스킬 geniml

📦

geniml

Name: geniml
Author: davila7

콘텐츠 리비전 r1 안전 ⚡ 스크립트 포함📁 파일 시스템 접근⚙️ 외부 명령어🌐 네트워크 접근

Geniml로 유전체 구간 분석

유전체 구간 프로젝트에는 일관된 전처리, 임베딩 학습, 유니버스 구성이 필요합니다. 이 스킬은 BED 파일, scATAC-seq 데이터 및 모델 평가를 위한 Geniml 워크플로를 안내합니다.

지원: Claude Codex Code(CC)

📊 76 적절함

Maintain this Skill? Claim it 📊 76 적절함

내 에이전트로 설치

이 요청을 에이전트에 복사하세요. 공식 Skill 페이지와 매니페스트가 포함되어 있습니다.

에이전트 요청

Review the Skillstore skill "geniml" from https://skillstore.io/skills/davila7-geniml.md and its manifest at https://skillstore.io/api/skills/davila7-geniml/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

에이전트는 계속해서 계획을 표시하고 보안 정책에서 요구하는 확인을 요청해야 합니다.

에이전트가 읽기 쉬운 리소스

AI 에이전트, 크롤러, 스크립트가 전체 페이지 대신 정리된 컨텍스트만 필요할 때 이 링크를 사용하세요.

Markdown 상세 GET /skills/davila7-geniml.md 서명된 manifest GET /api/skills/davila7-geniml/manifest 서명된 lockfile GET /api/skills/davila7-geniml/lockfile

테스트해 보기

"geniml" 사용 중입니다. 사용자가 수백 개의 ATAC-seq BED 파일을 비교하는 방법을 묻습니다.

예상 결과:

임베딩 학습 전에 합의 유니버스를 구축할 것을 권장했습니다.
토큰화, Region2Vec 학습 및 품질 지표를 개괄했습니다.
커버리지 검사, 클러스터링 검토 및 재현성 관련 사항을 제안했습니다.

"geniml" 사용 중입니다. 사용자에게 AnnData 형식의 단일 세포 ATAC-seq 데이터가 있습니다.

예상 결과:

작업을 scEmbed 및 scanpy 통합에 매핑했습니다.
필요한 피크 좌표, 토큰 파일 및 모델 설정을 나열했습니다.
임베딩 생성 후 클러스터링 및 UMAP 검토를 제안했습니다.

"geniml" 사용 중입니다. 사용자가 BED 파일 컬렉션 전반에서 메타데이터 인식 검색을 원합니다.

예상 결과:

구간과 레이블의 통합 임베딩을 위해 BEDspace를 권장했습니다.
전처리, 모델 학습, 거리 계산 및 검색 검증을 개괄했습니다.
StarSpace를 신중히 설치해야 하는 외부 의존성으로 표시했습니다.

보안 감사

안전

v15 • 2026. 7. 9. 버전별 보고서 열기

AI adjudication found no malicious intent, prompt injection, or unauthorized data exfiltration. The static findings are documentation examples, Markdown fences, public reference links, local Geniml CLI usage, and an explicit BBClient cache path for BED data.

스캔된 파일

1,355

분석된 줄 수

검토 항목

오탐 무시됨

위험 요인

⚡ 스크립트 포함 (1)

references/utilities.md:36

📁 파일 시스템 접근 (4)

references/utilities.md:23 references/utilities.md:39 references/utilities.md:23 references/utilities.md:39

⚙️ 외부 명령어 (20)

🌐 네트워크 접근 (4)

SKILL.md:29 SKILL.md:286 SKILL.md:287 SKILL.md:309

가장 최근에 완료된 정적·의미론적 감사에서 확인된 보안 발견 사항이 감지되지 않았습니다. 이는 스킬에 부작용이 없음을 증명하지 않습니다.

감사자: codex 감사 이력 보기 →

이 보고서 공유 및 인용

버전이 지정된 평가 보고서, 중립 배지, 임베드 카드 및 인용을 공유하세요. Skillstore는 근거를 보고하지만 이 Skill의 안전 여부를 판단하지 않습니다.

버전별 보고서 열기

보고서 링크 복사

https://skillstore.io/skills/davila7-geniml/audits/15?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 배지

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-geniml/security.svg)](https://skillstore.io/skills/davila7-geniml?utm_source=security_passport_badge)

HTML 배지

<a href="https://skillstore.io/skills/davila7-geniml?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-geniml/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

임베드 카드

<iframe src="https://skillstore.io/embed/skills/davila7-geniml.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

학술 인용 (APA · BibTeX · CFF)

APA 인용

davila7. (2026). geniml security audit report (audit version 15) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-geniml/audits/15

BibTeX 인용

@techreport{davila7-davila7-geniml-2026,
  author = {davila7},
  title = {geniml security audit report (audit version 15)},
  institution = {Skillstore},
  year = {2026},
  number = {15},
  url = {https://skillstore.io/skills/davila7-geniml/audits/15},
  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 15)"
version: "unspecified"
type: report
authors:
  - name: "davila7"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/davila7-geniml/audits/15"
identifiers:
  - type: other
    value: "skillstore:davila7-geniml:audit:15"
    description: "Skillstore immutable audit report identifier"

변형 비교

설치 가능한 변형 2개

각 작성자의 스킬은 별도의 설치 항목으로 유지됩니다. 추천 변형은 Skillstore 근거로 순위가 정해집니다.

이 변형이 1위인 이유

Skillstore 점수가 가장 높음

작성자 / 소스 Skillstore 점수 증거 신뢰도 Skillstore 사용량 업데이트됨

davila7 권장 현재

davila7-geniml

Skillstore 점수 76

증거 신뢰도 높음

Skillstore 사용량 13

업데이트됨

2026-09-09

K-Dense-AI

k-dense-ai-geniml

Skillstore 점수 38

증거 신뢰도 중간

Skillstore 사용량 15

업데이트됨

2026-09-09

Skillstore 점수

이 점수의 이유 증거 신뢰도: 높음

아키텍처

유지보수성

콘텐츠

커뮤니티

사양 준수

만들 수 있는 것

구간 임베딩 학습

BED 파일을 준비하고, 유니버스를 기준으로 토큰화한 뒤, 후속 분석을 위한 Region2Vec 특성을 학습합니다.

단일 세포 접근성 분석

scEmbed 가이드를 사용하여 세포 임베딩을 생성하고, 세포를 클러스터링하며, 결과를 scanpy와 통합합니다.

검색 가능한 유전체 컬렉션 구축

BEDspace 임베딩과 메타데이터를 결합하여 구간과 레이블 전반의 유사도 검색을 지원합니다.

이 프롬프트를 사용해 보세요

Geniml 워크플로 계획

BED 파일과 메타데이터가 있습니다. 적절한 Geniml 워크플로를 선택하고 필요한 입력을 나열하도록 도와주세요.

합의 유니버스 구축

Geniml을 사용하여 여러 BED 파일에서 합의 피크 유니버스를 구축하는 과정을 안내해 주세요. 매개변수 선택과 품질 검사를 포함해 주세요.

Region2Vec 임베딩 학습

이 BED 파일들과 이 유니버스를 위한 Region2Vec 워크플로를 만들어 주세요. 토큰화, 학습 매개변수 및 평가 지표를 포함해 주세요.

BEDspace 검색 파이프라인 설계

메타데이터 인식 유전체 검색을 위한 고급 BEDspace 파이프라인을 설계해 주세요. 전처리, 학습, 거리 계산 및 검증을 포함해 주세요.

모범 사례

토큰화 전에 게놈 어셈블리, 염색체 크기 및 유니버스 선택을 확인합니다.
매개변수, 난수 시드, 소프트웨어 버전 및 입력 파일 출처를 기록합니다.
해석 전에 여러 지표와 시각적 검토로 임베딩을 평가합니다.

피하기

liftover 없이 서로 다른 게놈 어셈블리의 BED 파일을 혼합하지 마세요.
토큰화 커버리지를 확인하기 전에 임베딩을 학습하지 마세요.
리비전을 고정하지 않은 개발 설치를 프로덕션에서 사용하지 마세요.

자주 묻는 질문

이 스킬은 어떤 데이터와 함께 작동하나요?

특히 BED 파일과 scATAC-seq 데이터셋을 포함한 유전체 구간 데이터와 함께 작동합니다.

합의 피크 유니버스를 구축할 수 있나요?

예. 유니버스 파일을 구축하기 위한 CC, CCF, ML 및 HMM 방법을 설명합니다.

단일 세포 ATAC-seq 워크플로를 지원하나요?

예. scEmbed 워크플로와 scanpy 객체 통합을 다룹니다.

Geniml을 자동으로 실행하나요?

아니요. 사용자가 실행 전에 검토해야 할 워크플로 가이드와 예시 명령을 제공합니다.

어떤 외부 의존성이 필요할 수 있나요?

일부 워크플로에는 PyTorch, uniwig, StarSpace, scanpy 또는 reticulate가 필요할 수 있습니다.

프로덕션 유전체학 파이프라인에 적합한가요?

워크플로 가이드로 사용하세요. 프로덕션 사용 전에 패키지 버전을 고정하고, 입력을 검증하며, 명령을 검토하세요.

개발자 세부 정보

작성자

davila7

라이선스

MIT

Skillstore 리비전

버전 안내

작성자가 버전을 선언하지 않았습니다.

리포지토리

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/geniml

참조

b959ebfd1043a07c0c4378ab94ca4342cb0259f5

유지보수 최신성

2026. 7. 21.

사용량

6 다운로드 · 389 조회

파일 구조

📁 references/

📄 bedspace.md

📄 consensus_peaks.md

📄 region2vec.md

📄 scembed.md

📄 utilities.md

신뢰할 수 있는 RAG 시스템 구축

작성자 sickn33

RAG 프로젝트는 검색 품질이 약하거나 측정되지 않아 실패하는 경우가 많습니다. 이 스킬은 청킹, 임베딩, 벡터 검색, 하이브리드 검색, 재순위화, 평가 선택을 안내합니다.

데이터 및 분석 보기

geniml

내 에이전트로 설치

에이전트가 읽기 쉬운 리소스

테스트해 보기

보안 감사

위험 요인

보고서 링크 복사

Markdown 배지

HTML 배지

임베드 카드

APA 인용

BibTeX 인용

CITATION.cff

변형 비교

Skillstore 점수

만들 수 있는 것

구간 임베딩 학습

단일 세포 접근성 분석

검색 가능한 유전체 컬렉션 구축

이 프롬프트를 사용해 보세요

모범 사례

피하기

자주 묻는 질문

개발자 세부 정보

davila7의 다른 스킬

latex-posters

content-creator

treatment-plans

clinical-reports

exploratory-data-analysis

diffdock

관련 스킬

pytdc

senior-data-scientist

ml-antipattern-validator

agentdb-semantic-vector-search

when-debugging-ml-training-use-ml-training-debugger

rag-engineer