# Pacsomatic

> Kit de operador para flujos nf-core/pacsomatic de tumor-normal pareado a partir de BAMs: valida entradas, genera samplesheets y artefactos de lanzamiento, ejecuta local o en scheduler, y diagnostica fallos.

Fuente: https://skillsagentes.com/skills/k-dense-ai/scientific-agent-skills/pacsomatic
Markdown: https://skillsagentes.com/skills/k-dense-ai/scientific-agent-skills/pacsomatic.md

Repositorio: https://github.com/K-Dense-AI/scientific-agent-skills
Autor: K-Dense-AI
Licencia: MIT
Actualizado: el mes pasado
Coste de contexto: 122 tok instalada, 1.3k tok al activarse, 12k tok con todos los archivos del bundle
Bundle: 7 archivos, 47 KB
Permisos que pide: ninguno declarado

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add K-Dense-AI/scientific-agent-skills --skill pacsomatic --agent claude-code
# Cursor
npx -y skills add K-Dense-AI/scientific-agent-skills --skill pacsomatic --agent cursor
# Codex
npx -y skills add K-Dense-AI/scientific-agent-skills --skill pacsomatic --agent codex
# Gemini CLI
npx -y skills add K-Dense-AI/scientific-agent-skills --skill pacsomatic --agent gemini
# Windsurf
npx -y skills add K-Dense-AI/scientific-agent-skills --skill pacsomatic --agent windsurf
# Cline
npx -y skills add K-Dense-AI/scientific-agent-skills --skill pacsomatic --agent cline
```

## Qué hace

- Valida las entradas de nf-core/pacsomatic (BAMs tumor/normal, IDs, modo de referencia) antes de ejecutar
- Genera la samplesheet, el YAML de parámetros y el script de lanzamiento para relanzamientos reproducibles
- Ejecuta el pipeline localmente o lo envía a schedulers LSF, Slurm, PBS o SGE
- Diagnostica fallos de lanzamiento señalando el primer punto de fallo y el siguiente paso a revisar

## Cuándo usarla

- El usuario quiere ejecutar un análisis pareado tumor-normal a partir de BAMs con nf-core/pacsomatic
- Necesita generar o corregir la samplesheet y los artefactos de lanzamiento de pacsomatic
- Quiere hacer una validación dry-run antes de ejecutar, o enviar el trabajo a un scheduler
- Hay que investigar por qué falló un envío de pacsomatic

## Cuándo no

- Se pide interpretación biológica profunda de los resultados, más allá de comprobaciones de sanidad a nivel de ejecución
- Se pide editar los archivos internos del pipeline sin que el usuario lo solicite explícitamente

## Qué la activa

- "Ejecuta nf-core/pacsomatic para este par tumor-normal"
- "Prepara la samplesheet y el script de lanzamiento de pacsomatic"
- "Haz un dry run primero y dime qué falta"
- "Envía pacsomatic a Slurm y devuélveme el job id"
- "¿Por qué falló el envío de pacsomatic?"

## Antes de instalar

- Necesita BAMs tumor y normal, IDs de paciente y muestra, un modo de referencia (`--fasta` o `--genome`) y, en modo scheduler, acceso a LSF, Slurm, PBS o SGE.
- Necesita en el PATH: python
- makes network requests

## Archivos

- LICENSE — 1 KB
- SKILL.md — 5 KB
- config.yaml — 1 KB
- references/agent-playbook.md — 2 KB
- references/config-and-output.md — 2 KB
- references/pacsomatic_guide.md — 7 KB
- scripts/run_pacsomatic.py — 29 KB

## SKILL.md

Reproducido tal cual desde K-Dense-AI/scientific-agent-skills bajo MIT. Esta sección es el documento original y está en inglés.

# pacsomatic

## Overview

This skill provides a reproducible execution workflow for nf-core/pacsomatic, centered on a single helper entrypoint that handles validation, artifact generation, and optional execution.

Primary entrypoint:
- `scripts/run_pacsomatic.py`

The helper script:
- validates required identifiers, files, reference mode, and runtime prerequisites
- writes a pacsomatic-compatible samplesheet (`patient,sample,status,bam,pbi`)
- generates a params YAML and launch script for reproducible reruns
- supports dry-run validation and run/submit execution paths

Use this skill as the default path for pacsomatic operations. Do not bypass it with manually assembled `nextflow run nf-core/pacsomatic` commands unless the user explicitly asks for manual command construction.

## When to Use This Skill

Invoke this skill when the user asks to:
- run matched tumor-normal analysis from BAM files
- generate or fix pacsomatic samplesheet and launch artifacts
- execute locally or submit to schedulers (LSF/Slurm/PBS/SGE)
- perform dry-run validation before execution
- troubleshoot launch failures or summarize run outputs

Do not use this skill for:
- deep biological interpretation beyond run-level sanity checks
- editing pipeline internals unless explicitly requested

Typical trigger phrases:
- "run nf-core/pacsomatic for this tumor-normal pair"
- "prepare pacsomatic samplesheet and launch script"
- "do a dry run first and tell me what is missing"
- "submit pacsomatic to slurm/lsf and return the job id"
- "why did pacsomatic submission fail"

## Routing and Execution Rules

1. Always collect required run inputs first.
2. Always route through `scripts/run_pacsomatic.py` for validation and artifact generation.
3. Default to `--dry-run` when the user asks for checks/validation only.
4. Use `--run` only when the user asks to execute/submit.
5. For scheduler modes, include executor-specific resource arguments and return detected job ID when available.
6. If execution fails, report first failure point and next triage target (`.nextflow.log`, `pipeline_info`, failing task logs).

## Inputs Required

Required:
- tumor BAM path
- normal BAM path
- patient ID
- tumor sample ID
- normal sample ID
- output directory
- exactly one reference mode: `--fasta` or `--genome`

Optional:
- profile, resources, scheduler account/queue
- pipeline version (`-r`)
- params file, resume/report/dag flags
- `--dry-run` and/or `--run`

## Workflow

1. Validate identity and input constraints.
2. Validate required local paths (BAM, optional PBI, optional FASTA).
3. Resolve runtime and dependency checks.
4. Build samplesheet and generated params YAML.
5. Generate launch script for selected executor.
6. If `--dry-run` and not `--run`, stop after artifact generation.
7. If `--run`, execute locally or submit to scheduler.
8. Return command/script path, validation status, and job ID (if detected).

## Agent Response Contract

Every response after invocation should include:
- exact command used or generated script path
- confirmation that validation checks ran
- run type (`dry-run` vs `run`)
- scheduler job ID when available
- one concrete next step for validation/triage

## Quick Start

Dry run:

```bash
python scripts/run_pacsomatic.py \
  --tumor-bam /path/to/tumor.bam \
  --normal-bam /path/to/normal.bam \
  --patient-id P001 \
  --tumor-sample-id P001_T \
  --normal-sample-id P001_N \
  --outdir /path/to/output \
  --genome GRCh38 \
  --profile singularity,sanger \
  --dry-run
```

Scheduler execution example (Slurm):

```bash
python scripts/run_pacsomatic.py \
  --tumor-bam /path/to/tumor.bam \
  --normal-bam /path/to/normal.bam \
  --patient-id P001 \
  --tumor-sample-id P001_T \
  --normal-sample-id P001_N \
  --outdir /path/to/output \
  --genome GRCh38 \
  --profile singularity,sanger \
  --executor slurm \
  --queue compute \
  --project my_account \
  --cpus 16 \
  --memory-gb 64 \
  --walltime 48:00 \
  --run
```

## Configuration

Use `config.yaml` as the baseline for profile/executor/runtime defaults. Override at invocation time when user requirements differ.

## Testing

Run unit tests from skill root:

```bash
python -m unittest discover -s tests/pacsomatic -v
```

## References

- `references/agent-playbook.md`
- `references/config-and-output.md`
- `references/pacsomatic_guide.md`
- `scripts/run_pacsomatic.py`

## Dónde encaja

- Categoría: [Investigación](https://skillsagentes.com/categorias/investigacion.md) — Investigación estructurada, búsqueda de fuentes y síntesis.
- Creador: [K-Dense-AI](https://skillsagentes.com/creators/k-dense-ai.md) — 163 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Otras skills del mismo repositorio

- [Citation Management](https://skillsagentes.com/skills/k-dense-ai/scientific-agent-skills/citation-management.md): Gestión integral de citas académicas: busca en OpenAlex, PubMed y Google Scholar, extrae metadatos precisos, valida citas y genera entradas BibTeX correctamente formateadas.
- [Scientific Slides](https://skillsagentes.com/skills/k-dense-ai/scientific-agent-skills/scientific-slides.md): 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.
- [Literature Review](https://skillsagentes.com/skills/k-dense-ai/scientific-agent-skills/literature-review.md): 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).
- [Infographics](https://skillsagentes.com/skills/k-dense-ai/scientific-agent-skills/infographics.md): 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.
- [Latex Posters](https://skillsagentes.com/skills/k-dense-ai/scientific-agent-skills/latex-posters.md): 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.

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)