Gtars – Phân tích khoảng gen

Làm được gì

Skill này giúp Claude sử dụng đúng thư viện gtars cho dữ liệu khoảng gen (genomic intervals).

• Overlap & đại số tập hợp: count_overlaps, any_overlaps, find_overlaps, intersect_all, jaccard, setdiff, reduce, cluster, gaps theo API Python 0.9.2 thực tế
• Consensus & coverage: tạo tập khoảng đồng thuận qua genomic_distributions.consensus; phân biệt rõ chỉ số coverage với việc sinh track tín hiệu (uniwig)
• Tokenizer, fragment, refget: tokenizer từ universe BED cục bộ; quy tắc dùng RefgetStore in-memory/local/remote
• Hợp đồng dữ liệu: tọa độ 0-based nửa mở, giới hạn u32, ghi lại accession assembly và SHA-256, so khớp tên contig chính xác, chính sách sort và strand
• 6 CLI cục bộ kèm theo: validator BED, execution plan, tokenizer manifest, refget digest plan, coverage preflight, artifact inspector — không dùng mạng, không ghi file kết quả
• Rào an toàn: coi wheel PyO3 và build script Cargo là thực thi mã; mọi tải xuống/ghi cache đều cần bạn phê duyệt

Dành cho ai

• Nhà nghiên cứu tin sinh học làm việc thường xuyên với BED (peak ATAC-seq/ChIP-seq, promoter, enhancer)
• Người xây pipeline học máy dựa trên khoảng gen (universe/tokenizer)
• Ai muốn tránh lỗi hệ tọa độ, lệch tên contig và rò rỉ dữ liệu giữa các tập
• Nhóm cần chia dữ liệu theo bệnh nhân/donor và lưu provenance tái lập được

Ví dụ sử dụng

1. Tóm tắt overlap: "Tính số vùng promoter trùng với peaks.bed và chỉ số Jaccard" → validate tọa độ/sort rồi sinh code count_overlaps/jaccard
2. Tạo tập consensus: gộp nhiều mẫu BED thành consensus nhưng chỉ dùng tập train để dựng universe, tránh rò rỉ sang validation/test
3. Chuẩn bị tokenizer: không tự tải model từ Hugging Face; dùng Tokenizer.from_bed với universe BED cục bộ và ghi manifest + checksum

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