AC genomic-intelligence
Прогнозирование регуляторных признаков, структуры генов и экспрессии непосредственно из ДНК-последовательности с использованием размещенных трансформерных ДНК-языковых моделей Genomic Intelligence — без локального GPU или весов модели. Шесть задач через REST API и размещенный сервер MCP (демо без ключа): промоторные области, сайты сплайсинга донора/акцептора, активность энхансера, состояние хроматина, последовательность-к-экспрессии (лог TPM) и аннотация генов de-novo, плюс составной рабочий процесс поиска генов с последующим прогнозированием экспрессии. Используйте, когда у пользователя есть символ гена, геномный регион или ДНК/FASTA-последовательность, и он хочет получить любой из этих прогнозов, упоминает Genomic Intelligence, genomicintelligence.ai, api.genomicintelligence.ai или mcp.genomicintelligence.ai.
машинный переводПоказать оригиналСкрыть оригинал«Predict regulatory features, gene structure, and expression directly f…»
Predict regulatory features, gene structure, and expression directly from DNA sequence using Genomic Intelligence's hosted transformer DNA language models — no local GPU or model weights. Six tasks over a REST API and a hosted MCP server (keyless public demo): promoter regions, splice donor/acceptor sites, enhancer activity, chromatin state, sequence-to-expression (log TPM), and de-novo gene annotation, plus a composite find-genes-then-predict-expression workflow. Use when the user has a gene symbol, a genomic region, or a DNA/FASTA sequence and wants any of these predictions, mentions Genomic Intelligence, genomicintelligence.ai, api.genomicintelligence.ai, or mcp.genomicintelligence.ai.
Прогнозирование регуляторных признаков, структуры генов и экспрессии непосредственно из ДНК-последовательности с использованием размещенных трансформерных…
Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск
Как улучшить
- 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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 58/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (read, web, python), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 4860 токенов
- 100Шаги. Шагов: 23
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 10. 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
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +3Формат ответа не описан: модель каждый раз решает сама
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 697 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 23 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.