Arboreto
Wnioskuj sieci regulacji genów z danych ekspresji za pomocą GRNBoost2/GENIE3, skalowane przez Dask.
Testowano · Działa
Co robi ten skill
Prowadzi wnioskowanie GRN z danych ekspresji RNA-seq z masowych lub pojedynczych komórek, używając algorytmów GRNBoost2 i GENIE3 arboreto, w tym filtrowania TF, skalowania Dask lokalnie/w klastrze i integracji pySCENIC. Uruchamia się podczas analizy danych transkryptomicznych w celu znalezienia relacji regulacyjnych między czynnikami transkrypcyjnymi a genami docelowymi.
Raport z testu
Szybki Start oznacza zabezpieczenie Dask `if __name__ == '__main__':` jako 'Krytyczne' i powtarza je w sekcji Rozwiązywanie problemów; skrypt bazowy złożony z ogólnej wiedzy o arboreto pominął to zabezpieczenie, co jest prawdziwym błędem zawieszania/awarii w systemach macOS i Windows z multiprocessingiem opartym na spawn.
Testowano: 2026-07-14 · Claude Code 2.x (agent harness)
Instalacja
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
Komendy i przykładowe prompty
/arboretoWnioskuj sieci regulacji genów z danych ekspresji za pomocą GRNBoost2/GENIE3, skalowane przez Dask.
Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):
Infer a gene regulatory network with GRNBoost2Run GENIE3 GRN inference on my expression matrixBuild a GRN from single-cell data using arboreto