К основному содержанию
скилл CX Codex

tooluniverse-immunology — скилл для Claude Code: обзор и запуск

Скилл tooluniverse-immunology для иммунологических исследований: анализ взаимодействия антител и антигенов, репертуара T/B-клеток и картирования эпитопов через базы IEDB, SAbDab и IMGT.

Apache-2.0 256 установок ★ 1 798 обновлён 2026-10-24

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunology -a claude-code
Открыть на GitHub

Что делает tooluniverse-immunology

Скилл задаёт правила и инструменты для решения биомедицинских задач. Агент ищет факты в базах данных (IEDB, IMGT, SAbDab, UniProt) вместо генерации гипотез по памяти. Он проверяет маркеры иммунных клеток, распределение HLA-аллелей и значения Kd, а затем подтверждает выводы литературными ссылками.

Вместо текстового описания шагов скилл требует писать код на Python с использованием библиотек pandas или scipy и запускать его через консоль. Для вызова инструментов подходят только английские названия генов и белков, иначе поиск по базам данных вернёт ошибку.

Какие задачи решает

  • найти данные по связыванию пептидов с аллелями MHC в IEDB
  • проверить структуры антител и параметры CDR в SAbDab
  • разобрать сигнальный каскад цитокинов через базы KEGG и Reactome
  • оценить силу связывания антитела по значениям Kd

Примеры запросов агенту

  • Найди в SAbDab структуры терапевтических антител против PD-1 и выгрузи их CDR-петли
  • Проверь связывание пептида с аллелем HLA-A*02:01 через IEDB и рассчитай показатели в Python

Как установить tooluniverse-immunology

1Через Skills CLI (Vercel)

npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunology -a claude-code

2Вручную: положить файлы

~/.claude/skills/tooluniverse-immunology/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/tooluniverse-immunology/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о tooluniverse-immunology

Как установить tooluniverse-immunology в Claude Code?

Выполните команду npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunology -a claude-code в терминале.

Что делает tooluniverse-immunology?

Он предоставляет агенту регламенты рассуждений и функции поиска по базам SAbDab, TheraSAbDab и IEDB для анализа иммунных реакций и антител.

На каком языке нужно передавать названия генов?

При обращении к инструментам скилл требует использовать исключительно английские названия генов и белков.

Исходный текст

SKILL.md · Apache-2.0
---
name: tooluniverse-immunology
description: "Immunology research workflows: antibody-antigen interactions, T/B cell repertoire, MHC/HLA binding prediction, autoimmune disease genetics, vaccine epitope mapping. Uses IEDB, IMGT, SAbDab, UniProt. Use for adaptive immunity questions, immune response analysis, antibody/TCR/BCR characterization, immunogenicity prediction, and immune-pathway-to-disease mapping."
disable-model-invocation: true
---

# Immunology Research Skill

**KEY PRINCIPLES**: Multi-layer evidence; source every claim; use immunology-specific databases first (IEDB, IMGT, SAbDab); always use English gene/protein names in tool calls.

---

## LOOK UP, DON'T GUESS
When uncertain about any scientific fact, SEARCH databases first (PubMed, UniProt, ChEMBL, ClinVar, etc.) rather than reasoning from memory. A database-verified answer is always more reliable than a guess.

**For MC about immune mechanisms**: Look up the specific pathway/receptor/cytokine before answering. Use `PubMed_search_articles` with the exact terms from the question. The answer is almost always in the first few search results.

**Specific LOOK UP targets** (never guess these):
- **Immune cell markers**: CD markers for cell subsets (e.g., Treg = CD4+CD25+FOXP3+, not just "CD4+"). Query UniProt or IEDB.
- **Cytokine functions**: IL-17 is pro-inflammatory (Th17), IL-10 is anti-inflammatory (Treg) — but context matters. Verify via KEGG pathway or PubMed.
- **MHC/HLA restrictions**: Which HLA allele presents which peptide — always check IEDB MHC binding data; allele-level differences are critical (HLA-A*02:01 vs HLA-A*02:07 have different peptide repertoires).
- **Antibody Kd values**: Never estimate binding affinity; check SAbDab, IEDB, or published literature.

---

## COMPUTE, DON'T DESCRIBE
When analysis requires computation (statistics, data processing, scoring, enrichment), write and run Python code via Bash. Don't describe what you would do — execute it and report actual results. Use ToolUniverse tools to retrieve data, then Python (pandas, scipy, statsmodels, matplotlib) to analyze it.

## Reasoning Frameworks

**Immune response reasoning** — Every immune response has innate → adaptive phases. Ask: which arm is relevant to the question? Innate (neutrophils, macrophages, complement, pattern recognition) or adaptive (T cells, B cells, antibodies, memory)? Innate is fast (hours) and antigen-nonspecific; adaptive is slow (days) but specific and generates memory. The transition occurs when APCs present antigen to naive T/B cells. Targeting innate suppresses broad inflammation; targeting adaptive disrupts antigen-specific responses. This determines which databases and tools are most relevant.

**Antibody analysis reasoning** — Structure determines function. The variable region (VH/VL, CDR loops) determines antigen specificity. The Fc region determines effector function: complement activation (IgM, IgG), ADCC via FcγR (IgG), or opsonization. When analyzing antibody data, always ask: are we studying binding (Fab — use IEDB, SAbDab, IMGT) or function (Fc — use FAERS for clinical safety, OpenTargets for target biology, TheraSAbDab for therapeutic format/isotype)? Isotype switching changes effector function without changing specificity.

**Autoimmunity reasoning** — Autoimmunity = loss of self-tolerance. Ask: is the attack cell-mediated (T cells destroying tissue → Type 1 diabetes, MS) or antibody-mediated (autoantibodies → SLE, myasthenia gravis, Graves')? Cell-mediated disease implicates MHC class I/II and TCR repertoire; antibody-mediated implicates B cell activation, affinity maturation, and complement. This determines the disease mechanism, the relevant genetic loci (HLA alleles dominate both, but TCR genes matter more for T-cell diseases), and the therapeutic approach (biologics targeting T cells vs. B cells vs. complement).

**Antibody-antigen interaction reasoning** — Binding strength has two axes: affinity (Kd of single binding site, typically nM–pM for therapeutic mAbs) and avidity (combined strength of all binding sites — IgM pentamer has low affinity but high avidity). When analyzing binding data: Kd < 1 nM = very high affinity; 1–100 nM = moderate; > 100 nM = weak. Epitope mapping strategy depends on the question: linear epitopes → peptide arrays or IEDB linear epitope search; conformational epitopes → HDX-MS, cryo-EM, or cross-linking MS. For therapeutic antibodies, check SAbDab for co-crystal structures and TheraSAbDab for clinical-stage format/engineering details.

**Immune signaling cascade reasoning** — When asked "what happens when cytokine X activates cell Y", trace the full pathway: receptor (which subunits?) → proximal kinase (JAK1/2/3, TYK2, Src family?) → transcription factor (STAT1/3/4/5/6, NF-kB, NFAT?) → effector genes (cytokines, cytotoxic molecules, survival factors). Example: IL-12 + T cell → IL-12R (IL12RB1+IL12RB2) → JAK2/TYK2 → STAT4 → IFN-gamma production (Th1 differentiation). Use KEGG pathway hsa04630 (JAK-STAT) and Reactome R-HSA-1280215 (Cytokine Signaling) to verify. Key signaling modules: JAK-STAT (most cytokines), NF-kB (TNF, TLRs, TCR/BCR co-stimulation), MAPK/ERK (growth factors, TCR), PI3K-AKT (co-stimulation, survival).

**Complement system reasoning** — Three activation pathways converge on C3 convertase: Classical (C1q binds antibody-antigen complexes — IgM or IgG → C4b2a), Lectin (MBL binds mannose on pathogens → C4b2a), Alternative (spontaneous C3 hydrolysis + factor B/D → C3bBb, amplification loop). All converge on C5 convertase → MAC (C5b-9). When to check which: suspected immune complex disease (SLE) → classical pathway (C1q, C4); recurrent bacterial infections → alternative or lectin (factor B, MBL); paroxysmal nocturnal hemoglobinuria → terminal pathway (CD55/CD59 deficiency). Therapeutic targets: eculizumab blocks C5; avacopan blocks C5aR.

**Evidence grading** — A (strong): GWAS p < 5e-8 + functional data + clinical signal. B (moderate): genetics or pathway evidence, limited functional data. C (preliminary): single-database hit only. Converging genetic (GWAS/Orphanet) + protein interaction (IntAct/BioGRID) + pathway data raises confidence. FAERS PRR > 2 with IC025 > 0 is a signal, not causal proof. TIMER2 deconvolution estimates require orthogonal validation.

---

## Tool Reference

### Antibody / Structural (SAbDab, TheraSAbDab)

| Tool | Key Parameters |
|------|---------------|
| `SAbDab_get_structure` | `pdb_id` (str) — structure details and chain info |
| `SAbDab_get_summary` | `pdb_id` (str) — CDR and chain summary |
| `SAbDab_search_structures` | `query` (str) — returns browse URL only, not JSON |
| `TheraSAbDab_search_therapeutics` | `query` (str, e.g. "pembrolizumab") — INN, target, format, phase |
| `TheraSAbDab_search_by_target` | `target` (str) — all therapeutics for an antigen |
| `TheraSAbDab_get_all_therapeutics` | (none) — full therapeutic antibody list |

### Epitope and Immune Assays (IEDB)

All search tools accept `limit`, `offset`, `filters` (PostgREST dict).

| Tool | Extra Parameters |
|------|-----------------|
| `iedb_search_epitopes` | `sequence_contains`, `structure_type` |
| `iedb_search_tcell_assays` | `sequence_contains`, `mhc_class`, `qualitative_measure` |
| `iedb_search_bcell` | filters only |
| `iedb_search_mhc` | filters only |
| `iedb_search_tcr_sequences` / `iedb_search_bcr_sequences` | filters only |

Detail tools by `structure_id`: `iedb_get_epitope_antigens`, `iedb_get_epitope_mhc`, `iedb_get_epitope_tcell_assays`, `iedb_get_epitope_references`.

### Immunoglobulin Genes (IMGT)

`IMGT_search_genes`, `IMGT_get_gene_info`, `IMGT_get_sequence` — all take `gene_name` (e.g. "IGHV1-2").

### Protein Interactions (IntAct, BioGRID)

| Tool | Key Parameters |
|------|---------------|
| `intact_get_interaction_network` | `identifier` (UniProt accession — gene symbols return 0 results), `limit` |
| `intact_search_interactions` | `query` (keyword), `limit` |
| `BioGRID_get_interactions` | `gene_names` (list), `organism` ("9606" string), `limit` |
| `BioGRID_get_chemical_interactions` | `gene_names` (list), `chemical_names` (list), `organism` (int) |

Weight interaction evidence: co-IP and two-hybrid = direct; co-expression or text-mining = hypothesis-generating.

### Cytokine / Signaling (OpenTargets, GWAS)

| Tool | Key Parameters |
|------|---------------|
| `OpenTargets_get_target_id_description_by_name` | `targetName` — resolves gene symbol to Ensembl ID (required before ensemblId tools) |
| `OpenTargets_get_target_interactions_by_ensemblID` | `ensemblId`, `size` |
| `OpenTargets_get_target_gene_ontology_by_ensemblID` | `ensemblId` |
| `OpenTargets_get_target_safety_profile_by_ensemblID` | `ensemblId` |
| `OpenTargets_get_associated_diseases_by_drug_chemblId` | `chemblId` |
| `gwas_search_associations` | `query` (disease name) |
| `gwas_get_snps_for_gene` | `gene_symbol` (mapped gene symbol) |

### Clinical / Safety (FAERS, Clinical Trials)

| Tool | Key Parameters |
|------|---------------|
| `FAERS_calculate_disproportionality` | `drug_name` (generic), `adverse_event` → PRR, ROR, IC |
| `FAERS_filter_serious_events` | `drug_name`, `seriousness_type` |
| `FAERS_stratify_by_demographics` | `drug_name`, `stratify_by` (sex/age/country) |
| `FAERS_compare_drugs` | `drug1`, `drug2`, `adverse_event` |
| `search_clinical_trials` | `condition`, `intervention`, `pageSize` |

### Autoimmune Genetics (Orphanet)

`Orphanet_search_diseases(query)` → ORPHAcode. Then: `Orphanet_get_genes`, `Orphanet_get_phenotypes`, `Orphanet_get_epidemiology`, `Orphanet_get_natural_history` (all take `orpha_code`). `Orphanet_get_gene_diseases(gene_symbol)` for reverse lookup.

### Immune Pathways (KEGG, Reactome)

| Tool | Key Parameters |
|------|---------------|
| `kegg_search_pathway` | `keyword` |
| `KEGG_get_disease` / `KEGG_get_disease_genes` | `disease_id` (e.g. "H00080" for SLE) |
| `KEGG_get_pathway_genes` | `pathway_id` (e.g. "hsa04060") |
| `Reactome_get_pathway` | `stId` (e.g. "R-HSA-168256") — NOT `pathway_id` |
| `ReactomeAnalysis_pathway_enrichment` | `identifiers` (space-separated STRING, not array) |
| `Reactome_map_uniprot_to_pathways` | `uniprot_id` |

Key pathway IDs — Reactome: R-HSA-168256 (Immune System), R-HSA-168249 (Innate), R-HSA-1280218 (Adaptive), R-HSA-1280215 (Cytokine Signaling), R-HSA-202403 (TCR), R-HSA-983705 (BCR), R-HSA-166658 (Complement). KEGG: hsa04060 (Cytokine-receptor), hsa04660 (TCR), hsa04662 (BCR), hsa04620 (TLR), hsa04630 (JAK-STAT), hsa05322 (SLE), hsa05323 (RA).

### Tumor Immune Microenvironment

`TIMER2_immune_estimation` — `operation="immune_estimation"`, `cancer` (TCGA code e.g. "luad_tcga"), `gene` (symbol). Returns deconvolution estimates; validate with orthogonal methods.

---

## Parameter Gotchas

| Issue | Wrong | Correct |
|-------|-------|---------|
| Reactome param name | `pathway_id=` | `stId=` |
| ReactomeAnalysis identifiers | list `["STAT4","IRF5"]` | space-separated string `"STAT4 IRF5"` |
| OpenTargets target lookup | `query="IL6"` | `targetName="IL6"` |
| IntAct identifier | gene symbol `"CD274"` | UniProt accession `"Q9NZQ7"` |
| BioGRID organism | `"human"` | `"9606"` (string taxon ID) |
| BioGRID gene param | `gene_name="CD274"` | `gene_names=["CD274"]` (list) |
| FAERS drug name | brand name `"Keytruda"` | generic `"pembrolizumab"` |
| SAbDab search | expect JSON | `SAbDab_search_structures` returns URL only; use `SAbDab_get_structure` with PDB ID |
| TheraSAbDab by target | `search_by_target` for common names | Use `search_therapeutics(query=drug_name)` instead; target requires exact registry string |
| KEGG disease ID | `"lupus"` | `"H00080"` |

---

## Workflows

**Antibody target research**: `TheraSAbDab_search_by_target` or `search_therapeutics` → `SAbDab_get_structure` for PDB data → `iedb_search_epitopes` / `iedb_search_tcell_assays` → `intact_get_interaction_network` (UniProt ID) + `BioGRID_get_interactions` → `FAERS_calculate_disproportionality` + `search_clinical_trials`.

**Autoimmune disease genetics**: `Orphanet_search_diseases` → `Orphanet_get_genes` + `Orphanet_get_phenotypes` → `gwas_search_associations` + `gwas_get_snps_for_gene` for candidate genes → `KEGG_get_disease` + `KEGG_get_pathway_genes` → `ReactomeAnalysis_pathway_enrichment` on disease genes.

**Single-cell dual receptor questions**: When asked about mechanisms for dual chain expression, distinguish BIOLOGICAL mechanisms (allelic inclusion, receptor editing, autoreactivity) from TECHNICAL artifacts (doublets, ambient RNA). Questions asking "why would a cell express two chains" usually want biological mechanisms only. Doublets (1) are often included since they represent real observations, but ambient RNA (2) is typically excluded as contamination, not true expression.

**Immunotherapy safety comparison**: `FAERS_compare_drugs` for AE head-to-head → `FAERS_filter_serious_events` per drug → `FAERS_stratify_by_demographics` → resolve target with `OpenTargets_get_target_id_description_by_name` → `OpenTargets_get_target_safety_profile_by_ensemblID` → `search_clinical_trials`.

© mims-harvard · Apache-2.0 · mims-harvard/ToolUniverse

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
reactome-database google-deepmind Скилл reactome-database для Claude Code подключает базы Reactome для анализа генных списков, поиска реакций и экспорта схем путей. Запускает биоинформатические расчёты в терминале агента. CX Codex +1 2 400установок adaptyv K-Dense-AI Скилл помогает планировать эксперименты по характеризации белков через облачную лабораторию Adaptyv Bio Foundry, оценивать стоимость и забирать результаты тестов. CX Codex +1 2 100установок biological-expert personamanagmentlayer Скилл biological-expert настраивает агента на задачи биоинформатики, генетики и вычислительной биологии. Помогает анализировать последовательности ДНК и аннотировать мутации. CX Codex +1 235установок Atlarium Habitat Database MCP ilgrafico79 MCP-сервер Atlarium Habitat Database MCP со справочными данными по аквариумам, террариумам и палюдариумам. Помогает агенту подбирать гидробионтов, проверять совместимость и рассчитывать внесение удобрений. CX Codex +1 2 022установок RCSB PDB rcsb Сервер RCSB PDB связывает ИИ-агента с базой Protein Data Bank для поиска трёхмерных структур белков, сопоставления последовательностей и чтения аннотаций. CX Codex +1 ★ 12звёзд репо VirtualFlyBrain VirtualFlyBrain MCP-сервер открывает доступ к базе данных Virtual Fly Brain по нейроанатомии и коннектомике дрозофилы без регистрации и ключей API. CX Codex +1 ★ 9звёзд репо

Из того же набора136

Весь набор →
tooluniverse-inorganic-physical-chemistry Скилл tooluniverse-inorganic-physical-chemistry помогает рассчитывать кристаллические решётки, искать структуры в базе COD и вычислять химические равновесия через формулы и скрипты. CX Codex +1 264установок tooluniverse-drug-regulatory Скилл tooluniverse-drug-regulatory для проверки регуляторного статуса лекарств: одобрение FDA и EMA, дженерики, патенты, эксклюзивность, классы ATC и разделы инструкций. CX Codex +1 261установок tooluniverse-epidemiological-analysis Скилл tooluniverse-epidemiological-analysis ведёт наблюдательное эпидемиологическое исследование от PECO-вопроса до статистического отчёта с Python-кодом. CX Codex +1 258установок tooluniverse-ecology-biodiversity Скилл tooluniverse-ecology-biodiversity анализирует биоразнообразие: определяет виды по GBIF и NCBI, проверяет статусы охраны IUCN и изучает инвазивные виды. CX Codex +1 257установок tooluniverse-metagenomics-analysis Скилл tooluniverse-metagenomics-analysis для Claude Code исследует микробиомные данные через MGnify, GTDB, ENA и научную литературу. Анализирует ампликонные и shotgun-исследования. CX Codex +1 256установок tooluniverse-dataset-discovery Скилл tooluniverse-dataset-discovery находит научные датасеты под исследовательские задачи, проверяя дизайн исследования и переменные. Пригодится при поиске когорт, опросов или биомедицинских баз данных. CX Codex +1 254установок tooluniverse-toxicology Скилл tooluniverse-toxicology собирает картину токсичности препарата или химиката: механизм по AOP, сигналы FAERS, предупреждения из инструкций FDA и данные EPA CompTox. CX Codex +1 250установок tooluniverse-drug-mechanism-research Скилл tooluniverse-drug-mechanism-research для Claude Code исследует механизм действия лекарства от первичной мишени до клинического исхода. Разбирает фармакологию и сравнивает препараты. CX Codex +1 250установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой