# 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.

- скилл · `type=skill` · Codex, ChatGPT · 2 установки · ★ 7604
- Автор: OpenAI · официальный репозиторий OpenAI
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/openai/plugins/tree/HEAD/plugins/ngs-analysis/skills/ngs-epigenomics-peaks/SKILL.md
- Обновлён: 2026-10-08
- HTML: https://affpapa.org/nevibecode/skills/ngs-epigenomics-peaks

## Что делает

Скилл работает диспетчером. Сначала он уточняет тип анализа, входные файлы, организм и сборку генома, контрольные образцы, реплики и нужный тип пиков. Когда тип анализа известен, запрос уходит в глубокий скилл под конкретный протокол: для ATAC-seq это `ngs-atacseq-peaks-qc` с `nf-core/atacseq`, для ChIP-seq — `ngs-chip-cutrun-peaks-qc` с `nf-core/chipseq`, для CUT&RUN и CUT&Tag — тот же скилл с `nf-core/cutandrun`. Прямой MACS2 оставлен для точечного поиска пиков по готовым BAM.

Перед запуском есть проверка окружения: `python plugins/ngs-analysis/scripts/ngs_preflight.py --pipeline epigenomics_peaks --emit-install-plan`. Для приёма FASTQ и QC есть общий пакет: `python plugins/ngs-analysis/scripts/run_fastq_assay_package.py --lane epigenomics_peaks --sample-sheet assay_samples.csv --execute`. Он проверяет пути в sample sheet и структуру чтений, гоняет seqkit stats и FastQC/MultiQC, если они есть, и пишет `peak_calling_readiness.json`. Полное выравнивание, треки сигнала, TSS/FRiP, консенсусные и дифференциальные пики всё равно идут через пайплайн под конкретный анализ.

Раннеры для ATAC и ChIP/CUT&RUN кладут рядом с TSV/JSON ещё и файлы для просмотра: `qc/*_dashboard.html`, SVG-графики FRiP и пиков, SVG по размеру вставок, HTML-превью треков, строки треков для UCSC и сессии IGV. Метаданные реплик и контролей нужно протянуть через sample sheet до запуска реального анализа, иначе пайплайн не соберёт сравнение правильно.

## Установка

### Codex (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add openai/plugins --skill ngs-epigenomics-peaks -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/ngs-epigenomics-peaks/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Claude Code

1. **Через Skills CLI (Vercel)**
```bash
npx skills add openai/plugins --skill ngs-epigenomics-peaks -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/ngs-epigenomics-peaks/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/ngs-epigenomics-peaks/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/skills/ngs-epigenomics-peaks/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install openai/plugins ngs-epigenomics-peaks
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/ngs-epigenomics-peaks/SKILL.md`

### Gemini CLI

**Командой платформы**
```bash
gemini skills install https://github.com/openai/plugins --path plugins/ngs-analysis/skills/ngs-epigenomics-peaks
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/ngs-epigenomics-peaks/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/openai/plugins/tree/HEAD/plugins/ngs-analysis/skills/ngs-epigenomics-peaks/SKILL.md

## Когда брать
- выбрать пайплайн под конкретный эпигеномный анализ
- проверить sample sheet и структуру чтений до запуска
- собрать QC-отчёт по FASTQ до выравнивания
- получить консенсусные и дифференциальные пики
- открыть треки сигнала в IGV или UCSC

## Примеры запросов агенту
- Прогони преflight для эпигеномики: `python plugins/ngs-analysis/scripts/ngs_preflight.py --pipeline epigenomics_peaks --emit-install-plan`
- Разбери мой ATAC-seq: FASTQ, человек, hg38, две реплики — что нужно для поиска пиков?
- Запусти QC по FASTQ через `python plugins/ngs-analysis/scripts/run_fastq_assay_package.py --lane epigenomics_peaks --sample-sheet assay_samples.csv --execute`

## Похожие
- [deeptools](https://affpapa.org/nevibecode/skills/deeptools.md) — скилл · 1900 установок
- [tooluniverse-epigenomics](https://affpapa.org/nevibecode/skills/tooluniverse-epigenomics.md) — скилл · 422 установки
- [nextflow](https://affpapa.org/nevibecode/skills/nextflow.md) — скилл · 1400 установок
- [target-prioritization](https://affpapa.org/nevibecode/skills/target-prioritization.md) — скилл · 2900 установок
- [pubmed-database](https://affpapa.org/nevibecode/skills/google-deepmind-pubmed-database.md) — скилл · 2700 установок
- [chembl-database](https://affpapa.org/nevibecode/skills/chembl-database.md) — скилл · 2200 установок

Из того же набора: [openai/plugins](https://affpapa.org/nevibecode/by/openai/plugins.md) — 528 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md