# tellurium

Скилл запускает симуляцию кинетических моделей биохимических реакций из SBML или Antimony через Tellurium и экспортирует COMBINE-архивы.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 465 установок · ★ 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/tellurium/SKILL.md
- Обновлён: 2026-10-19
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/tellurium

## Что делает

Скилл автоматизирует расчёт кинетических траекторий в биологических сетях через Tellurium и солвер libRoadRunner. Он принимает модели в формате SBML или Antimony, проверяет размерности единиц измерения и запускает детерминированное интегрирование с помощью CVODE. Сценарии с изменением параметров выполняются изолированно: каждый прогон стартует с чистой модели, поэтому концентрации предыдущего шага не исказят следующий расчёт.

Внутри скилл обращается к скрипту `scripts/kinetic_experiment.py`. По итогам работы формируются CSV-файлы концентраций, модифицированные модели `model_<scenario>.xml`, файл эксперимента `experiment.sedml` и архив `experiment.omex`. Скилл автоматически воспроизводит полученный COMBINE-архив и сверяет результаты с прямым расчётом, сохраняя расхождения и предупреждения в `report.json`.

Для работы требуется виртуальное окружение Python 3.11 со строго фиксированными версиями `tellurium==2.2.13.1`, `libroadrunner==2.10.0` и сопутствующих библиотек. Скилл отклоняет модели с нульмерными компартментами, правила скоростей (rate rules) и выборки в абсолютных количествах вместо концентраций.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

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

### Cursor

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

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/tellurium/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/tellurium
```

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

### Gemini CLI

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

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

### Windsurf (Devin Desktop)

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

### OpenCode

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

## Когда брать
- рассчитать кинетику концентраций веществ по времени из Antimony или SBML
- сопоставить поведение системы при изменении кинетических параметров
- сформировать и перепроверить воспроизводимый COMBINE-архив SED-ML
- проверить согласованность единиц измерения и реакций в SBML

## Примеры запросов агенту
- Запусти кинетический эксперимент для модели `assets/first-order.ant` по конфигурации `assets/experiment.json`.
- Проверь единицы измерения в SBML-файле `model.xml` и смоделируй изменение константы скорости реакции.
- Экспортируй траектории концентраций в SED-ML и собери COMBINE-архив `experiment.omex`.

## Похожие
- [Axiomize](https://affpapa.org/nevibecode/mcp/axiomize.md) — MCP-сервер · ★ 9 у репозитория
- [paper-to-social](https://affpapa.org/nevibecode/skills/paper-to-social.md) — скилл · ★ 240 у репозитория
- [yomitoki](https://affpapa.org/nevibecode/skills/yomitoki.md) — скилл · ★ 240 у репозитория
- [benchmark-and-mms-planner](https://affpapa.org/nevibecode/skills/benchmark-and-mms-planner.md) — скилл · ★ 95 у репозитория
- [simulation-validator](https://affpapa.org/nevibecode/skills/simulation-validator.md) — скилл · ★ 95 у репозитория
- [terrain-hydrology](https://affpapa.org/nevibecode/skills/terrain-hydrology.md) — скилл · ★ 48 у репозитория

Из того же набора: [k-dense-ai/scientific-agent-skills](https://affpapa.org/nevibecode/by/k-dense-ai/scientific-agent-skills.md) — 176 карточек

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