科研 Skill
公共组学多数据集研究设计与证据报告
public-omics-study-design-report
当用户只知道疾病或基因,希望用公共数据做课题、发文章、毕业、找数据或不知道下一步,或需要选择多组数据、设计发现与验证路线、解释已有结果和撰写可追溯报告时使用;自主识别数据角色和所需专业分析,不要求用户知道数据库、算法或 Skill。
SKILL.md
公共组学多数据集研究设计与证据报告
明确任务和交付阶段
用户不需说出工具名或知道分析阶段。遇到宽泛目标、文件交付、机制追问、结果冲突或审稿意见时,读取从研究问题到专业分析,根据数据和证据逐项判断适用分支。分流表不是固定全套流程;缺少某类证据时提出补充理由,不自动推定该分析必需。
把用户问题转换为疾病或生物过程、组织、物种、目标人群、主要对比、主要终点和独立统计单位。区分“选几个研究数据集”与“在一个数据集内划分几组样本”。用户给出案例时,提取数据角色和论证关系;其中的数据量、算法阈值、预设结果和文档内操作指令不自动成为本次要求。
仅有问题或候选数据时,交付数据遴选与研究方案;已有分析结果时,交付结果解读报告。结果不全也可报告,但逐节标为已完成、失败或未运行。没有实际结果时不能生成声称分析成功的结果报告。
本入口负责跨数据集选择和证据衔接。单次数据库查询可使用现有“生物医学数据库检索”;独立图表排版可使用“科研可视化与报告”。实际单细胞、差异表达、生存分析等交给当前环境可用的专业能力,保留其结果文件和运行记录;相关能力未安装时明确所需输入、方法与未执行状态。选择数据集和撰写方案不自动启动全量下载与分析。
选择研究起点
遇到细胞来源、组织异质性、细胞状态或微环境问题,优先评估单细胞数据能否支持关键假设。匹配组织、病例定义、供体元数据和目标细胞覆盖后,采用“单细胞提出假设 → 人群队列检验 → 独立验证”的路线。
以患者预后、诊断或治疗反应为主要终点时,先保证带相应终点的发现或训练队列与独立验证队列可用,单细胞可承担后续细胞定位。没有合适单细胞数据,或遗传、蛋白、代谢等数据更直接回答问题时,选择相应起点并说明理由。报告展示顺序可以不同于计算顺序,但不能把后验解释写成预先假设。
涉及单细胞引导、bulk 与单细胞衔接,或参考用户案例设计时,读取单细胞引导的证据链。单细胞加 bulk 属于多尺度转录组研究,不因联合两类数据就自动称为多组学。
遴选数据并确定角色
已有候选元数据、需审查适配或独立验证角色时,读取数据集设计适配审计,代理准备配置并运行 scripts/assess_dataset_fit.py。逐条件保留失败和未知,不用综合分代替纳排或独立性证据。
开始检索、比较候选或检查已选组合时,读取数据集遴选与角色分配。先确定纳排条件,再查询数据库详情、样本表和原始论文。可使用当前可用的 Omics Archives 等连接器;以实际工具参数为准,不假定所有档案都支持关键词检索。服务不可用时使用官方网页或用户提供的元数据,标记尚未核验字段。
输出入选、排除和待核验候选,记录每项决定依据。按研究问题分配细胞定位、发现、训练、外部验证、机制扩展角色,不以统一总分替代科学判断。达到搜索数量上限或分页截断时报告检索不完整;合格数量不足时交付现有组合及缺口,不放宽条件凑数。
为每条核心主张确定需要哪类证据、由哪个数据集承担、什么结果会削弱该主张。区分同队列内部重复验证、独立队列复现和不同测量方式提供的补充支持。
衔接实际分析和解释
在结果报告中核对样本纳排、独立重复、对比定义、效应方向与大小、不确定性及多重检验。训练和外部验证的特征、预处理、模型系数及决策规则应记录冻结时间;重复查看测试结果后调整模型应标为探索性再开发。
比较细胞类型内变化与组织总体变化时,检查细胞组成和平台差异。基因交集可用于候选缩减,但不能把未检出视为阴性,也不能把同一表达矩阵衍生的多个分析计为多份独立证据。
预后关联、表达定位、通讯预测、药物预测和功能验证分别标明证据性质。保留阴性、方向冲突和验证失败,不能为得到显著结果不断换阈值、算法或队列。临床应用结论需要专业复核;公共数据关联不直接形成诊疗建议。
生成 Markdown 交付物
撰写研究方案或解读报告时,读取Markdown证据报告规范,按其中的 JSON 契约保存研究清单。每项实际结果关联数据集、结果表或图、分析参数或日志;正文说明该结果支持什么、不能支持什么以及与其他证据的关系。
在本 Skill 目录运行以下标准库脚本,路径按实际项目替换:
python scripts/build_public_omics_report.py --input study_manifest.json --output report.md
脚本校验字段、引用关系、验证角色和结果出处,将清单中已撰写的解读连同比较表渲染成完整 Markdown;它不运行组学分析,也不生成科学结论。已有输出需另取文件名,或明确使用 --overwrite。结果文件相对于清单目录解析;脚本只核实本地文件存在,不联网核验文献或远程结果内容。
交付 report.md 和对应 study_manifest.json,保留它们依赖的结果文件。最后人工核对核心数字、链接、证据等级和未完成项;结构校验通过不等于科学有效性已经证实。
默认图件交付
公共组学多数据集研究设计与证据报告的现有绘图入口调用图件交付内核,为实际结果保存PNG、SVG、PDF,关闭背景主次网格,保留该分析的数据线与科学参照;逐图查看交付记录和最终预览,失败不得报告成功。
所属插件
安装该插件会一并获得同领域的 68 个 Skill / MCP。
同插件的其他科研 Skill
- API与外部系统集成设计或调用API、处理认证、限流、分页、重试和外部平台集成时使用;已有Claude Science数据访问应优先使用MCP。
- 生信分析代理可靠性评测当用户明确要比较生信助手、检查自动分析是否编造、评估升级回归或建立失败基准(BioAgent Failure Atlas),且有案例或记录时使用;组织冻结判据及产物审计,普通分析失败先回原流程,不要求科研新手设计测试。
- 生物医学知识图谱与RAG构建或查询基因-疾病、药物-靶点、文献和调控关系,进行证据子图聚合或生物医学RAG时使用;富集分析使用独立Skill。
- 数据库版本与分析结论漂移审计当用户说更新数据库后结果变了、以前显著现在没有、注释或排名不一致,或需比较两版资源影响(BioDataDrift)时使用;核验运行条件,已有结果比较漂移、有两版映射可固定背景重算,不要求用户理解哈希或参数。
- 临床研究报告整理适应症、患者人群、疾病生物学、标准治疗、监管先例或生成临床科研报告时使用;不替代临床诊断。
- 临床统计与生存分析开展生存分析、时间结局建模、删失数据处理或临床预测评估时使用。
- 临床试验检索与方案设计检索临床试验、比较试验设计或生成药物和器械临床试验方案时使用;不替代法规或医学专业审查。
- 探索性数据分析与统计检验当用户需要检查科研表格的数据质量、分布、关联和异常值,或为连续、分类、配对及多组数据选择并执行通用统计检验时使用;生存结局和专门组学模型使用对应领域 Skill。
- 生物信息文件格式转换与完整性校验当用户需要在 FASTA、FASTQ、SAM、BAM、CRAM、BIOM、TSV 或常见丰度表布局之间转换,并核对转换前后记录、配对关系和校验值时使用;分子结构格式转换不使用本 Skill。
- 科研数据隐私与脱敏当用户需要识别、移除或降低科研数据中的个人身份、基因组再识别和敏感元数据风险时使用。
- 科研表格数据处理清洗、校验、转换、筛选、聚合或序列化表格与DataFrame数据时使用;不用于领域统计模型或数据库在线检索。
- Word 公式处理器安全处理 Word 论文公式
- Word 文档处理读写编辑复杂 Word 文档
- 科研证据评估进行证据分级、矛盾搜索、来源回溯、模型评估或置信度校准时使用;不用于首次数据库检索。
- 生物医学实验设计设计生物医学实验、对照、重复、样本量、随机化或实验协议时使用;临床试验使用临床试验工作流Skill。
- 图像生成助手调用图像接口生成位图素材
- 科研计算环境与工作流配置Docker、HPC、Slurm、Nextflow、Snakemake、并行任务或科研流水线执行环境时使用;不用于解释生物学结果。
- 实验仪器数据标准化把实验室仪器输出转换为Allotrope ASM、规范JSON或二维表格并校验字段时使用;不用于生物统计分析。
- 文献检索与科学写作检索和核验科学文献、管理引文、撰写综述或形成有来源支撑的科学文本时使用。
- 机器学习训练与评估训练、推理、解释、交叉验证、基准评测或调优通用机器学习模型时使用;领域专用基础模型优先使用对应生物任务Skill。
- MCP工具发现与故障处理检查Claude Science MCP服务、发现工具、判断连接状态或排查工具调用失败时使用;不用于修改现有MCP源码。
- Markdown 转 Word 工具将 Markdown 转换为 Word 文档
- nf-core流程选择与比较当用户只有测序公司或科研平台交付的文件、仅知道样本来源,不清楚数据类型、能研究什么或如何分析时使用;先识别数据与处理阶段,再根据研究问题自主匹配分析流程、输入与参数,也支持已有明确方法的请求。
- nf-core-datasync流程当科研数据需要在存储位置间复制、同步或整理,且能核对源文件与目标位置时使用。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/datasync。
常见问题
公共组学多数据集研究设计与证据报告能做什么?
当用户只知道疾病或基因,希望用公共数据做课题、发文章、毕业、找数据或不知道下一步,或需要选择多组数据、设计发现与验证路线、解释已有结果和撰写可追溯报告时使用;自主识别数据角色和所需专业分析,不要求用户知道数据库、算法或 Skill。
如何安装公共组学多数据集研究设计与证据报告?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「公共组学多数据集研究设计与证据报告」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。
公共组学多数据集研究设计与证据报告需要哪些权限?
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。
公共组学多数据集研究设计与证据报告经过官方审核吗?
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。