Claude Skill MartKhám phá skillSkill là gì?
 
← Về danh sách

Bộ điều phối phân tích Bulk RNA-seq

Skill điều phối toàn bộ quy trình bulk RNA-seq: từ FASTQ thô qua QC, định lượng, biểu hiện khác biệt, pathway đến hình cho bài báo.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 8/10Cập nhật lần cuối: 9 thg 8, 2026

Skill này làm gì

Đây là một "nhạc trưởng" nối các bước phân tích bulk RNA-seq theo đúng thứ tự:

  • QC & cắt adapter: FastQC/MultiQC, rồi fastp hoặc Trim Galore
  • Align/định lượng: chọn giữa đường A (nf-core/rnaseq qua Nextflow) và đường B (STAR, Salmon, featureCounts chạy tay)
  • Tạo ma trận counts: scripts/build_counts_matrix.py chuyển output Salmon/STAR/featureCounts thành counts.csv (số nguyên) + metadata_template.csv đúng chuẩn PyDESeq2
  • Chuyển tiếp: DE sang skill pydeseq2, làm giàu pathway/GSEA sang pathway-enrichment, hình sang scientific-visualization
  • Cửa kiểm soát chất lượng: số lần lặp sinh học, nhiễu batch, strandedness, PCA/heatmap khoảng cách mẫu

Các tài liệu tham chiếu riêng bao gồm thiết kế thí nghiệm & QC, tham số nf-core, công thức chạy tay và các lưu ý khi bắc cầu counts.

Phù hợp với ai

  • Nghiên cứu viên, học viên vừa nhận dữ liệu FASTQ và chưa biết bắt đầu từ đâu
  • Người cần ma trận counts sạch cho DESeq2/PyDESeq2
  • Người muốn chạy nf-core/rnaseq có ghim phiên bản, dùng container để tái lập được
  • Người cần quy trình "bảo vệ được" trước phản biện và ghi chép cho phần Methods

Lưu ý: dữ liệu single-cell hãy dùng skill scanpy.

Ví dụ sử dụng

  1. "Phân tích 12 mẫu RNA-seq của tôi từ FASTQ đến DESeq2" → kiểm tra samplesheet → chạy test nhỏ → chạy thật với -r 3.26.0 → dùng file gene counts đã merge cho DE
  2. "Tôi có thư mục quant của Salmon, hãy tạo ma trận counts cho PyDESeq2" → build_counts_matrix.py --from salmon với length_scaled_tpm rồi làm tròn về số nguyên
  3. "Kiểm tra thiết kế: nhóm điều trị giải trình tự tháng 3, nhóm đối chứng tháng 5" → phát hiện nhiễu batch-condition, đề xuất ~batch + condition hoặc làm lại mẫu

· · · Hướng dẫn cài đặt · · ·

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/bulk-rnaseq từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/bulk-rnaseq/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git /tmp/scientific-agent-skills && mkdir -p ~/.claude/skills && cp -r /tmp/scientific-agent-skills/skills/bulk-rnaseq ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và tạo thư mục skill: mkdir -p ~/.claude/skills
  2. Tải repo: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. Sao chép skill: cp -r scientific-agent-skills/skills/bulk-rnaseq ~/.claude/skills/
  4. (Khuyến nghị) sao chép các skill liên quan: cp -r scientific-agent-skills/skills/{pydeseq2,pathway-enrichment,scientific-visualization,nextflow} ~/.claude/skills/
  5. Cài thư viện Python cần thiết: uv pip install pytximport pandas (hoặc pip install pytximport pandas)
  6. Với đường A: cài Nextflow + Docker/Singularity. Với đường B: conda create -n rnaseq -c bioconda -c conda-forge fastqc fastp trim-galore "star=2.7.11b" "salmon=1.10.3" subread multiqc
  7. Khởi động lại Claude Code và yêu cầu ví dụ: "chạy pipeline RNA-seq từ FASTQ đến gene khác biệt".
Xem mã nguồn trên GitHub ↗Giấy phép: MIT