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。
Biomniでバイオメディカル研究を実行する
バイオメディカル研究タスクでは、多くの場合、多数のツール、データセット、推論ステップが必要です。このスキルは、Biomniのセットアップ、タスク設計、プロバイダー設定、結果レポート作成をガイドします。
インストール前に停止して確認を求めてください。
計画を確認し、ファイルを変更する前にユーザーの明示的な同意を得てください。
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 "biomni" from https://skillstore.io/skills/k-dense-ai-biomni.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-biomni/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.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。
「biomni」を使用しています。 HEK293細胞におけるオートファジー制御因子のCRISPRスクリーニングを設計する。
期待される結果:
表現型定義、ライブラリ戦略、コントロール遺伝子、優先順位付けロジック、検証アッセイを含む構造化されたスクリーニング計画。
「biomni」を使用しています。 サマリー統計を使用して、疾患形質のGWAS結果を解釈する。
期待される結果:
有意な遺伝子座、候補原因遺伝子、経路濃縮テーマ、フォローアップ解析を扱う研究サマリー。
「biomni」を使用しています。 複数の候補化合物のADMETプロファイルを比較する。
期待される結果:
吸収、分布、代謝、排泄、毒性に関する懸念、および推奨される次の確認事項についてのランク付けされた評価。
Most markdown and reference-link detections are false positives, but the skill has real operational risk. It handles API credentials, writes local setup files, and documents Biomni workflows that can execute LLM-generated code with broad local privileges.
これらは、このスキルに期待される可能性のある実際のローカル機能であるため、レビューが必要ですが、確認済みの悪意ある動作としてはカウントされません。
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-biomni/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-biomni?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-biomni?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-biomni/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-biomni.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). biomni security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-biomni/audits/7@techreport{k-dense-ai-k-dense-ai-biomni-2026,
author = {K-Dense-AI},
title = {biomni security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-biomni/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: "biomni security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-biomni/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-biomni: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
定義済みの表現型について、遺伝子ノックアウトスクリーニングを計画し、ターゲットに優先順位を付け、選択基準を文書化します。
遺伝子マッピング、経路解析、エビデンスレビューを含めて、GWASまたは臨床バリアントの結果を要約します。
Biomni支援調査のために、ADMET、毒性、ターゲット、化合物最適化タスクを構成します。
Biomniを使用して、[organism]における[gene]の機能、疾患との関連、主要なエビデンスを説明してください。使用したソースの種類を含めてください。
Biomniを使用して、[cell type]における[phenotype]のCRISPRノックアウトスクリーニングを設計してください。コントロール、優先順位付けルール、予想されるヒットを含めてください。
Biomniを使用して[dataset path]を解析してください。品質管理、クラスタリング、マーカーレビュー、アノテーション、条件比較を実行してください。
Biomniを使用して[disease]を調査してください。文献エビデンス、原因遺伝子、候補ターゲット、薬剤、検証実験を組み合わせてください。
作成者
K-Dense-AIライセンス
Apache-2.0 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
b8ca75d2c0a7e7102978993058777d82b8ab2610
メンテナンスの新しさ
2026/7/18
利用状況
9 ダウンロード · 210 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。
研究のためのDrugBankデータ分析
作成者 davila7
DrugBankの研究では、慎重なXML解析、バージョン管理されたデータアクセス、構造化された薬理学クエリが必要になることがよくあります。このスキルは、Claude、Codex、Claude CodeでのDrugBank分析に特化したガイダンスとヘルパーパターンを提供します。
ChEMBLの創薬データをクエリする
作成者 davila7
創薬チームには、キュレーションされた化合物、標的、生物活性データへ迅速にアクセスする手段が必要です。このスキルは、Claude、Codex、Claude CodeにChEMBLのクエリパターンを案内します。
創薬分子のフィルタリング
作成者 davila7
化合物ライブラリには、高コストなレビューの前に一貫したトリアージが必要です。このスキルは、メディシナルケミストリーのルール、構造アラート、バッチレポートの適用を支援します。
NCBI Geneデータを検索
作成者 davila7
遺伝子検索では、NCBI APIの呼び出しを繰り返し行い、慎重に生物種フィルターを適用する必要があることがよくあります。このスキルは、遺伝子アノテーションの検索、取得、バッチ処理のためのスクリプトとワークフローを提供します。
DeepChemで分子MLワークフローを構築
作成者 davila7
分子MLプロジェクトでは、慎重な特徴量化、分割、モデル選択が必要です。このスキルは、信頼性の高い実験のための実践的なDeepChemワークフローをClaude、Codex、Claude Codeに提供します。
TorchDrugで創薬モデルを構築
作成者 davila7
創薬チームには、分子データセット、グラフモデル、評価ワークフローを選択するための明確な指針が必要です。このスキルは、分子、タンパク質、知識グラフ、生成、逆合成に関するTorchDrugのパターンを提供します。