Анализ геномных интервалов с Geniml
Машинное обучение геномных интервалов требует тщательной предварительной обработки, выбора модели и валидации. Этот навык помогает выстраивать рабочие процессы Geniml для эмбеддингов BED, анализа scATAC-seq и консенсусных пиков.
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 "geniml" from https://skillstore.io/skills/k-dense-ai-geniml.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-geniml/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 «geniml». Спланируйте рабочий процесс Region2Vec для 40 файлов BED ATAC-seq и проектного универсума.
Ожидаемый результат:
Использование «geniml». Помогите мне решить, как построить универсум консенсусных пиков из смешанных образцов ATAC-seq.
Ожидаемый результат:
Использование «geniml». Подготовьте рабочий процесс scEmbed для датасета AnnData scATAC-seq.
Ожидаемый результат:
Static findings in SKILL.md and reference files are documentation examples, cache paths, or reference URLs rather than executable malicious behavior. The skill does include evaluation.json with self-declared safety status, which should be removed or clearly excluded from marketplace trust decisions.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/k-dense-ai-geniml/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-geniml?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-geniml?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-geniml/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-geniml.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). geniml security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-geniml/audits/7@techreport{k-dense-ai-k-dense-ai-geniml-2026,
author = {K-Dense-AI},
title = {geniml security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-geniml/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: "geniml 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-geniml/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-geniml:audit:7"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
davila7-geniml
2026-09-09
k-dense-ai-geniml
2026-09-09
Подготовьте файлы BED, токенизируйте регионы относительно универсума, обучите Region2Vec и проверьте метрики качества эмбеддингов.
Спланируйте предварительную обработку scEmbed, обучите клеточные эмбеддинги и подключите результат к кластеризации и визуализации в scanpy.
Выберите метод построения универсума и настройте параметры cutoff, merge и filter для согласованной последующей токенизации.
У меня есть файлы BED и метаданные для геномных регионов. Помогите мне выбрать между Region2Vec, BEDspace, scEmbed и построением универсума.
Создайте рабочий процесс Region2Vec для моих файлов BED. Включите токенизацию, параметры обучения, выходные файлы и проверки валидации.
Помогите мне подготовить анализ scEmbed для датасета AnnData scATAC-seq с координатами пиков, токенизацией, обучением и интеграцией со scanpy.
Сравните методы построения универсума CC, CCF, ML и HMM для моей коллекции пиков ATAC-seq, затем порекомендуйте параметры и проверки качества.
Автор
K-Dense-AIЛицензия
BSD-2-Clause license
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/genimlСсылка
b8ca75d2c0a7e7102978993058777d82b8ab2610
Актуальность поддержки
18.07.2026
Использование
6 загрузок · 190 просмотров
Структура файлов
Подготовка материалов для академических площадок
Академические материалы часто не проходят проверку, потому что правила оформления различаются в зависимости от площадки. Этот навык предоставляет шаблоны, требования и примеры для более быстрой подготовки.
Подготовка документов для сертификации ISO 13485
Команды, работающие с медицинскими изделиями, должны подготовить полный комплект документации СМК перед сертификационными аудитами. Этот навык предоставляет шаблоны, чек-листы и рекомендации по анализу пробелов для готовности к ISO 13485.
Анализируйте терапевтические ML-наборы данных с PyTDC
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.
Выполнение молекулярного докинга DiffDock
Докинг белка и лиганда требует тщательной настройки, выбора параметров и интерпретации результатов. Этот навык помогает с рабочими процессами DiffDock для поз, оценок уверенности и скрининга.
Формирование проверяемых научных гипотез
Исследователям необходимо превращать наблюдения в ясные, проверяемые объяснения. Этот навык структурирует обзор доказательств, конкурирующие гипотезы, прогнозы и планы экспериментов.
Анализируйте исследовательские данные со статистической поддержкой
Выбор тестов и оформление результатов могут быть медленными и чреватыми ошибками. Этот skill помогает с выбором тестов, проверкой предпосылок, размерами эффекта, анализом мощности, байесовскими вариантами и оформлением по APA.
Анализ биоинформатических данных с помощью BioServices
от davila7
Биоинформатическая работа часто требует повторяющихся запросов к разрозненным публичным базам данных. Этот навык помогает Claude, Codex и Claude Code работать с процессами BioServices для белков, путей, соединений и идентификаторов.
Анализ данных DrugBank для исследований
от davila7
Исследования с DrugBank часто требуют аккуратного разбора XML, доступа к версионированным данным и структурированных фармакологических запросов. Этот навык предоставляет специализированные рекомендации и вспомогательные шаблоны для анализа DrugBank в Claude, Codex и Claude Code.
Запрос биоинформатических данных KEGG
от davila7
Биоинформатическая работа часто требует сопоставлений путей, генов, соединений и лекарственных препаратов из KEGG. Этот навык помогает Claude, Codex и Claude Code выполнять запросы к KEGG REST APIs и интерпретировать результаты.
Запрос данных о геноме Ensembl
от davila7
Геномные исследования часто требуют быстрого доступа к генам, вариантам, последовательностям и сборкам. Этот навык помогает Claude, Codex и Claude Code работать с Ensembl REST.
Анализ файлов научных данных
от davila7
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.
Анализ single-cell RNA-seq с помощью Scanpy
от davila7
Рабочие процессы single-cell RNA-seq требуют тщательного контроля качества, нормализации, кластеризации и документирования. Этот навык предоставляет рабочие процессы Scanpy, скрипты, шаблоны и справочные материалы для воспроизводимого анализа.