# tooluniverse-immunotherapy-response-prediction

Скилл считает ICI Response Score по TMB, MSI, PD-L1, HLA и экспрессии иммунных генов, а затем предлагает конкретные препараты и оценивает риск резистентности.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 360 установок · ★ 1759
- Автор: mims-harvard
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/mims-harvard/ToolUniverse/tree/HEAD/skills/tooluniverse-immunotherapy-response-prediction/SKILL.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/skills/tooluniverse-immunotherapy-response-prediction

## Что делает

Скилл превращает профиль опухоли пациента в количественную оценку ответа на ингибиторы контрольных точек. На входе — тип рака и хотя бы одно из двух: список мутаций или значение TMB. Дополнительно можно передать PD-L1, статус MSI, данные об иммунной инфильтрации, HLA-тип, прошлое лечение и предполагаемый препарат.

Работа разбита на одиннадцать фаз: стандартизация входа и контекст рака, анализ TMB, неоантигены, MSI/MMR, PD-L1, профиль иммунного микроокружения, мутационные предикторы, клинические данные и варианты ICI, оценка риска резистентности, интеграция в балл и рекомендации. Каждое утверждение получает уровень доказательности от T1 до T4, а расчёты скилл выполняет кодом на Python через Bash, а не описывает словами. Для запросов к базам нужны инструменты ToolUniverse — без них фазы не отработают.

Отдельно проверяются мутации резистентности: STK11, PTEN, JAK1/2, B2M, KEAP1, MDM2/4 и EGFR снижают балл, а POLE, POLD1, BRCA1/2, ARID1A и PBRM1 (только для RCC) его повышают. Пороги TMB и PD-L1 зависят от типа опухоли, поэтому один и тот же показатель в NSCLC и меланоме трактуется по-разному. Если по пациенту нет части биомаркеров, скилл помечает их как отсутствующие, а не подставляет среднее значение.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunotherapy-response-prediction -a claude-code
```

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

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunotherapy-response-prediction -a codex
```

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

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunotherapy-response-prediction -a cursor
```

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

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install mims-harvard/ToolUniverse tooluniverse-immunotherapy-response-prediction
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/tooluniverse-immunotherapy-response-prediction/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunotherapy-response-prediction -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/mims-harvard/ToolUniverse --path skills/tooluniverse-immunotherapy-response-prediction
```

### Windsurf (Devin Desktop)

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

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-immunotherapy-response-prediction -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/mims-harvard/ToolUniverse/tree/HEAD/skills/tooluniverse-immunotherapy-response-prediction/SKILL.md

## Когда брать
- оценить шанс ответа на пембролизумаб по профилю мутаций
- свести TMB, MSI и PD-L1 в один балл вместо трёх отдельных заключений
- найти мутации резистентности, которые гасят высокий TMB
- выбрать конкретный ингибитор контрольных точек под тип опухоли
- отличить иммунотерапию от таргетной при BRAF V600E

## Примеры запросов агенту
- Пациент с NSCLC, TMB 25, PD-L1 80% — посчитай ICI Response Score и предложи препарат
- MSI-high колоректальный рак: какой ингибитор контрольных точек подойдёт и почему
- Меланома с BRAF V600E и TMB 15 — сравни иммунотерапию и таргетную терапию по этому профилю

## Похожие
- [target-prioritization](https://affpapa.org/nevibecode/skills/target-prioritization.md) — скилл · 2900 установок
- [opentargets-database](https://affpapa.org/nevibecode/skills/opentargets-database.md) — скилл · 2200 установок
- [ensembl-database](https://affpapa.org/nevibecode/skills/ensembl-database.md) — скилл · 2200 установок
- [gtars](https://affpapa.org/nevibecode/skills/gtars.md) — скилл · 1900 установок
- [etetoolkit](https://affpapa.org/nevibecode/skills/etetoolkit.md) — скилл · 1900 установок
- [exploratory-data-analysis](https://affpapa.org/nevibecode/skills/exploratory-data-analysis.md) — скилл · 279 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