GPTomics/bioSkills

bioSkills – 生物資訊學用AI代理「技能」

是什麼 – bioSkills 是一個精心整理的「技能」（程式碼片段、最佳實踐範本與使用指南）資料庫，用以教導大型語言模型編碼代理（Claude Code、OpenAI Codex、Google Gemini/Antigravity、OpenCode、OpenClaw）如何撰寫正確、符合慣例的生物資訊學腳本。每個技能涵蓋具體任務——例如讀取FASTA、執行變異檢測流程，或進行單細胞差異表現分析——並捆綁首選工具、命令列旗標與範例程式碼。

為何重要 – 現代基於LLM的編碼助手雖能產生程式碼，但常忽略領域特定的細節（檔案格式、工具版本、統計慣例）。透過將 bioSkills 載入代理，模型可獲得即時可用的知識庫，大幅提升其為計算生物學工作流程所建議程式碼的準確性與可重現性。

主要內容

41個技能類別，涵蓋從底層序列I/O到高階多組學整合、化學資訊學、液態活體檢體與工作流程管理的廣泛範疇。
工具覆蓋 包含最廣泛使用的Python、R/Bioconductor與CLI工具（如Biopython、samtools、DESeq2、Seurat、GATK、AlphaFold、RDKit、Snakemake、Nextflow等）。
範例與參考 – 每個技能皆附帶 examples/ 資料夾，內含可執行的腳本與 usage-guide.md，解釋每個命令列選項的設計原理。
評估 – 倉庫中連結的基準報告展示了這些技能在 Bio-Task Bench 資料集上的影響，並附有性能圖表。

安裝 – 倉庫為每個支援的LLM平台提供輕量級包裝腳本。例如，要將技能全域提供給Claude Code：

git clone https://github.com/GPTomics/bioSkills.git
cd bioSkills
./install-claude.sh          # 全域安裝
# 或安裝至特定專案
./install-claude.sh --project /path/to/my/project
# 僅安裝單細胞與變異檢測類別
./install-claude.sh --categories "single-cell,variant-calling"

類似的 install-codex.sh、install-antigravity.sh、install-opencode.sh 與 install-openclaw.sh 腳本也存在，均支援 --list、--validate、--update、--dry-run 與 --uninstall 標誌。

如何使用 – 安裝後，代理的技能目錄（如 ~/.claude/skills/ 或 ~/.agents/skills/）將包含如下階層結構：

sequence-io/
  read_fasta.py
  write_fastq.py
  usage-guide.md
variant-calling/
  germline_gatk.py
  sv_manta.py
  usage-guide.md
…

當你提示LLM「撰寫一個從BAM檔案中調用體細胞SNP的流程」時，模型可取得 germline_gatk.py 範本，調整路徑，並產生尊重最佳實踐旗標（如讀取群組、VQSR等）的可直接執行腳本。同樣適用於R相關任務——例如，Seurat單細胞聚類技能可返回包含適當QC閾值的可重現R腳本。

相依性 – README列出所需的Python套件、R/Bioconductor函式庫與系統工具（samtools、bcftools、blast、minimap2等）。安裝腳本不會安裝這些外部工具；使用者必須事先透過 pip、conda、brew 或 apt 滿足這些需求。

狀態 – 此倉庫已歸檔（不再更新），但結構仍有效。作者鼓勵使用者fork此倉庫，並根據自身領域自訂或擴充技能集。

TL;DR – bioSkills 是一個全面、預先打包的知識庫，為LLM編碼代理提供領域特定的生物資訊學專業知識，使其能產生準確、可重現的分析腳本，涵蓋從基因組學、蛋白質組學到化學資訊學的廣泛任務。