AI Skill 大全

GWAS 位点候选基因排序

给一个疾病或性状,按证据链排出该位点上最可能的致病候选基因。

功能与用途

做遗传学研究时,全基因组关联分析只告诉你「这个位点和疾病有关」,但那个位置附近有一堆基因,到底哪个才是真正起作用的?这个技能从性状名或位点标号出发,自动串起 EFO 本体、GWAS Catalog、坐标解析、Open Targets 的 L2G 与共定位证据、GTEx 的 eQTL、基因负荷、ClinVar 和 gnomAD 等数据源,按固定打分规则产出带置信度标签的候选基因排序,并输出 JSON 映射表和 Markdown 摘要。

适用场景

  • 复杂疾病致病基因排查:输入疾病名称或 EFO 词条,自动串联多源证据链并输出带置信度的候选基因排序。
  • GWAS 显著位点精细映射:提供一组先导变异 rsID,结合 eQTL 与共定位数据定位最可能的因果基因。
  • 药物靶点候选验证:结合稀有变异负荷与组织表达上下文,评估特定表型关联位点内候选靶点的生物学合理性。

适用人群

  • 做 GWAS 后续分析的生物信息学研究人员
  • 遗传学与分子流行病学方向的研究生和博后
  • 药企做靶点发现与验证的研发人员

使用步骤

  1. 确认本机是 Python 3.11 以上并装好 requests(要出图再加 matplotlib、seaborn、pandas)
  2. 提供至少一个锚点:性状名称(如 type 2 diabetes)、EFO 编号,或一组 seed rsID
  3. 运行 scripts/map_locus_to_gene.py,加 --trait-query 或 --input-json 并带 --print-result
  4. 拿到 locus_to_gene_mapping.json 和 locus_to_gene_summary.md,看跨位点排序基因和每个位点的置信度
  5. 需要图就在输出目录取热图或点图,缺绘图依赖时脚本会退回 Mermaid 图

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
知识
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-18
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Map GWAS loci to ranked candidate genes using a deterministic multi-skill chain (EFO -> GWAS -> coordinates -> Open Targets L2G/coloc -> eQTL -> burden/coding context), with reproducible tables and optional figures. Use when a user provides a trait/EFO term and/or lead variants and needs locus-to-gene prioritization for downstream biology decisions.

使用前准备

  • Python 3.11+ 与 requests 库
  • 可选安装 matplotlib / seaborn / pandas 以生成图表
  • 需具备遗传学和统计遗传学基础才能正确解读 L2G、共定位、eQTL 等证据含义

依赖与权限

  • 读取用户主动提供的内容

同类 Skill