Gtars 유전체 인터벌 분석

무엇을 해주나

gtars(유전체 인터벌 처리 라이브러리)를 Claude가 올바르게 사용하도록 잡아주는 가이드 스킬입니다.

• 집합 연산·오버랩: count_overlaps, any_overlaps, find_overlaps, intersect_all, jaccard, setdiff, reduce, cluster, gaps 등 Python 0.9.2 실제 API 기준 사용법 제시
• 컨센서스/커버리지: genomic_distributions.consensus로 구간 합의 세트 생성, 커버리지 지표와 신호 트랙(uniwig) 생성 경로 구분
• 토크나이저·fragment·refget: 로컬 universe BED 기반 토크나이저, refget 저장소(in-memory/local/remote) 사용 규칙
• 데이터 계약 강제: 0-based half-open 좌표, u32 상한, 어셈블리 해시 기록, 컨티그 이름 정확 비교, 정렬·스트랜드 정책
• 동봉된 로컬 CLI 6종: BED 검증기, 실행 계획 생성기, 토크나이저 매니페스트, refget 다이제스트 계획, 커버리지 사전점검, 아티팩트 검사기 — 모두 네트워크 없이 동작
• 안전장치: PyO3 네이티브 확장/Cargo 빌드 스크립트를 코드 실행으로 간주하고, 다운로드·캐시 쓰기는 사용자 승인 없이는 하지 않음

이런 분께 추천

• ATAC-seq/ChIP-seq 피크, 프로모터·인핸서 영역 등 BED 파일을 자주 다루는 생명정보학 연구자
• 유전체 인터벌 기반 머신러닝(토크나이저/universe) 파이프라인을 구축하는 분
• 좌표계 오류, 컨티그 이름 불일치, 데이터 누수 같은 실수를 사전에 막고 싶은 분
• 환자/도너 단위 분할과 재현 가능한 프로비넌스 기록이 필요한 팀

활용 예시

1. 피크 오버랩 요약: "내 peaks.bed가 promoters.bed와 얼마나 겹치는지 구간별 카운트와 자카드 지수를 계산해줘" → 검증기로 좌표·정렬 확인 후 count_overlaps/jaccard 코드 생성
2. 컨센서스 세트 만들기: 여러 샘플 BED에서 합의 구간을 만들되, 학습 세트만으로 universe를 구성해 검증/테스트 누수를 방지
3. 토크나이저 준비: 사전학습 토크나이저를 무단 다운로드하지 않고, 로컬 universe BED로 Tokenizer.from_bed를 구성하고 매니페스트/체크섬을 남김

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