tooluniverse-expression-data-retrieval — скилл для Claude Code
Скилл находит датасеты экспрессии генов в ArrayExpress и BioStudies, оценивая число повторностей и качество метаданных. Пригодится биоинформатикам для поиска данных RNA-seq.
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-expression-data-retrieval -a claude-codeЧто делает tooluniverse-expression-data-retrieval
Скилл ищет эксперименты по экспрессии генов и омиксные датасеты в базах ArrayExpress и BioStudies. Агент проверяет записи через поиск. Запрос строится по официальным символам генов из HGNC или MGI с учётом синонимов.
Для сбора данных скилл вызывает функции arrayexpress_search_experiments и biostudies_search. Он находит файлы и аннотации образцов. Приоритет отдаётся сериям, где есть не менее 3 биологических повторностей, а также выложены сырые и обработанные данные. Если поиск в ArrayExpress пуст, агент переключается на BioStudies.
Поисковые вызовы к API выполняются исключительно на английском языке, даже когда пользователь пишет по-русски. Готовый отчёт ранжирует эксперименты по качеству и даёт прямые ссылки на загрузку.
Какие задачи решает
- найти датасеты RNA-seq по названию гена и типу ткани
- оценить число биологических повторностей перед скачиванием данных
- подобрать исследования microarray для сравнения нормы и патологии
- найти мультиомиксные эксперименты в базе данных BioStudies
Примеры запросов агенту
- Найди датасеты RNA-seq по раку лёгкого с разделением на случай и контроль
- Оцени качество разметки и число биологических повторностей для найденных образцов
- Найди мультиомиксные исследования по болезни Альцгеймера в BioStudies
Как установить tooluniverse-expression-data-retrieval
1Через Skills CLI (Vercel)
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-expression-data-retrieval -a claude-code2Вручную: положить файлы
~/.claude/skills/tooluniverse-expression-data-retrieval/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/tooluniverse-expression-data-retrieval/
1Через Skills CLI (Vercel)
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-expression-data-retrieval -a codex2Вручную: положить файлы
.agents/skills/tooluniverse-expression-data-retrieval/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-expression-data-retrieval -a cursor2Вручную: положить файлы
.cursor/skills/tooluniverse-expression-data-retrieval/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install mims-harvard/ToolUniverse tooluniverse-expression-data-retrieval2Вручную: положить файлы
.github/skills/tooluniverse-expression-data-retrieval/SKILL.md1Через Skills CLI (Vercel)
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-expression-data-retrieval -a gemini-cli2Командой платформы
gemini skills install https://github.com/mims-harvard/ToolUniverse --path skills/tooluniverse-expression-data-retrievalВручную: положить файлы
.devin/skills/tooluniverse-expression-data-retrieval/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-expression-data-retrieval -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о tooluniverse-expression-data-retrieval
Как установить tooluniverse-expression-data-retrieval в Claude Code?
Выполните команду npx skills add mims-harvard/ToolUniverse --skill tooluniverse-expression-data-retrieval -a claude-code в терминале. Это добавит скилл в окружение Claude Code.
Что делает tooluniverse-expression-data-retrieval?
Скилл ищет эксперименты по экспрессии генов в ArrayExpress и мультиомиксные данные в BioStudies. Он проверяет число биологических повторностей, оценивает разметку образцов и готовит отчёт со ссылками на скачивание.
На каком языке нужно передавать запросы для поиска?
Скилл всегда формирует внутренние запросы к инструментам на английском языке, даже если вы общаетесь с агентом по-русски. Он автоматически сопоставляет символы генов через HGNC или MGI.
Исходный текст
SKILL.md · Apache-2.0
---
name: tooluniverse-expression-data-retrieval
description: Retrieve gene expression and omics datasets from ArrayExpress and BioStudies with gene disambiguation and quality assessment. Use for finding RNA-seq/microarray datasets by organism/tissue/condition, comparing across studies (case-control, time-series, dose-response), and assessing dataset suitability before downloading. Always uses English search terms.
disable-model-invocation: true
---
# Gene Expression & Omics Data Retrieval
Retrieve gene expression experiments and multi-omics datasets with disambiguation and quality assessment.
**IMPORTANT**: Always use English terms in tool calls. Respond in the user's language.
**LOOK UP DON'T GUESS**: Never assume which datasets exist or their accessions. Always search to confirm.
## Domain Reasoning
Before retrieving, determine: organism, tissue, experimental design (case-control/time-series/dose-response). These affect which database to search and how to interpret results. RNA-seq provides wider dynamic range; microarray has extensive legacy data. Prioritize experiments with >=3 biological replicates, complete annotations, and both raw+processed data.
## Workflow
```
Phase 0: Clarify (if ambiguous) → Phase 1: Disambiguate → Phase 2: Search & Retrieve → Phase 3: Report
```
---
## Phase 0: Clarification (When Needed)
Ask ONLY if: gene name ambiguous, tissue/condition unclear, organism not specified.
Skip for: specific accessions (E-MTAB-*, E-GEOD-*, S-BSST*), clear disease/tissue+organism, explicit platform requests.
---
## Phase 1: Query Disambiguation
Resolve official gene symbol (HGNC for human, MGI for mouse). Note common aliases for search expansion.
| User Query Type | Search Strategy |
|-----------------|-----------------|
| Specific accession | Direct retrieval |
| Gene + condition | "[gene] [condition]" + species filter |
| Disease only | "[disease]" + species filter |
| Technology-specific | Add platform keywords |
---
## Phase 2: Data Retrieval (Internal)
Search silently. Do NOT narrate the process.
```python
# ArrayExpress search
result = tu.tools.arrayexpress_search_experiments(keywords="[gene/disease]", species="[species]", limit=20)
# Get experiment details, samples, files
details = tu.tools.arrayexpress_get_experiment(experiment_id=accession)
samples = tu.tools.arrayexpress_get_experiment_samples(experiment_id=accession)
files = tu.tools.arrayexpress_get_experiment_files(experiment_id=accession)
# BioStudies for multi-omics
biostudies = tu.tools.biostudies_search(query="[keywords]", pageSize=10)
study = tu.tools.biostudies_get_study(accession=study_accession)
study_files = tu.tools.biostudies_get_study_files(accession=study_accession)
```
### Fallback Chains
| Primary | Fallback |
|---------|----------|
| ArrayExpress search | BioStudies search |
| arrayexpress_get_experiment | biostudies_get_study |
| arrayexpress_get_experiment_files | Note "Files unavailable" |
---
## Phase 3: Report Dataset Profile
Present as a **Dataset Search Report**. Hide search process. Include:
1. **Search Summary**: query, databases searched, result count
2. **Top Experiments** (per experiment):
- Accession, organism, type (RNA-seq/microarray), platform, sample count, date
- Description, experimental design (conditions, replicates, tissue)
- Sample groups table, data files table
- Quality assessment (●●●/●●○/●○○)
3. **Multi-Omics Studies** (from BioStudies): accession, type, data types included
4. **Summary Table**: all experiments ranked
5. **Recommendations**: best dataset for user's purpose, integration notes
6. **Data Access**: download links, database URLs
---
## Data Quality Tiers
| Tier | Symbol | Criteria |
|------|--------|----------|
| High | ●●● | >=3 bio replicates, complete metadata, processed data available |
| Medium | ●●○ | 2-3 replicates OR some metadata gaps |
| Low | ●○○ | No replicates, sparse metadata, or access issues |
| Caution | ○○○ | Single sample, no replication, outdated platform |
---
## Reasoning Framework
**Dataset quality**: Prioritize >=3 biological replicates, complete annotations, both raw+processed data. Single-replicate experiments can inform but not be sole evidence.
**Platform comparison**: RNA-seq = wider dynamic range, novel transcripts. Microarray = probe-limited but extensive legacy data. Cross-platform combining requires batch correction.
**Metadata scoring**: Rate 0-5 on: (1) sample annotations, (2) design documented, (3) pipeline described, (4) raw data deposited, (5) publication linked. Score <=2 warrants caution.
**GEO vs ArrayExpress**: GEO has broader coverage (older studies); ArrayExpress enforces stricter metadata. BioStudies captures multi-omics. Search both.
### Synthesis Questions
1. Does the dataset have sufficient replication and metadata for the intended analysis?
2. Are there batch effects or confounding variables?
3. Do multiple datasets show concordant patterns, and can they be integrated?
---
## Error Handling
| Error | Response |
|-------|----------|
| "No experiments found" | Broaden keywords, remove species filter, try synonyms |
| "Accession not found" | Verify format, check if withdrawn |
| "Files not available" | Note: "Data files restricted by submitter" |
| "API timeout" | Retry once, note "(metadata retrieval incomplete)" |
---
## Tool Reference
**ArrayExpress**: `arrayexpress_search_experiments` (search), `arrayexpress_get_experiment` (metadata), `arrayexpress_get_experiment_files` (downloads), `arrayexpress_get_experiment_samples` (annotations)
**BioStudies**: `biostudies_search` (search), `biostudies_get_study` (metadata+sections), `biostudies_get_study_files` (files)
**Additional Sources**:
- `GEO_search_rnaseq_datasets` / `geo_search_datasets` -- GEO (largest RNA-seq repo)
- `OmicsDI_search_datasets` -- cross-repository aggregation (GEO+ArrayExpress+PRIDE+MassIVE)
- `GTEx_get_expression_summary` -- baseline tissue expression (54 normal tissues, param: `gene_symbol`)
- `ENAPortal_search_studies` -- sequencing studies (param: `query` with `description="..."`)
- `CxGDisc_search_datasets` -- single-cell datasets (needs exact disease ontology terms)
- `GxA_list_experiments` / `GxA_get_experiment_info` / `GxA_get_experiment_expression` -- EBI Gene Expression Atlas: curated baseline (tissue) and differential (condition-comparison) bulk RNA-seq/microarray experiments. Filter `GxA_list_experiments` by `species` and `experiment_type` ("baseline" vs "differential") first; `GxA_get_experiment_expression` needs a specific `experiment_accession` (e.g. `E-MTAB-2836`) plus `gene_id`.
- `ARCHS4_get_gene_expression` / `ARCHS4_get_gene_correlations` -- ARCHS4: box-plot expression statistics (min/Q1/median/Q3/max, log2) across human/mouse tissues and cell lines, and top co-expressed genes by Pearson correlation across 300K+ uniformly reprocessed RNA-seq samples. Good for a quick baseline-expression sanity check or finding candidate co-regulated genes without running a full differential-expression pipeline.
- `Bgee_search_genes` / `Bgee_get_gene_expression` / `Bgee_list_species` -- Bgee: curated baseline expression-by-tissue calls across 29+ animal species (vs. ARCHS4's human/mouse-only reprocessed RNA-seq, or GxA's curated-but-narrower experiment set). `Bgee_get_gene_expression` needs BOTH an Ensembl gene ID and an NCBI taxonomy ID (e.g. `gene_id="ENSG00000141510"`, `species_id="9606"` for human TP53) -- resolve the gene ID with `Bgee_search_genes` first if you only have a symbol. Use `Bgee_list_species` to confirm a species is covered before assuming Bgee has it. Best for cross-species comparison questions ("is gene X expressed in the same tissues in mouse and zebrafish?"), not for finding raw sequencing datasets to download.
- `PubMed_search_articles` -- dataset discovery via publications
---
## Search Parameters
**ArrayExpress**: `keywords` (free text), `species` (scientific name), `array` (platform filter), `limit`
**BioStudies**: `query` (free text), `limit`
© mims-harvard · Apache-2.0 · mims-harvard/ToolUniverse