Biomni 透過自主執行多步驟分析任務來轉化複雜的生物醫學研究。研究人員可以專注於科學問題，而 AI 則處理跨基因組學、藥物發現和臨床領域的數據處理、文獻回顧和計算分析。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「biomni」。 設計用於自噬調節因子的 CRISPR 篩選
預期結果:
- 生成包含 76,230 個導向、針對 19,057 個基因的 sgRNA 文庫
- 為每個基因設計 4 個 sgRNA，靶向分數高於 0.7
- 包含正向對照：ATG5、BECN1、ULK1、mTOR
- 基於途徑分析優先排序 347 個候選基因
- 提供用於篩選分析流程的 Python 代碼
正在使用「biomni」。 分析來自腫瘤樣本的單細胞 RNA-seq
預期結果:
- 透過聚類識別 12 個不同的細胞群體
- 註釋主要免疫細胞類型：T 細胞、B 細胞、巨噬細胞
- 發現 3 個具有未知標記的新型細胞群體
- 差異表達揭示腫瘤區域中 234 個上調基因
安全審計
低風險The static analysis flagged 415 patterns, but 95% are FALSE POSITIVES from markdown documentation. The backtick patterns are markdown code delimiters, not shell execution. The API key patterns show example environment variable names in documentation, not actual secrets. The skill is a legitimate Stanford SNAP lab biomedical research framework. The code execution + network + credential combination is the intended design for an AI agent that generates bioinformatics analysis code. Proper security warnings are documented recommending sandboxed execution.
風險因素
⚙️ 外部命令 (3)
🌐 網路存取 (1)
品質評分
你能建構什麼
設計全基因組 CRISPR 篩選
自動化 sgRNA 文庫設計、基因優先排序和敲除效應分析，用於功能基因組學研究
處理單細胞測序數據
執行品質控制、聚類、細胞類型註釋和差異表達分析
預測化合物 ADMET 性質
評估藥物候選物的吸收、分佈、代謝、排泄和毒性
試試這些提示
設計 CRISPR 敲除篩選以識別調控 HEK293 細胞自噬的基因。包括 sgRNA 文庫設計、正/負對照，以及基於途徑相關性的基因優先排序。
分析此單細胞 RNA-seq 數據集：執行 QC、透過聚類識別細胞群體、使用標記基因註釋細胞類型，並進行差異表達分析。檔案：path/to/data.h5ad
解讀第二型糖尿病的 GWAS 結果：識別全基因組顯著變異、映射到致病基因、進行途徑富集，並預測功能後果
預測這些化合物的 ADMET 性質：[SMILES 字串]。專注於 Caco-2 滲透性、血漿蛋白結合、CYP450 相互作用、清除率和 hERG 毒性
最佳實務
- 指定生物背景，包括生物體、細胞類型和實驗條件
- 分析數據集時提供檔案路徑
- 為複雜分析設定計算約束
- 保存對話歷史以實現可重複性
避免
- 在生產環境中執行而不審查生成的代碼
- 在共享環境中分享 API 金鑰或憑證
- 未經適當授權處理敏感的臨床數據
- 忽略長時間運行的分析的超時設置