arboreto
Восстанавливает регуляторные сети генов из данных экспрессии (bulk или single-cell) с помощью GRNBoost2 и GENIE3. Подходит для ранжирования связей транскрипционных факторов с мишенями и проверки стабильности сетей.
Что делает навык
Arboreto восстанавливает регуляторные сети генов из данных экспрессии, ранжируя кандидаты на связи регулятор-мишень с помощью GRNBoost2 (стохастическое градиентное бустинг-регрессия) и GENIE3 (случайные леса). Это инструмент для выявления наблюдательных предиктивных ассоциаций, а не доказательства прямого связывания или причинно-следственных связей.
Когда применять
- Ранжирование кандидатов на регуляторно-целевые ассоциации на основе измерений экспрессии.
- Восстановление регуляторных сетей из данных экспрессии (bulk или single-cell).
- Проверка стабильности сетей с использованием разных алгоритмов (GRNBoost2 и GENIE3).
- Исследование предиктивных ассоциаций, где каждый целевой ген предсказывается по кандидатам-регуляторам.
Как работает
- Подготовить данные экспрессии (dense или CSC-sparse матрицы).
- Выбрать алгоритм: GRNBoost2 для градиентного бустинга или GENIE3 для случайных лесов.
- Запустить модель, где каждый целевой ген предсказывается на основе кандидатов-регуляторов (исключая сам себя).
- Получить ранжированный список ассоциаций регулятор-мишень.
- Интерпретировать результаты как наблюдательные предиктивные ассоциации, а не как доказательство прямого связывания.
Примеры запросов агенту
Что понадобится
- Python 3.11.11 (или совместимая версия)
- Установка из GitHub-источника (не PyPI, так как в колесе PyPI 0.1.6 отсутствуют фиксы)
- macOS arm64 (или совместимая среда, где прошли smoke-тесты)
Описание составлено по SKILL.md навыка, сверено 08.10.2026.
Как подключить
SKILL.md к навыкам ассистентаНавык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.