/ الدليل / الملعب / SciAgent-Skills
← كل الخوادم ↗ GitHub
● مجتمع jaechang-hits ⚡ فوري

SciAgent-Skills

بواسطة jaechang-hits · jaechang-hits/SciAgent-Skills

197 مهارة في البيولوجيا الحسابية والعلوم الحياتية — RNA-seq، الخلايا الفردية، اكتشاف الأدوية، البروتيوميات — 92% على BixBench. يدعم منصة OmicsHorizon.

SciAgent Skills هي مكتبة كبيرة من مهارات العلوم الحياتية لـ Claude Code والوكلاء الآخرين: سير عمل RNA-seq و scRNA-seq، خطوط أنابيب اكتشاف الأدوية، تحليل البروتيوميات، محاذاة التسلسلات، والمهام المجاورة للمختبر الرطب. حققت دقة 92.0% على BixBench. مصممة للعلماء الذين يريدون وكيلاً يتبع أنماط البيولوجيا الحسابية الكلاسيكية.

▶ شاهد العرض 📦 التثبيت 💡 حالات الاستخدام

لماذا تستخدمه

الميزات الأساسية

عرض مباشر

كيف يبدو في الممارسة

sciagent-skill.replay ▶ جاهز
0/0

التثبيت

اختر العميل

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "sciagent-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/jaechang-hits/SciAgent-Skills",
        "~/.claude/skills/SciAgent-Skills"
      ],
      "_inferred": true
    }
  }
}

افتح Claude Desktop → Settings → Developer → Edit Config. أعد التشغيل بعد الحفظ.

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "sciagent-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/jaechang-hits/SciAgent-Skills",
        "~/.claude/skills/SciAgent-Skills"
      ],
      "_inferred": true
    }
  }
}

يستخدم Cursor نفس مخطط mcpServers مثل Claude Desktop. إعدادات المشروع أولى من الإعدادات العامة.

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "sciagent-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/jaechang-hits/SciAgent-Skills",
        "~/.claude/skills/SciAgent-Skills"
      ],
      "_inferred": true
    }
  }
}

انقر على أيقونة MCP Servers في شريط Cline الجانبي، ثم "Edit Configuration".

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "sciagent-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/jaechang-hits/SciAgent-Skills",
        "~/.claude/skills/SciAgent-Skills"
      ],
      "_inferred": true
    }
  }
}

نفس الصيغة مثل Claude Desktop. أعد تشغيل Windsurf لتطبيق التغييرات.

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "sciagent-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/jaechang-hits/SciAgent-Skills",
        "~/.claude/skills/SciAgent-Skills"
      ]
    }
  ]
}

يستخدم Continue مصفوفة من كائنات الخادم بدلاً من خريطة.

~/.config/zed/settings.json
{
  "context_servers": {
    "sciagent-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/jaechang-hits/SciAgent-Skills",
          "~/.claude/skills/SciAgent-Skills"
        ]
      }
    }
  }
}

أضف إلى context_servers. يعيد Zed التحميل تلقائيًا عند الحفظ.

claude mcp add sciagent-skill -- git clone https://github.com/jaechang-hits/SciAgent-Skills ~/.claude/skills/SciAgent-Skills

أمر من سطر واحد. تحقق باستخدام claude mcp list. احذف باستخدام claude mcp remove.

حالات الاستخدام

استخدامات عملية: SciAgent-Skills

كيفية تشغيل تحليل التعبير التفاضلي RNA-seq المجمع

👤 البيولوجيون والمعلوماتيون الحيويون الذين لديهم ملفات FASTQ وبحاجة إلى نتائج DE ⏱ ~120 min advanced

متى تستخدمه: لديك FASTQ نهاية مقترنة، ومرجع، وجدول الحالة.

المتطلبات الأساسية
  • تثبيت المهارة — git clone https://github.com/jaechang-hits/SciAgent-Skills ~/.claude/skills/sciagent-skills
  • Conda/mamba + حسابات — استخدم خادم Linux أو HPC؛ macOS جيد للمجموعات الصغيرة
الخطوات
  1. تخطيط خط الأنابيب
    Plan a bulk RNA-seq DE workflow for 2 conditions x 3 reps with salmon + tximport + DESeq2. Output expected files per step.✓ تم النسخ
    → قائمة الخطوات مع الأدوات والمخرجات الوسيطة
  2. تشغيل التكميم
    Run salmon quant for each sample; produce a script.✓ تم النسخ
    → نص Bash مع استدعاءات salmon
  3. تحليل DE
    Load quants via tximport, run DESeq2, produce MA + volcano plots and a top-50 gene table.✓ تم النسخ
    → نص R + ملفات الإخراج

النتيجة: جدول DE + الرسوم البيانية التي يمكنك تسليمها إلى مدير المشروع أو متعاون.

المزالق
  • عدم تطابق المرجع مقابل GTF التعليق التوضيحي — تحقق من أرقام الإصدارات بشكل صريح؛ يمكن لـ salmon و DESeq2 أن تعمل بصمت على معرّفات غير متطابقة
  • تصفية العد المنخفض تزيل الإشارة البيولوجية — استخدم التصفية المستقلة أو رفع الحد تدريجياً؛ لا تستخدم تصفية شاملة

QC للـ RNA-seq أحادي الخلية وخط الأساس للتجميع

👤 الباحثون الذين يبدأون تحليل scRNA من مخرجات 10x ⏱ ~90 min advanced

متى تستخدمه: لديك دليل مخرجات cellranger وتحتاج إلى تحليل Seurat أو Scanpy على المستوى الأول.

الخطوات
  1. التحميل + QC
    Load 10x data from cellranger output, do QC (pct.mt, counts, features), filter, normalize.✓ تم النسخ
    → رسوم QC + كائن مُصفى
  2. التجميع
    Run PCA, find neighbors, cluster at resolution 0.5, and UMAP.✓ تم النسخ
    → تسميات المجموعة + رسم UMAP
  3. الجينات المؤشرة
    Find cluster markers, produce a top-5-per-cluster heatmap.✓ تم النسخ
    → جدول المؤشرات + خريطة حرارية

النتيجة: خريطة UMAP معروضة وجدول مؤشرات جاهزة للتفسير البيولوجي.

المزالق
  • الإفراط في التجميع بالدقة الافتراضية — جرب مسحاً بقيم 0.2-1.0 واختر بناءً على silhouette والمعقولية البيولوجية

استدعاء المتغيرات الجرثومية من WGS

👤 فرق الجينوميات التي تستدعي SNPs و indels ⏱ ~180 min advanced

متى تستخدمه: لديك BAMs متوازنة وتحتاج إلى VCF باستخدام أفضل الممارسات (GATK).

الخطوات
  1. خطط خط الأنابيب
    Plan GATK best-practices germline pipeline from aligned BAMs: BQSR, HaplotypeCaller, joint genotyping with GenomicsDBImport.✓ تم النسخ
    → مخطط خط الأنابيب مع أوقات التشغيل المتوقعة
  2. إنشاء النصوص
    Produce Snakemake rules for each step.✓ تم النسخ
    → ملف Snakemake مع القواعد والتكوين

النتيجة: خط أنابيب Snakemake قابل للتكرار جاهز للتشغيل على مجموعتك.

المزالق
  • تخطي BQSR على مجموعات صغيرة — لا تزال تفعل ذلك — تصفية GATK اللاحقة تفترض درجات الجودة المعاد معايرتها

فرز نتائج الجزيئات الصغيرة من الفحص

👤 مجموعات الكيمياء الطبية التي تفرز نتائج HTS ⏱ ~60 min advanced

متى تستخدمه: لديك قائمة نتائج وتريد ترتيبها حسب خصائص شبيهة بالعقار + الجدة.

الخطوات
  1. تصفية حسب Lipinski + PAINS
    Compute Lipinski and PAINS flags on this SMILES list, output a filtered table.✓ تم النسخ
    → نص يعتمد على RDKit + CSV مُصفى
  2. التشابه مع الأدوية المعروفة
    For remaining hits, compute Tanimoto similarity to ChEMBL approved drugs; flag >0.85 as known-scaffold.✓ تم النسخ
    → جدول التشابه مع الأعلام

النتيجة: قائمة نتائج مفروزة مرتبة حسب الأولوية للمتابعة.

الأدوات

ما يوفره هذا الـ MCP

الأداةالمدخلاتمتى تستدعيهاالتكلفة
Bulk RNA-seq workflow FASTQ + design تحليل DE معياري compute
scRNA-seq workflow 10x output خط الأساس أحادي الخلية compute
Variant calling BAMs مجموعات WGS/WES compute
Proteomics analysis MS data البروتيوميات القائمة على MS compute
Drug discovery triage SMILES list فرز النتائج compute

التكلفة والحدود

تكلفة التشغيل

حصة API
لا يوجد على مستوى المهارة
الرموز لكل استدعاء
10-50k لكل تصميم خط أنابيب
التكلفة المالية
مهارات مجانية؛ تعتمد تكاليف الحسابات على حجم مجموعة البيانات
نصيحة
خطط خط الأنابيب كنص أولاً، ثم شغّله؛ لا تبقِ Claude في الحلقة أثناء الحسابات الطويلة.

الأمان

الصلاحيات والأسرار ونطاق الأثر

تخزين بيانات الاعتماد: No credentials
نقل البيانات الخارجي: تصاميم خط الأنابيب والمقاطع تذهب إلى Claude. يجب أن تبقى بيانات المرضى الفعلية على حسابات متوافقة مع HIPAA.

استكشاف الأخطاء

الأخطاء الشائعة وحلولها

فشل tximport في رسم خريطة النسخة إلى الجين

أعد إنشاء tx2gene من نفس GTF التي استخدمتها لفهرس salmon؛ عدم التطابق هو السبب الشائع.

كائن Seurat كبير جداً للذاكرة المتاحة

قم بأخذ عينات أو الانتقال إلى التخزين على القرص مع Seurat الذي يدعمه BPCells أو DelayedArray

البدائل

SciAgent-Skills مقابل البدائل

البديلمتى تستخدمهاالمقايضة
Galaxy / nf-coreتريد خطوط أنابيب مراجعة من المجتمع بدلاً من نصوص LLM المولدةأقل حوارية؛ أبطأ في التخصيص

المزيد

الموارد

📖 اقرأ ملف README الرسمي على GitHub

🐙 تصفح القضايا المفتوحة

🔍 تصفح أكثر من 400 خادم MCP و Skills