Arboreto

Udled genregulerende netværk fra expressionsdata med GRNBoost2/GENIE3, skaleret via Dask.

Af K-Dense-AI · K-Dense-AI/scientific-agent-skills

Testet · Virker ★ 8.8/10

Arboreto — Udled genregulerende netværk fra expressionsdata med GRNBoost2/GENIE3, skaleret via Dask.

Hvad det gør

Guider GRN-inferens fra bulk- eller enkeltcelle-RNA-seq expressionsdata ved hjælp af arboretos GRNBoost2 og GENIE3 algoritmer, inklusive TF-filtrering, lokal/cluster Dask-skalering og pySCENIC-integration. Udløses ved analyse af transkriptomikdata for at finde transkriptionsfaktor-til-målgen regulerende relationer.

Testrapport

Quick Start markerer `if __name__ == '__main__':` Dask-guarden som 'Critical' og gentager den i Troubleshooting; et baseline-script samlet fra generel arboreto-viden udelod den guard, hvilket er en ægte hang/crash-fejl på macOS og Windows spawn-baseret multiprocessing.

Testet: 2026-07-14 · Claude Code 2.x (agent harness)

Installation

git clone https://github.com/K-Dense-AI/scientific-agent-skills
cd scientific-agent-skills
mkdir -p ~/.claude/skills
cp -r skills/arboreto ~/.claude/skills/arboreto

Kommandoer og eksempelprompter

/arboretoUdled genregulerende netværk fra expressionsdata med GRNBoost2/GENIE3, skaleret via Dask.

Skills udløses af almindelige forespørgsler — ingen kommandoer at huske. Efter installationen aktiverer prompter som disse skillen (på engelsk):

Infer a gene regulatory network with GRNBoost2
Run GENIE3 GRN inference on my expression matrix
Build a GRN from single-cell data using arboreto

Læs hele rapporten →