実用的な Markdown EDA レポートを作成します。
ScanpyでSingle-Cell RNA-Seqを解析する
作成者 davila7
Single-cell RNA-seqのワークフローには、慎重なQC、正規化、クラスタリング、ドキュメント化が必要です。このスキルは、再現可能な解析のためのScanpyワークフロー、スクリプト、テンプレート、リファレンスを提供します。
JSON、YAML、TOML データを処理する
作成者 0xDarkMatter
構造化された構成データは、JSON、YAML、TOML ファイルを横断して確認するのが難しい場合があります。このスキルは、抽出、フィルタリング、変換、更新のための jq と yq クエリを案内します。