Skills Agentes

Gget

Consultas rápidas por CLI/Python a más de 20 bases de datos bioinformáticas: info de genes, BLAST/BLAT, secuencias virales, estructuras AlphaFold, enriquecimiento, OpenTargets, COSMIC, CELLxGENE y datos de ratón (8cube).

Reemplaza a: biopython, para procesamiento por lotes o BLAST avanzado, bioservices, para flujos Python multi-base de datos

Solicitaread write edit bash
Estrellas
34.8k

en todo el repo

Actividad
63

0–100, la ruta de este skill

Actualizado
hace 28 días

último commit aquí

Commits
7

últimos 90 días

Contexto
1.9k tok

102 tok en reposo

Paquete
9 archivos

111 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add K-Dense-AI/scientific-agent-skills --skill gget --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Da acceso unificado por CLI y Python a más de 20 bases de datos bioinformáticas (Ensembl, BLAST, AlphaFold, COSMIC, CELLxGENE, OpenTargets, etc.)
  • Cubre 23 módulos en seis categorías: referencia génica, alineamiento, estructura de proteínas, expresión/enfermedad, virus/especificidad y otras
  • Devuelve JSON o CSV por línea de comandos, y DataFrame o diccionario en Python
  • Incluye flujos multi-módulo documentados para caracterización de genes, comparación estructural y análisis de expresión y enfermedad

Úsalo cuando

  • Necesitas una consulta rápida a bases de datos genómicas para exploración interactiva (info de genes, BLAST/BLAT, AlphaFold)
  • Quieres descargar secuencias virales, hacer enriquecimiento funcional o consultar OpenTargets, COSMIC o CELLxGENE
  • Necesitas datos de especificidad o expresión de ratón (8cube) o motivos lineales (elm)

No lo uses cuando

  • Para procesamiento por lotes o BLAST avanzado, usa biopython en su lugar
  • Para flujos Python multi-base de datos más complejos, usa bioservices en su lugar

Qué lo activa

Di cualquiera de estas frases y el agente debería cargar este skill.

  • Busca información de este gen con gget
  • Haz un BLAST de esta secuencia
  • Descarga la estructura AlphaFold de esta proteína
  • Consulta la expresión de este gen en CELLxGENE

SKILL.md

En inglés

gget

Overview

gget is a command-line bioinformatics tool and Python package providing unified access to 20+ genomic databases and analysis methods. Query gene information, sequence analysis, protein structures, viral sequences, expression data, disease associations, and mouse tissue/cell specificity metrics through a consistent interface. Most gget modules work both as command-line tools and as Python functions.

Important: The databases queried by gget are continuously updated, which sometimes changes their structure. Guidance here targets gget 0.30.5 (PyPI current as of 2026-06-07). For reproducible work, pin gget==0.30.5; for broken upstream database adapters, update gget after checking release notes.

Installation

Install gget in a clean virtual environment to avoid conflicts:

# Reproducible install targeting this skill
uv venv .venv
source .venv/bin/activate
uv pip install "gget==0.30.5"

# In Python/Jupyter
import gget

Quick Start

Basic usage pattern for all modules:

# Command-line
gget <module> [arguments] [options]

# Python
gget.module(arguments, options)

Most modules return:

  • Command-line: JSON (default) or CSV with -csv flag
  • Python: DataFrame or dictionary

Common flags across modules:

  • -o/--out: Save results to file
  • -q/--quiet: Suppress progress information
  • -csv: Return CSV format (command-line only)

Python argument names generally match long CLI options without leading dashes. For example, --census_version becomes census_version=.... Use gget <module> --help for the exact current signature.

Module Categories

gget exposes 23 modules in six categories. Parameters, CLI and Python examples, and return shapes for every one are in references/module_catalog.md; fuller per-parameter documentation is in references/module_reference.md.

Category Modules
1. Reference & gene information ref (Ensembl reference downloads), search (gene search), info (gene/transcript detail), seq (nucleotide and protein sequences)
2. Sequence analysis & alignment blast, blat, muscle (multiple alignment), diamond (local alignment)
3. Structural & protein analysis pdb (structures and metadata), alphafold (structure prediction), elm (linear motifs)
4. Expression & disease data archs4 (correlation, tissue expression), cellxgene (single-cell), enrichr (enrichment), bgee (orthology and expression), opentargets (disease and drug), cbio (cancer genomics), cosmic (mutations)
5. Viral & mouse specificity virus (viral sequences), 8cube (mouse specificity and expression)
6. Additional tools mutate (mutated sequences), gpt (text generation), setup (install module dependencies)

Several modules need a one-time gget setup before first use (alphafold, elm, cellxgene), and cosmic prompts for COSMIC credentials to download its database.

Common Workflows

Worked multi-module pipelines — gene characterization, structural comparison, expression and enrichment analysis, disease and drug association, orthology comparison, and reference-file preparation for kallisto or alignment — are in references/common_workflows.md, with longer versions in references/workflows.md.

Best Practices

Data Retrieval

  • Use --limit to control result sizes for large queries
  • Save results with -o/--out for reproducibility
  • Check database versions/releases for consistency across analyses
  • Use --quiet in production scripts to reduce output

Sequence Analysis

  • For BLAST/BLAT, start with default parameters, then adjust sensitivity
  • Use gget diamond with --threads for faster local alignment
  • Save DIAMOND databases with --diamond_db for repeated queries
  • For multiple sequence alignment, use -s5/--super5 for large datasets

Expression and Disease Data

  • Gene symbols are case-sensitive in cellxgene (e.g., 'PAX7' vs 'Pax7')
  • Run gget setup before first use of alphafold, cellxgene, elm, gpt
  • For enrichment analysis, use database shortcuts for convenience
  • Cache cBioPortal data with -dd to avoid repeated downloads
  • For OpenTargets, inspect returned column names before writing filters; gget 0.30.5 follows the newer OpenTargets API schema

Structure Prediction

  • AlphaFold multimer predictions: use -mr 20 for higher accuracy
  • Use -r flag for AMBER relaxation of final structures
  • Visualize results in Python with plot=True
  • Check PDB database first before running AlphaFold predictions

Viral Data

  • Use restrictive filters with gget virus before requesting broad viral datasets
  • Keep command_summary.txt with downstream results for reproducibility and recovery after partial downloads
  • Use --baseline and --merge-results to resume interrupted viral metadata/sequence downloads

Error Handling

  • Database structures change; when an adapter breaks, check upstream release notes and pin the newer fixed version explicitly
  • Pin the known-good version for reproducible environments: uv pip install "gget==0.30.5"
  • Process max ~1000 Ensembl IDs at once with gget info
  • For large-scale analyses, implement rate limiting for API queries
  • Use virtual environments to avoid dependency conflicts
  • Keep COSMIC and OpenAI credentials in named environment variables or interactive prompts; do not write real credentials into examples, notebooks, or logs

Output Formats

Command-line

  • Default: JSON
  • CSV: Add -csv flag
  • FASTA: gget seq, gget mutate
  • PDB: gget pdb, gget alphafold
  • PNG: gget cbio plot
  • FASTA/CSV/JSONL folder: gget virus

Python

  • Default: DataFrame or dictionary
  • JSON: Add json=True parameter
  • Save to file: Add save=True or specify out="filename"
  • AnnData: gget cellxgene
  • DataFrame/JSON: gget 8cube specificity, psi_block, expression

Resources

This skill includes reference documentation for detailed module information:

references/

  • module_reference.md - Comprehensive parameter reference for all modules
  • database_info.md - Information about queried databases and their update frequencies
  • workflows.md - Extended workflow examples and use cases

For additional help:

Reproducido de K-Dense-AI/scientific-agent-skills bajo licencia BSD-2-Clause license. Leer esta página en markdown.

Archivos

9 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

Antes de instalar

Requiere Python >=3.8 y gget==0.30.5; algunos módulos (alphafold, cellxgene, elm) necesitan `gget setup` una sola vez, y cosmic pide credenciales.

Detalles

Creador
K-Dense-AI
Licencia
BSD-2-Clause license
Recursos incluidos
scripts en python + referencias
Código fuente
Ver SKILL.md

Etiquetas

Más de K-Dense-AI/scientific-agent-skills

Este repo incluye 163 skills. Si instalas uno, normalmente ya tienes los demás.

Gestión integral de citas académicas: busca en OpenAlex, PubMed y Google Scholar, extrae metadatos precisos, valida citas y genera entradas BibTeX correctamente formateadas.

Costo de contexto al activarse
3.7k tok
Tamaño del paquete
21 archivos
Última actualización
hace 28 días
investigacion

Realiza revisiones bibliográficas sistemáticas y completas usando varias bases académicas (PubMed, arXiv, bioRxiv, Semantic Scholar). Genera markdown y PDF con citas verificadas en varios estilos (APA, Nature, Vancouver).

Costo de contexto al activarse
3.2k tok
Tamaño del paquete
12 archivos
Última actualización
hace 15 días
investigacion

Crea decks de diapositivas y presentaciones para charlas de investigación: PowerPoint, presentaciones de conferencia, seminarios, defensas de tesis. Da estructura, plantillas, guía de tiempos y validación visual.

Costo de contexto al activarse
5.1k tok
Tamaño del paquete
24 archivos
Última actualización
hace 15 días
documentos

Crea infografías profesionales con Nano Banana Pro AI y refinamiento iterativo inteligente. Usa Gemini 3.6 Flash para revisar la calidad e integra investigación con Perplexity Sonar. Soporta 10 tipos, 8 estilos y paletas para daltonismo.

Costo de contexto al activarse
2.7k tok
Tamaño del paquete
8 archivos
Última actualización
hace 15 días
diseno ui

Crea pósteres de investigación profesionales en LaTeX con beamerposter, tikzposter o baposter, para conferencias y comunicación científica: layout, colores, columnas múltiples e integración de figuras.

Costo de contexto al activarse
3.9k tok
Tamaño del paquete
17 archivos
Última actualización
hace 15 días
documentos

Crea diagramas científicos de calidad de publicación con la IA Nano Banana 2 y refinamiento iterativo inteligente. Gemini 3.6 Flash revisa la calidad y solo regenera si está por debajo del umbral de tu tipo de documento.

Costo de contexto al activarse
4.1k tok
Tamaño del paquete
6 archivos
Última actualización
hace 15 días
diseno ui

Skills relacionados

Aeon

34.8k

Para tareas de machine learning con series temporales: clasificación, regresión, clustering, forecasting, detección de anomalías, segmentación y búsqueda de similitud, con APIs compatibles con scikit-learn.

Costo de contexto al activarse
3.1k tok
Tamaño del paquete
12 archivos
Última actualización
el mes pasado
datos analitica

Anndata

34.8k

Estructura de datos para matrices anotadas en análisis de célula única. Úsala con archivos .h5ad o el ecosistema scverse; para análisis usa scanpy, para modelos probabilísticos scvi-tools, para escala poblacional cellxgene-census.

Costo de contexto al activarse
3k tok
Tamaño del paquete
6 archivos
Última actualización
el mes pasado
datos analitica

Infiere redes de regulación génica (GRN) a partir de datos de expresión génica con algoritmos escalables (GRNBoost2, GENIE3), para transcriptómica bulk o de célula única, con computación distribuida.

Costo de contexto al activarse
2.1k tok
Tamaño del paquete
5 archivos
Última actualización
el mes pasado
datos analitica