К основному содержанию
скилл CX Codex GP ChatGPT официальный · OpenAI

ngs-dna-umi-panel-variants — скилл для Codex: анализ панелей ДНК

Помогает спланировать или выполнить анализ таргетных ДНК-панелей с UMI, консенсусными чтениями и поиском редких вариантов. Пригодится, когда важно оценить молекулярное покрытие и контроль качества панели.

Установить в Codex · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add openai/plugins --skill ngs-dna-umi-panel-variants -a codex
Открыть на GitHub

Что делает ngs-dna-umi-panel-variants

Скилл помогает выстроить этапы анализа: проверку FASTQ, извлечение UMI и сборку консенсуса, выравнивание, контроль покрытия мишеней и поиск вариантов. Для готовых консенсусных или выравненных BAM/CRAM предусмотрен локальный запускатель run_dna_umi_panel_variants.py; он формирует сводки QC и требования к проверке доказательств для вариантов с низкой долей аллеля.

Перед работой нужно уточнить устройство панели, BED-файл мишеней, расположение UMI, референс и назначение анализа. Запускатель использует локальный fgbio/samtools/bcftools; без доступного бэкенда выходные VCF не формируются. Для низкочастотных вариантов отдельно учитываются поддержка молекул, цепей и дуплексных чтений, а также возможное выпадение мишеней. Обычный герминальный анализ без молекулярного консенсуса относится к другому скиллу.

Какие задачи решает

  • спланировать этапы анализа таргетной ДНК-панели с UMI
  • проверить покрытие мишеней и распределение размеров семейств
  • разделить сырое, молекулярное и консенсусное покрытие
  • подготовить обзор доказательств для низкочастотных вариантов

Примеры запросов агенту

  • Спланируй анализ панели ДНК с UMI и перечисли, какие входные параметры нужно подтвердить.
  • Проверь готовые консенсусные BAM для панели и подготовь сводку покрытия мишеней.
  • Составь план проверки низкочастотных вариантов с учётом дуплексной поддержки и QC панели.

Как установить ngs-dna-umi-panel-variants

1Через Skills CLI (Vercel)

npx skills add openai/plugins --skill ngs-dna-umi-panel-variants -a codex

2Вручную: положить файлы

.agents/skills/ngs-dna-umi-panel-variants/SKILL.md

Для всех проектов — ~/.agents/skills/

По шагам, с командами для каждой платформы: Скиллы Codex: как установить, где лежат и как вызвать

Вопросы о ngs-dna-umi-panel-variants

Как установить ngs-dna-umi-panel-variants в Codex?

Выполните npx skills add openai/plugins --skill ngs-dna-umi-panel-variants -a codex. Это команда установки с явным выбором Codex.

Что делает ngs-dna-umi-panel-variants?

Скилл помогает планировать или запускать анализ таргетных ДНК-панелей с UMI: от консенсусных чтений и покрытия до поиска вариантов и QC.

Что нужно для локального запуска анализа?

Нужны таблица образцов, референс FASTA, BED мишеней и параметры UMI. Для формирования VCF локально должен быть доступен бэкенд fgbio/samtools/bcftools.

Исходный текст

SKILL.md · MIT
---
name: ngs-dna-umi-panel-variants
description: Run or plan targeted DNA panel variant workflows that use UMIs, duplex consensus reads, molecular barcodes, low-frequency calling, target coverage, and panel-specific QC.
---

# UMI Panel DNA Variants

Use this skill for targeted DNA panels where molecular barcodes, UMIs, duplex consensus, or low-frequency allele detection are central to the analysis. If the panel is ordinary germline calling without molecular consensus, use `ngs-dna-germline-variants`.

## Essential Inputs

Confirm:

- panel/capture kit name and target BED
- UMI layout: inline read, index read, single UMI, duplex UMI, or unknown
- whether consensus reads have already been generated
- FASTQ/BAM input and pairing convention
- reference build and panel-specific annotation requirements
- minimum allele fraction goal and intended use: screening, research, validation, or exploratory
- positive/negative controls and expected spike-ins when available

## Route

Use a lab-validated panel workflow when provided. For public-tool planning, combine FASTQ QC, UMI extraction/consensus generation, alignment, target coverage QC, and variant calling as separate audited stages.

Preflight command:

```bash
python plugins/ngs-analysis/scripts/ngs_preflight.py --pipeline dna_umi_panel_variants --emit-install-plan
```

For compact local checks from prepared consensus or alignment BAM/CRAM files, use the dedicated UMI panel runner:

```bash
python plugins/ngs-analysis/scripts/run_dna_umi_panel_variants.py \
  --sample-sheet umi_panel_samples.tsv \
  --reference-fasta reference.fa \
  --target-bed panel_targets.bed \
  --umi-mode duplex \
  --umi-tag RX \
  --execute
```

This writes the consensus/variant command plan, molecular-consensus state, low-frequency calling settings, visualization index, `qc/umi_postrun_summary.{tsv,json}`, `qc/umi_molecular_evidence_contract.{tsv,json}`, and consensus-BAM VCF outputs when the local fgbio/samtools/bcftools backend is available. The post-run summary parses consensus flagstat, target coverage, bcftools stats, and family-size/duplex files when present; missing metrics stay explicit in the notes column. The molecular evidence contract keeps the low-AF review requirements visible per sample: consensus BAM, family-size or molecule-support metrics, variant stats, hotspot review, and duplex review.

The direct runner also emits `resources/resource_plan.json`, `resource_manifest.tsv`, `resource_env.sh`, and `resource_readiness.md`. The resource check is advisory by default so custom or reduced references can still be planned; add `--genome-build`, `--bundle-root <bundle>=<path>`, and `--require-resource-plan` when missing registered reference bundles should block readiness.

## Decision Points

- Do not trim or discard UMI bases until their layout and destination are known.
- Separate raw read depth from unique molecular depth and consensus depth.
- Track on-target rate, coverage uniformity, family size distribution, strand/duplex support, and per-target dropout.
- Low allele fraction calls require stronger artifact review than ordinary germline calls.
- Use panel-specific hotspot/blacklist rules only when their provenance is known.

## Outputs

Produce:

- UMI layout and consensus strategy
- target BED/resource manifest
- raw-depth, molecular-depth, and consensus-depth QC summary
- `qc/umi_postrun_summary.tsv` for consensus reads, target coverage, variant counts, family size, and duplex fraction
- `qc/umi_molecular_evidence_contract.tsv` for low-AF evidence readiness, hotspot review, and duplex review expectations
- variant calls with allele fraction, depth, strand/duplex support, and filtering rationale
- limitations around sensitivity, panel dropout, molecule count, and non-validated interpretation

© OpenAI · MIT · openai/plugins

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
anysearch anysearch-ai Скилл подключает поиск в интернете, тематические запросы, параллельный поиск и извлечение содержимого страниц. Пригодится, когда агенту нужны свежие сведения или нужно проверить утверждение. CX Codex +1 38 500установок academic-paper Imbad0202 Скилл разворачивает конвейер из 12 агентов для подготовки научных статей в 11 режимах. Помогает пройти путь от поиска литературы и плана до проверки цитат и ответа рецензентам. CX Codex +1 10 800установок nature-figure Yuan1z0825 Скилл собирает, правит и проверяет рисунки для научных статей на Python или R. Пригодится, когда графики идут в submission, а не в отчёт. CX Codex +1 18 800установок academic-paper-reviewer Imbad0202 Скилл имитирует коллегиальную проверку научной статьи через пять ролей. Пригодится для рецензии, повторной проверки правок и оценки методологии. CX Codex +1 9 800установок nature-polishing Yuan1z0825 Скилл для правки, перевода и сокращения готового академического текста. Держит факты, термины и границы доказательств на месте. CX Codex +1 17 500установок nature-citation Yuan1z skill, refactored into static/dynamic layers Ищет статьи из Nature и семейства CNS для подтверждения тезисов рукописи, связывает утверждения с источниками и готовит экспорт для менеджера ссылок. Пригодится, когда нужны ссылки именно из этих журналов. CX Codex +1 15 600установок

Из того же набора422

Весь набор →
twilio-whatsapp-send-message Справочник по отправке сообщений WhatsApp через Twilio: 24-часовое окно, шаблоны, песочница и разбор ошибок доставки. CX Codex GP ChatGPT 2установок plugin-eval Скилл анализирует локальные скиллы и плагины, объясняет оценку и подсказывает следующий запуск. Пригодится для проверки токенов и бенчмарков. CX Codex GP ChatGPT 2установок ngs-scrna-seq Скилл ведёт одноядерные и одноклеточные RNA-seq данные от FASTQ до матрицы подсчётов, а QC и кластеризацию передаёт встроенному скиллу. CX Codex GP ChatGPT 2установок ngs-epigenomics-peaks Разбирает запросы по ATAC-seq, ChIP-seq, CUT&RUN и CUT&Tag и передаёт их в нужный пайплайн: QC, выравнивание, пики, консенсус, дифференциальные пики. CX Codex GP ChatGPT 2установок ngs-dna-somatic-variants Скилл для планирования и запуска соматических вариантов в опухоли: tumor-normal, tumor-only, WGS, WES и панели. Полезен, когда нужно проверить пары образцов до запуска пайплайна. CX Codex GP ChatGPT 2установок ngs-chip-cutrun-peaks-qc Скилл планирует и запускает QC для ChIP-seq, CUT&RUN и CUT&Tag: от контроля образцов до пиков, bigWig и differential binding. CX Codex GP ChatGPT 2установок ngs-bulk-rnaseq Диспетчер задач bulk RNA-seq: разводит обработку FASTQ в матрицу счётчиков и статистику по готовой матрице. Пригодится, когда нужно посчитать экспрессию и найти дифференциально экспрессированные гены. CX Codex GP ChatGPT 2установок ngs-bulk-rnaseq-counts-qc Скилл планирует и запускает обработку bulk RNA-seq от FASTQ до матриц counts с проверками QC. Пригодится для подготовки данных к differential expression. CX Codex GP ChatGPT 2установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой