Получение геномных данных ENA
Поиск идентификаторов доступа ENA, метаданных и файлов последовательностей может занимать много времени у команд геномики. Этот навык предоставляет Claude, Codex и Claude Code структурированные рекомендации по API ENA.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "ena-database" from https://skillstore.io/skills/davila7-ena-database.md and its manifest at https://skillstore.io/api/skills/davila7-ena-database/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «ena-database». Find FASTQ files for run ERR123456.
Ожидаемый результат:
Используйте конечную точку отчета о файлах ENA для запусков чтения. Перед передачей запросите идентификатор доступа запуска, ссылки FASTQ, контрольные суммы и размеры файлов.
Использование «ena-database». Search assemblies for Escherichia coli.
Ожидаемый результат:
Используйте тип результата сборок Portal API с запросом по таксономическому дереву. Верните идентификатор доступа сборки, научное название и поля качества.
Использование «ena-database». Handle ENA rate limits in a workflow.
Ожидаемый результат:
Группируйте запросы, поддерживайте частоту ниже 50 запросов в секунду, повторяйте ответы 429 и 5xx, а также кэшируйте повторяющиеся запросы таксономии.
The skill is documentation-focused and its network examples target official public ENA and EBI services. Most static findings are false positives from Markdown examples, but the FTP download guidance is a real medium-risk transport issue because it uses unencrypted ftp:// URLs.
Это реальные локальные возможности, которые могут ожидаться для этого навыка, поэтому они требуют проверки, но не считаются подтверждённым вредоносным поведением.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/davila7-ena-database/audits/15?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-ena-database?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-ena-database?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-ena-database/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-ena-database.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>davila7. (2026). ena-database security audit report (audit version 15) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-ena-database/audits/15@techreport{davila7-davila7-ena-database-2026,
author = {davila7},
title = {ena-database security audit report (audit version 15)},
institution = {Skillstore},
year = {2026},
number = {15},
url = {https://skillstore.io/skills/davila7-ena-database/audits/15},
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: "ena-database security audit report (audit version 15)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/davila7-ena-database/audits/15"
identifiers:
- type: other
value: "skillstore:davila7-ena-database:audit:15"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
davila7-ena-database
2026-09-09
k-dense-ai-ena-database
2026-09-09
Найдите образцы, запуски, поля метаданных и ссылки FASTQ для публичного идентификатора доступа исследования ENA.
Составляйте фильтры Portal API по организму, таксономии, дате, типу анализа и метаданным сборки.
Планируйте этапы получения данных ENA с обработкой повторных попыток, пагинацией, ограничениями скорости и вариантами массовой загрузки.
Use the ENA database skill to explain how I can retrieve metadata for accession ERR123456. Include the best API endpoint.
Use the ENA database skill to design a Portal API search for all samples in study PRJNA123456. Include useful fields.
Use the ENA database skill to outline how to find FASTQ URLs, MD5 checksums, and byte sizes for run ERR123456.
Use the ENA database skill to plan a bulk retrieval workflow for 2,000 bacterial runs. Include rate limits and validation steps.
Автор
davila7Лицензия
MIT
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Ссылка
b959ebfd1043a07c0c4378ab94ca4342cb0259f5
Актуальность поддержки
20.07.2026
Использование
6 загрузок · 576 просмотров
Структура файлов
Создание исследовательских постеров в LaTeX
Исследовательские постеры сложно форматировать и проверять для печати в LaTeX. Этот навык предоставляет шаблоны, рекомендации по макету и проверки PDF для постеров, готовых к конференции.
Создавайте маркетинговый контент, готовый для SEO
Маркетинговым командам нужен понятный контент, который соответствует голосу бренда и поисковым целям. Этот навык предоставляет шаблоны, скрипты анализа и рекомендации по платформам для повторяемого производства контента.
Создание структурированных планов медицинского лечения
Клинические планы лечения часто оказываются непоследовательными, слишком объемными или сложными для проверки. Этот навык предоставляет специализированные шаблоны, измеримые цели, временные рамки и локальные средства контроля качества.
Создание структурированных клинических отчетов
Клиническим командам нужны понятные отчеты, соответствующие медицинским и регуляторным стандартам. Этот навык предоставляет шаблоны, чек-листы и рекомендации по валидации для описаний клинических случаев, диагностических отчетов, исследований и заметок о пациентах.
Анализ файлов научных данных
Файлы научных данных сложно исследовать, поскольку каждый формат по-разному хранит структуру и метаданные. Этот навык определяет форматы, оценивает качество данных и создает практические отчеты по разведочному анализу данных в формате markdown.
Запуск рабочих процессов молекулярного докинга DiffDock
Настройка молекулярного докинга часто завершается неудачей, поскольку сложно согласовать входные данные, параметры и оценки уверенности. Этот навык помогает выполнять рабочие процессы DiffDock от подготовки до анализа результатов.
Запрос данных генома Ensembl
от K-Dense-AI
Геномным исследованиям часто нужны точные данные о генах, последовательностях, вариантах и ортологии из Ensembl. Этот навык помогает Claude, Codex и Claude Code запрашивать Ensembl REST API и структурировать результаты для анализа.
Анализ дифференциальной экспрессии по данным RNA-seq
от K-Dense-AI
Дифференциальная экспрессия для bulk RNA-seq требует тщательной подготовки счетчиков, выбора дизайна и интерпретации результатов. Этот навык помогает выстраивать рабочие процессы PyDESeq2 от проверки входных данных до протестированных генов, графиков и сохраненных результатов.
Анализ геномных интервалов с помощью gtars
от K-Dense-AI
Крупные рабочие процессы с геномными интервалами требуют быстрых и воспроизводимых инструментов. Этот навык помогает Claude, Codex и Claude Code работать с командами gtars, Python API и рабочими процессами для BED, покрытия, токенизации и референсных последовательностей.
Создание геномных рабочих процессов DNAnexus
от K-Dense-AI
Командам геномики нужны надежные рекомендации по приложениям DNAnexus, данным и выполнению рабочих процессов. Этот навык систематизирует платформенные шаблоны для Claude, Codex и Claude Code.
Анализируйте терапевтические ML-наборы данных с PyTDC
от K-Dense-AI
Командам по разработке лекарств нужны надежные наборы данных и справедливые протоколы оценки. Этот навык помогает Claude использовать PyTDC для курируемых терапевтических ML-данных, benchmark-разбиений, метрик и молекулярных оракулов.
Анализ Single-Cell RNA-seq с помощью Scanpy
от K-Dense-AI
Анализ single-cell RNA-seq требует множества взаимосвязанных решений по QC, нормализации, кластеризации и построению графиков. Этот навык предоставляет Claude, Codex и Claude Code структурированные рабочие процессы Scanpy, справочные рекомендации и переиспользуемые скрипты анализа.