메뉴
用于 GEO / SRA 公共转录组数据集的初筛与二次分析规划——选数据集、差异表达、富集分析、通路注释。触发：GEO 数据集、GSE、公共转录组、bulk RNA-seq 分析、differential expression、DEG 分析、GSEA、富集分析、pathway enrichment、KEGG、GO 富集、reanalyze GEO、找一个数据集来验证、公共数据验证我的假设、reanalysis of public data。禁用于：单细胞（scRNA-seq）分析——请交给 sc-analysis skill，再由 single-cell-prep / sc-downstream-analysis 接手。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
用于给一个 outcome 的证据确定性做 GRADE 评级、产出 Summary of Findings (SoF) 表。触发：证据确定性、certainty of evidence、GRADE、证据质量分级、这个结论有多可靠、SoF 表、summary of findings、要不要下推荐、指南证据分级、quality of evidence、能不能信这个结论、证据强度、evidence certainty、把证据评个级。也用于"这个疗法的证据到底有多强"、"帮我给这几个结局评 GRADE"、"这条推荐的证据基础可靠吗"。禁用于：单纯核对某个 PMID 真伪（那用 evidence-audit / evidence_verify）。
Use for cross-modal target discovery from an unmet clinical need, combining literature, genetics, druggability, clinical trials, single-cell, and spatial evidence in one auditable context.
Design executable biomedical experiments from literature gaps or hypotheses, including testability, power, protocol, reagents, cost, preregistration, and failure modes.
Persist and query biomedical causal triples from BioCSSwitch conversations, literature checks, and debate outputs.
用于任何**可能含患者数据 / 临床原始记录 / 医疗档案**的场景，强制先做 PHI 检测再决定去向。触发：患者、病历、病案、临床数据、EHR、EMR、住院记录、门诊记录、handover note、progress note、discharge summary、SOAP、真实世界数据、RWD、reidentification、identifiable data、真实病人、我这里有一段病历、这是一份体检报告、帮我看一下这份 CT 报告、我上传一份门诊记录、患者档案、患儿、受试者数据、subject-level data、临床原始表、GCP 数据、eCRF、我要处理 HIPAA、PHI、脱敏、去标识化、我们医院的数据。也在提到 sensitive_mode / 敏感模式 / 隐私模式 时触发。禁用于：公开文献 / 已发表数据 —— 那些不含 PHI，扫描是浪费时间。
Use when the user opts into a local research-interest model, wants personalized paper/preprint/trial updates, saves or rejects research suggestions, asks for a proactive briefing, or wants workflow prediction across sessions.
| name | geo-triage |
| description | 用于 GEO / SRA 公共转录组数据集的初筛与二次分析规划——选数据集、差异表达、富集分析、通路注释。触发：GEO 数据集、GSE、公共转录组、bulk RNA-seq 分析、differential expression、DEG 分析、GSEA、富集分析、pathway enrichment、KEGG、GO 富集、reanalyze GEO、找一个数据集来验证、公共数据验证我的假设、reanalysis of public data。禁用于：单细胞（scRNA-seq）分析——请交给 sc-analysis skill，再由 single-cell-prep / sc-downstream-analysis 接手。 |
这个 skill 不跑分析，它帮你选数据和规划分析。真跑分析要在用户自己的机器上，Skill 会产出可执行的 R / Python 脚本。
geo_search 用组合 query：
(<disease>[Title/Abstract]) AND (expression profiling by high throughput sequencing[DataSet Type] OR expression profiling by array[DataSet Type]) AND ("<species>"[organism])
再 geo_summary 拉候选的 title / sample_count / platform / submission_date。
产出一张表，用户勾：
| GSE | 标题（15 字内摘要） | n | 平台 | 年份 | 提示 |
|---|
"提示"列列出：
对用户勾选的 GSE：
treatment vs control? paired？time-course？按用户选的 GSE 类型，产出以下之一：
RNA-seq (raw counts available) → R + DESeq2 脚本：
library(DESeq2)
dds <- DESeqDataSetFromMatrix(countData=counts, colData=meta, design=~condition)
dds <- DESeq(dds)
res <- results(dds, contrast=c("condition","case","control"))
# 保守阈值 padj < 0.05 & |log2FC| >= 1
sig <- res[which(res$padj < 0.05 & abs(res$log2FoldChange) >= 1), ]
Microarray (already normalized) → R + limma 骨架。
Enrichment → clusterProfiler / gseapy 骨架，明确用什么 gene set：
用户跑完带回结果时，你必须：
sva::ComBat / limma::removeBatchEffect）用户："GSE12345 的 DEG 是什么？" 你不查数据就编 5 个 gene symbol —— 严禁。GEO 具体的 processed matrix 不在 CSSwitch 里，你只有 metadata。DEG 让用户自己跑（脚本你给）。
如果用户的问题明确是 scRNA-seq、10x Genomics、Scanpy/Seurat、单细胞 DEG、单细胞轨迹、RNA velocity 或细胞通信，不要继续用本 skill。请切到 sc-analysis：
single-cell-prepscfm-embedsc-downstream-analysissc-analysis。prefetch / fasterq-dump），本 skill 不代跑。本工作流的结论一律不得省略五段面板：Known knowns / Known unknowns / Conflicts / Missing data / Next experiment。做法见 uncertainty-first skill —— 优先把结论拆成 claim 走 evidence_graph（每条 claim 自动绑证据等级 / 物种 / 样本量 / 疾病阶段 / 适用边界 / 反证），再把 claims 喂给 uncertainty_ledger 自动生成五段，补上工具挖不到的领域先验（extra 参数）后原样贴出。缺这五段，回答视为未完成——研究者要的正是被暴露的盲区。