1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | heatmaps-clustering（bioSkills 合集中的数据可视化子技能） |
| 项目自述名称 | bioSkills（合集整体名称，本条目对应其 data-visualization/heatmaps-clustering 子目录） |
| 作者/维护者 | GPTomics（生物信息学 AI 研究团队，官网 gptomics.com），主要提交者 djemec |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/data-visualization/heatmaps-clustering |
| 许可证 | MIT（GitHub API） |
| GitHub Stars | 1,101（GitHub API；数字属整个 bioSkills 合集仓库，不代表本子技能自身热度） |
| Forks | 190（GitHub API，口径同上） |
| 最新版本 | 3.0（GitHub Release 标签） |
| 安装方式 | 克隆仓库后运行官方安装脚本，支持按分类选装 |
2. 功能介绍与亮点
该技能指导 Agent 为表达矩阵等“特征 × 样本”数据绘制带层次聚类的热图，核心价值在于把“画一张热图”拆解成三个相互独立、各自有生物学后果的决策：数据缩放方式（行 z-score / 原始值 / 稳健缩放）、距离度量（欧氏 / 相关 / 曼哈顿）、聚类连接方法（ward.D2 / complete / average），并给出按具体场景（Bulk RNA-seq、甲基化、共表达模块发现、单细胞伪批次等）对照选择的决策表。
正文详细拆解了 R hclust 中 ward.D 与 ward.D2 的实现差异（引用 Murtagh & Legendre 2014），说明只有 ward.D2 才是 Ward 最小方差准则的正确实现；同时给出稳健分位数配色边界、发散色板对称零点、感知均匀色板（viridis/Crameri）等配色规范，以及 Bar-Joseph 2001 的最优叶排序算法说明，并标注参考工具的版本兼容区间（ComplexHeatmap 2.18+、pheatmap 1.0.13、seaborn 0.13+ 等）。
该子技能所属的 bioSkills 合集覆盖 561 个技能、63 个分类，从测序数据处理、变异检测到单细胞、空间转录组、蛋白质组等全流程均有覆盖，并在自建的 Bio-Task Bench 基准上发布过评测报告。
3. 适用场景
固定分类：数据分析与可视化。
适合处理表达矩阵、甲基化 beta 值、ChIP/ATAC 峰强度等特征-样本型数据的科研人员与生物信息学分析师，在撰写 RNA-seq 差异表达图、共表达模块图、样本 QC 相关性图等出版级图表时使用；也适合刚接触计算生物学、需要在色板与聚类参数选择上获得有据可依的默认值的学生与初级分析师。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库提供
install-claude.sh，可全局或按项目安装，并支持--categories按分类选装。 - Codex：原生支持——提供
install-codex.sh，安装时自动转换为 Agent Skills 标准格式（examples/→scripts/）。 - OpenClaw：原生支持——可直接从 ClawHub（clawhub.ai/djemec/bioskills）安装，或使用
install-openclaw.sh，保留原始目录结构。 - Hermes Agent：未验证——官方文档列出的支持平台为 Claude Code、Codex、Gemini/Antigravity CLI、OpenCode、OpenClaw，未提及 Hermes Agent，结论仅基于已抓取材料判断，未为兼容性单独发起搜索。
5. 推荐理由
生物信息学可视化历来是“选错参数图就白画”的重灾区（ward.D 陷阱、色板不对称、离群值压扁色阶等），这个技能把这些容易被忽视的方法学决策显式化为可执行的决策表，并附引用文献支撑，而不是给一段能跑但参数随意的示例代码。它是 bioSkills 561 个技能中专攻数据可视化的 20 个子技能之一，覆盖热图、火山图、Manhattan 图、UpSet 图等出版级图表的完整方法学，可与该合集其余分类组合使用，覆盖从数据处理到成图的完整链路。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | 所属 bioSkills 合集仓库自 2026 年 1 月创建以来积累 1,101 star、190 fork，该数字属整个合集不代表本子技能自身热度；本子技能目录自身有 7 次针对性打磨提交，暂无独立于合集之外的讨论记录 |
| 可用性 | 9 | SKILL.md 正文含决策表、代码示例与版本兼容说明，并配独立的 usage-guide.md 与 R/Python 双语言示例脚本；仓库提供一键安装脚本，支持按分类选装、校验、增量更新与卸载，无付费依赖；子技能目录最近改动于 2026-05，所属仓库 6 天前仍有提交 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单
| 检查项 | 结果 |
|---|---|
| ① Shell 命令及权限范围 | 仅指导调用本地开源生信可视化工具（R ComplexHeatmap/pheatmap、Python seaborn/scanpy）处理用户自有数据文件，不涉及广泛系统权限 |
| ② 运行时联网外发数据 | 无，纯本地数据处理与画图，未见任何网络请求 |
| ③ API key / 凭据 | 不需要任何凭据 |
| ④ 可疑指令 | 抽查 SKILL.md 正文与安装脚本，未发现 prompt injection 或混淆代码迹象 |
| ⑤ 作者/组织信誉 | GPTomics 为专注生物信息学 AI 的研究团队，有独立官网与公开评测基准（Bio-Task Bench），主要维护者提交记录持续、以引文修订为主，无刷量迹象 |
| ⑥ License | MIT，明确 |
| ⑦ 最近维护 | 所属仓库最近一次提交在 6 天前（2026-07-25），本子技能目录本身最近改动在 2026-05 |
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
| jaechang-hits/SciAgent-Skills | 197 个生信技能，覆盖 RNA-seq、单细胞、药物研发、蛋白质组学，在 BixBench 基准上称达 92% 准确率 | 覆盖面广但许可证未明确声明（GitHub 标注 NOASSERTION）；未见专门覆盖热图配色/聚类方法学陷阱这类可视化细节的子技能 |
| GoekeLab/awesome-genomic-skills | 收录基因组学与生信 agentic skills、MCP、基准的 curated 清单 | 本身是导航型清单而非可直接安装的技能包，不提供具体的方法学指导或代码示例 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
9. 其他补充
bioSkills 除四大目标 Agent 生态外，还额外支持 Gemini 的继任者 Antigravity CLI 与 OpenCode（OpenCode 亦可自动发现 ~/.claude/skills/ 下已安装的技能，无需重复安装）。仓库当前发布版本为 3.0，安装脚本支持 --update 仅更新有变化的技能、--validate 校验技能完整性、--dry-run 预览安装内容与 token 估算（OpenClaw 安装器）。
10. 安装使用方式
git clone https://github.com/GPTomics/bioSkills.git
cd bioSkills
./install-claude.sh --categories "data-visualization" # 仅安装数据可视化分类
# 或安装全部 561 个技能：
./install-claude.sh安装前需预装可视化相关依赖，如 R 的 ComplexHeatmap/pheatmap/circlize/seriation 或 Python 的 seaborn/scipy，具体版本要求见仓库 README。Codex 用户使用 install-codex.sh，OpenClaw 用户可直接从 ClawHub 安装 djemec/bioskills 或使用 install-openclaw.sh。安装后无需重启，正常对话中描述可视化需求（如“帮我画一个聚类热图”）即可触发对应技能。
11. 注意事项
- 该技能所在的 bioSkills 是一个 561 技能的大型合集，建议使用
--categories按需选装，避免一次性安装全部技能占用过多上下文。 - 使用前需自行安装对应的 R/Bioconductor 或 Python 可视化依赖包，技能本身不负责环境搭建。
- 热图之外的聚类/配色决策同样适用于该合集其他可视化子技能，但每个子技能的具体依赖版本要求需单独核对。
- Hermes Agent 兼容性未经验证，使用前建议自行测试。