# Primekg

> Consulta el grafo de conocimiento de medicina de precisión PrimeKG para datos biológicos multiescala: genes, fármacos, enfermedades, fenotipos y más.

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

Repositorio: https://github.com/K-Dense-AI/scientific-agent-skills
Autor: K-Dense-AI
Licencia: Unknown
Actualizado: el mes pasado
Coste de contexto: 35 tok instalada, 999 tok al activarse, 2.3k tok con todos los archivos del bundle
Bundle: 2 archivos, 9 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 primekg --agent claude-code
# Cursor
npx -y skills add K-Dense-AI/scientific-agent-skills --skill primekg --agent cursor
# Codex
npx -y skills add K-Dense-AI/scientific-agent-skills --skill primekg --agent codex
# Gemini CLI
npx -y skills add K-Dense-AI/scientific-agent-skills --skill primekg --agent gemini
# Windsurf
npx -y skills add K-Dense-AI/scientific-agent-skills --skill primekg --agent windsurf
# Cline
npx -y skills add K-Dense-AI/scientific-agent-skills --skill primekg --agent cline
```

## Qué hace

- Busca nodos (genes, proteínas, fármacos, enfermedades, fenotipos) en el grafo PrimeKG con `search_nodes`.
- Recupera los vecinos directos de un nodo y su evidencia clínica con `get_neighbors`.
- Resume el contexto local de una enfermedad (genes, fármacos y fenotipos asociados) con `get_disease_context`.
- Consulta más de 100.000 nodos y 4 millones de aristas en 29 tipos de relación (drug-target, disease-gene, phenotype-disease, etc.).

## Cuándo usarla

- Identificar dianas y mecanismos para el descubrimiento de fármacos basado en conocimiento.
- Buscar fármacos existentes con evidencia para una nueva indicación (reposicionamiento).
- Entender cómo se relacionan síntomas/fenotipos con enfermedades y genes.
- Investigar los efectos de red de las interacciones fármaco-diana (farmacología de redes).

## Qué la activa

- "Busca los genes asociados al Alzheimer en PrimeKG"
- "Encuentra fármacos que podrían reposicionarse para esta enfermedad"
- "Dame el contexto de esta enfermedad: genes, fármacos y fenotipos"
- "Consulta los vecinos de este nodo en PrimeKG"

## Antes de instalar

- Necesita el archivo de datos `kg.csv` de PrimeKG (Harvard Dataverse), apuntado con la variable de entorno `PRIMEKG_DATA`.
- Variables de entorno: PRIMEKG_DATA
- makes network requests
- reads environment config

## Archivos

- SKILL.md — 4 KB
- scripts/query_primekg.py — 5 KB

## SKILL.md

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

# PrimeKG Knowledge Graph Skill

## Overview

PrimeKG is a precision medicine knowledge graph that integrates over 20 primary databases and high-quality scientific literature into a single resource. It contains over 100,000 nodes and 4 million edges across 29 relationship types, including drug-target, disease-gene, and phenotype-disease associations.

**Key capabilities:**
- Search for nodes (genes, proteins, drugs, diseases, phenotypes)
- Retrieve direct neighbors (associated entities and clinical evidence)
- Analyze local disease context (related genes, drugs, phenotypes)
- Identify drug-disease paths (potential repurposing opportunities)

**Data access:** Programmatic access via `query_primekg.py`. Data is stored at `C:\Users\eamon\Documents\Data\PrimeKG\kg.csv`.

## When to Use This Skill

This skill should be used when:

- **Knowledge-based drug discovery:** Identifying targets and mechanisms for diseases.
- **Drug repurposing:** Finding existing drugs that might have evidence for new indications.
- **Phenotype analysis:** Understanding how symptoms/phenotypes relate to diseases and genes.
- **Multiscale biology:** Bridging the gap between molecular targets (genes) and clinical outcomes (diseases).
- **Network pharmacology:** Investigating the broader network effects of drug-target interactions.

## Core Workflow

### 1. Search for Entities

Find identifiers for genes, drugs, or diseases.

```python
from scripts.query_primekg import search_nodes

# Search for Alzheimer's disease nodes
results = search_nodes("Alzheimer", node_type="disease")
# Returns: [{"id": "EFO_0000249", "type": "disease", "name": "Alzheimer's disease", ...}]
```

### 2. Get Neighbors (Direct Associations)

Retrieve all connected nodes and relationship types.

```python
from scripts.query_primekg import get_neighbors

# Get all neighbors of a specific disease ID
neighbors = get_neighbors("EFO_0000249")
# Returns: List of neighbors like {"neighbor_name": "APOE", "relation": "disease_gene", ...}
```

### 3. Analyze Disease Context

A high-level function to summarize associations for a disease.

```python
from scripts.query_primekg import get_disease_context

# Comprehensive summary for a disease
context = get_disease_context("Alzheimer's disease")
# Access: context['associated_genes'], context['associated_drugs'], context['phenotypes']
```

## Relationship Types in PrimeKG

The graph contains several key relationship types including:
- `protein_protein`: Physical PPIs
- `drug_protein`: Drug target/mechanism associations
- `disease_gene`: Genetic associations
- `drug_disease`: Indications and contraindications
- `disease_phenotype`: Clinical signs and symptoms
- `gwas`: Genome-wide association studies evidence

## Best Practices

1. **Use specific IDs:** When using `get_neighbors`, ensure you have the correct ID from `search_nodes`.
2. **Context first:** Use `get_disease_context` for a broad overview before diving into specific genes or drugs.
3. **Filter relationships:** Use the `relation_type` filter in `get_neighbors` to focus on specific evidence (e.g., only `drug_protein`).
4. **Multiscale integration:** Combine with `OpenTargets` for deeper genetic evidence or `Semantic Scholar` for the latest literature context.

## Resources

### Scripts
- `scripts/query_primekg.py`: Core functions for searching and querying the knowledge graph.

### Data Path
- Data: `kg.csv`, downloaded from the [PrimeKG Harvard Dataverse](https://dataverse.harvard.edu/dataverse/primekg).
- Point the scripts at it with `export PRIMEKG_DATA=/path/to/kg.csv` (default: `data/PrimeKG/kg.csv`).
- Total nodes: ~129,000
- Total edges: ~4,000,000
- Database: CSV-based, optimized for pandas querying.

## 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)