# quickgo-database

Ходит в REST API QuickGO и ECO: связывает гены с биологическими процессами, функциями и клеточными компонентами. Нужен, когда разбираешь аннотации генов.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 2100 установок · ★ 3329
- Автор: google-deepmind
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/google-deepmind/science-skills/tree/HEAD/skills/quickgo_database/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/quickgo-database

## Что делает

Скилл даёт агенту обёртку `scripts/quickgo_tool.py` над REST API QuickGO и Evidence & Conclusion Ontology. Четыре подкоманды: `go` — определения терминов, предки, потомки и slim; `annotation` — привязка гена к GO-терминам; `geneproduct` — перевод символа гена в формальный идентификатор базы; `eco` — коды доказательств, по которым видно, откуда взялась аннотация. Скрипт сам форматирует запросы, держит лимиты и складывает крупные JSON-ответы в файлы.

Перед запуском нужен `uv` в PATH. Если в корне рабочей папки нет `.licenses/quickgo_database_LICENSE.txt`, скилл просит проверить условия на сайте EMBL-EBI и создаёт файл с текстом уведомления и отметкой времени. Работать напрямую с базой не стоит: обёртка аккуратнее обходится с ограничением частоты запросов. Ещё скилл прямо говорит, что не годится для поиска лекарственных мишеней и механистических схем сигнальных путей — для этого в описании указаны OpenTargets и KEGG.

На больших выборках держи `--limit 100` и листай через `--page`, ответы сохраняй флагом `--output`. Для клинических данных по человеку ставь `--taxonId 9606`. Экспериментальные коды доказательств вроде `ECO:0000269` дают меньше шума, чем электронные предсказания. Если скилл сработал, он напоминает упомянуть это в выводе.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add google-deepmind/science-skills --skill quickgo-database -a claude-code
```
```bash
npx skills add google-deepmind/science-skills --skill quickgo_database -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add google-deepmind/science-skills --skill quickgo_database -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add google-deepmind/science-skills --skill quickgo_database -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install google-deepmind/science-skills quickgo_database
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/quickgo_database/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add google-deepmind/science-skills --skill quickgo_database -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/google-deepmind/science-skills --path skills/quickgo_database
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add google-deepmind/science-skills --skill quickgo_database -a opencode
```

### 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/google-deepmind/science-skills/tree/HEAD/skills/quickgo_database/SKILL.md

## Когда брать
- найти GO-аннотации для конкретного гена
- получить список генов, связанных с одним GO-термином
- проверить, входит ли термин в более общую категорию
- собрать сводку по списку генов через GO Slim
- отсеять электронные предсказания и оставить экспериментальные доказательства

## Примеры запросов агенту
- Найди UniProtKB ID для человеческого гена PROC и покажи его экспериментальные GO-аннотации
- Какие гены человека аннотированы на GO:0003700? Сохрани ответ в файл
- Проверь, является ли GO:0001917 потомком более общего термина, и выведи определение

## Похожие
- [quickgo-skill](https://affpapa.org/nevibecode/skills/quickgo-skill.md) — скилл · 14 установок
- [ipd-skill](https://affpapa.org/nevibecode/skills/ipd-skill.md) — скилл · 13 установок
- [database-lookup](https://affpapa.org/nevibecode/skills/database-lookup.md) — скилл · 2100 установок
- [exploratory-data-analysis](https://affpapa.org/nevibecode/skills/exploratory-data-analysis.md) — скилл · 279 установок
- [biopython](https://affpapa.org/nevibecode/skills/biopython.md) — скилл · 2000 установок
- [tooluniverse-epigenomics](https://affpapa.org/nevibecode/skills/tooluniverse-epigenomics.md) — скилл · 422 установки

Из того же набора: [google-deepmind/science-skills](https://affpapa.org/nevibecode/by/google-deepmind/science-skills.md) — 39 карточек

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