К основному содержанию
скилл CX Codex

tooluniverse-microbial-genome-characterization — скилл для Claude Code

Скилл tooluniverse-microbial-genome-characterization для Claude Code, Codex, Cursor и других агентов находит геномные сборки через NCBI Datasets и возвращает метрики качества: N50, GC%, уровень сборки, количество контигов.

Apache-2.0 117 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-microbial-genome-characterization -a claude-code
Открыть на GitHub

Что делает tooluniverse-microbial-genome-characterization

Скилл разрешает имя организма или taxid в список доступных сборок, выбирает референсную или наиболее полную, извлекает QC-метрики (общая длина, contig/scaffold N50, число контигов, GC%, уровень сборки, категория RefSeq) и перечисляет реплиционные единицы — хромосомы и плазмиды — с их аккессионами и длинами. Работает на NCBI Datasets без ключа API.

Под капотом пять инструментов: NCBIDatasets_suggest_taxonomy находит taxid по имени, NCBIDatasets_list_genomes_by_taxon перечисляет сборки для таксона, NCBIDatasets_get_genome_assembly возвращает полный набор метрик по аккессиону GCF_/GCA_, NCBIDatasets_get_sequence_reports даёт карту реплиционных единиц, NCBIDatasets_get_taxonomy проверяет линию. Если запрошено сравнение нескольких сборок, скилл строит pandas-таблицу и ранжирует по полноте и контигуозности.

Скилл не предназначен для ортологии и синтении на уровне генов — для этого нужен tooluniverse-comparative-genomics; структуру растительных генов закрывает tooluniverse-plant-genomics. De novo сборка из сырых ридов этим скиллом недоступна.

Какие задачи решает

  • Найти референсную сборку генома для бактерии или археи по имени таксона
  • Получить N50, GC% и уровень сборки для конкретного аккессиона GCF_/GCA_
  • Посчитать, сколько плазмидов содержит данный штамм
  • Сравнить несколько сборок одного вида и выбрать наиболее полную
  • Определить, является ли сборка Complete Genome или набором контигов

Примеры запросов агенту

  • Найди референсный геном Escherichia coli и покажи его N50 и GC%
  • Перечисли все репликоны для GCF_000005845.2 — сколько там плазмидов?
  • Сравни три лучшие сборки Staphylococcus aureus по полноте и контигуозности

Как установить tooluniverse-microbial-genome-characterization

1Через Skills CLI (Vercel)

npx skills add mims-harvard/ToolUniverse --skill tooluniverse-microbial-genome-characterization -a claude-code

2Вручную: положить файлы

~/.claude/skills/tooluniverse-microbial-genome-characterization/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/tooluniverse-microbial-genome-characterization/

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

Вопросы о tooluniverse-microbial-genome-characterization

Как установить tooluniverse-microbial-genome-characterization в Claude Code?

Выполните команду npx skills add mims-harvard/ToolUniverse --skill tooluniverse-microbial-genome-characterization -a claude-code, после этого скилл будет доступен по пути ~/.claude/skills/tooluniverse-microbial-genome-characterization/SKILL.md.

Что делает tooluniverse-microbial-genome-characterization?

Скилл находит геномные сборки через NCBI Datasets по имени организма или taxid, возвращает метрики качества (N50, GC%, уровень сборки, число контигов) и строит карту реплиционных единиц — хромосом и плазмидов — с аккессионами и длинами.

Нужен ли ключ API для работы скилла?

Нет, все пять инструментов NCBI Datasets, которые использует скилл, работают без ключа API.

Исходный текст

SKILL.md · Apache-2.0
---
name: tooluniverse-microbial-genome-characterization
description: Genome-ASSEMBLY discovery, QC, and replicon mapping for any organism (bacteria, archaea, fungi, and beyond) using NCBI Datasets. Resolves an organism name or taxid to assemblies, picks the reference/representative or best-quality assembly, pulls assembly QC metrics (total length, contig/scaffold N50, contig count, GC%, assembly level, RefSeq category), enumerates chromosomes and plasmids via per-replicon sequence reports, and compares candidate assemblies on quality. Use for "what genomes are available for [organism]", "assembly stats / N50 / GC content for [GCF_/GCA_ accession]", "how many plasmids does [strain] have", "compare assemblies for [species]", "find the reference genome for [taxon]", "is this assembly Complete Genome or just contigs". NOT for gene-level orthology/synteny (use tooluniverse-comparative-genomics), plant gene structure (use tooluniverse-plant-genomics), de novo assembly from raw reads (no tool exists), or taxonomy-only name/lineage lookups.
disable-model-invocation: true
---

# Microbial Genome Assembly Characterization & QC

Discover, quality-control, and structurally map genome ASSEMBLIES for any organism using the keyless NCBI Datasets genome tools. Organism/taxon in → assembly inventory, QC metrics, and chromosome/plasmid map out.

## LOOK UP, DON'T GUESS
When uncertain about an accession, assembly level, replicon count, or N50, CALL the tool. Never report assembly statistics from memory — accessions and metrics change with each RefSeq release. A live NCBI Datasets answer is always more reliable than a guess.

## COMPUTE, DON'T DESCRIBE
When comparing multiple assemblies or ranking by quality, retrieve each via the tools, then write and run Python (pandas) over the returned JSON to sort, score, and tabulate. Don't describe what you would compute — execute it and report actual numbers.

## When to Use This Skill

**Triggers**:
- "What genomes are available for [organism]?" / "Find the reference genome for [taxon]"
- "Assembly stats for GCF_000005845.2" / "What's the N50 / GC content of [accession]?"
- "How many plasmids does [strain] have?" / "List the replicons in [accession]"
- "Compare the assemblies for [species] — which is best quality?"
- "Is [accession] a complete genome or draft?"

**Use Cases**:
1. **Assembly discovery**: enumerate available assemblies for a taxon, optionally only reference-grade
2. **Assembly QC**: pull length, N50, contig count, GC%, level, RefSeq category for an accession
3. **Replicon mapping**: list chromosomes and plasmids with their RefSeq/GenBank accessions and lengths
4. **Assembly comparison**: rank candidate assemblies of one species by completeness and contiguity
5. **Reference selection**: identify the designated reference/representative genome for a taxon

**NOT this skill** (point elsewhere):
- Gene-level orthology, synteny, conservation → `tooluniverse-comparative-genomics`
- Plant gene structure / annotation → `tooluniverse-plant-genomics`
- De novo assembly from sequencing reads → no ToolUniverse tool exists; say so
- Pure taxonomy name → lineage lookups with no genome question → use NCBI taxonomy tools directly

---

## Tools (all keyless, verified live)

| Tool | Key params | Returns |
|------|-----------|---------|
| `NCBIDatasets_suggest_taxonomy` | `query` (organism name string) | candidate matches: `scientific_name`, `tax_id`, `rank`, `group_name` |
| `NCBIDatasets_get_taxonomy` | `tax_id` (string/int) | `organism_name`, `rank`, `lineage`, `children` |
| `NCBIDatasets_list_genomes_by_taxon` | `taxon` (name OR taxid), `limit`, `reference_only` (bool) | assembly list (accession, assembly_level, refseq_category, total_sequence_length, contig_n50, gc_percent, number_of_chromosomes, number_of_contigs); `metadata.total_available` = full count |
| `NCBIDatasets_get_genome_assembly` | `accession` (GCF_/GCA_) | full QC: total_sequence_length, number_of_chromosomes, number_of_contigs, contig_n50, scaffold_n50, gc_percent, assembly_level, assembly_status, refseq_category, release_date, submitter, annotation_provider |
| `NCBIDatasets_get_sequence_reports` | `accession` (GCF_/GCA_) | per-replicon list: chr_name, role, refseq_accession, genbank_accession, length, gc_percent |

> Param note: `get_taxonomy` requires `tax_id` (NOT `taxon`). `list_genomes_by_taxon` accepts either a name or a taxid in its `taxon` field. Always pass an accession to the assembly/sequence-report tools.

---

## Workflow

### Phase 0 — Resolve the organism (skip if you already have an accession)
If the user gives an organism name, resolve it to a tax id first:

```
NCBIDatasets_suggest_taxonomy {"query": "Escherichia coli"}
```

Pick the candidate whose `scientific_name`/`rank` matches the user's intent (species vs. a specific strain). Optionally confirm lineage/children with `NCBIDatasets_get_taxonomy {"tax_id": "562"}`.

If the user already gave a GCF_/GCA_ accession, skip to Phase 2.

### Phase 1 — Inventory the assemblies
List what exists for the taxon. Start `reference_only: true` to surface the curated reference/representative genome(s); set it to `false` to see the full set.

```
NCBIDatasets_list_genomes_by_taxon {"taxon": "562", "limit": 5, "reference_only": true}
```

Read `metadata.total_available` for the true count (large taxa return thousands — the `data` array is only the first `limit` rows). Note each candidate's `assembly_level`, `refseq_category`, `contig_n50`, and `number_of_contigs`.

### Phase 2 — Select the assembly
Prefer, in order:
1. `refseq_category == "reference genome"` (NCBI's single designated reference)
2. `refseq_category == "representative genome"`
3. Highest `assembly_level` (Complete Genome > Chromosome > Scaffold > Contig)
4. Highest `contig_n50` and lowest `number_of_contigs` among same-level candidates
5. A GCF_ (RefSeq) accession over its paired GCA_ (GenBank) when both exist — RefSeq is the curated copy

### Phase 3 — Pull assembly QC metrics
```
NCBIDatasets_get_genome_assembly {"accession": "GCF_000005845.2"}
```
Report: total length, # chromosomes, # contigs, contig N50, scaffold N50, GC%, assembly level, RefSeq category, release date, annotation provider.

### Phase 4 — Map the replicons (chromosomes + plasmids)
```
NCBIDatasets_get_sequence_reports {"accession": "GCF_000005845.2"}
```
Each row is one replicon. Distinguish chromosomes from plasmids by `chr_name` / `role`: a row named like `pO157`, `pOSAK1`, or with a plasmid-style name is a plasmid; `chromosome` rows are chromosomes. To answer "how many plasmids", count the non-chromosome assembled-molecule rows.

### Phase 5 — Compare candidates (optional)
When the user wants the best of several assemblies, fetch each accession, build a pandas table, and sort by (assembly_level rank, then contig_n50 desc, then number_of_contigs asc). Report the winner with the metrics that decided it.

---

## Interpretation Table

**Assembly level** (contiguity, best → worst):

| Level | Meaning |
|-------|---------|
| Complete Genome | Every replicon (each chromosome + each plasmid) fully resolved as one gapless sequence. Gold standard. |
| Chromosome | Chromosome(s) assembled to near-complete, but may contain gaps; plasmids/organelles may be incomplete. |
| Scaffold | Contigs ordered/oriented into scaffolds using gap-spanning evidence; gaps remain. Draft. |
| Contig | Only contiguous stretches; no scaffolding. Most fragmented draft. |

**Contiguity metrics** (a typical bacterial genome is 2–6 Mb):

- **Contig N50**: the contig length at which 50% of the assembly is in contigs ≥ that size. Higher = better. A Complete Genome's contig N50 equals its largest replicon length (e.g., 4.64 Mb for E. coli K-12 — the whole chromosome is one contig). A good draft bacterium often has N50 in the hundreds-of-kb; N50 of a few kb signals a fragmented assembly.
- **Number of contigs**: low is better. A Complete Genome has one contig per replicon (so 1 for a single-chromosome no-plasmid genome). Hundreds–thousands of contigs indicates a fragmented draft.
- **Scaffold N50 ≥ contig N50** always; a large gap between them means scaffolding bridged many contigs across gaps.

**RefSeq category**:

| Value | Meaning |
|-------|---------|
| reference genome | NCBI's single, most-curated assembly for the taxon — the default to cite. |
| representative genome | A high-quality assembly chosen to represent the species when no formal reference is designated. |
| (null / none) | An ordinary submitted assembly, not specially designated. |

**GCF_ vs GCA_**: GCF_ = RefSeq (NCBI-curated, consistent annotation). GCA_ = GenBank (as submitted by the author). They share the numeric core (e.g., GCF_000005845.2 / GCA_000005845.2); prefer GCF_ when both exist.

---

## Worked Example 1 — Reference genome of *E. coli* (single chromosome, no plasmid)

1. `NCBIDatasets_suggest_taxonomy {"query":"Escherichia coli"}` → species tax id **562**.
2. `NCBIDatasets_list_genomes_by_taxon {"taxon":"562","limit":5,"reference_only":true}` → top hit **GCF_000005845.2** (*E. coli* str. K-12 substr. MG1655), assembly_level **Complete Genome**, refseq_category **reference genome**, total 4,641,652 bp, contig_n50 4,641,652, GC 51%. `metadata.total_available` = 2 reference-grade.
3. `NCBIDatasets_get_genome_assembly {"accession":"GCF_000005845.2"}` → **4.64 Mb**, **1 chromosome**, **1 contig**, contig N50 = scaffold N50 = 4,641,652 (the entire genome is one gapless contig), GC **51%**, Complete Genome, released 2013-09-26, annotated by NCBI RefSeq.
4. `NCBIDatasets_get_sequence_reports {"accession":"GCF_000005845.2"}` → **one replicon**: `chromosome`, RefSeq **NC_000913.3** (GenBank U00096.3), 4,641,652 bp, GC 51%. **Zero plasmids.**

Answer: The E. coli K-12 reference genome is GCF_000005845.2 — a 4.64 Mb Complete Genome with a single chromosome (NC_000913.3), no plasmids, GC 51%.

## Worked Example 2 — "How many plasmids does *E. coli* O157:H7 Sakai have?"

1. From the same taxon listing, the Sakai reference assembly is **GCF_000008865.2** (Complete Genome, 5.59 Mb, 3 chromosomes-field).
2. `NCBIDatasets_get_sequence_reports {"accession":"GCF_000008865.2"}` → **three replicons**:
   - `chromosome` — NC_002695.2 — 5,498,578 bp
   - `pOSAK1` (plasmid) — NC_002127.1 — 3,306 bp
   - `pO157` (plasmid) — NC_002128.1 — 92,721 bp

Answer: 1 chromosome + **2 plasmids** (pOSAK1 ~3.3 kb, pO157 ~92.7 kb). Note: the assembly's `number_of_chromosomes` field reports 3 (it counts all assembled molecules); the sequence report is authoritative for telling chromosomes from plasmids by name/role.

## Worked Example 3 — Inventory scale (large taxon)

`NCBIDatasets_list_genomes_by_taxon {"taxon":"Mycobacterium tuberculosis","limit":3,"reference_only":false}` → `metadata.total_available` = **16,311** assemblies; first rows include GCA_000195955.2 and its RefSeq pair GCF_000195955.2 (both Complete Genome, reference genome, contig N50 4,411,532, 1 contig). Use `reference_only:true` to cut 16k assemblies down to the curated reference; never page through all of them.

---

## Limitations

- **No de novo assembly**: this skill characterizes *existing* NCBI assemblies. It cannot assemble a genome from FASTQ/raw reads — no ToolUniverse tool does that. Say so and stop.
- **RefSeq vs GenBank**: only assemblies ingested into NCBI Datasets appear. A brand-new GenBank-only submission may lack a GCF_ pair until RefSeq curation runs.
- **`number_of_chromosomes` counts assembled molecules**, not strictly chromosomes — for some bacteria it includes plasmids. Always use `get_sequence_reports` to separate chromosomes from plasmids by replicon name/role.
- **Large taxa paginate**: `list_genomes_by_taxon` returns only `limit` rows; trust `metadata.total_available` for the count and refine with `reference_only:true` rather than fetching thousands.
- **No completeness/contamination scores**: NCBI Datasets does not return BUSCO/CheckM here. Assembly *level* and N50 are proxies for quality; this skill does not compute genome completeness from marker genes.
- **Annotation depth not assessed**: these tools report whether an assembly is annotated and by whom, not gene-by-gene content. For gene-level analysis route to a gene-centric skill.

---

## Completeness Checklist

Before answering, confirm you have:
- [ ] Resolved the organism to a tax id (or were given an accession) — no guessed taxids
- [ ] Stated `metadata.total_available` when reporting "how many genomes exist"
- [ ] Justified the selected accession (reference > representative > level > N50/contigs)
- [ ] Reported assembly level, length, N50, contig count, and GC% from a live `get_genome_assembly` call
- [ ] Used `get_sequence_reports` (not `number_of_chromosomes`) to count chromosomes vs plasmids
- [ ] Preferred the GCF_ accession over its GCA_ pair when both exist
- [ ] Pointed elsewhere if the request was orthology, plant gene structure, de novo assembly, or taxonomy-only

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

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
dbsnp-database google-deepmind Скилл dbsnp-database для работы с NCBI dbSNP: находит rsID по координатам или HGVS, показывает тип варианта, гены, клиническую значимость и частоты аллелей. CX Codex +1 2 400установок clinvar-database google-deepmind Скилл clinvar-database для Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode, который даёт агенту доступ к базе ClinVar через Python-обёртку. CX Codex +1 2 400установок biopython K-Dense-AI Скилл biopython помогает автоматизировать задачи биоинформатики: разбирать файлы FASTA и PDB, выравнивать последовательности и запрашивать данные через NCBI Entrez. CX Codex +1 2 200установок scikit-bio K-Dense-AI Скилл scikit-bio для Claude Code анализирует биологические последовательности, филогенетические деревья и разнообразие — от FASTA/Newick до PERMANOVA на данных микробиома. CX Codex +1 2 200установок bioproject-search ssinder Скилл bioproject-search для Claude Code выгружает метаданные проектов NCBI BioProject через E-utilities API. Сохраняет названия, организмы и даты релизов в CSV или JSON. CX Codex +1 ★ 77звёзд репо bio-database-fetch ssinder Скилл bio-database-fetch для Claude Code выгружает свойства химических соединений из PubChem и таксономию видов из NCBI. Забирает данные пачками по 100 идентификаторов через официальные REST API. CX Codex +1 ★ 77звёзд репо

Из того же набора136

Весь набор →
tooluniverse-drug-synergy Скилл tooluniverse-drug-synergy вычисляет, действуют ли два препарата синергично, аддитивно или антагонистично. CX Codex +1 127установок tooluniverse-clinical-risk-scoring Скилл tooluniverse-clinical-risk-scoring для Claude Code, Codex, Cursor и других агентов считает валидированные клинические шкалы риска по данным конкретного пациента. CX Codex +1 125установок tooluniverse-product-safety-surveillance Скилл tooluniverse-product-safety-surveillance для поиска данных об побочных эффектах, отзывах и отзывах медицинских устройств, пищевых добавок, косметики, ветеринарных препаратов и дефицитов лекарств через openFDA. CX Codex +1 123установок tooluniverse-natural-product-dereplication Скилл tooluniverse-natural-product-dereplication определяет, является ли соединение известным природным продуктом микробов, какой организм его производит и к какому химическому классу оно относится. CX Codex +1 120установок tooluniverse-peptide-target-deorphanization Скилл tooluniverse-peptide-target-deorphanization для Claude Code ищет белковые мишени пептида по последовательности, фенотипу и данным о гомологии. Разбирает неожиданные и видоспецифичные результаты связывания. CX Codex +1 117установок tooluniverse-molecular-cloning Скилл tooluniverse-molecular-cloning проектирует сборку ДНК методами Gibson и Golden Gate, а также анализирует продукт уже заданной реакции. CX Codex +1 112установок tooluniverse-self-review Скилл tooluniverse-self-review проверяет текущий результат или код на соответствие исходной цели пользователя, находит пробелы и риски без выставления оценок. CX Codex +1 111установок tooluniverse Сервер tooluniverse даёт агентам доступ к научным базам, поиску по статьям и биоинформатическим пакетам. Помогает автоматизировать исследовательские сценарии прямо в чате с моделью. CX Codex +1 ★ 1 798звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой