병원체 변이 감시 (Pathogen Variant Surveillance)

무엇을 해주나

SARS-CoV-2, H5N1, 인플루엔자, RSV, mpox, 홍역, 뎅기 등 병원체의 실시간 유전체 감시 데이터를 GenSpectrum LAPIS API에서 직접 조회합니다. 학습 데이터의 기억에 의존해 계통명을 말하지 않는 것이 핵심 원칙이며, 모든 수치는 라이브 인스턴스가 반환한 카운트에 데이터 버전을 함께 표기합니다.

포함된 4개 파이썬 스크립트(표준 라이브러리만 사용):

• resolve_lineage.py — 계통명이 아직 유효한지, 별칭이 무엇으로 풀리는지, 철회/재지정되었는지 확인
• lineage_prevalence.py — 주간 점유율(Wilson 신뢰구간)과 증가 추세 기울기
• mutation_profile.py — 계통별 변이 프로파일 및 두 계통 비교, PCR 프라이머용 뉴클레오타이드 모드
• reporting_lag.py — 보고 지연 곡선으로 "어느 시점까지 데이터를 믿을 수 있는지" 판단

인스턴스마다 필드명이 다르다는 문제를 databaseConfig를 런타임에 읽어 자동 해결하고, 조용히 틀린 답을 만드는 함정 10가지를 표로 정리해 둡니다.

이런 분께 추천

• 논문·보고서에 계통명과 유병률 수치를 넣어야 하는 감염병 연구자
• 진단 어세이(PCR 프라이머/프로브)가 현재 유행 서열과 여전히 일치하는지 점검해야 하는 진단 개발자
• 공중보건·역학 데이터 분석가, 바이오인포매틱스 실무자
• LLM이 만들어내는 오래된/철회된 계통명 오류를 없애고 싶은 사람

활용 예시

1. "지금 미국에서 우세한 변이는?" → 이름을 미리 대지 않고 lineage_prevalence.py --top 5 --where country=USA --weeks 12로 최근 12주 상위 계통을 데이터에서 발견.
2. 원고 제출 전 계통명 검증 → resolve_lineage.py XFG.23.1.3 PQ.17 PC.2로 철회·재지정 여부 확인. 철회된 이름이 있으면 종료 코드 1로 실패시켜 게이트 역할.
3. 프라이머 적합성 점검 → mutation_profile.py "XFJ*" --versus "XFG*" --nucleotide로 표적 영역의 뉴클레오타이드 변화 확인.
4. 최근 데이터 신뢰도 판단 → reporting_lag.py --where country=USA로 90일 완결률을 확인한 뒤, 너무 최근 구간은 "추정 불가"로 명시.

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