Geniml 유전체 구간 ML 워크플로 가이드

무엇을 해주나

Geniml(유전체 구간 집합에 대한 머신러닝 툴킷)을 다룰 때 필요한 "안전 게이트"와 계획 수립을 담당합니다.

• BED 검증: 0-based half-open 좌표 규약, 음수 좌표, end <= start, 알 수 없는 contig, 어셈블리 불일치(GRCh38 vs GRCh38.p14, chr1 vs 1)를 점검하는 계획을 제시합니다. 파일을 절대 덮어쓰지 않고 제안만 출력합니다.
• 재현 가능한 설치: uv로 geniml==0.8.4, gtars==0.9.2를 고정 설치하고 lockfile을 커밋하도록 안내합니다.
• 최신 API 지도: gtars.models.RegionSet, gtars.tokenizers.Tokenizer, geniml.region2vec.main.Region2VecExModel, geniml.scembed.main.ScEmbed 등 0.8.4에서 실제로 동작하는 모듈 경로와, 문서에만 남아 있는 낡은 경로(geniml assess → assess-universe 등)를 구분해 줍니다.
• 호환성 감사: 모델 config.yaml의 vocab_size/embedding_dim, universe.bed 바이트/행 순서, 특수 토큰 ID, 체크포인트 텐서 shape가 서로 맞는지 검사 계획을 만듭니다.
• 데이터 누수 방지: 환자·기증자·생물학적 반복 단위로 train/val/test를 분리하도록 강제하고, 매니페스트 감사 스크립트로 누수를 찾아냅니다.
• 네트워크 통제: BEDbase(api.bedbase.org)·Hugging Face 다운로드는 사용자 명시 승인 없이는 수행하지 않습니다.

이런 분께 추천

• ATAC-seq/ChIP-seq peak 세트로 임베딩 모델을 만드는 계산생물학 연구자
• 단일세포 ATAC 데이터(AnnData)를 scEmbed로 처리하려는 분
• 여러 샘플의 BED를 합쳐 컨센서스 유니버스를 만들어야 하는 파이프라인 엔지니어
• 논문 재현성을 위해 버전·체크섬·좌표 규약을 기록해 두어야 하는 팀

활용 예시

1. BED 사전 점검: "data/peaks.bed가 GRCh38 계약을 지키는지 확인해줘" → bed_validator.py로 contig 이름, 길이 초과, 중복/정렬 상태를 진단하고 정규화 계획을 받습니다.
2. Region2Vec 학습 계획: 토큰 Parquet(tokens 리스트 컬럼)과 universe.bed를 주면 embedding_plan.py가 epoch·worker·출력 용량 한도를 포함한 실행 계획을 세우고, 실제 학습 커맨드는 승인 후 실행합니다.
3. 추론 번들 검증: 배포된 models/region2vec(checkpoint.pt + config.yaml + universe.bed)를 로드하기 전에 model_artifact_inspector.py와 tokenizer_compatibility.py로 vocab 크기와 특수 토큰이 일치하는지 확인합니다.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/geniml 폴더를 내 ~/.claude/skills/geniml/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.