biomni
Automatize pesquisas biomédicas com agentes de IA
也可从以下获取: davila7
O biomni transforma pesquisas biomédicas complexas executando autonomamente tarefas de análise de múltiplas etapas. Pesquisadores podem se concentrar em questões científicas enquanto a IA processa dados, revisão de literatura e análise computacional em genômica, descoberta de medicamentos e domínios clínicos.
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“biomni”。 Desenhar uma tela CRISPR para reguladores de autofagia
预期结果:
- Gerada biblioteca sgRNA com 76.230 guias visando 19.057 genes
- Desenhados 4 sgRNAs por gene com escores on-target acima de 0.7
- Incluídos controles positivos: ATG5, BECN1, ULK1, mTOR
- Priorizados 347 genes candidatos baseados em análise de via
- Fornecido código Python para pipeline de análise de tela
正在使用“biomni”。 Analisar RNA-seq de célula única de amostras de tumor
预期结果:
- Identificadas 12 populações celulares distintas por agrupamento
- Anotados principais tipos de células imunes: células T, células B, macrófagos
- Encontrados 3 novos agrupamentos celulares com marcadores desconhecidos
- Expressão diferencial revelou 234 genes superexpressos em região de tumor
安全审计
低风险The static analysis flagged 415 patterns, but 95% are FALSE POSITIVES from markdown documentation. The backtick patterns are markdown code delimiters, not shell execution. The API key patterns show example environment variable names in documentation, not actual secrets. The skill is a legitimate Stanford SNAP lab biomedical research framework. The code execution + network + credential combination is the intended design for an AI agent that generates bioinformatics analysis code. Proper security warnings are documented recommending sandboxed execution.
风险因素
⚙️ 外部命令 (3)
🌐 网络访问 (1)
质量评分
你能构建什么
Desenhar telas CRISPR de todo o genoma
Automatizar desenho de biblioteca sgRNA, priorização de genes e análise de efeito de knockout para estudos de genômica funcional
Processar dados de sequenciamento de célula única
Realizar controle de qualidade, agrupamento, anotação de tipo celular e análise de expressão diferencial
Predizer propriedades ADMET de compostos
Avaliar absorção, distribuição, metabolismo, excreção e toxicidade para candidatos a medicamentos
试试这些提示
Desenhar uma tela de knockout CRISPR para identificar genes que regulam autofagia em células HEK293. Incluir desenho de biblioteca sgRNA, controles positivo/negativo e priorização de genes baseada em relevância de via.
Analisar este conjunto de dados de RNA-seq de célula única: realizar QC, identificar populações celulares por agrupamento, anotar tipos celulares usando genes marcadores, e conduzir expressão diferencial. Arquivo: path/to/data.h5ad
Interpretar resultados GWAS para Diabetes Tipo 2: identificar variantes significativas de todo o genoma, mapear para genes causais, realizar enriquecimento de via e prever consequências funcionais
Prever propriedades ADMET para estes compostos: [SMILES strings]. Focar em permeabilidade Caco-2, ligação a proteínas plasmáticas, interações CYP450, clearance e toxicidade hERG
最佳实践
- Especifique contexto biológico incluindo organismo, tipo celular e condições experimentais
- Forneça caminhos de arquivos para seus conjuntos de dados ao analisá-los
- Defina restrições computacionais para análises complexas
- Salve histórico de conversação para reprodutibilidade
避免
- Executar sem revisar código gerado em ambientes de produção
- Compartilhar chaves de API ou credenciais em ambientes compartilhados
- Processar dados clínicos sensíveis sem autorização adequada
- Ignorar configurações de timeout para análises de longa duração