Arboreto

Inférer des réseaux de régulation génique à partir de données d'expression avec GRNBoost2/GENIE3, mis à l'échelle via Dask.

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

Testé · Fonctionne ★ 8.8/10

Arboreto — Inférer des réseaux de régulation génique à partir de données d'expression avec GRNBoost2/GENIE3, mis à l'échelle via Dask.

Ce que fait

Guide l'inférence GRN à partir de données d'expression RNA-seq en vrac ou unicellulaires en utilisant les algorithmes GRNBoost2 et GENIE3 d'arboreto, y compris le filtrage TF, la mise à l'échelle Dask locale/cluster et l'intégration pySCENIC. Se déclenche lors de l'analyse de données transcriptomiques pour trouver les relations régulatrices facteur de transcription-gène cible.

Rapport de test

Le guide de démarrage rapide marque la garde Dask `if __name__ == '__main__':` comme 'Critique' et la répète dans le dépannage ; un script de base assemblé à partir de connaissances générales d'arboreto a omis cette garde, ce qui est un véritable bug de blocage/plantage sur macOS et Windows avec le multiprocessing basé sur `spawn`.

Testé le: 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

Commandes et exemples de prompts

/arboretoInférer des réseaux de régulation génique à partir de données d'expression avec GRNBoost2/GENIE3, mis à l'échelle via Dask.

Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :

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

Rapport complet →