MCP HubMCP Hub
Volver a habilidades

bio-pathway-go-enrichment

GPTomics
Actualizado 4 days ago
5 vistas
312
51
312
Ver en GitHub
Otropowerpoint

Acerca de

Esta habilidad realiza un análisis de sobre-representación de la Ontología Génica (GO) para identificar funciones biológicas enriquecidas en una lista de genes, como las provenientes de expresión diferencial. Utiliza la función `enrichGO` del paquete de R `clusterProfiler`, soportando las tres ontologías (BP, MF, CC) y múltiples tipos de ID de genes. Los desarrolladores pueden emplearla con umbrales estadísticos personalizables para analizar el enriquecimiento funcional.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add GPTomics/bioSkills -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/GPTomics/bioSkills
Git CloneAlternativo
git clone https://github.com/GPTomics/bioSkills.git ~/.claude/skills/bio-pathway-go-enrichment

Copia y pega este comando en Claude Code para instalar esta habilidad

Repositorio GitHub

GPTomics/bioSkills
Ruta: pathway-analysis/go-enrichment
0

Habilidades relacionadas

llamaguard

Otro

LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.

Ver habilidad

cost-optimization

Otro

Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.

Ver habilidad

quantizing-models-bitsandbytes

Otro

Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.

Ver habilidad

dispatching-parallel-agents

Otro

Esta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.

Ver habilidad