Skip to content
BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
chapters
chapters
 
 
manuals
manuals
 
 
README.md
README.md
 
 
SKILL.md
SKILL.md
 
 
cheatsheet.md
cheatsheet.md
 
 
glossary.md
glossary.md
 
 
image.png
image.png
 
 
patterns.md
patterns.md
 
 

Repository files navigation

Multi-Omics Bulk Analysis · Decision-Coding Skill

15 个参考仓库 · 9 章结构化知识库 · 从工具速查到跨组学工作流设计

Bulk多组学数据分析

RNA-seq · ChIP-seq · ATAC-seq · Hi-C · DNA-seq · Proteomics · Cancer Genomics · Multi-omics Integration

Chapters Patterns Glossary Claude Code Sources


8 个组学领域 · 15 个社区精选仓库的完整参考 —— 以工具组合与分析决策为中心的技术参考

工具选择 · 流程设计 · 跨组学整合 · 全量可溯源

目录

概述

本仓库参考 15 个社区维护的组学资料（覆盖 RNA-seq、ChIP-seq、ATAC-seq、Hi-C、DNA-seq、Proteomics、Cancer Genomics、Multi-omics 共 8 个组学领域）整合为一个统一的、结构化的 Claude Code Skill 知识库，覆盖从单组学分析流程、工具选择到多组学整合策略的完整生物信息学工具链 —— 共 9 章 + 50 条术语 + 12 个分析模式 + 速查决策表。

核心设计理念：这是一个决策与代码编写技能，而非理论教材。每章以「如何选工具、如何组合流程」为核心，精确到参数 flag 级别，决策表优先、工具矩阵全表、反模式标注、可溯源至原始仓库。

维度 内容
组学领域 RNA-seq, ChIP-seq, ATAC-seq, Hi-C, DNA-seq (SNP/CNV/Methylation), Proteomics
整合方法 MOFA, mixOmics/DIABLO, SNF, JIVE, CCA, RGCCA, iCluster, autoencoders
专项应用 Cancer Genomics & TCGA, Survival Analysis, Drug Target Discovery
工具覆盖 200+ 生物信息学工具：DESeq2, MACS2, Juicer, GATK, MaxQuant 等

知识体系

全景图

┌──────────────────────────────────────────────────────────────────────────┐
│                Multi-Omics Bulk Analysis · Decision-Writing Skill          │
│                  9 章 · 全量可溯源 · 精确到 flag 级别                       │
├─────────────────────┬────────────────────┬────────────────────────────────┤
│  核心组学流程 (6 章)  │  整合与分析 (2 章)   │  专项应用 (1 章)                │
├─────────────────────┼────────────────────┼───────────────────────────────┤
│ Ch 1 RNA-seq        │ Ch 8 多组学整合     │ Ch 7 癌症基因组学 & TCGA        │
│   DESeq2/edgeR/limma │   MOFA/DIABLO/SNF   │   生存分析/驱动基因/突变签名    │
│                     │   JIVE/CCA/autoencoder│                               │
│ Ch 2 ChIP-seq       │ Ch 9 跨组学工作流    │                                │
│   MACS2/IDR/DiffBind │   5 个端到端模板     │                                │
│   模体分析/超增强子   │   工具组合矩阵       │                                │
│                     │   批次校正           │                                │
│ Ch 3 ATAC-seq       │                    │                                │
│   ENCODE 流程        │                    │                                │
│   差异可及性/footprinting│                │                                │
│                     │                    │                                │
│ Ch 4 Hi-C & 3D 基因组│                    │                                │
│   Juicer/HiC-Pro     │                    │                                │
│   TAD/loop 检测      │                    │                                │
│                     │                    │                                │
│ Ch 5 DNA-seq        │                    │                                │
│   变异/CNV/SV/甲基化  │                    │                                │
│                     │                    │                                │
│ Ch 6 Proteomics     │                    │                                │
│   MaxQuant/DIA-NN   │                    │                                │
│   DEP/limma         │                    │                                │
└─────────────────────┴────────────────────┴────────────────────────────────┘

核心工具覆盖

工具 组学领域 章节 用途
DESeq2 / edgeR / limma-voom RNA-seq Ch 1 基因差异表达分析
Salmon / Kallisto / STAR RNA-seq Ch 1 定量与比对
MACS2 / SICER / epic2 ChIP-seq / ATAC-seq Ch 2, 3 Peak calling（窄峰/宽峰）
DiffBind / csaw ChIP-seq / ATAC-seq Ch 2, 3 差异结合/差异可及性
HOMER / MEME / gimmemotifs ChIP-seq / ATAC-seq Ch 2 模体富集分析
ROSE / CREAM ChIP-seq Ch 2 超增强子鉴定
IDR ChIP-seq / ATAC-seq Ch 2 重复间一致性评估
Juicer / HiC-Pro / FAN-C Hi-C Ch 4 Hi-C 数据处理
cooltools / HiCcompare Hi-C Ch 4 区室/TAD/Loop 分析
GATK / DeepVariant / Strelka2 DNA-seq Ch 5 变异检测（种系/体细胞）
ANNOVAR / VEP / SnpEff DNA-seq Ch 5 变异注释
Bismark / minfi / methylKit DNA-seq Ch 5 DNA 甲基化分析
MaxQuant / FragPipe / DIA-NN Proteomics Ch 6 蛋白质鉴定与定量
MOFA / MOFA2 Multi-omics Ch 8 无监督多组学因子分析
DIABLO / mixOmics Multi-omics Ch 8 有监督多组学生物标志物发现
SNF / iClusterPlus Multi-omics Ch 8 多组学聚类与癌症分型
MultiAssayExperiment Multi-omics Ch 8, 9 R 多组学数据容器
TCGAbiolinks / TCGA2STAT Cancer Ch 7 TCGA 数据获取

仓库结构

.
├── README.md                          # 本文件
├── SKILL.md                           # 主索引 —— 核心框架 · 9 章索引 · 主题索引 · 溯源指南
│
├── chapters/                          # 核心产出 —— 9 章独立知识单元
│   ├── ch01-rna-seq-analysis.md       # RNA-seq 分析生态：定量、差异分析、标准化、功能分析
│   ├── ch02-chip-seq-analysis.md      # ChIP-seq 分析生态：peak calling、差异结合、模体分析、CUT&RUN
│   ├── ch03-atac-seq-analysis.md      # ATAC-seq 分析流程：ENCODE 管线、差异可及性、footprinting
│   ├── ch04-hic-3d-genomics.md        # Hi-C & 3D 基因组：7 阶段分析管线、TAD/loop 检测、Capture Hi-C
│   ├── ch05-dna-seq-variant-methylation.md  # DNA-seq：变异检测、CNV/SV、突变签名、甲基化分析
│   ├── ch06-proteomics.md             # 蛋白质组学：MaxQuant、DDA/DIA、差异蛋白分析
│   ├── ch07-cancer-genomics-tcga.md   # 癌症基因组学 & TCGA：生存分析、驱动基因、分型策略
│   ├── ch08-multi-omics-integration.md # 多组学整合策略：MOFA、DIABLO、SNF、JIVE、autoencoder、方法选择指南
│   └── ch09-cross-omics-workflows.md  # 跨组学工作流：5 个端到端模板、工具组合矩阵、批次校正
│
├── patterns.md                        # 12 个标准分析模式 (Salmon→DESeq2, MACS2→IDR→DiffBind, MOFA↔Clinical…)
├── cheatsheet.md                      # 速查：工具决策表 · 阈值与默认值 · 常见问题诊断
├── glossary.md                        # 50 组学分析核心术语，附章节引用
│
└── manuals/                           # 原始资料 —— 15 个社区仓库 README
    ├── RNA-seq/
    │   ├── crazyhottommy_RNA-seq-analysis_README.md
    │   ├── mdozmorov_RNA-seq_README.md
    │   └── mdozmorov_RNA-seq_notes_README.md
    ├── ChIP-seq/
    │   ├── crazyhottommy_ChIP-seq-analysis.md
    │   └── mdozmorov_ChIP-seq_notes_README.md
    ├── ATAC-seq/
    │   └── reskejak_ATAC-seq_README.md
    ├── Hi-C/
    │   ├── mdozmorov_HiC_data_README.md
    │   └── mdozmorov_HiC_tools_README.md
    ├── DNA-seq/
    │   ├── crazyhottommy_DNA-methylation-analysis_README.md
    │   ├── crazyhottommy_DNA-seq-analysis_README.md
    │   └── mdozmorov_SNP_notes_README.md
    ├── Proteomics/
    │   └── crazyhottommy_awesome-proteomics_README.md
    ├── Cancer/
    │   ├── mdozmorov_Cancer_notes_README.md
    │   └── mdozmorov_TCGAsurvival_README.md
    └── Multi-omics/
        └── mikelove_awesome-multi-omics_README.md

安装与使用

安装

# 方式 1: 手动克隆（推荐）
# bulk-omics为skill名
git clone https://github.com/MaybeBio/Bulk-Omics-Skill ~/.claude/skills/bulk-omics

# 方式 2: 使用 npx（不推荐）
# 同样文件夹名即skill名 bulk-omics，但只有SKILL.md文件，其余reference全无
npx skills add MaybeBio/Bulk-Omics-Skill -a claude-code

在 Claude Code 中调用

Skill 加载后，可直接在对话中查询或手动触发 /bulk-omics：

▸ RNA-seq 差异表达分析，DESeq2 vs edgeR 怎么选？
▸ ChIP-seq peak calling，broad peak 用什么工具？
▸ ATAC-seq 的标准 ENCODE 流程怎么跑？
▸ Hi-C 数据质量差怎么办？TAD 检测哪个工具更准？
▸ 体细胞突变检测，MuTect2 vs Strelka2 如何选择？
▸ 蛋白质组差异分析，DDA 和 DIA 哪个更适合？
▸ TCGA 数据做生存分析，完整流程是什么？
▸ 多组学整合，MOFA 和 DIABLO 各适合什么场景？
▸ 癌症分型：SNF 和 iClusterPlus 有何异同？
▸ 如何设计一个 RNA-seq + ChIP-seq + ATAC-seq 的三组学实验？

查询路由

查询类型 目标文件 响应特征
工具选择 cheatsheet.md 决策表 / 对比赛 / 工具推荐矩阵
命令 & flag 语法 chapters/ch*-*.md 精确命令 + 完整 flag 表
多组学整合方法选择 chapters/ch08-multi-omics-integration.md 目标 → 方法 → 工具映射
端到端分析流程 patterns.md Salmon→DESeq2 / MACS2→IDR→DiffBind / MOFA→Clinical 等 12 个模式
跨组学工作流 chapters/ch09-cross-omics-workflows.md 5 个端到端模板 + 工具组合矩阵
术语定义 glossary.md 50 个精确定义 + 归属章节
系统学习 SKILL.md → chapters/*.md Core Frameworks → 各章节 → 参考文件

每章结构

每章按统一模板组织，支持快速定位：

区域 内容
Core Idea 本章最核心的一件事
Frameworks Introduced 命名框架，精确到原文表述，含何时使用、如何使用
Key Concepts 5-10 个核心术语及精确定义
Mental Models 2-4 个思维工具（"在 X 场景下使用 Y"）
Anti-patterns 常见错误做法及原因
Code Examples 关键命令和代码片段，保留精确语法
Reference Tables 工具对比表、参数矩阵、决策表
Key Takeaways 3-7 条必须记住的操作要点
Connects To 与其它章节的关联链

来源仓库

本技能基于以下 15 个社区维护的 GitHub 仓库整合而成：

RNA-seq（3 个仓库）

仓库 作者 内容
RNA-seq-analysis crazyhottommy RNA-seq 工具全景：QC、比对、定量、差异分析、可变剪切、融合基因、单细胞
RNA-seq mdozmorov RNA-seq 工具与资源精选集合
RNA-seq_notes mdozmorov RNA-seq 分析笔记与工具整理

ChIP-seq（2 个仓库）

仓库 作者 内容
ChIP-seq-analysis crazyhottommy ChIP-seq 全覆盖：peak calling、差异分析、模体、超增强子、CUT&RUN、ATAC/DNase-seq、Hi-C
ChIP-seq_notes mdozmorov ChIP-seq 数据资源与分析工具详尽笔记

ATAC-seq（1 个仓库）

仓库 作者 内容
ATAC-seq reskejak ENCODE/Kundaje 实验室管线，csaw 差异可及性 R 分析

Hi-C（2 个仓库）

仓库 作者 内容
HiC_tools mdozmorov Hi-C 工具全目录：管线、QC、标准化、区室、TAD/loop、差异分析、可视化、ML
HiC_data mdozmorov Hi-C 公开数据资源与文献集合

DNA-seq（3 个仓库）

仓库 作者 内容
SNP_notes mdozmorov SNP/变异检测：GATK、DeepVariant、注释、突变签名、GWAS、CNV/SV
DNA-seq-analysis crazyhottommy DNA-seq 通用分析工具资源
DNA-methylation-analysis crazyhottommy DNA 甲基化分析工具集

Proteomics（1 个仓库）

仓库 作者 内容
awesome-proteomics crazyhottommy 蛋白质组学工具与学习资源

Cancer Genomics（2 个仓库）

仓库 作者 内容
Cancer_notes mdozmorov 癌症基因组学综合工具与数据库
TCGAsurvival mdozmorov TCGA 生存分析脚本与数据准备

Multi-omics（1 个仓库）

仓库 作者 内容
awesome-multi-omics mikelove 核心仓库：多组学软件全目录，覆盖 CCA/因子分析/聚类/autoencoder/网络/模拟 + 综述论文集合

可溯源性

每个工具推荐和命令都可追溯回原始仓库：

查询: "MOFA 多组学因子分析"
  → cheatsheet.md → "Which Multi-omics Integration Method?"
  → ch08 Multi-omics Integration Strategies
  → 原始来源: mikelove/awesome-multi-omics — Factor analysis section
  → 原始文件: manuals/Multi-omics/mikelove_awesome-multi-omics_README.md

查询: "DESeq2 差异表达分析"
  → ch01 RNA-seq Analysis Ecosystem → Differential Expression
  → 原始来源: crazyhottommy/RNA-seq-analysis + mdozmorov/RNA-seq_notes
  → 原始文件: manuals/RNA-seq/*

三条追溯链路：

  1. SKILL.md 主题索引 → 话题 → 对应章节
  2. cheatsheet.md 决策表 → 场景 → 工具推荐 → 章节引用
  3. 每章 Connects To → 交叉引用其它相关章节

使用路径建议

路径 1: 快速上手（新手入门）

ch01 (RNA-seq: DESeq2/edgeR) → ch02 (ChIP-seq: MACS2) → ch03 (ATAC-seq: ENCODE 流程)
    → ch08 (多组学整合方法选择) → ch09 (跨组学工作流模板)

路径 2: 基因调控机制研究（RNA-seq + ChIP-seq + ATAC-seq）

ch01 (差异表达) → ch02 (TF binding peaks + motif) → ch03 (差异可及性)
    → ch09 (Workflow 1: Gene Regulation Triangulation → BETA/MARGE)

路径 3: 癌症多组学分型

ch07 (TCGA 数据获取 + 生存分析) → ch05 (体细胞突变 + CNV)
    → ch08 (SNF/iClusterPlus 分型方法) → ch09 (Workflow 2: Cancer Subtyping)

路径 4: 3D 基因组 + 表观基因组整合

ch04 (Hi-C 流程: Juicer → cooltools → TAD/Loop)
    → ch02 (ChIP-seq peaks + chromatin state) → ch03 (ATAC-seq 可及性)
    → ch09 (Workflow 4: 3D Genome + Epigenome Integration)

路径 5: 多组学因子发现（无监督）

ch01 (预处理) + ch02 (预处理) + ch05 (预处理) → ch08 (MOFA 因子分析)
    → ch09 (Workflow 5: Multi-omics Factor Discovery → Clinical Correlation)

路径 6: 遗传变异 → 多组学功能影响

ch05 (GATK/DeepVariant 变异检测 + ANNOVAR 注释)
    → ch01 (eQTL: SNP-gene 关联) → ch02 (ChIP-seq TF 结合位点)
    → ch09 (Workflow 3: Variant → Multi-omics Functional Impact)

覆盖度

来源 仓库数 文件行数 已参考 覆盖率
社区精选仓库 15 ~9,600 9 章 + 3 份参考文件 核心内容全覆盖
组学领域 8 — 全 8 类 + 整合专题 100%
分析模式 — — 12 个标准模式 —
关键术语 — — 50 条（附章节引用） —
集成方法 — — 10+ 种（MOFA/DIABLO/SNF/JIVE/CCA/AE…） 主流全覆盖

Todo

  • ⚠️ 待仓库更新，同步补充

基于 15 个社区维护 GitHub 仓库整合 · 代码优先 · 精确到 flag 级别 · 全文可溯源

About

Claude code skill for bulk multi-omics data analysis & QA

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors