📦
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。
調査＆学習 表示
スキル geniml
📦
geniml
コンテンツリビジョン r1 高リスク ⚡ スクリプトを含む📁 ファイルシステムへのアクセス⚙️ 外部コマンド🌐 ネットワークアクセス
Genimlでゲノム区間を解析する
ゲノム区間の機械学習には、慎重な前処理、モデル選択、検証が必要です。このスキルは、BED埋め込み、scATAC-seq解析、コンセンサスピークに関するGenimlワークフローをガイドします。
対応: Claude Codex Code(CC)
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。
自分のエージェントでインストール
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。
エージェントリクエスト
Review the Skillstore skill "geniml" from https://skillstore.io/skills/k-dense-ai-geniml.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-geniml/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。
エージェントが読めるリソース
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。
テストする
「geniml」を使用しています。 40個のATAC-seq BEDファイルとプロジェクトユニバース向けにRegion2Vecワークフローを計画してください。
期待される結果:
- トレーニング前にプロジェクトユニバースに対するhard tokenizationを推奨しました。
- 埋め込み次元、コンテキスト長、シャッフル回数、学習率の開始値を提案しました。
- トークンカバレッジ、シルエットスコア、下流のクラスタリングレビューに関する検証チェックを列挙しました。
「geniml」を使用しています。 混在したATAC-seqサンプルからコンセンサスピークユニバースを構築する方法を決めるのを手伝ってください。
期待される結果:
- 迅速な確認のためにカバレッジカットオフから始めることを推奨しました。
- 境界がノイズを含む場合や論文品質の解析が必要な場合に、CCFまたはMLへ移行すべきタイミングを説明しました。
- マージ距離、最小ピークサイズ、ゲノムアセンブリの一貫性に関するチェックを提供しました。
「geniml」を使用しています。 AnnData scATAC-seqデータセット向けにscEmbedワークフローを準備してください。
期待される結果:
- 必要なピーク座標フィールドとトークン化出力の概要を示しました。
- データセット規模に基づくトレーニング設定を提案しました。
- scanpyのneighbors、クラスタリング、UMAP向けに埋め込みを保存する方法を説明しました。
セキュリティ監査
高リスクv7 • 2026/7/6 バージョン別レポートを開く
Static findings in SKILL.md and reference files are documentation examples, cache paths, or reference URLs rather than executable malicious behavior. The skill does include evaluation.json with self-declared safety status, which should be removed or clearly excluded from marketplace trust decisions.
7
スキャンされたファイル
1,559
解析済み行数
0
レビュー項目
0
誤検知を無視
確認済みのセキュリティ上の懸念 (1)
高
Prompt Injection Attempt Detected
evaluation.json declares "risk_level": "safe" and "safe_to_publish": true inside the skill package. This untrusted self-assessment can mislead marketplace or agent review if treated as authoritative.
The file contains explicit safe-publication claims in an audit-like structure. It does not issue direct override commands, so confidence is high rather than very high.
リスク要因
⚡ スクリプトを含む (2)
📁 ファイルシステムへのアクセス (6)
⚙️ 外部コマンド (20)
SKILL.md:19-21 SKILL.md:21-25 SKILL.md:25-27 SKILL.md:27-31 SKILL.md:31-33 SKILL.md:33-50 SKILL.md:50-64 SKILL.md:64-79 SKILL.md:79-98 SKILL.md:98-111 SKILL.md:111-117 SKILL.md:117-143 SKILL.md:143-147 SKILL.md:147-174 SKILL.md:174-178 SKILL.md:178-196 SKILL.md:196-202 SKILL.md:202-220 SKILL.md:220-273 SKILL.md:273-313
🌐 ネットワークアクセス (4)
監査者: codex 監査履歴を表示 →
このレポートを共有・引用
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。
レポートリンクをコピー
https://skillstore.io/skills/k-dense-ai-geniml/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdownバッジ
[](https://skillstore.io/skills/k-dense-ai-geniml?utm_source=security_passport_badge)HTMLバッジ
<a href="https://skillstore.io/skills/k-dense-ai-geniml?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-geniml/security.svg" alt="Skillstore security assessment" loading="lazy"></a>埋め込みカード
<iframe src="https://skillstore.io/embed/skills/k-dense-ai-geniml.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学術引用 (APA · BibTeX · CFF)
APA形式の引用
K-Dense-AI. (2026). geniml security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-geniml/audits/7BibTeX形式の引用
@techreport{k-dense-ai-k-dense-ai-geniml-2026,
author = {K-Dense-AI},
title = {geniml security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-geniml/audits/7},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "geniml 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-geniml/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-geniml:audit:7"
description: "Skillstore immutable audit report identifier"
バリアントを比較
インストール可能なバリアント 2 件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
Skillstore スコアが最高
作者 / ソース Skillstore スコア 証拠の信頼度 Skillstore 利用状況 更新済み
Skillstore スコア
このスコアの理由 証拠の信頼度: 中 45
アーキテクチャ
85
保守性
87
コンテンツ
70
コミュニティ
83
仕様準拠
作成できるもの
BED領域埋め込みを構築する
BEDファイルを準備し、ユニバースに対して領域をトークン化し、Region2Vecをトレーニングして、埋め込み品質指標を確認します。
scATAC-seq細胞をクラスタリングする
scEmbedの前処理を計画し、細胞埋め込みをトレーニングして、出力をscanpyのクラスタリングと可視化に接続します。
コンセンサスピークユニバースを作成する
ユニバース構築手法を選択し、下流の一貫したトークン化に向けて、カットオフ、マージ、フィルターパラメータを調整します。
これらのプロンプトを試す
ワークフローを選択する
ゲノム領域のBEDファイルとメタデータがあります。Region2Vec、BEDspace、scEmbed、ユニバース構築のどれを選ぶべきか手伝ってください。
Region2Vecをトレーニングする
私のBEDファイル向けにRegion2Vecワークフローを作成してください。トークン化、トレーニングパラメータ、出力ファイル、検証チェックを含めてください。
scEmbed解析を計画する
ピーク座標、トークン化、トレーニング、scanpy統合を含むAnnData scATAC-seqデータセット向けのscEmbed解析の準備を手伝ってください。
ユニバース手法を比較する
私のATAC-seqピークコレクションについて、CC、CCF、ML、HMMのユニバース構築手法を比較し、パラメータと品質チェックを推奨してください。
ベストプラクティス
- モデルをトレーニングする前に、BED座標、ゲノムアセンブリ、ユニバースカバレッジを検証します。
- 再現性のために、パラメータ、乱数シード、入力ファイルのバージョン、モデル出力を記録します。
- 埋め込みクラスタを信頼する前に、複数の評価指標と生物学的ラベルを使用します。
回避
- トークン化カバレッジとゲノムアセンブリの一貫性を確認する前に埋め込みをトレーニングすること。
- メタデータファイル名がBED入力ファイルと一致していることを確認せずにBEDspaceを使用すること。
- 定量的検証とドメイン検証なしに、UMAPプロットを生物学的妥当性の証拠として扱うこと。
よくある質問
このスキルはどのデータに焦点を当てていますか？
主にBEDファイル、scATAC-seqピーク行列、メタデータテーブル、コンセンサスピークユニバースなどのゲノム区間データに焦点を当てています。
このスキルはGenimlを自動的に実行しますか？
いいえ。ワークフローのガイダンスとコマンド例を提供します。ユーザーまたはエージェントが、準備済みの環境でツールを実行する必要があります。
Region2Vecはいつ使うべきですか？
メタデータ対応検索を必要とせず、ゲノム領域またはBEDファイルコレクションの教師なし埋め込みが必要な場合にRegion2Vecを使用します。
BEDspaceはいつ使うべきですか？
BEDファイルにメタデータラベルがあり、領域とラベルの共同検索または類似性解析が必要な場合にBEDspaceを使用します。
scEmbedは何を追加しますか？
scEmbedは単一細胞ATAC-seqデータから細胞レベルの埋め込みを作成し、scanpyワークフロー向けに結果を保存できます。
主なセットアップ要件は何ですか？
Geniml、科学計算向けPython依存関係、有効なBEDまたはAnnData入力、ゲノム参照、BEDspaceトレーニング用のStarSpaceが必要です。
開発者情報
作成者
K-Dense-AIライセンス
BSD-2-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
b8ca75d2c0a7e7102978993058777d82b8ab2610
メンテナンスの新しさ
2026/7/25
利用状況
6 ダウンロード · 190 閲覧
ファイル構成
K-Dense-AI のその他のスキル
すべて表示📦
iso-13485-certification
85ISO 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。
ドキュメント 表示
📦
pytdc
82PyTDC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。
データ＆アナリティクス 表示
📦
diffdock
81DiffDock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。
調査＆学習 表示
📦
hypothesis-generation
80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。
調査＆学習 表示
📦
statistical-analysis
80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。
データ＆アナリティクス 表示
関連スキル
すべて表示📦
bioservices
82BioServicesでバイオインフォマティクスデータを解析
作成者 davila7
バイオインフォマティクスの作業では、分断された公開データベースをまたいで繰り返しクエリを実行する必要がよくあります。このスキルは、Claude、Codex、Claude Codeがタンパク質、パスウェイ、化合物、識別子に関するBioServicesワークフローを扱うためのガイドです。
調査＆学習 表示
📦
drugbank-database
81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。
調査＆学習 表示
📦
kegg-database
80KEGGのバイオインフォマティクスデータを照会する
作成者 davila7
バイオインフォマティクスの作業では、KEGGからパスウェイ、遺伝子、化合物、薬剤のマッピング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がKEGG REST APIsを照会し、結果を解釈するのを支援します。
調査＆学習 表示
📦
ensembl-database
80Ensemblゲノムデータをクエリする
作成者 davila7
ゲノム研究では、遺伝子、バリアント、配列、アセンブリへの高速なアクセス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にEnsembl RESTワークフローを案内します。
データ＆アナリティクス 表示
📦
exploratory-data-analysis
85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。
データ＆アナリティクス 表示
📦
scanpy
85Scanpy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。
データ＆アナリティクス 表示