pathway-enrichment
Анализирует обогащение путей и наборов генов (ORA, GSEA, ssGSEA/GSVA) через gseapy, g:Profiler, Enrichr, MSigDB, GO, KEGG, Reactome. Применяется для дифференциальной экспрессии, CRISPR-скрининга, маркеров кластеров и протеомики.
Что делает навык
Skill выполняет анализ обогащения путей (Pathway Enrichment) для определения биологических процессов, представленных в списке генов. Он оркестрирует методы ORA (анализ избыточного представительства) и GSEA (анализ обогащения геномноых наборов), а также интерпретацию и визуализацию результатов. Выбор между ORA и GSEA является ключевым решением, зависящим от наличия пороговых значений или ранжированного списка генов.
Когда применять
- Поиск обогащенных терминов GO, KEGG, Reactome, WikiPathways и наборов MSigDB Hallmark в списке генов.
- Запуск GSEA или preranked GSEA на основе результатов DESeq2, edgeR, limma или Scanpy rank_genes_groups.
- Оценка экспрессии наборов генов для каждого образца/клетки с помощью ssGSEA или GSVA.
- Интерпретация, дедупликация и визуализация результатов обогащения, а также создание таблиц и рисунков для публикации.
- Решение о выборе между ORA и GSEA, подбор библиотек наборов генов, выбор фона и исправление проблем с идентификаторами генов.
Как работает
- Определить тип данных: если есть пороговый список генов (например, padj < 0.05), использовать ORA; если есть весь ранжированный список генов без порога, использовать GSEA.
- Выбрать соответствующий инструмент: для ORA использовать Enrichr или g:Profiler; для GSEA применять gseapy или аналогичные инструменты с учетом статистики (например, DESeq2 stat).
- Загрузить данные и настроить параметры, включая выбор базы данных наборов генов (MSigDB, GO, KEGG, Reactome) и фона анализа.
- Выполнить статистический тест: для ORA — тест Фишера или гипергеометрический тест; для GSEA — проверку концентрации набора генов в верхней или нижней части ранжированного списка.
- Интерпретировать результаты, устраняя дубликаты и выявляя ловушки интерпретации, чтобы избежать ошибочных или неподходящих для публикации выводов.
- Визуализировать результаты или сформировать итоговую таблицу/фигуру для представления данных.
Примеры запросов агенту
Что понадобится
- Инструменты: gseapy, g:Profiler, Enrichr.
- Базы данных: MSigDB, GO, KEGG, Reactome, WikiPathways.
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.