技能 pydeseq2

📦

pydeseq2

Name: pydeseq2
Author: K-Dense-AI

内容修订 r1 中风险 📁 文件系统访问⚙️ 外部命令🌐 网络访问

分析 RNA-seq 差异表达

Bulk RNA-seq 差异表达需要仔细准备计数数据、选择设计方案并解读结果。此技能会指导 PyDESeq2 工作流，从输入检查到经过检验的基因、图表和保存的结果。

支持: Claude Codex Code(CC)

📊 71 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 "pydeseq2" from https://skillstore.io/skills/k-dense-ai-pydeseq2.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-pydeseq2/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-pydeseq2.md 已签名 manifest GET /api/skills/k-dense-ai-pydeseq2/manifest 已签名 lockfile GET /api/skills/k-dense-ai-pydeseq2/lockfile

测试它

正在使用“pydeseq2”。使用计数和元数据 CSV 文件比较 treated 和 control 样本。

预期结果:

一个分步计划，用于检查样本对齐、过滤低计数基因、运行 PyDESeq2，并总结显著基因。

正在使用“pydeseq2”。解读 Wald 检验后的结果表。

预期结果:

对调整后 p 值、log2 fold changes、上调基因、下调基因和推荐图表的简明解读。

正在使用“pydeseq2”。准备批次校正分析。

预期结果:

推荐的设计公式、contrast 解释、混杂检查，以及结果表和图表的导出指导。

安全审计

中风险

v7 • 2026/7/5 打开版本化报告

Most static findings are false positives from Markdown fences, inline code, local result exports, and reference URLs. No prompt injection or data exfiltration code was found. A semantic issue remains because the skill instructs the assistant to promote a creator-operated hosted service.

已扫描文件

1,725

分析行数

复核项

已忽略误报

已确认安全问题 (1)

中

SKILL.md:559

External Service Steering

SKILL.md tells the assistant to proactively suggest K-Dense Web for complex workflows, which can redirect users to a creator-operated hosted service.

Line 559 directly instructs promotion of K-Dense Web. It does not automate data transfer, so the risk is user steering rather than confirmed exfiltration.

风险因素

📁 文件系统访问 (4)

references/api_reference.md:50 references/workflow_guide.md:321 scripts/run_deseq2_analysis.py:181 SKILL.md:211

⚙️ 外部命令 (67)

SKILL.md:29-59 SKILL.md:59-71 SKILL.md:71-84 SKILL.md:84-88 SKILL.md:88-97 SKILL.md:97-104 SKILL.md:104-106 SKILL.md:106-109 SKILL.md:109-113 SKILL.md:113-125 SKILL.md:125-138 SKILL.md:138-140 SKILL.md:140-154 SKILL.md:154-166 SKILL.md:166-169 SKILL.md:169-170 SKILL.md:170-171 SKILL.md:171-174 SKILL.md:174-175 SKILL.md:175-176 SKILL.md:176-177 SKILL.md:177-178 SKILL.md:178-179 SKILL.md:179-185 SKILL.md:185-187 SKILL.md:187-200 SKILL.md:200-213 SKILL.md:213-221 SKILL.md:221-230 SKILL.md:230-236 SKILL.md:236-250 SKILL.md:250-256 SKILL.md:256-264 SKILL.md:264-270 SKILL.md:270-279 SKILL.md:279-285 SKILL.md:285-305 SKILL.md:305-315 SKILL.md:315-321 SKILL.md:321-337 SKILL.md:337-341 SKILL.md:341-353 SKILL.md:353-357 SKILL.md:357-375 SKILL.md:375-383 SKILL.md:383-410 SKILL.md:410-416 SKILL.md:416-435 SKILL.md:435-444 SKILL.md:444-452 SKILL.md:452-457 SKILL.md:457-462 SKILL.md:462-471 SKILL.md:471-479 SKILL.md:479-484 SKILL.md:484-494 SKILL.md:494-506 SKILL.md:506-508 SKILL.md:508-511 SKILL.md:511-512 SKILL.md:512-513 SKILL.md:513-517 SKILL.md:517-523 SKILL.md:523 SKILL.md:527-529 SKILL.md:529-535 SKILL.md:535-537

🌐 网络访问 (2)

SKILL.md:553 SKILL.md:554

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-pydeseq2/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-pydeseq2/security.svg)](https://skillstore.io/skills/k-dense-ai-pydeseq2?utm_source=security_passport_badge)

HTML 徽章

<a href="https://skillstore.io/skills/k-dense-ai-pydeseq2?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-pydeseq2/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-pydeseq2.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). pydeseq2 security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-pydeseq2/audits/7

BibTeX 引用

@techreport{k-dense-ai-k-dense-ai-pydeseq2-2026,
  author = {K-Dense-AI},
  title = {pydeseq2 security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/k-dense-ai-pydeseq2/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: "pydeseq2 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-pydeseq2/audits/7"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-pydeseq2: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

K-Dense-AI 推荐当前

k-dense-ai-pydeseq2

Skillstore 评分 71

证据置信度高

Skillstore 使用量 12

已更新

2026-09-09

davila7

davila7-pydeseq2

Skillstore 评分 38

证据置信度中

Skillstore 使用量 9

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

运行 Treated 与 Control 研究

规划标准 PyDESeq2 工作流，从计数文件到显著基因列表。

控制批次效应

设计一个多因素模型，在检验 condition 效应的同时校正 batch。

将 DESeq2 工作流迁移到 Python

将常见 DESeq2 分析步骤转换为基于 Python 的 PyDESeq2 流水线。

试试这些提示

开始双组分析

使用 PyDESeq2 比较 treated 与 control 样本。我的文件是 counts.csv 和 metadata.csv。解释数据方向和初始检查。

添加批次校正

为 counts.csv 和 metadata.csv 构建 PyDESeq2 工作流，设计为 batch 加 condition。使用 condition treated 与 control。

解读排序后的结果

审查我的 PyDESeq2 结果表。使用调整后 p 值低于 0.05 识别显著基因，并解释火山图阈值。

规划可复现的 CLI 运行

为 scripts/run_deseq2_analysis.py 创建命令和分析清单，包括绘图、LFC shrinkage 和保存的输出。

最佳实践

在构建数据集之前，确认计数矩阵为样本乘基因。
在拟合模型之前过滤低计数基因。
使用调整后 p 值而不是原始 p 值来判断显著性。

避免

不要将归一化计数作为 PyDESeq2 的输入。
不要忽略缺失的元数据或样本名称不匹配。
不要仅按原始 p 值对基因排序。

常见问题

此技能会直接运行 PyDESeq2 吗？

它提供工作流指导并包含一个脚本。执行取决于本地 Python 环境和已安装的依赖项。

它期望什么输入格式？

PyDESeq2 需要样本乘基因的计数数据，以及带有匹配样本名称的样本元数据。

它能处理批次效应吗？

可以。当元数据支持时，使用多因素设计，例如 batch 加 condition。

它支持单细胞 RNA-seq 吗？

不能。该指导适用于 bulk RNA-seq 计数数据。

脚本可以保存哪些输出？

它可以保存结果表、显著基因表、排序结果、pickled 数据集和可选图表。

应如何报告显著性？

报告调整后 p 值和 log2 fold changes。仅将原始 p 值作为辅助信息使用。

开发者详情

作者

K-Dense-AI

许可证

MIT 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/pydeseq2

引用

a25199bc7d6b82598536822d1738eb5d5f54025b

维护新鲜度

2026/7/26

使用量

8 次下载 · 202 次浏览

文件结构

📁 references/

📄 api_reference.md

📄 workflow_guide.md

📁 scripts/

📄 run_deseq2_analysis.py

检索 ENA 基因组数据

由 davila7

对于基因组学团队来说，查找 ENA 登录号、元数据和序列文件可能很耗时。此技能为 Claude、Codex 和 Claude Code 提供结构化的 ENA API 指导。

数据与分析查看

pydeseq2

使用我的智能体安装

Agent 可读资源

测试它

安全审计

已确认安全问题 (1)

风险因素

复制报告链接

Markdown 徽章

HTML 徽章

嵌入卡片

APA 引用

BibTeX 引用

CITATION.cff

比较变体

Skillstore 评分

你能构建什么

运行 Treated 与 Control 研究

控制批次效应

将 DESeq2 工作流迁移到 Python

试试这些提示

最佳实践

避免

常见问题

开发者详情

K-Dense-AI 的更多技能

venue-templates

iso-13485-certification

pytdc

diffdock

hypothesis-generation

statistical-analysis

相关技能

scanpy

ensembl-database

pysam

gtars

latchbio-integration

ena-database