SKILLEMALL.ai

AD bulk-rnaseq

Комплексный оркестратор bulk RNA-seq — от необработанных FASTQ-чтений до QC и тримминга (FastQC, fastp/Trim Galore), выравнивания и квантификации (STAR, Salmon, featureCounts), сборки матрицы подсчетов на уровне генов, затем передача для дифференциальной экспрессии (pydeseq2), обогащения путей/GSEA (pathway-enrichment) и публикационных графиков (scientific-visualization). Используйте, когда у пользователя есть bulk RNA-seq-чтения или выходные данные квантификации, и ему нужен полный, воспроизводимый рабочий процесс дифференциальной экспрессии — например, «проанализируй мой RNA-seq», «FASTQ в DESeq2», «запусти nf-core/rnaseq», «квантификация STAR/Salmon», «создай матрицу подсчетов для DESeq2» или «от чтений к дифференциально экспрессированным генам и обогащенным путям». Маршрутизирует между путем nf-core/rnaseq (Nextflow) и автономным путем STAR/Salmon, а также охватывает дизайн эксперимента, направление цепи и ворота QC. Для single-cell RNA-seq используйте навык scanpy.

машинный переводПоказать оригиналСкрыть оригинал«End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through Q…»

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g. "analyze my RNA-seq", "FASTQ to DESeq2", "run nf-core/rnaseq", "STAR/Salmon quantification", "build a counts matrix for DESeq2", or "go from reads to differentially expressed genes and enriched pathways". Routes between an nf-core/rnaseq (Nextflow) path and a standalone STAR/Salmon path, and covers experimental design, strandedness, and QC gates. For single-cell RNA-seq use the scanpy skill instead.

synthetic-sciences/OpenScience Agent Skills автор: synthetic-sciences Apache-2.0 7 файлов · 2 скрипта тело ≈ 3 814 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Комплексный оркестратор bulk RNA-seq — от необработанных FASTQ-чтений до QC и тримминга (FastQC, fastp/Trim Galore), выравнивания и квантификации (STAR…

Как процесс D 38/100 · Процесс не доведён — Скилл ссылается на файлы, которых нет в архиве: scripts/run_enrichment.py

ПроцедураGitHubДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
D
38/100
Процесс не доведён
Скилл ссылается на файлы, которых нет в архиве: scripts/run_enrichment.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/run_enrichment.py

Процессный рейтинг: все десять параметров 38/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/run_enrichment.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/run_enrichment.py
  • 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
  • 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 85Шаги. Шагов: 42, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3814 токенов
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • low Разделов верхнего уровня: 13. 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 902: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 42 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 4)
  • +3Все 2 скриптов описаны в инструкциях
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.