1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | gsea-gptomics-bioskills |
| 作者/维护者 | GPTomics（GitHub 组织，自述为专注生物学的 AI 研究实验室）；主要维护者 djemec |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/pathway-analysis/gsea |
| 许可证 | MIT（GitHub API 确认，仓库根 LICENSE 文件） |
| GitHub Stars | 1,114（GitHub API；数字属整个 bioSkills 合集，不代表本技能自身热度） |
| Forks | 193（同上，合集整体） |
| 最新版本 | 仓库标记 tag v3.0（2026-02-14）；该技能目录之后仍持续收到未打标签的提交，最近一次为 2026-06-16 |
| 安装方式 | 见第 10 章 |
2. 功能介绍与亮点
gsea 教 agent 对一份按统计量排序的全基因组基因向量做无阈值富集分析（GSEA），判断 GO、KEGG、Reactome、MSigDB 各基因集是否在排序两端出现协同性偏移，并提供 ssGSEA/GSVA 逐样本通路活性打分：
- 核心洞见：GSEA 结果是三个通常被隐去的选择共同决定的确定性函数——排序统计量、权重指数 p、置换类型。技能引用 Wijesooriya 2022 的发现：多数已发表 GSEA 论文这三项一个都没报告。
- 排序陷阱：解释为何用原始 p 值排序会抹去方向性、为何裸 log2FC 排序会被低计数基因的不稳定波动劫持，给出 DESeq2
stat/limma 调节 t 值等推荐排序量。 - 置换类型的有效性边界：预排序模式被迫使用基因置换，会破坏共表达基因间的相关性、对相关基因集偏反保守；给出存在设计矩阵时改用 CAMERA 的路径。
- 方法分类表：对比预排序 GSEA、CAMERA、ROAST/fry、ssGSEA、GSVA 等 7 种方法，逐项标注机制、适用条件与文献出处。
- 收尾附 7 条“触发-机制-症状-修复”结构的常见失败模式表、9 篇正式引用文献（含 GSEA 奠基性的 Subramanian 2005 PNAS 论文），以及带量化阈值出处的参数表。
- 独立 usage-guide.md（含自然语言示例提示词）与两个可运行 R 示例脚本；Version Compatibility 区块记录了会破坏代码的具体版本变更（如 msigdbr 26.x 的字段改名、GSVA≥1.50 改用参数对象 API），并要求代码报错时自行检查已装版本而非盲目重试。
亮点：该技能目录 2026-01～06 间收到 9 次独立提交（非一次性批量导入）；在 LobeHub 技能市场有以 bio-pathway-gsea 为标题的独立收录页；所属仓库另被 Hermes Agent 官方生物信息学技能网关文档列为参考来源、被 GoekeLab/awesome-genomic-skills 精选清单收录，并已上架 OpenClaw 官方市场 ClawHub。
3. 适用场景
所属分类：数据分析与可视化（技能产出是对基因表达排序数据的统计富集分析与代码生成，属数据分析范畴）。
适用人群：完成 RNA-seq 差异表达分析、拿到一份带统计量的全基因组排序结果、想知道哪些通路整体协同上调或下调（而非只挑几个显著基因）的计算生物学家与生信数据科学家；也适合需要为每个样本生成通路活性得分、供下游聚类或生存分析使用的场景。
4. 跨 Agent 兼容性
| Agent 生态 | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 仓库提供 install-claude.sh，支持全局/按项目/按类别安装 |
| Codex | 原生支持 | 仓库提供 install-codex.sh，用法与 Claude Code 版本一致 |
| OpenClaw | 原生支持 | 仓库提供专用 install-openclaw.sh，也可直接从 OpenClaw 官方市场 ClawHub（clawhub.ai/djemec/bioskills）安装 |
| Hermes Agent | 需适配 | Hermes Agent 官方文档将该仓库列为生物信息学参考来源之一，做法是浅克隆仓库后按需读取 SKILL.md，文档原话明确写明“这些不是 Hermes 格式的技能，应当作专家领域指南对待” |
5. 推荐理由
GSEA 是生物信息学里最常用也最容易被误用的分析方法之一：同一套基因表达数据，换一种排序统计量或置换方式就可能得出不同的“显著通路”列表，而这类隐性选择在论文里常常干脆不写。这个技能把该方法拆成清晰的决策树和失败模式表，逼着 agent（和使用者）把排序量、置换类型这些决定结果的关键选择显式化，同时给出可复现性方案（如何锁定 KEGG 在线查询的版本），把一个容易出玄学结果的分析变成有据可查的过程。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | GPTomics 是小型专业研究实验室，非广为人知的一线厂商；本技能具体路径在 LobeHub 技能市场有独立收录页，所属仓库另被 Hermes Agent 官方技能网关文档、GoekeLab/awesome-genomic-skills 精选清单分别收录，并已上架 OpenClaw 官方市场 ClawHub——多个独立第三方平台的可查证收录 |
| 可用性 | 8 | 需自行安装 clusterProfiler/msigdbr/GSVA 等开源 R/Bioconductor 包，非一条命令复制即用；但文档完整（SKILL.md + 独立 usage-guide.md + 2 个可运行示例脚本），全部依赖免费开源，该目录 2026 年内持续有独立提交 |
| 安全性 | 9 | 纯方法论文档与 R 代码模式，无自动执行脚本，不索取任何 API key 或凭据；MIT 许可证明确；未发现任何可疑指令 |
安全检查清单： ① shell 命令执行：技能本身不含自动执行的 shell 脚本，代码模式需用户/agent 在自己环境中手动运行 ② 联网外发数据：部分方法（gseKEGG、pathview）运行时查询 KEGG 公开 REST API 获取通路数据，属公开数据库查询而非私有数据外发；主流程（gseGO/gsePathway/MSigDB）使用本地注释包，不联网 ③ API key/凭据：不需要 ④ 可疑指令：通读 SKILL.md 与 usage-guide.md 全文未发现 prompt injection 或其他可疑指令 ⑤ 作者/组织信誉：GPTomics 为 GitHub 组织，两名贡献者（主要维护者 244 次提交），fork/star 比例约 17%，无刷星迹象 ⑥ License：MIT，明确 ⑦ 最近维护时间：该技能路径最近提交 2026-06-16（2026-01～06 间共 9 次独立提交），仓库整体最近 push 于 2026-07-25，在近 3 个月维护窗口内
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
同合集 kegg-pathways（bioSkills） |
专注 KEGG 单一数据库的三代方法（超几何 ORA、GSEA、SPIA 信号通路拓扑扰动） | 覆盖单一数据库 KEGG 的完整方法谱系（含拓扑扰动分析），本技能是跨 GO/KEGG/Reactome/MSigDB 统一的排序型 GSEA 引擎；两者在 KEGG 场景下互补，kegg-pathways 的 GSEA 部分直接路由回本技能 |
同合集 go-enrichment（bioSkills） |
面向已预选的基因列表做 GO 超几何检验（ORA），需要显著性截断 | 服务“手上有预选列表、需要截断”的场景；本技能服务“全基因组都有统计量、截断本身就是武断”的场景，两者是同一决策树里的两个分支 |
| Broad Institute 官方 GSEA 桌面软件（GSEA_4.x） | 原始 GSEA 算法的官方参考实现，独立 Java 桌面应用，人工点选参数运行 | 面向人工交互式桌面操作，不解释三项隐性选择如何影响结果；本技能把同一统计框架封装成 agent 可直接生成、且标注版本兼容性的 R 代码模式与失败模式清单 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。所属仓库 README 附带一份基于自建 Bio-Task Bench 基准的评测报告，但属发布方自评，不算独立第三方评价。
9. 其他补充
所属仓库 bioSkills 创建于 2026-01-15，README 自述覆盖 63 个功能类目、约 561 个子技能，从基础序列处理到单细胞、通路分析、群体遗传等主题均有涉及；安装脚本统一支持 --dry-run（预览+token 估算）、--validate（校验）、--categories（按类别选装）、--update（增量更新）。pathway-analysis 类目下还有 reactome-pathways、wikipathways、enrichment-visualization 等相邻技能，显示该合集在通路分析方向有统一的架构设计。
10. 安装使用方式
- Claude Code（推荐）：
git clone https://github.com/GPTomics/bioSkills.git && cd bioSkills && ./install-claude.sh --categories "pathway-analysis"按类别安装，或不带参数全量安装；也可手动把pathway-analysis/gsea/目录复制到.claude/skills/ - Codex：同一仓库下运行
./install-codex.sh - OpenClaw：运行专用的
./install-openclaw.sh，或直接从 ClawHub（clawhub.ai/djemec/bioskills）安装 - 安装后注意事项：技能本身零额外安装，但运行其推荐代码需预先装好 R/Bioconductor 包（
BiocManager::install(c('clusterProfiler','org.Hs.eg.db','fgsea','ReactomePA','GSVA'))加msigdbr）；无需重启 agent；对话中出现 “GSEA”、“gene set enrichment”、“通路富集” 等关键词或直接引用技能名即可触发
11. 注意事项
gseKEGG/pathview查询的是实时更新的 KEGG 在线数据库，同一段代码在不同时间运行可能因数据库更新而返回不同通路列表；需要按技能给出的方法做版本快照（gson snapshot）才能保证结果可复现- 该技能提供的是方法选择与代码模式，不代替用户搭建 R/Bioconductor 运行环境
- 合集仓库整体 1,114 stars 与 193 forks 覆盖数百个子技能，不代表本技能个体的采用热度