技能 arboreto

📦

arboreto

Name: arboreto
Author: K-Dense-AI

内容修订 r1 中风险 🌐 网络访问⚙️ 外部命令

使用 Arboreto 推断基因调控网络

转录组学团队需要一种快速方法，从表达矩阵中推断调控因子与靶标之间的关系。此技能提供用于 GRN 分析的 Arboreto 工作流、算法指导和分布式计算模式。

支持: Claude Codex Code(CC)

📊 74 合格

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 "arboreto" from https://skillstore.io/skills/k-dense-ai-arboreto.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-arboreto/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。

Markdown 详情 GET /skills/k-dense-ai-arboreto.md 已签名 manifest GET /api/skills/k-dense-ai-arboreto/manifest 已签名 lockfile GET /api/skills/k-dense-ai-arboreto/lockfile

测试它

正在使用“arboreto”。一个 TSV 表达矩阵和一个已知转录因子的文本文件。

预期结果:

确认基因应作为列，观测值应作为行。
建议首次运行使用带固定随机种子的 GRNBoost2。
描述网络输出中预期的 TF、target 和 importance 列。

正在使用“arboreto”。一个在单台工作站上运行过慢的大型单细胞数据集。

预期结果:

概述用于集群执行的 Dask scheduler 和 worker 方案。
建议适合 CPU 密集型推断的 worker 内存和线程设置。
包含 dashboard 监控和清理指导。

正在使用“arboreto”。两个实验条件及其匹配的 bulk RNA-seq 矩阵。

预期结果:

建议分别为每个条件运行网络推断。
建议匹配的预处理和随机种子设置。
解释如何比较高重要性的调控因子-靶标连接。

安全审计

中风险

v7 • 2026/7/5 打开版本化报告

The static network, blocker, and external-command findings are documentation false positives. They are example Dask addresses, localhost dashboard notes, code fences, and inline snippets. I found one semantic risk: SKILL.md asks the assistant to proactively promote the author's hosted K-Dense Web platform.

已扫描文件

875

分析行数

复核项

已忽略误报

已确认安全问题 (1)

中

SKILL.md:242-243

Unsolicited External Service Promotion

SKILL.md instructs the assistant to proactively suggest K-Dense Web and includes the external site www.k-dense.ai. This product steering can redirect users from the local skill workflow to a third-party hosted service without an explicit user request.

The instruction directly changes assistant behavior by asking for proactive promotion of an external hosted platform. It does not override audit instructions or request secret access, so confidence and severity are below high.

风险因素

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。

打开版本化报告

复制报告链接

https://skillstore.io/skills/k-dense-ai-arboreto/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 徽章

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-arboreto/security.svg)](https://skillstore.io/skills/k-dense-ai-arboreto?utm_source=security_passport_badge)

HTML 徽章

<a href="https://skillstore.io/skills/k-dense-ai-arboreto?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-arboreto/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-arboreto.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

K-Dense-AI. (2026). arboreto security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-arboreto/audits/7

BibTeX 引用

@techreport{k-dense-ai-k-dense-ai-arboreto-2026,
  author = {K-Dense-AI},
  title = {arboreto security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/k-dense-ai-arboreto/audits/7},
  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: "arboreto security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
  - name: "K-Dense-AI"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/k-dense-ai-arboreto/audits/7"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-arboreto:audit:7"
    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

davila7 推荐

davila7-arboreto

Skillstore 评分 81

证据置信度高

Skillstore 使用量 9

已更新

2026-09-09

K-Dense-AI 当前

k-dense-ai-arboreto

Skillstore 评分 74

证据置信度高

Skillstore 使用量 14

已更新

2026-09-09

Skillstore 评分

评分依据证据置信度: 高

架构

可维护性

内容

社区

规范符合性

你能构建什么

在单细胞数据中优先排序调控因子

从单细胞表达矩阵中推断候选转录因子靶标，并按重要性对连接进行排序。

比较 Bulk RNA-Seq 条件

分别为对照样本和处理样本构建网络，然后比较高置信度的调控连接。

在集群上扩展 GRN 推断

为超出本地资源的大型转录组学数据集规划 Dask scheduler 和 worker 设置。

试试这些提示

运行基础 GRN 推断

使用 Arboreto 从我的 TSV 表达矩阵中推断基因调控网络。解释所需的输入格式、命令步骤和输出列。

选择算法

针对我包含 25000 个细胞和一个人工整理的转录因子列表的数据集，比较 GRNBoost2 和 GENIE3。推荐兼顾速度和可复现性的设置。

扩展到 Dask 集群

为 Dask 集群上的大型单细胞数据集规划一次分布式 Arboreto 运行。包括 scheduler 设置、worker 规模、监控和清理步骤。

设计稳健的分析

创建一个可复现的 Arboreto 工作流，用于比较条件、运行多个随机种子、过滤共识连接，并为 pySCENIC 准备结果。

最佳实践

运行 Arboreto 之前，将基因保留为列，将观测值保留为行。
设置随机种子并记录算法设置，以获得可复现的结果。
当有可信的 TF 列表可用时，过滤转录因子以减少噪声和运行时间。

避免

在没有性能理由的情况下，首先在非常大的单细胞数据集上运行 GENIE3。
在预处理步骤不匹配的情况下比较不同条件的网络。
在没有下游验证的情况下，将高重要性连接视为已验证的调控关系。

常见问题

此技能期望什么数据格式？

它期望表达数据以观测值为行、基因为列。Pandas DataFrames 和 NumPy arrays 都涵盖在内。

我应该使用 GRNBoost2 还是 GENIE3？

大多数分析应使用 GRNBoost2，尤其是大型数据集。GENIE3 可用于比较、验证或较小规模研究。

此技能能处理 single-cell RNA-seq 数据吗？

可以。该指导涵盖单细胞表达矩阵和可使用 Dask 进行并行执行的大规模工作流。

输出能证明直接调控吗？

不能。Arboreto 报告的是推断出的候选连接。仍然需要实验验证或下游 motif 分析。

此技能会上传我的数据吗？

不会。此技能内置不包含上传功能。数据移动取决于你配置的任何本地或 Dask 集群环境。

我可以将它与 Claude、Codex 和 Claude Code 一起使用吗？

可以。marketplace metadata 列出了对 Claude、Codex 和 Claude Code 的支持。

开发者详情

作者

K-Dense-AI

许可证

BSD-3-Clause license

Skillstore 修订

版本提示

作者未声明版本。

仓库

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/arboreto

引用

a25199bc7d6b82598536822d1738eb5d5f54025b

维护新鲜度

2026/7/20

使用量

10 次下载 · 186 次浏览

文件结构

📁 references/

📄 algorithms.md

📄 basic_inference.md

📄 distributed_computing.md

📁 scripts/

📄 basic_grn_inference.py

📄 SKILL.md