下载

Skill UI

浏览并发现 9785+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索基因表达，共找到 12 条记录

默认排序最新上传最多下载

Arboreto基因调控网络

K-Dense-AI/claude-scientific-skills

Arboreto利用GRNBoost2/GENIE3从批量或单细胞RNA-seq表达数据中推理转录因子与靶基因调控关系，支持TF筛选与Dask分布式运行，输出排序链接供后续分析。

COSMIC癌症突变数据访问

cosmic-database

K-Dense-AI/claude-scientific-skills

通过认证获取COSMIC癌症突变数据，包括编码突变、基因普查、突变特征、融合、拷贝数、表达与耐药突变，支撑生信分析与精准肿瘤研究。

GEO基因表达提取器

K-Dense-AI/claude-scientific-skills

连接NCBI GEO仓库，通过Entrez搜索GSE/GSM/GPL/Profiles，获取基因表达数据、实验设计和矩阵文件，配合GEOparse下载分析所需的转录组资料。

PyDESeq2 差异表达分析

K-Dense-AI/claude-scientific-skills

PyDESeq2 将 DESeq2 差异表达流程搬到 Python 中，可加载批量 RNA-seq 计数、设定设计公式、拟合模型、执行 Wald 检验并做 FDR 校正，支持 apeGLM 收缩及与 pandas/AnnData 流程衔接，便于导出基因级统计结果。

Reactome 通路分析助手

reactome-database

K-Dense-AI/claude-scientific-skills

调用 Reactome 内容与分析服务（或 reactome2py 客户端）获取通路层级、基因映射、富集/表达分析与疾病机制数据，辅助系统生物学研究。

cBioPortal癌症基因组数据

cbioportal-database

K-Dense-AI/claude-scientific-skills

通过 cBioPortal REST API 查询 TCGA、GENIE 等肿瘤研究的突变、拷贝数、表达和生存数据，可用于癌基因验证、共突变模式分析与临床变量关联研究。

GTEx 表达数据探索

K-Dense-AI/claude-scientific-skills

通过调用 GTEx 门户和 API 获取组织特异的基因表达、eQTL、sQTL 及变异调控数据，帮助解释 GWAS 位点并探索 54 种组织中的基因调控模式。

用Arboreto推断基因调控网络

K-Dense-AI/scientific-agent-skills

Arboreto是一个强大的Python库，用于从各种基因表达数据集（包括bulk和scRNA-seq）推断基因调控网络（GRNs）。它利用GRNBoost2和GENIE3等高级机器学习算法，支持Dask的分布式计算，适用于分析大规模的转录组学数据。它可以帮助用户识别关键的转录因子-靶基因调控关系。

单细胞转录组学普查数据查询

cellxgene-census

K-Dense-AI/scientific-agent-skills

该技能提供对CZ CELLxGENE普查数据的程序化访问，这是一个包含大规模、版本化单细胞和空间转录组学数据的综合资源。用户无需下载整个数据集，即可根据细胞类型、组织或疾病等条件查询数百万个细胞的基因表达矩阵和元数据。适用于大规模分析、机器学习训练和跨数据集比较。

RNA-seq差异基因表达分析

K-Dense-AI/scientific-agent-skills

PyDESeq2是用于分析批量RNA-seq原始计数数据的差异基因表达分析工具。它提供了一个完整的生物信息学工作流，支持多因素设计、归一化处理、离散度收缩和统计检验（包括FDR校正）。它能够帮助用户将传统的R语言DESeq2工作流程平稳、高效地迁移到Python环境中。

大规模RNA-seq差异表达分析

K-Dense-AI/scientific-agent-skills

本技能是一个端到端的管线编排器，用于完成大规模RNA-seq的差异表达分析。它指导用户从原始FASTQ数据开始，依次经过质量控制、数据修剪、比对定量、生成基因计数矩阵，最终进行差异表达分析和通路富集。旨在确保整个生物信息学流程的完整性、可复现性和统计学可靠性。

通路富集与功能注释分析

pathway-enrichment

K-Dense-AI/scientific-agent-skills

该工具用于对基因列表进行专业的通路和基因集富集分析，是生物信息学分析的最后关键步骤。它区分了针对阈值基因列表的过表达分析（ORA）和基于全排序基因列表的基因集富集分析（GSEA）。功能覆盖GO、KEGG、Reactome等核心数据库，支持计算通路活性得分，帮助用户得出全面、可发表的生物学结论。

1

语言