科研 Skill
观察性组学因果驱动分析
mendelian-randomization
在网络与系统生物学领域开展“因果网络”任务时使用;根据输入、科学假设和运行环境,在因果网络推断下已保留的方法实现之间路由。
官方收录发布者 Codar安全审核通过v0.1.1更新于 2026-09-04
SKILL.md
观察性组学因果驱动分析
该能力用于 CauFinder 一类“从观察性组学推断候选驱动因子”的任务,不代替孟德尔随机化,也不把机器学习重要性当作因果效应。先定义处理或状态、结局、时间顺序、混杂因素、批次和可用的先验网络。
建立与研究问题匹配的因果图,明确哪些变量可调整、哪些可能是中介或碰撞点。模型训练必须把样本、供者或队列正确分组切分;驱动分数需要与普通预测重要性、差异表达和网络中心性比较。使用重采样、负对照、替代调整集和外部队列检查稳定性。
设计变量角色、稳健性分析和输出时读取因果识别与验证。交付假设因果图、识别条件、候选驱动排序、效应方向、稳定性、替代解释和实验验证建议。
没有干预、时间、遗传工具或充分混杂控制时,只能称为“候选因果驱动”或“与假设一致的驱动信号”,不能声称已经证明因果关系。
所属插件
安装该插件会一并获得同领域的 15 个 Skill / MCP。
同插件的其他科研 Skill
- GSEA与样本级基因集评分用于全量排序特征的GSEA以及GSVA、ssGSEA样本级基因集评分;当用户需要通路方向、leading-edge基因或每个样本的通路分数时使用。
- WGCNA共表达网络用于批量表达数据的WGCNA模块识别、模块—性状关联和枢纽基因筛选;当样本量足以支撑共表达分析时使用。
- 微生物群落代谢网络用于由MAG或菌株模型构建群落代谢互作网络并分析交叉喂养;当用户研究菌群功能分工或代谢依赖时使用。
- SBML生物网络建模用于读取、检查、构建或转换SBML格式的反应网络模型;当用户处理动力学模型、代谢模型交换或模型可重复性时使用。
- 网络药理学分析用于整合药物、靶点、疾病基因和通路形成可审计的网络药理学假设;当用户需要候选机制或联合靶点优先级时使用。
- 时序基因调控网络用于带时间点或轨迹顺序的表达数据推断动态调控关系;当用户关心调控先后、状态转换或延迟效应时使用。
- 生物网络可视化用于把PPI、调控、代谢或多组学网络整理为可读的Cytoscape或图形结果;当网络需要布局、注释和发布级展示时使用。
- 差异调控网络用于比较疾病与对照、处理前后或细胞状态之间的网络重连;当用户关注边或模块如何变化而非单基因差异时使用。
- 生物网络拓扑与社区分析用于计算生物网络中心性、连通结构、社区和稳健性;当用户已有节点边表并希望寻找模块或关键节点时使用。
- 基因调控网络推断在网络与系统生物学领域开展“GRN推断-基因调控网络”任务时使用;根据输入、科学假设和运行环境,在基因调控网络下已保留的方法实现之间路由。
- nf-core-bacmodel流程当细菌基因组及培养背景需要建立代谢网络或预测生长能力时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/bacmodel。
- nf-core-diseasemodulediscovery流程当疾病相关基因及互作网络需要寻找候选疾病模块时使用。根据文件、实验背景与研究问题判断适配性,选择方法及参数并解释限制;无需用户知道 nf-core/diseasemodulediscovery。
- 通路与功能富集分析使用clusterProfiler、Enrichr、Reactome、GO或基因集方法进行通路和功能富集时使用;不作为知识图谱或差异表达入口。
- 蛋白质互作网络构建在网络与系统生物学领域开展“STRING-PPI网络”任务时使用;根据输入、科学假设和运行环境,在PPI网络下已保留的方法实现之间路由。
常见问题
观察性组学因果驱动分析能做什么?
在网络与系统生物学领域开展“因果网络”任务时使用;根据输入、科学假设和运行环境,在因果网络推断下已保留的方法实现之间路由。
如何安装观察性组学因果驱动分析?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「观察性组学因果驱动分析」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
观察性组学因果驱动分析需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
观察性组学因果驱动分析经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。