pysam

Обеспечивает работу с геномными файлами через Python/HTSlib. Применяется для чтения, фильтрации и записи SAM/BAM/CRAM, VCF/BCF, FASTA/FASTQ, а также данных tabix с использованием pysam.

KDK-Dense official Данные ★ 47.7k

Что делает навык

Обеспечивает низкоуровневый потоковый доступ к геномным форматам (SAM/BAM/CRAM, VCF/BCF, FASTA/FASTQ, tabix) через Python-обёртку pysam 0.24.1, основанную на HTSlib. Позволяет читать, фильтровать, агрегировать и записывать геномные данные с поддержкой индексации и работы с вариантами.

Когда применять

  • Чтение и фильтрация выравниваний (SAM/BAM/CRAM) по регионам с учётом флагов и качества маппинга.
  • Анализ вариантов (VCF/BCF): выборка образцов, перебор записей, работа с генотипами и метаданными.
  • Доступ к референсным последовательностям (FASTA) и последовательным файлам (FASTQ) с использованием индексированных или потоковых методов.
  • Работа с табличными данными (BED/GFF/GTF), сжатыми BGZF и проиндексированными tabix.
  • Выполнение пакетных операций сортировки, индексации и проверки целостности через обёртки samtools и bcftools.

Как работает

  1. Установить pinned-версию pysam==0.24.1 и убедиться в доступности пресборанных wheel для платформы.
  2. Определить формат файла, тип сжатия, порядок сортировки и наличие индекса; выбрать между числовыми (0-based) и строковыми (1-based) координатами.
  3. Использовать контекстные менеджеры для открытия файлов (AlignmentFile, VariantFile, FastaFile, TabixFile) с явным указанием режимов и потоков.
  4. Применять fetch() для доступа к регионам или until_eof=True для потоковой обработки всех записей; соблюдать семантику фильтрации (is_unmapped, mapping_quality и др.).
  5. Для записи создавать новый путь, копировать заголовки и объявлять новые поля (INFO/FORMAT/FILTER) до записи записей.
  6. Использовать обёртки pysam.samtools и pysam.bcftools для пакетных операций, передавая аргументы как отдельные строки и избегая захвата большого вывода в память.

Примеры запросов агенту

Прочитай BAM-файл sample.bam, отфильтруй только хорошо маппированные чтения (mapping_quality >= 30) на хромосоме chr1 в диапазоне 1000-2000 и выведи их имена и позиции.
Проанализируй VCF-файл cohort.vcf.gz, выбери только образцы sample_A и sample_B, и выведи генотипы для вариантов на хромосоме chr1.
Создай BGZF-сжатый и tabix-индексированный файл из regions.bed, затем прочитай интервалы на хромосоме chr1 с 1000 по 2000.

Что понадобится

  • Установленный pysam версии 0.24.1 с зависимостями HTSlib/samtools/bcftools 1.24.
  • Локальные референсные файлы (FASTA) для работы с CRAM и pileup.
  • Наличие индексов (.bai, .csi, .tbi, .fai) для файлов, к которым требуется доступ по регионам.

Описание составлено по SKILL.md навыка, сверено 08.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «pysam» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r pysam/ ~/.claude/skills/pysam/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.