К основному содержанию
скилл CX Codex GP ChatGPT официальный · OpenAI

ngs-shotgun-metagenomics — скилл для Codex: установка

Скилл запускает QC shotgun-FASTQ, удаление ДНК хозяина и таксономический или функциональный профилинг. Пригодится для старта метагеномного анализа.

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

Что делает ngs-shotgun-metagenomics

Скилл помогает начать анализ shotgun-метагеномных FASTQ. Он проверяет парные или одиночные чтения, структуру файлов и метаданные, запускает seqkit stats, FastQC и MultiQC, а затем может передать данные в nf-core/taxprofiler, Kraken2, Bracken, MetaPhlAn или HUMAnN. Результаты включают матрицы таксонов, путей и генных семейств, сводки и HTML-визуализации.

В комплекте есть скрипты ngs_preflight.py, run_fastq_assay_package.py, run_shotgun_metagenomics.py и run_nfcore_pipeline.py. Путь --host-reference добавляет этап KneadData, сохраняет очищенные FASTQ в host_depletion/ и использует их дальше. Для профилирования нужны соответствующие базы; большие базы нельзя скачивать автоматически без подтверждения размера и места назначения. Негативные контроли остаются в QC и интерпретации.

Какие задачи решает

  • проверить FASTQ перед анализом
  • удалить чтения хозяина через KneadData
  • получить таксономический профиль Kraken2 и Bracken
  • рассчитать функциональные профили HUMAnN
  • собрать HTML-дашборд и матрицы результатов

Примеры запросов агенту

  • Проверь shotgun_samples.csv, выполни QC и подготовь план запуска для моих FASTQ.
  • Запусти таксономический и функциональный профилинг с базами /db/kraken2/standard и /db/humann, используя sample_metadata.tsv.
  • Проведи тестовый запуск nf-core/taxprofiler и сохрани результаты в results/taxprofiler_test.

Как установить ngs-shotgun-metagenomics

1Через Skills CLI (Vercel)

npx skills add openai/plugins --skill ngs-shotgun-metagenomics -a codex

2Вручную: положить файлы

.agents/skills/ngs-shotgun-metagenomics/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-shotgun-metagenomics

Как установить ngs-shotgun-metagenomics в Codex?

Выполните npx skills add openai/plugins --skill ngs-shotgun-metagenomics, затем npx skills add openai/plugins --skill ngs-shotgun-metagenomics -a codex. Файл скилла появится в .agents/skills/ngs-shotgun-metagenomics/SKILL.md.

Что делает ngs-shotgun-metagenomics?

Он подготавливает и запускает QC для shotgun-FASTQ, удаление чтений хозяина, таксономический и функциональный анализ. Для этого используются nf-core/taxprofiler, Kraken2, Bracken, MetaPhlAn и HUMAnN.

Что меняется при использовании --host-reference?

Добавляется этап KneadData, а очищенные чтения сохраняются в host_depletion/ и передаются в Kraken2 и HUMAnN. Путь к референсу и решение об удалении хозяина нужно фиксировать, поскольку они влияют на выводы об abundance.

Исходный текст

SKILL.md · MIT
---
name: ngs-shotgun-metagenomics
description: Kick off public shotgun metagenomics QC, host-depletion, taxonomic profiling, and functional profiling workflows using nf-core/taxprofiler, Kraken2, Bracken, MetaPhlAn, and HUMAnN.
---

# Shotgun Metagenomics

Use this skill for shotgun metagenomic FASTQs.

## Essential Inputs

Confirm:

- paired-end or single-end reads
- host organism and host-depletion requirement
- target outputs: taxonomic profile, functional profile, assembly, binning, or QC only
- preferred database family, if any
- database paths or permission to download large databases
- sample metadata, batches, and negative controls

## Public Defaults

Prefer `nf-core/taxprofiler` for reproducible taxonomic profiling. Use direct Kraken2/Bracken, MetaPhlAn, or HUMAnN when the user wants a focused path or already has databases installed.

For direct backend execution, prefer the plugin runner over handwritten shell when possible because it validates database bundle contents and records `resources/resource_plan.json`, `resource_manifest.tsv`, `resource_env.sh`, and `resource_readiness.md`. `--run-bracken` and `--run-humann` make those database bundles blocking, not merely optional.

## Preflight

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

## Local Execution Package

For FASTQ intake/QC before host-depletion, taxonomic profiling, or functional profiling, use:

```bash
python plugins/ngs-analysis/scripts/run_fastq_assay_package.py \
  --lane shotgun_metagenomics \
  --sample-sheet shotgun_samples.csv \
  --execute
```

This validates read paths and structure, runs seqkit stats and FastQC/MultiQC when available, and writes `taxonomic_classification_status.json`. Add `--kraken-db /path/to/db` only when a local Kraken2 database is available; otherwise the package records the database/tool blocker explicitly.

For backend taxonomic and functional profiling when databases are available, use:

```bash
python plugins/ngs-analysis/scripts/run_shotgun_metagenomics.py \
  --sample-sheet shotgun_samples.csv \
  --kraken-db /db/kraken2/standard \
  --host-reference /refs/human_kneaddata_db \
  --run-bracken \
  --run-humann \
  --humann-db /db/humann \
  --metadata sample_metadata.tsv \
  --execute
```

For nf-core execution, use `plugins/ngs-analysis/scripts/run_nfcore_pipeline.py --pipeline taxprofiler`.

When `--host-reference` is supplied, the backend runner adds a KneadData host-depletion step, requires `kneaddata` in tool preflight, writes cleaned FASTQs under `host_depletion/`, and uses those cleaned reads for downstream Kraken2 and HUMAnN steps. Keep the host reference path and host-depletion decision visible because it can change taxonomic and functional abundance conclusions.

The backend runner writes native matrix artifacts when database tools produce outputs:

- `tables/bracken_est_reads_matrix.tsv`
- `tables/bracken_relative_abundance_matrix.tsv`
- `tables/humann_pathabundance_matrix.tsv`
- `tables/humann_genefamilies_matrix.tsv`
- `tables/bracken_summary.json` and `tables/humann_summary.json`
- `tables/top_bracken_taxa.tsv`, `tables/top_humann_pathways.tsv`, `tables/top_humann_gene_families.tsv`, and `tables/metagenomics_backend_review.json` when normalized backend matrices are available

If Kraken2/Bracken/HUMAnN outputs are absent, the summaries and visualization manifest keep those layers `not_available` instead of implying taxonomic or functional interpretation succeeded.

## Kickoff Pattern

nf-core preflight run:

```bash
nextflow run nf-core/taxprofiler \
  -profile test,docker \
  --outdir results/taxprofiler_test
```

Direct Kraken2 skeleton:

```bash
kraken2 \
  --db /path/to/kraken2_db \
  --paired sample_R1.fastq.gz sample_R2.fastq.gz \
  --report results/kraken2/sample.report \
  --output results/kraken2/sample.kraken
```

## Visualization Outputs

The local FASTQ package always writes `visualizations/index.html` and `visualizations/visualization_manifest.json`. With only FASTQs, this is a read-QC/readiness bundle. Provide existing `--kraken-report`, `--bracken-table`, `--humann-pathabundance`, or `--humann-genefamilies` files to generate native taxonomy and functional-profile plots without requiring a Marimo notebook. For full backend runs, `run_shotgun_metagenomics.py` now also merges generated Bracken/HUMAnN outputs into plugin-native tables for the review bundle and writes `visualizations/shotgun_backend_dashboard.html` plus SVG plots for top Bracken taxa, HUMAnN pathways, and HUMAnN gene families when the corresponding matrices are present.

## Guardrails

- Do not auto-download large databases without confirming size and destination.
- Host depletion choices can change biological conclusions; document the reference and parameters.
- Negative controls should stay visible in QC and interpretation.

© OpenAI · MIT · openai/plugins

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
deeptools K-Dense-AI Скилл для работы с данными секвенирования: конвертирует BAM в bigWig, считает QC и рисует профили вокруг TSS и пиков. CX Codex +1 1 900установок matplotlib-best-practices Mindrally Скилл задаёт агенту правила работы с Matplotlib: типы графиков, подписи осей, палитры для дальтоников, экспорт в PDF и PNG. CX Codex +1 1 000установок Causal Inference aj-geddes Скилл учит агента оценивать причинные эффекты: propensity score, инструментальные переменные, причинные графы. Пригодится, когда эксперимент провести нельзя. CX Codex +1 534установок bioinformatics-fundamentals Delphine-L Скилл с базой по SAM/BAM, AGP и секвенированию. Пригодится, когда фильтры выдают пустой BAM или ломаются пары чтений. CX Codex +1 440установок matplotlib tondevrel Скилл учит агента строить графики на matplotlib: от простых линий до тепловых карт и многопанельных фигур. Пригодится, когда данные лежат в NumPy или Pandas, а результат нужен для статьи или отчёта. CX Codex +1 374установок tooluniverse-single-cell mims-harvard Скилл для анализа single-cell RNA-seq на scanpy и anndata: загрузка h5ad, QC-фильтрация, кластеризация, аннотация типов клеток. CX Codex +1 338установок

Из того же набора420

Весь набор →
remotion-saas Помогает собрать приложение с видео на Remotion: от простой формы с рендером до редактора. Пригодится, если делаете SaaS с генерацией видео. CX Codex GP ChatGPT 3установок remotion-multimedia Скилл помогает агенту работать с Mediabunny в браузере: получать длительность аудио и видео, а также размеры видео. CX Codex GP ChatGPT 3установок share Разворачивает рабочий прототип через выбранный инструмент и возвращает ссылку для доступа. Подходит, когда цель деплоя уже определена. CX Codex GP ChatGPT 3установок research Собирает свежие жалобы и проблемы пользователей по названному продукту, раскладывает их по группам и выдаёт отчёт с источниками. CX Codex GP ChatGPT 3установок ngs-fastq-qc Проверяет FASTQ, запускает FastQC и MultiQC, разбирает сигналы качества и при необходимости создаёт обрезанные чтения без изменения исходных файлов. CX Codex GP ChatGPT 3установок ngs-analysis-router Скилл определяет тип NGS-данных и направляет запрос к подходящему публичному пайплайну. Он пригодится для BCL, FASTQ, BAM/CRAM, матриц и VCF. CX Codex GP ChatGPT 3установок ngs-amplicon-microbiome Скилл для анализа маркерных генов из ампликонных FASTQ: 16S, 18S, ITS, COI. Запускает пайплайны nf-core/ampliseq, QIIME2 и DADA2. CX Codex GP ChatGPT 3установок gsap Справочник по GSAP для агента: твины, таймлайны, easing и производительность. Пригодится, когда пишете анимацию в композициях HyperFrames. CX Codex GP ChatGPT 3установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой