scientific-skills

Claude Scientific Skills

概述

一套全面的 139 项开箱即用的科学技能，可将 Claude 打造成 AI 研究助手，能够在生物学、化学、医学及相关领域执行复杂的多步骤科学工作流。

适用场景

在以下情况下调用此技能：

• 开展科学研究任务
• 需要访问专业数据库（PubMed、ChEMBL、UniProt 等）
• 进行生物信息学或化学信息学分析
• 撰写文献综述或科学文档
• 分析单细胞 RNA-seq、蛋白质组学或多组学数据
• 执行药物发现和分子分析工作流
• 对科学数据进行统计分析和机器学习

快速入门

// Invoke the main skill catalog
Skill({ skill: 'scientific-skills' });

// Or invoke specific sub-skills directly
Skill({ skill: 'scientific-skills/rdkit' }); // Cheminformatics
Skill({ skill: 'scientific-skills/scanpy' }); // Single-cell analysis
Skill({ skill: 'scientific-skills/biopython' }); // Bioinformatics
Skill({ skill: 'scientific-skills/literature-review' }); // Literature review

技能类别

科学数据库（28+）

技能	描述
pubchem	化学化合物数据库
chembl-database	用于药物发现的生物活性数据库
uniprot-database	蛋白质序列和功能数据库
pdb	蛋白质数据库结构
drugbank-database	药物和药物靶点信息
kegg	通路和基因组数据库
clinvar-database	临床变异解读
cosmic-database	癌症突变数据库
ensembl-database	基因组浏览器和注释
geo-database	基因表达数据
gwas-database	全基因组关联研究
reactome-database	生物通路
string-database	蛋白质相互作用
alphafold-database	蛋白质结构预测
biorxiv-database	生物学预印本服务
clinicaltrials-database	临床试验注册库
ena-database	欧洲核苷酸档案
fda-database	FDA 药品批准信息和说明书
gene-database	NCBI 基因信息
zinc-database	市售化合物
brenda-database	酶数据库
clinpgx-database	药物基因组学注释
uspto-database	专利数据库

Python 分析库（55+）

技能	描述
rdkit	化学信息学工具包
scanpy	单细胞 RNA-seq 分析
anndata	带注释的数据矩阵
biopython	计算生物学工具
pytorch-lightning	深度学习框架
scikit-learn	机器学习库
transformers	NLP 和深度学习模型
pandas / polars / vaex	数据处理
matplotlib / seaborn / plotly	可视化
deepchem	化学领域的深度学习
esm	进化尺度建模
datamol	分子数据处理
pymatgen	材料科学
qiskit	量子计算
pymoo	多目标优化
statsmodels	统计建模
sympy	符号数学
networkx	网络分析
geopandas	地理空间分析
shap	模型可解释性

生物信息学与基因组学

技能	描述
gget	基因和转录本信息
pysam	SAM/BAM 文件处理
deeptools	NGS 数据分析
pydeseq2	差异表达
scvi-tools	单细胞深度学习
etetoolkit	系统发育分析
scikit-bio	生物信息学算法
bioservices	生物学 Web 服务
cellxgene-census	细胞图谱探索

化学信息学与药物发现

技能	描述
rdkit	分子操作
datamol	分子数据处理
molfeat	分子特征化
diffdock	分子对接
torchdrug	药物发现机器学习
pytdc	治疗数据公共资源
cobrapy	代谢建模

科学传播

技能	描述
literature-review	系统性文献综述
scientific-writing	学术写作辅助
scientific-schematics	AI 生成的图表
scientific-slides	演示文稿生成
hypothesis-generation	假设构建
venue-templates	特定期刊格式排版
citation-management	参考文献管理

临床与医疗

技能	描述
clinical-decision-support	临床推理
clinical-reports	医疗报告生成
treatment-plans	治疗计划制定
pyhealth	医疗保健机器学习
pydicom	医学影像

实验室与集成

技能	描述
benchling-integration	实验室信息学平台
dnanexus-integration	基因组学云平台
pylabrobot	实验室自动化
flowio	流式细胞术数据
omero-integration	生物成像平台

核心工作流

文献综述工作流

# 7-phase systematic literature review
# 1. Planning with PICO framework
# 2. Multi-database search execution
# 3. Screening with PRISMA flow
# 4. Data extraction and quality assessment
# 5. Thematic synthesis
# 6. Citation verification
# 7. PDF generation

药物发现工作流

# Using RDKit + ChEMBL + datamol
from rdkit import Chem
from rdkit.Chem import Descriptors, AllChem

# 1. Query ChEMBL for bioactivity data
# 2. Calculate molecular properties
# 3. Filter by drug-likeness (Lipinski)
# 4. Similarity screening
# 5. Substructure analysis

单细胞分析工作流

# Using scanpy + anndata
import scanpy as sc

# 1. Load and QC data
# 2. Normalization and feature selection
# 3. Dimensionality reduction (PCA, UMAP)
# 4. Clustering (Leiden algorithm)
# 5. Marker gene identification
# 6. Cell type annotation

假设生成工作流

# 8-step systematic process
# 1. Understand phenomenon
# 2. Literature search
# 3. Synthesize evidence
# 4. Generate competing hypotheses
# 5. Evaluate quality
# 6. Design experiments
# 7. Formulate predictions
# 8. Generate report

子技能结构

每项子技能都遵循一致的结构：

scientific-skills/
├── SKILL.md                    # This file (catalog/index)
├── skills/                     # Individual skill directories
│   ├── rdkit/
│   │   ├── SKILL.md           # Skill documentation
│   │   ├── references/        # API references, patterns
│   │   └── scripts/           # Example scripts
│   ├── scanpy/
│   ├── biopython/
│   └── ... (139 total)

调用子技能

直接调用

// Invoke specific skill
Skill({ skill: 'scientific-skills/rdkit' });
Skill({ skill: 'scientific-skills/scanpy' });

链式工作流

// Multi-skill workflow
Skill({ skill: 'scientific-skills/literature-review' });
Skill({ skill: 'scientific-skills/hypothesis-generation' });
Skill({ skill: 'scientific-skills/scientific-schematics' });

先决条件

• Python 3.9+（推荐使用 3.12+）
• uv 包管理器（推荐）
• 平台：macOS、Linux，或搭载 WSL2 的 Windows

最佳实践

1. 从合适的技能开始：使用上方的分类表查找适用技能
2. 为复杂工作流串联技能：文献综述 → 假设 → 实验设计
3. 使用数据库技能访问数据：分析前先查询数据库
4. 将结果可视化：使用 matplotlib/seaborn/plotly 技能生成适合发表的图表
5. 记录研究发现：使用 scientific-writing 技能编写正式文档

与 Agent 框架集成

推荐的 Agent 配对

Agent	科学技能
data-engineer	polars、dask、vaex、zarr-python
python-pro	所有基于 Python 的技能
database-architect	用于架构设计的数据库技能
technical-writer	literature-review、scientific-writing

Agent 启动示例

Task({
  task_id: 'task-1',
  subagent_type: 'python-pro',
  description: 'Analyze molecular dataset with RDKit',
  prompt: `You are the PYTHON-PRO agent with scientific research expertise.

## Task
Analyze the molecular dataset for drug-likeness properties.

## Skills to Invoke
1. Skill({ skill: "scientific-skills/rdkit" })
2. Skill({ skill: "scientific-skills/datamol" })

## Workflow
1. Load molecular data
2. Calculate descriptors
3. Apply Lipinski filters
4. Generate visualization
5. Report findings
`,
});

资源

随附文档

• skills/*/SKILL.md - 单项技能文档
• skills/*/references/ - API 参考和模式
• skills/*/scripts/ - 示例脚本和模板

外部资源

• K-Dense AI GitHub
• RDKit 文档
• Scanpy 文档
• BioPython 教程

铁律

1. 始终在进行任何分析前查询科学数据库（PubMed、ChEMBL、UniProt）——缺乏文献和数据库背景的原始分析会得出缺乏依据的结论，并重复已有工作。
2. 绝不在未记录所有步骤（数据来源、参数、库版本、转换操作）的情况下进行分析——未记录的研究无法复现、无法同行评审，也无法拓展。
3. 始终为复杂工作流串联多个领域专用技能——单工具分析会忽略生物学、化学和临床领域之间的相互依赖关系。
4. 绝不在未经统计验证的情况下报告研究发现——科学主张需要适当规模的样本、经过验证的方法和量化的不确定性。
5. 始终在每个主要处理步骤后将中间结果可视化——数据错误和异常值会在可视化中显现，从而避免悄无声息地影响最终结论。

反模式

反模式	失败原因	正确做法
未先查询数据库就进行分析	缺少现有文献背景会导致重复已知工作，并遗漏先前成果	在分析前查询 PubMed/ChEMBL/UniProt，以现有科学知识为工作奠定基础
使用单一工具进行复杂的多领域分析	单一工具分析会遗漏不同领域边界上的相互依赖关系	串联多个领域专用技能（用于化学的 rdkit、用于单细胞分析的 scanpy、用于基因组学的 biopython）
数据处理期间跳过中间可视化	错误和异常值会从预处理阶段悄然传递到最终结果	在每个主要转换步骤后可视化数据分布和质量指标
未审阅现有文献就生成假设	重复已知解决方案，并忽视相互矛盾的既有研究发现	始终先调用 literature-review 技能；只有在审阅现有证据后才生成假设
报告发现时未记录分析溯源信息	其他研究人员无法复现、验证或扩展研究	在研究报告中记录所有数据来源、版本号、参数和转换步骤

记忆协议（强制）

开始前： 阅读 .claude/context/memory/learnings.md

完成后：

• 新模式 → .claude/context/memory/learnings.md
• 发现问题 → .claude/context/memory/issues.md
• 做出决策 → .claude/context/memory/decisions.md

假设会被中断：如果没有记录在记忆中，就等于没有发生。

版本历史

• v2.17.0 - 当前版本，包含 139 项技能
• 集成自 K-Dense-AI/claude-scientific-skills 仓库

许可证

MIT 许可证 - 开源，可免费用于研究和商业用途。