gtars
Analisar intervalos genômicos e trilhas de cobertura
Também disponível em: K-Dense-AI
A análise de intervalos genômicos requer ferramentas especializadas para processar arquivos BED, detectar sobreposições e gerar trilhas de cobertura. O Gtars fornece implementações de alto desempenho em Rust com vinculações Python para fluxos de trabalho de genômica computacional e aprendizado de máquina.
Baixar o ZIP da skill
Upload no Claude
Vá em Configurações → Capacidades → Skills → Upload skill
Ative e comece a usar
Testar
A utilizar "gtars". Find overlaps between chip_peaks.bed and promoters.bed using gtars
Resultado esperado:
- Found 245 peaks overlapping with promoter regions
- Overlapping peaks written to peaks_in_promoters.bed
- Average overlap length: 432bp
- Top overlapping chromosomes: chr1 (89), chr2 (52), chr3 (38)
A utilizar "gtars". Generate BigWig coverage track from ATAC-seq fragments
Resultado esperado:
- Processed 1.2M fragments in 4.2 seconds
- Coverage track saved to atac_coverage.bw
- Peak accessibility at chr1:780000-790000 (12.3x enrichment)
Auditoria de Segurança
SeguroThis is a legitimate genomic interval analysis toolkit. All 187 static findings are false positives: bash command examples in documentation (misidentified as shell execution), standard cryptographic digests for the GA4GH refget protocol in bioinformatics, memory-mapped file access for efficient large file handling, and system info commands during installation. No malicious code patterns, network exfiltration, credential access, or obfuscation detected.
Fatores de risco
⚡ Contém scripts (2)
📁 Acesso ao sistema de arquivos (2)
⚙️ Comandos externos (2)
Pontuação de qualidade
O Que Você Pode Construir
Análise de Sobreposição de Picos
Identificar elementos regulatórios sobrepostos entre picos de ChIP-seq e anotações de genes.
Pré-processamento de ML Genômico
Converter coordenadas genômicas em tokens discretos para modelos transformadores e aprendizado profundo.
Processamento de Fragmentos
Dividir fragmentos de ATAC-seq por barcodes celulares e realizar análise baseada em clusters.
Tente Estes Prompts
Use gtars para encontrar sobreposições entre dois arquivos BED: chip_peaks.bed e promoters.bed. Mostrar regiões que se sobrepõem.
Gerar uma trilha de cobertura BigWig a partir de atac_fragments.bed usando gtars uniwig com resolução de 10bp.
Criar um TreeTokenizer a partir de training_regions.bed e tokenizar essas coordenadas genômicas para um modelo transformador genômico.
Dividir fragments.tsv por clusters.txt e gerar trilhas de cobertura para cada cluster usando gtars.
Melhores Práticas
- Construir índices IGD uma vez e reutilizar para consultas repetidas para melhorar o desempenho
- Usar formato BigWig em vez de WIG para grandes conjuntos de dados para reduzir tamanho do arquivo e permitir acesso aleatório eficiente
- Habilitar processamento paralelo para arquivos com mais de 100.000 regiões
Evitar
- Processar arquivos BED não validados sem verificar se os nomes dos cromossomos correspondem à sua referência
- Executar análise de cobertura com resolução de base única em dados de genoma inteiro sem considerar a memória
- Usar tokenizadores sem entender o impacto do parâmetro de resolução em modelos de ML downstream
Perguntas Frequentes
Qual versão do Python é necessária?
Pode executar no Windows?
Quanta memória é necessária?
Meus dados estão seguros?
Por que minha consulta está lenta?
Como isso se compara ao BEDTools?
Detalhes do Desenvolvedor
Autor
davila7Licença
MIT
Repositório
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/gtarsReferência
main