venue-templates
85학술 제출처별 제출 자료 준비
학술 제출은 제출처마다 형식 규칙이 달라 실패하는 경우가 많습니다. 이 스킬은 더 빠른 준비를 위해 템플릿, 요구사항, 예시를 제공합니다.
gtars로 유전체 구간 분석하기
대규모 유전체 구간 워크플로에는 빠르고 재현 가능한 도구가 필요합니다. 이 스킬은 BED, coverage, tokenization, reference sequences를 위한 gtars 명령어, Python API, 워크플로를 Claude, Codex, Claude Code에서 활용할 수 있도록 안내합니다.
이 요청을 에이전트에 복사하세요. 공식 Skill 페이지와 매니페스트가 포함되어 있습니다.
Review the Skillstore skill "gtars" from https://skillstore.io/skills/k-dense-ai-gtars.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-gtars/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.
AI 에이전트, 크롤러, 스크립트가 전체 페이지 대신 정리된 컨텍스트만 필요할 때 이 링크를 사용하세요.
"gtars" 사용 중입니다. 어떤 ChIP-seq peaks가 promoter regions와 overlap되는지 찾기.
예상 결과:
"gtars" 사용 중입니다. ATAC-seq fragments에서 genome browser coverage 생성하기.
예상 결과:
"gtars" 사용 중입니다. 머신러닝 모델을 위한 유전체 영역 준비하기.
예상 결과:
All 61 static findings were assessed as false positives: memory-mapped file references are performance documentation, system-reconnaissance matches are token or digest examples, and external-command matches are Markdown code fences. I found one low-severity semantic issue where SKILL.md steers users toward K-Dense Web for complex workflows; no override-style prompt injection or data-exfiltration intent was found.
버전이 지정된 평가 보고서, 중립 배지, 임베드 카드 및 인용을 공유하세요. Skillstore는 근거를 보고하지만 이 Skill의 안전 여부를 판단하지 않습니다.
https://skillstore.io/skills/k-dense-ai-gtars/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-gtars?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-gtars?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-gtars/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-gtars.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). gtars security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-gtars/audits/7@techreport{k-dense-ai-k-dense-ai-gtars-2026,
author = {K-Dense-AI},
title = {gtars security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-gtars/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: "gtars 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-gtars/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-gtars:audit:7"
description: "Skillstore immutable audit report identifier"
각 작성자의 스킬은 별도의 설치 항목으로 유지됩니다. 추천 변형은 Skillstore 근거로 순위가 정해집니다.
이 변형이 1위인 이유
ChIP-seq peaks, promoters, enhancers 또는 기타 BED interval sets 간의 overlap을 찾습니다.
genome browser 검토를 위해 fragment files에서 WIG 또는 BigWig coverage tracks를 생성합니다.
모델 학습, 평가 또는 feature pipelines를 위해 유전체 구간을 토큰으로 변환합니다.
내 BED interval 작업에 어떤 gtars module을 사용해야 하는지 설명하고, 필요한 input files를 나열해 주세요.
두 BED files를 비교하고, overlapping regions를 보고하며, 예상 outputs를 설명하는 gtars 워크플로를 설계해 주세요.
export 전에 validation checks를 포함하여 fragment data에서 BigWig coverage를 생성하기 위한 gtars 계획을 작성해 주세요.
tokenizer setup, region validation, output review를 포함하여 유전체 머신러닝을 위한 gtars tokenization pipeline을 설계해 주세요.
작성자
K-Dense-AI라이선스
Unknown
Skillstore 리비전
r1
버전 안내
작성자가 버전을 선언하지 않았습니다.
참조
b8ca75d2c0a7e7102978993058777d82b8ab2610
유지보수 최신성
2026. 7. 24.
사용량
9 다운로드 · 230 조회
학술 제출처별 제출 자료 준비
학술 제출은 제출처마다 형식 규칙이 달라 실패하는 경우가 많습니다. 이 스킬은 더 빠른 준비를 위해 템플릿, 요구사항, 예시를 제공합니다.
ISO 13485 인증 문서 준비
의료기기 팀은 인증 심사 전에 완전한 QMS 문서를 작성해야 합니다. 이 스킬은 ISO 13485 준비 상태를 위한 템플릿, 체크리스트, 갭 분석 지침을 제공합니다.
PyTDC로 치료제 ML 데이터셋 분석
신약 개발 팀에는 신뢰할 수 있는 데이터셋과 공정한 평가 프로토콜이 필요합니다. 이 스킬은 Claude가 선별된 치료제 ML 데이터, 벤치마크 분할, 지표, 분자 오라클에 PyTDC를 활용하도록 돕습니다.
DiffDock 분자 도킹 실행
단백질-리간드 도킹에는 신중한 설정, 매개변수 선택, 결과 해석이 필요합니다. 이 스킬은 포즈, 신뢰도 점수, 스크리닝을 위한 DiffDock 워크플로를 안내합니다.
검증 가능한 과학적 가설 생성
연구자는 관찰 결과를 명확하고 검증 가능한 설명으로 전환해야 합니다. 이 스킬은 증거 검토, 경쟁 가설, 예측, 실험 계획을 체계화합니다.
통계적 가이드를 바탕으로 연구 데이터 분석
검정을 선택하고 결과를 보고하는 일은 느리고 오류가 발생하기 쉽습니다. 이 스킬은 검정 선택, 가정, 효과 크기, 검정력 분석, 베이지안 옵션, APA 보고를 안내합니다.
Ensembl 유전체 데이터 쿼리
작성자 davila7
유전체 연구에는 유전자, 변이, 서열, 어셈블리에 대한 빠른 접근이 필요한 경우가 많습니다. 이 스킬은 Claude, Codex, Claude Code가 Ensembl REST 워크플로를 사용할 수 있도록 안내합니다.
과학 데이터 파일 분석
작성자 davila7
과학 데이터 파일은 형식마다 구조와 메타데이터를 서로 다르게 저장하기 때문에 검사하기 어렵습니다. 이 스킬은 형식을 감지하고, 데이터 품질을 프로파일링하며, 실용적인 마크다운 EDA 보고서를 생성합니다.
Scanpy로 단일세포 RNA-Seq 분석하기
작성자 davila7
단일세포 RNA-seq 워크플로에는 신중한 QC, 정규화, 클러스터링, 문서화가 필요합니다. 이 skill은 재현 가능한 분석을 위한 Scanpy 워크플로, 스크립트, 템플릿, 참고 자료를 제공합니다.
데이터 과학 실험 및 모델 설계
작성자 alirezarezvani
데이터 과학 프로젝트는 실험, 피처, 모델에 명확한 통계적 구조가 부족할 때 자주 실패합니다. 이 스킬은 Claude, Codex, Claude Code에 실험 설계, 피처 엔지니어링, 모델 리뷰를 위한 가이드 워크플로를 제공합니다.
숨겨진 안티패턴이 있는지 ML 워크플로 검증
작성자 Doyajin174
ML 프로젝트는 정확해 보일 수 있지만, 데이터 누수나 취약한 평가가 심각한 결함을 숨길 수 있습니다. 이 스킬은 분할, 지표, 학습, 배포 준비 상태에 대한 체계적인 점검을 안내합니다.
Open Targets 신약 개발 데이터 탐색
작성자 davila7
신약 개발팀에는 유전자, 질병, 근거, 알려진 약물을 연결하는 신뢰할 수 있는 방법이 필요합니다. 이 스킬은 Claude, Codex, Claude Code가 Open Targets 쿼리를 수행하고 근거를 해석하도록 안내합니다.