Agent Skills
返回列表
💻

Gtars 基因组工具与算法

开发编程 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-02qudk26/gtars。

技能介绍

要解决什么问题

基因组学流水线里，BED 区间、测序覆盖度、单细胞片段和参考序列往往分散在不同工具里：重叠检测要建索引、WIG/BigWig 要单独跑、给深度学习做预处理还要再换一套脚本。数据一大，Python 纯实现容易成为瓶颈，而 CLI 与库 API 不一致又会拖慢迭代。

技能如何工作

Gtars 是用 Rust 实现的基因组区间工具包，通过 Python 绑定与 CLI 暴露同一套能力，核心模块包括：

  • 重叠与 IGD 索引：在区间集合上高效查重叠，适用于峰注释、调控元件比对、ChIP-seq 峰对比等
  • uniwig 覆盖度：从测序相关输入生成 WIG/BigWig 类覆盖轨迹，便于 ATAC-seq、ChIP-seq、RNA-seq 可视化与差异覆盖分析
  • 基因组 token 化：把区域离散成 token，便于与 geniml 等 ML 流水线对接、做位置编码或序列/transformer 预处理
  • refget 参考序列：按 GA4GH refget 思路做序列获取、摘要与完整性校验
  • 片段处理与评分：面向带条形码的单细胞片段 TSV，支持拆分、质控与相对参考集的富集评分

典型路径可以是：先对两套 BED 做峰重叠 → 再跑覆盖度流水线出轨迹 → 最后用 token 化输出给下游模型；简单任务用 CLI，需要与 NumPy/Pandas 编排时用 Python API。

适用边界与注意点

  • 输入格式以 BED、WIG/BigWig、FASTA、片段 TSV 为主；非标准字段或自定义注释需先清洗再导入
  • CLI 依赖 Rust/Cargo 环境；Python 侧适合嵌入现有分析脚本，CLI 更适合 shell 批处理与一次性任务
  • 复杂、多步、长时间工作流可配合文档中的 references/*.md 模块说明；与 geniml 相关任务时，区间预处理与 token 化应优先走 gtars 而非重复造轮子
  • 排障时可开详细日志；大数据集设计上强调并行、流式与内存映射，但仍需关注本地内存与磁盘 I/O

使用场景

  • 手头有两套 ChIP-seq 或 ATAC-seq 的 BED 峰文件，需要在全基因组尺度上找出重叠区间并做注释对比
  • 要把 ATAC-seq、ChIP-seq 或 RNA-seq 的读数汇总成 WIG 或 BigWig，供 IGV 或差异覆盖分析使用
  • 正在训练或对接 geniml 类基因组深度学习模型，需要把 BED 区域 token 化并生成位置编码输入
  • 单细胞 ATAC 实验产出带细胞条形码的片段 TSV，需要按 barcode 拆分片段并做富集评分与质控

适合人员

  • 负责变异或峰注释、需要在调控元件 BED 集合间做 IGD 重叠检测的计算生物学分析人员
  • 维护 geniml 或自研基因组 transformer 流水线、要把区间预处理与 token 化嵌入 Python 脚本的生物信息工程师
  • 处理 scATAC-seq 片段文件、按条形码拆分并对接聚类与质控流程的单细胞基因组学分析者
  • 日常用 shell 批处理 BED/BigWig/FASTA、并偶尔用 NumPy 编排覆盖度与重叠工作流的测序数据分析员