SkillProof tested Claude skills

Arboreto

Inferera genreglerande nätverk från expressionsdata med GRNBoost2/GENIE3, skalat via Dask.

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

Testad · Fungerar ★ 8.8/10

Arboreto — Inferera genreglerande nätverk från expressionsdata med GRNBoost2/GENIE3, skalat via Dask.

Vad den gör

Vägleder GRN-inferens från bulk- eller encells-RNA-seq expressionsdata med arboretos GRNBoost2- och GENIE3-algoritmer, inklusive TF-filtrering, lokal/kluster Dask-skalning och pySCENIC-integration. Utlöses vid analys av transkriptomikdata för att hitta transkriptionsfaktor-till-målgen-reglerande relationer.

Testrapport

Snabbstarten markerar `if __name__ == '__main__':` Dask-skyddet som 'Critical' och upprepar det i felsökningen; ett baslinjeskript sammanställt från allmän arboreto-kunskap utelämnade det skyddet, vilket är en verklig häng-/kraschbugg på macOS och Windows spawn-baserad multiprocessing.

Testad: 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

Kommandon och exempelprompter

  • /arboretoInferera genreglerande nätverk från expressionsdata med GRNBoost2/GENIE3, skalat via Dask.

Skills triggas av vanliga förfrågningar — inga kommandon att memorera. Efter installationen aktiverar prompter som dessa skillen (på engelska):

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

Läs hela rapporten →