1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | multimodal-integration-gptomics-bioskills |
| 作者/维护者 | GPTomics（GitHub 认证组织，自述为专注生物信息学与 AI 的研究实验室） |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/single-cell/multimodal-integration |
| 许可证 | MIT（GitHub API 确认，仓库根 LICENSE 文件） |
| GitHub Stars | 1,114（合集仓库整体数字，来自 GitHub API；该数字属整个 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 | SKILL.md 未标注独立 version 号；该技能目录最近一次提交为 2026-06-27 |
| 安装方式 | 见第 10 章 |
2. 功能介绍与亮点
multimodal-integration 教 agent 处理单细胞多模态数据（CITE-seq 的 RNA+蛋白、10x Multiome 的 RNA+染色质可及性、无配对的独立 scRNA+scATAC）的联合分析，核心是“先判锚点结构、再选方法”：
- 锚点结构优先分类：把整合任务先分为垂直/配对（同一细胞多模态，如 CITE-seq）、对角/无配对（无共享细胞也无共享特征）、马赛克（部分模态缺失）三类，锚点结构直接决定哪一类算法可用。
- CITE-seq 蛋白背景三分解：ADT 背景由环境抗体污染、细胞内在非特异结合、条码间串扰三个来源构成，给出 DSB／totalVI 两条去噪路径的适用边界。
- 方法决策表：配对场景对比 WNN／totalVI／MultiVI／MOFA+／mojitoo，无配对/马赛克场景对比 GLUE／Seurat v5 bridge／StabMap／Cobolt，逐项列出模型假设、适用条件与失效场景。
- 模态支配诊断：WNN 加权机制可能被少数高方差蛋白标志物“劫持”，需检查逐细胞模态权重分布。
- 收尾附 9 条“症状-成因-修复”常见错误表、11 篇正式引用的同行评审文献，并提供 R/Python 双语言可运行示例脚本。
亮点：该技能目录历经 2026-01 至 2026-06 共 7 次独立提交迭代（非批量导入）；所属仓库被 Hermes Agent 官方研究技能网关、LobeHub 技能市场分别单独收录/命名，也被 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（该技能的产出物是对单细胞多模态数据的整合策略判定与代码生成，属数据分析范畴）。
适用人群：处理 CITE-seq、10x Multiome 或独立 scRNA/scATAC 数据的计算生物学家与单细胞数据分析人员，在联合聚类/联合嵌入前用它判断锚点结构、选对整合算法、排查“某模态主导联合聚类结果”这类常见但难察觉的问题。
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，支持全局或按项目安装、按类别筛选安装 |
| 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（安装到 ~/.openclaw/skills），并可直接从 OpenClaw 官方技能市场 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研究技能的参考来源之一，通过浅克隆仓库后按需查阅使用，定位为“专家领域指南”而非原生 Hermes 技能格式，与直接可装的技能不同 |
5. 推荐理由
单细胞多模态整合最常见的失败不是选错工具，而是没有先判断数据的“锚点结构”——把无配对数据硬塞进配对方法，或放任高方差蛋白标志物不知不觉主导了本该由 RNA 主导的联合聚类结果。该技能把这套判断标准编码成结构化决策表和诊断清单，并配上可直接运行的双语言参考代码，帮助用户在投入算力跑联合嵌入之前先想清楚最容易出错的环节。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 发布方 GPTomics 为小型专业研究实验室，非广为人知的一线厂商；该子技能具体路径被 Hermes Agent 官方研究技能网关文档与 LobeHub 技能市场分别单独收录/命名，所属仓库另被 GoekeLab/awesome-genomic-skills 精选清单收录、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 | 需要安装 Seurat/Signac/dsb（R）或 scvi-tools/muon/scglue（Python）等开源包，非一条命令复制即用；但文档极完整（SKILL.md + 独立 usage-guide.md + R/Python 双语言示例脚本），全部依赖免费开源，且该目录 2026 年内持续有提交更新 |
| 安全性 | 9 | 纯参考文档与示例代码，无自动执行的 shell/网络调用，无需索取任何 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 是否执行 shell 命令：技能本身不含自动执行的 shell 命令，示例脚本需用户/agent 在自己环境中手动运行 ② 运行时是否联网外发数据：无 ③ 是否要求 API key/凭据：不需要 ④ 可疑指令：未发现 ⑤ 作者/组织信誉：GPTomics 为 GitHub 认证组织，无刷星或造假迹象（fork/star 比例约 17%，属正常范围） ⑥ License：MIT，明确 ⑦ 最近维护时间：该技能目录最近提交 2026-06-27，仓库整体最近提交 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 |
|---|---|---|
同合集的 integration-design（bioSkills） |
面向 bulk（非单细胞）多组学数据的整合策略选择——MOFA2/DIABLO/SNF 之间怎么选 | 服务 bulk 多组学场景（每个样本一套测序数据），本技能服务单细胞多模态场景（每个细胞一套测量），两者面对的样本量级、噪声结构与工具生态完全不同 |
同合集的 mofa-integration（bioSkills） |
专注 MOFA+ 单一工具的参数与结果解读 | 是本技能路由出去的下游执行技能之一；本技能覆盖“该不该用 MOFA+“的判断，mofa-integration 覆盖”用 MOFA+ 时怎么调参“ |
另一生物信息学合集 awslabs/hcls-agent-skills 的 multi-omics-integration |
同样是多组学整合策略选择的推理型技能，但面向 bulk 组学（早/中/晚期整合三分法） | 与 integration-design 类似，面向的是跨样本的 bulk 数据整合决策，不覆盖单细胞场景特有的 CITE-seq 蛋白背景去噪、WNN 模态权重诊断等问题 |
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，已扩展至覆盖单细胞、基因组变异、染色质、蛋白质组、代谢组、群体遗传等 70 余个功能目录，安装脚本支持 --dry-run（预览+token 估算）、--validate（校验）、--categories（按类别选装）。技能内的方法路由指向同仓库内多个相邻子技能，显示合集有统一架构。
10. 安装使用方式
- Claude Code（推荐）：克隆仓库
git clone https://github.com/GPTomics/bioSkills.git后运行./install-claude.sh --categories "single-cell"按类别安装，或运行不带参数的版本全量安装；也可手动将single-cell/multimodal-integration/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（默认装到~/.openclaw/skills），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 包（Seurat、dsb、Signac）或 Python 包（scvi-tools、muon、scglue）；无需重启 agent；触发依赖对话中出现关键词（如 “CITE-seq”、“WNN”）或直接引用该技能
11. 注意事项
- 该技能提供的是整合方法选择与诊断框架，不代替用户运行实际的联合嵌入计算——需要 R 或 Python 环境安装对应工具包
- MultiVI/StabMap 等方法产出的“填补模态”是模型推断而非实测值，不应与实测数据同等可信
- 合集仓库整体 1,114★ 与 193 forks 不代表该子技能个体采用热度；受欢迎程度评分依据的是第三方平台单独收录的具体证据，非仓库星数