# relion

Запускает валидацию STAR-файлов, gold-standard рефайнмент частиц и постобработку независимых half-map в RELION 5.0.1. Подходит для single-particle крио-ЭМ проектов.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 463 установки · ★ 58036 у репозитория
- Автор: K-Dense-AI
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/relion/SKILL.md
- Обновлён: 2026-10-19
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/relion

## Что делает

Скилл выполняет три этапа: проверяет STAR-файл частиц на корректность оптических групп, индексов стеков и CTF-параметров (`validate-star`), запускает авторефайнмент с золотым стандартом через `relion_refine_mpi` (`refine`) и считает FSC между независимыми half-map с маской (`postprocess`). Внутри Python-скрипты с numpy, mrcfile и starfile плюс вызовы нативных бинарников RELION. Команда `refine` требует MPI (нечётное число рангов ≥3), потому что только `relion_refine_mpi` умеет делить частицы на независимые половины; без MPI золотой стандарт невозможен.

Рефайнмент начинается с уже экстрагированных CTF-аннотированных частиц и начального 3D-референса. Скилл не занимается motion correction, пикингом, 2D-классификацией или томографией — это отдельные workflow. Координаты частиц в STAR используют one-based индексацию (`1@stack.mrcs`), пути разрешаются от корня RELION-проекта, а `_rlnOriginXAngst` / `_rlnOriginYAngst` хранят сдвиги в ангстремах. Валидация открывает стеки и проверяет размеры боксов, дубликаты, конечность CTF-значений; флаг `--metadata-only` отключает чтение MRC-файлов, если стеки недоступны.

Команда `postprocess` проверяет, что маска лежит в [0,1], имеет плавный край и совпадает по сетке с half-map, затем вызывает `relion_postprocess` с явным B-фактором ноль (автооценка отключена). Вспомогательная команда `fsc` вычисляет диагностическую кривую без маски для кубических карт ≤256³; для больших карт используй нативный `relion_image_handler --fsc`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill relion -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill relion -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill relion -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install K-Dense-AI/scientific-agent-skills skills/relion
```

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

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill relion -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/K-Dense-AI/scientific-agent-skills --path skills/relion
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill relion -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/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/relion/SKILL.md

## Когда брать
- проверить STAR-файл частиц на корректность оптических групп и индексов стеков
- запустить gold-standard авторефайнмент с MPI и начальным low-pass фильтром
- посчитать FSC между независимыми half-map и применить soft-mask постобработку
- сохранить команды, логи и random seed для воспроизводимого рефайнмента

## Примеры запросов агенту
- Провалидируй STAR-файл `project/particles.star` из директории `project`
- Запусти рефайнмент с начальным референсом `initial.mrc`, диаметром 180 Å, симметрией C1 и low-pass 40 Å, используя 3 MPI-ранга и 2 потока
- Посчитай FSC между `run_half1_class001_unfil.mrc` и `run_half2_class001_unfil.mrc` и сохрани в `diagnostic-fsc.tsv`

## Похожие
- [tooluniverse-electron-microscopy](https://affpapa.org/nevibecode/skills/tooluniverse-electron-microscopy.md) — скилл · 238 установок
- [performance-profiling](https://affpapa.org/nevibecode/skills/heshamfs-performance-profiling.md) — скилл · ★ 95 у репозитория
- [mpi](https://affpapa.org/nevibecode/skills/mpi.md) — скилл · 354 установки
- [rocprofiler-systems-choosing-a-profiling-preset](https://affpapa.org/nevibecode/skills/rocprofiler-systems-choosing-a-profiling-preset.md) — скилл · 266 установок
- [hpc-runtime-doctor](https://affpapa.org/nevibecode/skills/hpc-runtime-doctor.md) — скилл · ★ 95 у репозитория
- [k-dart](https://affpapa.org/nevibecode/skills/k-dart.md) — скилл · 11900 установок

_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
