SKILLEMALL.ai

CD tooluniverse-variant-analysis

Готовая к производству обработка VCF, аннотация вариантов, анализ мутаций и интерпретация структурных вариантов (SV/CNV) для биоинформатических задач. Разбирает VCF-файлы (потоковая передача, большие файлы), классифицирует типы мутаций (миссенс, нонсенс, синонимичные, со сдвигом рамки, сплайсинг, интронные, межгенные) и структурные варианты (делеции, дупликации, инверсии, транслокации), применяет фильтры VAF/глубины/качества/следствия, аннотирует с помощью ClinVar/dbSNP/gnomAD/CADD через ToolUniverse, интерпретирует клиническую значимость SV/CNV с использованием оценок чувствительности к дозе ClinGen, вычисляет статистику вариантов и генерирует отчеты. Решает такие задачи, как «Какая доля вариантов с VAF < 0,3 является миссенс?», «Сколько нереференсных вариантов остается после фильтрации интронных/межгенных?», «Какова патогенность этой делеции, влияющей на BRCA1?» или «Какие гены, чувствительные к дозе, перекрываются с этим CNV?». Используйте при обработке VCF-файлов, аннотировании вариантов, фильтрации по VAF/глубине/следствию, классификации мутаций, интерпретации структурных вариантов, оценке патогенности CNV, сравнении когорт или ответах на вопросы по анализу вариантов.

машинный переводПоказать оригиналСкрыть оригинал«Production-ready VCF processing, variant annotation, mutation analysis…»

Production-ready VCF processing, variant annotation, mutation analysis, and structural variant (SV/CNV) interpretation for bioinformatics questions. Parses VCF files (streaming, large files), classifies mutation types (missense, nonsense, synonymous, frameshift, splice, intronic, intergenic) and structural variants (deletions, duplications, inversions, translocations), applies VAF/depth/quality/consequence filters, annotates with ClinVar/dbSNP/gnomAD/CADD via ToolUniverse, interprets SV/CNV clinical significance using ClinGen dosage sensitivity scores, computes variant statistics, and generates reports. Solves questions like "What fraction of variants with VAF < 0.3 are missense?", "How many non-reference variants remain after filtering intronic/intergenic?", "What is the pathogenicity of this deletion affecting BRCA1?", or "Which dosage-sensitive genes overlap this CNV?". Use when processing VCF files, annotating variants, filtering by VAF/depth/consequence, classifying mutations, interpreting structural variants, assessing CNV pathogenicity, comparing cohorts, or answering variant analysis questions.

FreedomIntelligence/OpenClaw-Medical-Skills Agent Skills автор: FreedomIntelligence 14 файлов · 5 скриптов тело ≈ 3 767 токенов Открыть источникgithub.com↗ проанализирован 14 ч назад

Готовая к производству обработка VCF, аннотация вариантов, анализ мутаций и интерпретация структурных вариантов (SV/CNV) для биоинформатических задач.

Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
C
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
44/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Сократите description до 1024 символов.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • ошибка description-long description 1119 символов, лимит 1024

Процессный рейтинг: все десять параметров 44/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 85Шаги. Шагов: 94, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3767 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 1119: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 4 примера фраз-триггеров в кавычках
  • +4Структура: 30 заголовков
  • +3Пошаговые инструкции: 94 пунктов
  • +4Есть примеры (14 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.