Анализ counts RNA-Seq с помощью PyDESeq2
Анализ bulk RNA-seq требует тщательного форматирования, проектирования модели и статистического тестирования. Этот навык проводит через рабочие процессы PyDESeq2 от таблиц counts до ранжированных результатов дифференциальной экспрессии.
Остановитесь и запросите подтверждение перед установкой.
Проверьте план и получите явное согласие пользователя перед изменением файлов.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "pydeseq2" from https://skillstore.io/skills/davila7-pydeseq2.md and its manifest at https://skillstore.io/api/skills/davila7-pydeseq2/manifest. Verify the artifact. Stop and obtain explicit user consent before installing or changing files.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 «pydeseq2». Пользователь спрашивает, как сравнить treated and control samples с помощью PyDESeq2.
Ожидаемый результат:
Пошаговый план анализа с проверками входных данных, фильтрацией генов, подгонкой модели, Wald testing и интерпретацией adjusted p-value.
Использование «pydeseq2». У пользователя есть batch effects в metadata, и он хочет получить надежные результаты дифференциальной экспрессии.
Ожидаемый результат:
Рекомендация по дизайну, которая размещает batch перед condition, проверяет выравнивание образцов и объясняет treated versus control contrast.
Использование «pydeseq2». Пользователь хочет summary tables и plots, готовые для публикации.
Ожидаемый результат:
Рекомендации по экспорту ranked results, significant genes, volcano plots, MA plots и примечания о log fold-change shrinkage.
All 74 static findings are false positives involving Markdown, expected output writes, documentation links, or sample-filtering guidance. However, the workflow recommends pickle.load without a trust warning, which can execute malicious payloads. No prompt injection, network requests, credential access, or covert command execution was found.
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-pydeseq2/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/davila7-pydeseq2?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/davila7-pydeseq2?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-pydeseq2/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/davila7-pydeseq2.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). pydeseq2 security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pydeseq2/audits/9@techreport{davila7-davila7-pydeseq2-2026,
author = {davila7},
title = {pydeseq2 security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-pydeseq2/audits/9},
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: "pydeseq2 security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-pydeseq2/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-pydeseq2:audit:9"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
k-dense-ai-pydeseq2
2026-09-09
davila7-pydeseq2
2026-09-09
Проанализировать обработанные и контрольные образцы bulk RNA-seq и выявить гены со скорректированными p-значениями ниже выбранного порога.
Построить многофакторный дизайн, который корректирует batch, age или другие ковариаты перед тестированием основного условия.
Использовать включенный script для создания таблиц результатов и графиков для повторяющихся анализов дифференциальной экспрессии.
Помогите мне подготовить counts и метаданные bulk RNA-seq для PyDESeq2. Мой count file содержит genes by samples, а мои метаданные содержат condition labels.
Создайте рабочий процесс PyDESeq2 для treated versus control samples. Включите filtering, design formula, contrast и шаги result export.
Спроектируйте анализ PyDESeq2, который тестирует condition, контролируя batch. Объясните, как проверять metadata и интерпретировать adjusted p-values.
Проверьте мой дизайн PyDESeq2 с condition, batch и interaction terms. Выявите rank issues, варианты contrast и риски отчетности.
Автор
davila7Лицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/pydeseq2Ссылка
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
Актуальность поддержки
25.07.2026
Использование
5 загрузок · 200 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.
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.
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 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.
Запрос данных последовательностей ENA
от K-Dense-AI
Поиск записей ENA и ссылок для скачивания может требовать работы с несколькими API и форматами. Этот навык помогает Claude, Codex и Claude Code выполнять рабочие процессы поиска ENA, получения метаданных, таксономии и массового скачивания.
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.