技能 gtars
📦
gtars
内容修订 r2 安全 📁 文件系统访问⚙️ 外部命令
使用 Gtars 分析基因组区间
基因组区间工作流需要快速的重叠、覆盖度和标记化工具。此 skill 指导 Claude、Codex 和 Claude Code 使用 gtars APIs 和 CLI 工作流。
支持: Claude Codex Code(CC)
使用我的智能体安装
将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。
智能体请求
Review the Skillstore skill "gtars" from https://skillstore.io/skills/davila7-gtars.md and its manifest at https://skillstore.io/api/skills/davila7-gtars/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智能体仍应展示其计划，并按安全策略请求必要确认。
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。
测试它
正在使用“gtars”。 用户询问如何将 ChIP-seq 峰值与启动子区域进行比较。
预期结果:
一个简洁的工作流，加载两个 BED 文件，运行重叠检测，导出匹配峰值，并检查汇总计数。
正在使用“gtars”。 用户询问应该生成 WIG 还是 BigWig 覆盖度文件。
预期结果:
根据数据集大小、浏览器使用、存储需求和下游分析要求给出的格式建议。
正在使用“gtars”。 用户询问如何为基因组 transformer 模型准备区间。
预期结果:
一个预处理计划，涵盖 tokenizer 设置、区域加载、标记生成、批处理以及可复现的配置存储。
安全审计
安全v9 • 2026/7/23 打开版本化报告
All 47 static findings are false positives caused by Markdown formatting or benign Gtars documentation. The skill contains no executable scripts or injection text; examples describe expected local file operations, package installation, and an explicit BEDbase fetch.
7
已扫描文件
1,297
分析行数
0
复核项
0
已忽略误报
风险因素
📁 文件系统访问 (5)
⚙️ 外部命令 (38)
SKILL.md:26-28 SKILL.md:28-34 SKILL.md:34-40 SKILL.md:40-46 SKILL.md:46-49 SKILL.md:49-66 SKILL.md:66-72 SKILL.md:72-74 SKILL.md:74-87 SKILL.md:87-90 SKILL.md:90-92 SKILL.md:92-105 SKILL.md:105-110 SKILL.md:110-112 SKILL.md:112-125 SKILL.md:125-129 SKILL.md:129-131 SKILL.md:131-144 SKILL.md:144-147 SKILL.md:147-149 SKILL.md:149-162 SKILL.md:162-165 SKILL.md:165-173 SKILL.md:173-185 SKILL.md:185-191 SKILL.md:191-197 SKILL.md:197-203 SKILL.md:203-218 SKILL.md:218-238 SKILL.md:238-239 SKILL.md:239-240 SKILL.md:240-241 SKILL.md:241-242 SKILL.md:242-243 SKILL.md:243-269 SKILL.md:269-274 SKILL.md:274-276 SKILL.md:276-279
最新一次完成的静态与语义审计未检测到已确认的安全发现。这并不能证明该 Skill 没有副作用。
审计者: codex 查看审计历史 →
分享与引用此报告
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。
复制报告链接
https://skillstore.io/skills/davila7-gtars/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/davila7-gtars?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/davila7-gtars?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-gtars/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/davila7-gtars.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学术引用 (APA · BibTeX · CFF)
APA 引用
davila7. (2026). gtars security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-gtars/audits/9BibTeX 引用
@techreport{davila7-davila7-gtars-2026,
author = {davila7},
title = {gtars security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-gtars/audits/9},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "gtars security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-gtars/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-gtars:audit:9"
description: "Skillstore immutable audit report identifier"
比较变体
2 个可安装变体每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。
为什么此变体排名第一
Skillstore 评分最高
作者 / 来源 Skillstore 评分 证据置信度 Skillstore 使用量 已更新
Skillstore 评分
评分依据 证据置信度: 高 45
架构
85
可维护性
87
内容
70
社区
91
规范符合性
你能构建什么
比较基因组区域
查找 BED 文件之间的重叠、交集和差异，用于注释或峰值比较。
构建覆盖度轨道
从片段或区间数据生成 WIG 或 BigWig 覆盖度文件，用于基因组浏览器审查。
准备基因组 ML 数据
对基因组区间进行标记化，并为基因组模型训练准备一致的特征。
试试这些提示
选择工作流
我有 BED 文件并需要一个 gtars 工作流。请根据我的分析目标推荐 Python 或 CLI 步骤。
创建重叠分析步骤
为两个 BED 文件规划一个 gtars 重叠分析。包括预期输入、输出和验证检查。
设计覆盖度输出
帮助我使用 gtars 生成覆盖度轨道。根据我的数据集大小比较 WIG 和 BigWig 的选择。
优化基因组 ML 管道
为基因组机器学习设计 gtars 标记化和 RegionSet 预处理工作流。包括性能和内存选择。
最佳实践
- 在比较区域之前确认输入格式和基因组构建版本。
- 仅对可信的本地数据文件使用流式处理或内存映射。
- 记录 gtars 版本、功能标志和参数，以确保可复现性。
避免
- 不要在没有 liftover 的情况下混用来自不同基因组构建版本的 BED 文件。
- 不要在未经用户批准的情况下运行缓存或安装命令。
- 不要在没有对照的情况下将重叠计数视为生物学结论。
常见问题
gtars 用于什么？
Gtars 支持基因组区间分析、重叠检测、覆盖度生成、标记化和参考序列操作。
此 skill 会自动运行命令吗？
不。它提供命令的指导和示例，这些命令只有在用户批准后才应运行。
它能与 Python 工作流配合使用吗？
可以。参考资料涵盖 Python 绑定、RegionSet 操作、NumPy 集成和文件导出。
它能帮助处理命令行工作流吗？
可以。它记录了用于重叠、覆盖度、缓存、评分和片段拆分的 gtars CLI 命令。
涵盖哪些数据格式？
此 skill 涵盖 BED、WIG、BigWig、FASTA 和片段 TSV 工作流。
它适合用于临床解读吗？
不适合。它可以支持数据处理，但临床解读需要合格人员审查和经过验证的工作流。